книги / Системы очувствления и адаптивные промышленные роботы
..pdfний и скоростей объекта целесообразно увеличивать рабочую частоту. Однако с увеличением частоты растет затухание ультразвуковых волн и соответственно уменьшается дальность действия.
Наиболее высокие частоты (порядка 10—20 МГц) могут быть использованы при работе в однородной жидкой среде (воде) в пре делах небольших расстояний (0,3—0,5 м). При работе в жидкостях с большим затуханием ультразвука (нефть, мутная вода и т. п.) рабочие частоты необходимо уменьшать. Так как затухание ультра звуковых волн в воздухе много больше, чем в воде, то при работе в воздушной среде необходимо использовать более низкие частоты (до 20 кГц).
Акустические изображения, получаемые аппаратными сред ствами, уступают по качеству изображениям, полученным оптиче скими СТЗ, поэтому особое значение приобретают алгоритмы филь трации и улучшения качества изображений, представленные в п. 4.5.
4.5. Алгоритм обработки изображений
Процесс идентификации объектов, находящихся в рабочей зоне робота, обычно включает два этапа: выделение характерных призна ков объектов; собственно распознавание объектов по найденной совокупности характерных признаков. В соответствии с^гакой струк
турой |
процесса идентификации алгоритмы обработки информации |
в СТЗ |
принято делить на алгоритмы предварительной обработки |
и алгоритмы распознавания, что носит в известной степени условный характер, так как в некоторых практических приложениях одни и те же по математической сути алгоритмы могут быть использованы на обоих этапах рассматриваемого процесса.
В соответствии со спектральным диапазоном преобразователей свет — сигнал и принципом действия СТЗ датчик формирует изобра жение 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 х и у:
j = f (х, у)- |
(4.1) |
В дальнейшем под «изображением» будем понимать именно функциональную зависимость f (х, у). С учетом принятой термино логии задачей предварительной обработки является поиск какихлибо особенностей функции f (х, у), которые могли бьГуказать на тип объекта, находящегося в рабочего зоне.
Дискретизация изображения. Первый шаг предварительной об работки изображения на ЭВМ состоит в квантовании исходного изображения f (х, у). Квантование ведется как в пространстве по координатам х и у, так и по значению функции изображения f (х, у).
Для упрощения описания алгоритмов предварительной обра ботки в дальнейшем будем рассматривать прямоугольные изображения
102
в декартовой системе координат X O Y при условии, что дискретные представления таких изображений, полученные в результате равно мерного квантования координат x и у, т. е. при квантовании значения функции / (х , у), берутся в равноотстоящих друг от друга точках изображения. Результатом квантования в пространстве, или, как иногда говорят, по полю изображения, является дискретное изобра жение — функция g (т, п), значения которой совпадают со значе ниями /( х, у) в точках:
х |
■--= Х0 + |
а хт\ |
у |
= у 0 + Ауп, |
где т = 0, 1, 2, ..., |
М — 1; |
п — |
0, |
1, 2, ..., N — 1. |
На каждом этапе формирования |
изображений вносятся аппара |
|||
турные помехи (шумы), искажающие функцию / (х, у) по простран ственным признакам.
Метод J фильтрации шумов. Для компенсации шумов в изобра жении успешно применяется простой пороговый метод, при которцам последовательно проверяется цифровое представление яркости всех
элементов изображения / (х, у), |
и если |
яркость элемента F i} |
анали |
|
зируемой группы из N |
х N элементов превышает среднюю яркость |
|||
группы |
{ N - 1)/2 |
(W-I),L> |
|
|
|
|
|||
П _ |
£ |
£ |
fnkfj.h |
м ,л |
f e = - ( A ^ - l ) / 2 |
/ = — ( А / — 1 ) / 2 _____________ |
|||
U |
|
ДГ2 |
|
|
на заданное пороговое значение ц, то его яркость заменяется на среднюю яркость группы G. Здесь N обычно принимается равным 3, 5 или 7.
Поскольку шум пространственно не коррелирован, его спектр содержит более высокие пространственные частоты, чем спектр изображения. В связи с этим широкое распространение получили методы сглаживания шумов, основанные на низкочастотной про странственной фильтрации, например, методы анизотропной и ре куррентной фильтрации.
Анизо т ропная фильтрация основана на свертке исходного мас сива изображения F размером М а М со сглаживающим массивом размером N х N . При JV<<M реализуется программное сканиро вание изображения F массивом N и операция свертки на каждом шаге. В результате формируется новый массив В сглаженного изоб ражения, имеющий размер М х М. Такой алгоритм удобен для реализации на ЭВМ. Для каждого элемента a tj исходного массива F выполняется преобразование, которое заключается в перемножении обрамляющей его матрицы заданного размера N х N с элементами W hi сглаживающей матрицы. Последующее суммирование произ ведений дает элементы выходного массива
|
( N — 1)/2 |
( Л/ — 1) /2 |
|
|
bt}= |
L |
Zj |
Fi+k; j+lWft/. |
(4.3) |
В качестве элементов массивов фигурируют числовые значения, соответствующие яркости.
