Робототехника.Фу, Ли, Гонсалес (962794), страница 66
Текст из файла (страница 66)
Детальное изложение локального улучшения качества дано в [143, 114, 207], а методов определения кромок — в [249]. Более поздний обзор этих методов находится в [54]. Результаты в данной области, учитывающие быстродействие методов, приведены в еше более поздних работах [153, 44], С вводным материалом по определению кромок можно ознакомиться в [104], Книга [252] содержит подробное описание методов порогового разде.ления.
Представляет интерес также обзорная статья [305]. Упражнения 7Л. Какой объем нами~и требуется для запоминания информации нзо. бражевия размерностью 5)2 ус 5)2, в котором каждый пиксел может иметь 255 значений интенсивности. 7.2. Предложите метод, в котороч используется одна световая плоскость для определения диаметра цилиндрических объектов.
Предполагается, что игпользуется линейная камера с разрешающей способностью в У пикселов, а также что расстояние между камерой и цен~ром цилиндров постоянно. 7.3. (а) Рассмотрите точность вашего решения задачи 7.2 с точии зрения разрешающей способности камеры (М точек на одной линии) и максималь- ного диаметра цилиндра () „„. (6) Какова макснлгальная ош|6, . дг 7.4. Определите изображение пространственной точии с координатами гГ ) лежащей иа оптической оси камеры, размещенной (,, ) под углом !35' с наклоном !35'. Предполагается, что нспольз ется 50-мм лнкза, а г~ = гг = гз = 0 , ч о используется 7.. Л.
Из уравнения (7.4-4!) получите уравнения (7.4-42) и (7.4-43). к ат 7.6. Покажите, что расстояние ь)з между двумя точками д и 9 а р чайшему из четырех путей между »гимн точками и 9 равно может бы ь 7.7. Покажите, что метод преобразования Фурье для по Г( ) т использован без вычисления обратных преобразований. подсчета (и) 7.8. Проверьте, что подстановка уравнения (7.6-4) в уравнение (7.6-5) дает тождество. 7.9. П иве р дите булевское выражение, эквивалентное уравнению (7.6-!6), для окна размерностью 5 э( 5.
7.10. Раз аботай е п р т роцедуру для вычисления среднего значения распо- ложения соседних элементов в области размернос ью + 7.11. О ъ .11. Объясните, почему метод дискретного выравнивания гистогразгчы не дает в общем случае ровной гистограммы. 7!2 Пе р дложнте метод вычисления локальной гистрограм раммы для ме- тода улучшения качества, рассмотренного в пункте 7.6.3.
7.13. Р з: ых,в ме ны , Ре ультаты, полученные за один проход через изображ р д у, р х масок, могут бьжь получены также с помощью ение некото- д дномериой маски. Например, результат использования сглаживающей пол 'ч н так лзаск1г размерностью 3)( 3 с коэффициентами !/9 (см. и. 7.6.2) . у е же с помощью одного прохода через изображение маски 11 ! и второго прохода через маску ! .
Полученный результат умножается ~ !.1 иа !/9. Покажите, что маска Собеля (рис. 7.35) могут быть получены с но- ве тнк л мощью одного прохода дифференциальной маски ви а,р — ! 0 Ц ( . р а: ьного эквивалента), а также сглаживающей маски вида 1! 2 1з (нли ее вертикального эквивалента). 7Л4. П ненни 7.6-47, . Покажите, что дискретное преобразование Лапласа,, а (, - ), пропорционально с коэффициентом — !/4 вычитанию из,г(х,~) среднего четырех соседей (х, р). Глава 8.
СИСТЕМЫ ТЕХНИЧЕСКОГО ЗРЕНИЯ ВЫСОКОГО УРОВНЯ Только художник может создать произведение, которое затрудняет восприятие. Теодор Гихл 3.1.ВВЕДЕНИЕ С целью классификации методов и подходов, используемых в системах технического зрения, мы рассмотрели в равд. 7,1 три основных подкласса: зрение низкого, среднего и высокого уровней, Системы технического зрения низкого уровня, подробно рассмотренные в гл. 7, предназначены для обработки информации с датчиков очувствления, Эти системы мол!но отнести к классу кинтеллектуальных» машин, если они обладают следующими признаками (прнзнанами интеллектуального поведения): 1) возможностью выделения существенной информации из множества независимых признаков; 2) способностью к обучению на примерах и обобщению этих знаний с пелью их применения в новых ситуациях; 3) возможностью восстановления событий по неполной информации; 4) способностью определять цели и формулировать планы для достижения этих целей.
