7.4 Алгоритми обробки зображень в стз.

Процес ідентифікації об'єктів, що знаходяться в робочій зоні робота, зазвичай, включає два етапи:

Рис. 7.3 Бінарне оцифрування Рис. 7.4 Півтонове оцифрування

зображення зображення

а) виділення характерних ознак об'єктів;

б) розпізнавання об'єктів по знайденій сукупності характерних ознак.

Відповідно до такої структури процесу ідентифікації алгоритми обробки інформації в СТЗ прийнято ділити на:

1) алгоритми попередньої обробки зображення;

2) алгоритми розпізнавання об'єктів.

7.4.1 Алгоритми попередньої обробки зображення

Під зображенням, зазвичай, розуміється двомірна картинка поля інтенсивності випромінювань робочої зони. Формально отримане зображення полягає у визначенні функціональної залежності інтенсивності випромінювань робочої зони від координат точок зображення х і у (рис. 7.5.).

Завданням попередньої обробки зображення є пошук яких-небудь особливостей функції f (x, у), які могли б вказати на тип об'єкту, що знаходиться в робочій зоні.

Перший крок попередньої обробки зображення на ЕОМ полягає в квантуванні початкового зображення f (x, у). Квантування ведеться як в просторі по координатах х і у, так і по рівню функції f (x, у).

Результатом квантування є дискретне зображення функції g (i, j), значення якої співпадають із значеннями f (x, у) в точках x_i = x₀ + xi; у_j = y₀ + yj,

де i = 0, 1, 2 ., М-1; j = 0, 1, 2 ., N-1, М – число елементів по осі Х, N – число елементів по осі У.

Для компенсації шумів в зображенні успішно застосовується простий пороговий метод. Ті елементи зображення, яскравість яких перевищує порогове значення, залишаються на зображенні, а ті елементи яскравість яких нижча за порогове значення – замінюються фоном. Дискретні зображення

Рис. 7.5 Функція яскравості

надалі піддаються обробці з метою визначення деяких їх глобальних особливостей (побудова гістограми яскравості, визначення середнього значення яскравості, дисперсії яскравості, максимуму градієнта зображення і

т. д.). При цьому використовуються як інтегральні так і диференціальні алгоритми обробки. Одним з самих поширеним методів попередньої обробки дискретних зображень є метод дискретного перетворення Фур’є.

На етапі попередньої обробки прагнуть створити стислий опис об'єкту у вибраній системі ознак. Вибір ознак здійснюється на основі аналізу класу об'єктів, можливостей датчиків зображення по розпізнаванню, вимог до швидкості обробки. Найбільш використовуваними можна рахувати геометричні ознаки (площа і периметр зображення, число отворів число і розташування кутів і т. д.).

Геометричні ознаки інваріантні щодо поворотів зображення в полі зору. Найбільш престо з геометричних ознак обчислюється площа зображення. Її значення отримати простим підрахунком числа елементів цифрового зображення при скануванні кадру.

Периметр зображення обчислюється після виділення меж. Межі зображення найпростіше виділяються у бінарних цифрових зображень. У разі півтонових цифрових зображень межа зображення виділяється на тому або іншому рівні яскравості.

Геометричний центр зображення (Xc, Yc) можна обчислити за допомогою виразів

де _ij – функція, що приймає значення 1 або 0:

М – множина координат (х, у) елементів цифрового зображення, що належать об'єкту;

x_ij, y_ij – дискретні відліки координат в полі цифрового зображення.

Після визначення Хс і Ус обчислюється мінімальна і максимальна відстань до вже виділених граничних елементів (радіус вписаного і описаного кіл). Крім того, може бути визначена і довжина сторін описаного прямокутника.

Головні моменти інерції зображення J₁ і J₂ визначаються через моменти інерції Jx і Jy відносно осей координат, а також через змішаний момент інерції Jxy.

Якщо N – загальне число елементів зображення об'єкту в полі зору, а

f (x, у) – функція розподілу освітленості, то координати центру тяжіння зображення Xц, Уц обчислюються по формулах

де x_ij і y_ij – відліки координат на цифровому зображенні.

Далі по відомих Хц і Уц обчислюються моменти інерції зображення щодо координатних осей

і змішаний момент інерції

Тепер можна визначити головні моменти інерції

Ці моменти приймають за особливі ознаки зображення об'єктів. Саме пара J₁, J₂ несуть найбільшу інформацію про відмінність об'єктів заданого класу.