103
Отдельно следует остановиться на построении сглаживающего массива W.
Качество фильтрации повышается с увеличением /V, однако пропорционально N'1 растет время обработки исходного изображения на ЭВМ. Массив ИР должен быть нормирован для получения единич ного коэффициента передачи, чтобы при фильтрации не изменялась средняя яркость изображения. Могут применяться сглаживающие
массивы W следующего |
вида: |
|
|
|
|
||
-111- |
|
1 |
-111 - |
|
1 |
121 |
|
111 |
’ |
121 |
’ |
242 |
|||
10 |
16 |
||||||
111 |
|
|
111 |
|
|
121 |
|
Рекуррентная фильтрация более эффективна, чем анизотропная, и дает экономию объема памяти ЭВМ. При рекуррентной фильтрации используются не только элементы исходного, но и элементы уже сглаженного изображения. Общая формула для рекуррентной филь трации такая же, как и для анизотропной:
|
{ N — 1 ) / 2 |
(/ V — 1 ) / 2 |
|
Т4-4) |
Ь ц = |
Е |
Е |
F U k, i + l W kh |
|
|
к— — { N — 1) / 2 /г— — ( / V — 1 ) / 2 |
|
||
где элементы /7+л; /+/ |
могут быть .'взяты как из исходного мас |
|||
сива F, так и из |
выходного массива |
В. |
|
|
Если анализируемый элемент находится в центре программного окна, то при сканировании слева направо и сверху вниз в программ
ное |
окно вводятся элементы |
из массива В , если k = |
—А72, |
..., 1 |
и / = —N i 2, ..., + N / 2 , или [13 |
массива F — для всех |
других |
пози |
|
ций |
окна. |
|
|
|
Экономия необходимого объема памяти ЭВМ достигается при записи элементов отфильтрованного изображения В в ячейки, где хранились соответствующие элементы массива F, поскольку при рекуррентной фильтрации они больше не используются. Сглажива ющий массив W выбирается из тех же соображений, что и при анизо тропной фильтрации.
В практике построения СТЗ встречаются случаи, когда основной вклад в общую погрешность изображения вносит один элемент системы; тогда не применяют фильтрацию шумов всего изображения, а предусматривают только компенсацию погрешностей этого эле мента. Примером может служить геометрический шум, свойственный твердотельным полупроводниковым приемникам — приборам с за рядовой связью и фотодиодным матрицам. Чтобы скомпенсировать погрешность любого элемента фотоприемника, целесообразно ис пользовать двойное считывание каждого кадра — темновое и с изоб ражением. Скорректированное изображение получается вычита нием сигналов каждого элемента, полученных при двух считываниях.
Интегральные и дифференциальные алгоритмы предварительной обработки дискретных изображений. К интегральным относят алго ритмы, основанные на определении некоторых суммарных свойств
104
дискретных изображений, их глобальных особенностей. Большин ство из них базируется на интегральных преобразованиях. При
веденные |
ниже интегральные и дифференциальные алгоритмы |
даны в |
виде, удобном для программирования. Эти алгоритмы |
используют для предварительной обработки как многоградационных, так и бинарных изображений, причем в последнем случае они зна чительно упрощаются.