Создание систем технического зрения с такими свойствами для ограниченных видов рабочего пространства в принципе возможно, но характеристики таких систем далеки от возможностей человеческого зрения. В основе технического зрения лежит аналитическая формализация, направленная на решение конкретных задач, Машины с сенсорными характеристиками, близкими к возможностям человека, по-видимому, появятся еше не скоро. Однако отметим, что копирование природы не является единственным решением этой проблемы. Читателю наверняка известны ранние экспериментальные образцы аэропланов с машущими крыльями и другими особенностями полета птиц. Современное решение задачи о полете в пространстве в корне отличается от решений, подсказанных природой, По скорости н достижимой высоте самолеты намного превосходят возможности птиц.
Как уже говорилось в равд. 7.1, системы технического зрения среднего уровня связаны с задачами сегментации, описания и 39э распознавания отдельных объектов. Как будет видно нз следующих разделов, эти задачи охватывают множество подходов, основанных на аналитических представлениях. Системы технического зрения высокого уровня решают проблемы, рассмотренные выше.
Для более ясного понимания проблем технического зре. ния высокого уровня и его связи с техническим зрением низкого и среднего уровней введем ряд ограничений и упростим решаемую задачу, 8,2. СЕГМЕНТАЦИЯ Сегментацией называется процесс подразделения сцены на составляшие части или объекты. Сегментация является одним из основных элементов работы автоматизированной системы технического зрения, так как именно на этой стадии обработки объекты выделяются из сцены для дальнейшего распознавания и анализа. Алгоритмы сегментации, как правило, основываются на двух фундаментальных принципах: разрывностп и подобии. В первом случае основной подход основывается на определении контуров, а во втором — на определении порогового уровня и расширении области.
Эти понятия применимы как к статическим, так н к динамическим (зависягцнм от времени) сценам. В последнем случае движение может служить мощным средством для улучшения работы алгоритмов сегментации. 8.2.1. Проведение контуров и определение границы Методы, приведенные в равд. 7.6.4, определяют разрывы в интенсивности представления образа объекта. В идеальном случае эти методы определяют пикселы, лежащие на границе между объектом и фоном, На практике данный ряд пикселов редко полностью характеризует границу из-за шума, разрывов на границе вследствие неравномерной освещенности и других эффектов, приводящих к размытию изображения.
Таким образом, алгоритмы обнаружения контуров сопровождаются процедурами построения границ объектов из соответствующих последовательностей пикселов Ниже рассмотрено несколько методик, пригодных для этой цели, Локальный анализ. Одним из наиболее простых подходов соединения точек контура является анализ характеристик пикселов в небольшой окрестности (например, в окрестности размером 3 р,'3 или 5 х,' 5) каждой точки (х, у) образа, который уже подвергся процедуре обнаружения контура.
Все точки, яв. ляющиеся подобными (определение критерия подобия дано ниже), соединяются, образуя границу нз пикселов, обладающих некоторыми общими свойствами. 393 Прн таком анализе для установления подобия ппкселов контура необходимо определитги 1) величину градиента, требуемого для построения контурного ппксела, и 2) направление градиента Первая характеристика обозначается величиной 0[[(х, у)], определенной в уравнении (7.6-38) или (7.6-39).
Таким образом, пвксел контура с координатами (х', у') подобен по величине в определенной ранее окрестности (х, у) пикселу с координатами (х, у), если справедливо неравенство [ 6 [1(х, у)[ — 6 [[ (х', у')[[ ( Т, (8.2-1) где Т вЂ” пороговое значение. Направление градиента устанавливается по углу вектора градиента, определенного в уравнении (7.6-37), т.
е. 0 = агс1ц Я (8.2-2) где 0 — угол (относительно осн х), вдоль которого скорость изменения имеет наибольшее значение, как показано в равд. 7.6.4. Тогда можно сказать, что угол пиксела контура с координатами (х', у') в некоторой окрестности (х, у) подобен углу пиксела с координатамп (х, у) при выполнении следующего неравенства: 10 — 0'1( Л, (8.2-3) где А — пороговое значение угла. Необходимо отметить, что направление контура в точке (х, у) в действительности перпендикулярно направлению вектора градиента в этой точке.
Однако для сравнения направлений неравенство (8.2-3) дает эквивалентные результаты. Основываясь на этих предположениях, мы соединяем точку в некоторой окрестности (х, у) с пикселом, имеющим координаты (х, у), если удовлетворяются критерии по величине и направлению. Двигаясь от пиксела к пикселу и представляя каждую присоединяемую точку как центр окрестности, процесс повторяется для каждой точки образа. Для установления соответствия между уровнями интенсивности освещения и последовательностями пикселов контура применяется стандартная библиотечная процедура. Пример.
![](https://s.studizba.com/z.php?f=/templates/si/i/noavatar.png&w=100&h=100&t=1"){kind=avatar}
