Алгоритмы обработки изображений

Процесс идентификации объектов, находящихся в рабочей зоне робота, обычно включает два этапа: выделение характерных признаков объектов и собственно распознавание объектов по найденной совокупности характерных признаков. В соответствии с такой структурой процесса идентификации алгоритмы обработки информации в СТЗ принято делить на алгоритмы предварительной обработки и алгоритмы распознавания.

Фотодатчик формирует изображение рабочей зоны робота. Под изображением обычно понимается двумерная картина поля интенсивности излучений рабочей зоны. Формально получение изображения заключается в определении функциональной зависимости интенсивности излучений рабочей зоны от координат точек изображения x и y:

J=f(x, y).

Задачей предварительной обработки является поиск особенностей функции f(x, y), которые могли бы указать на тип объекта, находящегося в рабочей зоне.

Дискретизация изображения. Первый шаг предварительной обработки изображения на ЭВМ состоит в квантовании исходного изображения f(x, y). Квантование ведется как в пространстве по координатам x и y, так и по значению функции изображения f(x, y). Для упрощения описания алгоритмов предварительной обработки в дальнейшем будем рассматривать прямоугольные изображения в декартовой системе координат XOY при условии, что дискретные представления таких изображений получаются в результате равномерного квантования координат x и y. Результатом квантования по полю изображения является дискретное изображение – функция g(m, n) (разрешением MхN), значения которой совпадают со значениями f(x, y) в точках:

x=x₀+Δx∙m; y=y₀+Δy∙n,

где m=0, 1, 2,…, M-1; n=0, 1, 2,…, N-1 [7].

Следует иметь в виду, что на каждом этапе формирования изображения вносятся аппаратурные помехи (шумы), искажающие функцию f(x, y) по пространственным признакам.

Фильтрация шумов. Помимо преобразования видеосигнала в цифровую форму в устройстве сопряжения телекамеры в микроЭВМ выполняется также фильтрация шумов изображения, в результате которой увеличивается отношение сигнал/шум, что упрощает дальнейшую обработку изображений. Одним из методов снижения влияния зашумленности изображения является пространственная регуляризация. На изображении выделяется прямоугольное окно W(x, y) площадью S_w с центром в точке x_i, y_i. Затем функцию интенсивности сигнала J= ( x_i, y_i) от каждой точки изображения заменяют функцией

Затем выбирается следующая точка, и описанная операция повторяется для каждой точки изображения. Такой алгоритм обработки заменяет яркость каждой точки изображения яркостью, усредненной по соседним точкам. Этим достигается эффект сглаживания мельчайших деталей изображения, как бы легкой расфокусировки. Степень сглаживания изображения можно регулировать путем изменения площади S_w. Описанная обработка может выполняться также и с аналоговым сигналом (это эквивалентно подавлению высокочастотных составляющих видеосигнала) [2].

Повышение контрастности. Если в процессе обработки изображения подчеркнуть разницу в яркости детали и фона, это позволит с большей достоверностью выделить деталь и идентифицировать ее. Такой способ повышения контрастности изображения может быть реализован как аппаратным путем (например, путем использования элементов матрицы с нелинейной характеристикой светочувствительности), так и программным способом. (Бинаризация - предельный случай повышения контрастности.)

Выделение контуров. Оперируя с массивом чисел, описывающих распределение яркости светового потока по полю кадра видеодатчика, микроЭВМ последовательно выделяет точки изображения, в которых происходит резкое изменение яркости. Обычно эти точки принадлежат контуру той или иной детали, расположенной на более светлом фоне, или являются точками, подчеркивающими различные особенности одной детали (отверстия, ребра и т. п.). Для выделения контуров деталей может использоваться пространственное дифференцирование, при котором подчеркиваются высокочастотные составляющие видеосигнала и подавляются низкочастотные. Такая операция может выполняться как с аналоговым сигналом (путем его дифференцирования по времени), так и с цифровым.

Сегментация. В дальнейшем выполняется анализ связности контуров, т. е. определяется принадлежность каждой точки тому или другому контуру, являющемуся замкнутой кривой, и осуществляется сегментация изображения, представляющая собой процедуру выделения на изображении отдельных замкнутых однородных областей. Сегментация может потребоваться в случае, если объекты соприкасаются или частично перекрывают друг друга.

Распознавание объекта (идентификация). Выбор признаков, по которым производится идентификация, осуществляется на основе анализа класса распознаваемых объектов, возможностей датчиков изображения по разрешению, требований к скорости обработки.

Для распознавания объектов (независимо от их ориентации и места расположения) могут использоваться, например, следующие параметры (совокупности признаков), которые рассчитываются микроЭВМ после выполнения операции выделения контуров и сегментации:

• площадь объекта;

• периметр объекта;

• длины радиусов, исходящих от центра тяжести и заканчивающихся в определенных точках контура объекта (обычно используются длины максимального, минимального и среднего радиусов);

• значения моментов инерции изображения;

• количество отверстий;

• количество углов;

• параметр формы – отношение квадрата периметра к площади.

Последние три параметра позволяют распознавать объекты также независимо от масштаба изображения.

Типичные задачи зрительного восприятия для робототехники.

1. Определение плоских координат известных объектов.

2. Распознавание отдельных двухмерных объектов.

3. Распознавание касающихся двухмерных объектов.

4. Распознавание отдельных трехмерных объектов.

5. Распознавание и анализ взаимного расположения групп трехмерных объектов (анализ сцен).

6. Распознавание трехмерных объектов, лежащих внавал.