2.4. Методы выделения границ

Методы выделения границ можно классифицировать на три группы [1]:

• пространственное дифференцирование;

• функциональная аппроксимация;

• высокочастотная фильтрация.

Общим для всех этих методов является стремление рассматривать границу как область резкого перепада функции яркости f (x,y). Отличает же их используемая математическая модель перепада яркости и алгоритм его поиска. Обычно границы разделяют несколько областей, каждая из которых имеет приблизительно равномерную яркость. Часто края возникают как результат наличия силуэтных линий объектов. В этом случае упомянутые области являются представлениями разных поверхностей. Края также возникают из-за отсутствия непрерывности в ориентации поверхностей и разрывов в их отражательных свойствах.

Наибольшее распространение в системах технического зрения благодаря своей простоте и вычислительной эффективности получил метод пространственного дифференцирования. Формально под краями (границами) в этом методе понимаются такие кривые на изображении, вдоль которых происходит резкое изменение производных яркости по пространственным переменным. На практике для выделения границ используются известные операторы Собеля, Превитта, Робертса (13) и другие.

К главным недостаткам метода пространственного дифференцирования относится то, что на реальных изображениях края могут содержать разрывы, нередко выявляются ложные границы и помехи (рис. 9). Поэтому возникает необходимость применения специальных алгоритмов повторной обработки для удаления разрывов контуров.

В пакете MATLAB существует встроенная функция edge, в которой реализована поддержка большинства алгоритмов, использующих дифференциальные операторы.

На заключительных этапах процедуры сегментации производится заполнение контуров для получения однородных областей. Широкое распространение получили методы закрашивания областей, основанные на использовании математической морфологии. Математическая морфология является разновидностью нелинейной фильтрации, и ее применение базируется на априорном знании о форме и структуре объектов.

a б в г

Рис. 9. Пример контуров: a - исходное изображение; б - контура, содержащие разрывы; в - контура без разрывов; г - сегментированное изображение

3. Практическая часть

Исследование методов предлагается проводить в системе инженерного проектирования и моделирования MATLAB. В лабораторной работе для оценки качества сегментации использована мера точности Q [6]:

, (20)

где S₁ – множество точек объекта, выделенное алгоритмом, S₂ –множество точек эталонного объекта. Фактически за S₂ принимается бинарное изображение, сегментированное человеком. В случае полного сходства двух множеств S₁ и S₂ мера Q = 1, в случае полного различия Q = 0.

Расположение и вид кнопок, ползунков и других элементов интерфейса программы может меняться в зависимости от выбранного метода сегментации. Характерный пример представлен на рис. 10, где 1 – главное меню; 2 – окно с кадром изображения; 3 – изображение исследуемого объекта; 4 – сегментированное изображение; 5 – изображение тестового объекта; 6 – список параметров; 7 – параметры выбранного метода сегментации; 8 – кнопка для запуска алгоритма; 9 – строка состояния, содержащая подсказки.

Рис. 10. Внешний вид интерфейса программы

Главное меню программы содержит пункты “Файл”, “Работа” и “Инфо”. Меню «Файл» содержит команды загрузки изображения и команду выхода из программы. Меню «Работа» содержит команды выбора методов сегментации и добавления шума. В этом меню также содержится команда слежения за выбранным объектом в последовательности изображений. Слежение осуществляется обработкой последовательности видеокадров выбранным на предшествующем этапе алгоритмом. Среди найденных на бинарном изображении сегментов выбирается в качестве объекта тот из них, параметры которого соответствуют параметрам объекта предыдущего кадра с учетом допустимого разброса значений, задаваемого оператором. Список параметров сегментов содержит следующие записи:

- площадь S1 – количество точек объекта в пикселях, выделенное алгоритмом;

- размер гор. – максимальный размер сегмента по горизонтали;

- размер верт. – максимальный размер сегмента по вертикали;

- ср. яркость – средняя яркость точек объекта на исходном изображении.

Кроме этого на экран выводятся: значение меры Q (20), время обработки кадра, площадь зоны обработки, а для метода центроидного связывания – координаты стартовой точки. Выбор объекта сегментации производится выделением объекта мышью в окне отображения видеокадра. Входные изображения имеют формат BMP (полутоновые, без сжатия). В программе можно задать математическое ожидание и дисперсию гауссовского белого шума, интенсивность импульсного шума, дисперсию мультипликативного шума.