Гистограммой яркости изображения называется зависимость числа случаев равенства значений яркости в дискретном изображении какой-либо фиксированной величине от этой величины:
|
P ( h ) ~ ЦК; |
\ k £ K : g ( m , n) = h\, |
(4.5) |
где h = 0, |
1, 2, .... Н — 1. |
иногда определяют средние значения |
|
Наряду |
с функцией Р (h ) |
||
н- 1
й= 2 hP{h), h=О
|
Н - 1 |
и среднее квадратическое отклонение |
2 (A — g)2 Р (h ). |
Дискретное преобразование Фурье |
л=о |
— один из самых распростра |
ненных методов предварительной обработки, он широко исполь зуется для фильтрации различных помех. Указанное преобразование
определяется |
следующим выражением: |
|
|
|
|||||
|
|
Л1— 1 |
N — 1 |
^6Хр ' — /2зх |
|
|
|
||
G (и, |
у) = |
ТйТуГ X |
S |
g (т’ |
|
-I" (vn/N)]\, |
(4.6) |
||
|
|
т = 0 |
/2=0 |
|
|
|
|
|
|
где т = |
0, 1, 2, ..., М — 1; п = 0, 1, 2, ..., N — |
1. |
|
||||||
Результаты преобразования (4.6) в общем случае являются ком |
|||||||||
плексными числами G (и, у) = |
R (и, у) + /I (и, у). Вследствие этого |
||||||||
часто пользуются спектрами дискретного изображения |
|
||||||||
|
|
|G(«, |
у) | = [R2 (и, |
у) + 1 2 (и, y)]l/2; |
j |
|
|||
|
|
argG(«, v) = arctg(I (u, y)/R(«, |
y)], |
) |
|
||||
а также |
энергетическими спектрами дискретного изображения |
||||||||
|
|
П (и, |
y) = |
R2(«, y ) - f l2(«, |
у). |
|
(4.8) |
||
В случае, |
когда М — N, |
преобразование |
Фурье имеет вид |
||||||
|
|
|
|
N - 1 |
|
|
|
|
|
|
|
G(u, v) = |
~ |
^ |
Gx (т, у)ехр[— j ‘2num/N\, |
(4.9) |
|||
|
|
|
|
т = 0 |
|
|
|
|
|
где |
|
|
|
|
|
|
|
|
|
|
|
G, (т, у) = |
.V Ц - ^ |
g (т, п) ехр [— /2лш/ЛМ |
(4.10) |
||||
|
|
|
|
I |
^ 0 |
|
|
|
|
105
Применение выражений (4.9) и (4.10) позволяет свести вычисле ние двумерного преобразования Фурье (4.6) к последовательному определению одномерных преобразований.
Основной недостаток дискретного преобразования Фурье — срав нительно большой объем вычислений. По этой причине довольно часто используются другие интегральные преобразования, проигры вающие преобразованию Фурье в наглядности и точности результа тов, но отличающиеся большей простотой.
Преобразование Уолша дискретного изображения (при М = Щ
проводится по следующим |
зависимостям: |
|
|
||||
|
|
|
Л / — 1 |
N - 1 |
к - 1 |
|
|
Q (и, |
v) = |
- L |
V |
2 |
g (т, п) П |
( — 1)°, |
(4. J 1> |
|
|
|
т ~ 0 п - 0 |
1=0 |
|
|
|
где |
а = |
bt (т) |
|
(и) -f bt (п) b |
, ^ (v). |
|
|
Значения коэффициентов bj (/) определяют по следующему пра вилу. Коэффициент bj (/) равен значению /-го разряда числа /, запи санного в двоичной системе счисления. Если, например, / = 5, то в двоичной системе / = 101 и ЬЛ(5) = 1, 62 (5) — 0, Ь3 (5) = 1.
Преобразование Адамара выполняют по следующей формуле: ^
.V -1 N - \
Н (и , |
S |
8 ( , п ’ |
(4.12) |
|
/72^0 П '-О |
|
|
|
N - \ |
|
|
где а = |
2J Ibt (т ) bt (и) |
|- bt (п) bt (и)]. |
|
|
/--■0 |
|
|
Величины коэффициентов bj (/) находятся в соответствии с пра вилом их определения в преобразовании Уолша.
Дифференциальные алгоритмы основаны на следующей пред
посылке. Считается, что такие |
характеристики, как границы плоских |
объектов и отверстий в них, |
ребра трехмерных объектов и т. п., |
соответствуют максимумам нормы градиента функции изображения |
|
/ (*, у). Поиск градиента связан с определением производных функ |
|
ции f (х, у ), поэтому данные алгоритмы называют дифференциаль ными. Приведенные далее способы приближенных вычислений нормы градиента дискретного изображения g (т, п) отличаются друг от друга количеством значений дискретного изображения, использу емых на каждом шаге вычислений. Границы плоских объектов, ребер трехмерных объектов и т. п. могут быть определены любыми известными методами поиска максимума функции.
Простейшая схема вычислений нормы градиента сводится к сле дующему.
Для расчетов на одном шаге вычислений используются только три значения дискретного изображения g (m, п):
G(m, n) = |
\\g (m , n ) — g(in -'r \, //)]-’ j-[g(/rt, n ) ~ g ( m , н+ 1)]2}|/2, |
где G {m, n) |
(4.13) |
— норма градиента функции g (m y n). |
106
Значения нормы градиента, близкие к результатам, определяемым по формуле (4.12), получаются также при использовании следующей зависимости:
G (от, п) = |g (т, п) — g (т + 1, п) \ + \ g (т, п) — g (m, п + 1) | •
Оператор Робертса позволяет производить вычисления с по грешностью меньшей, чем погрешность вычислений по (4.13). По вышение точности, однако, достигается за счет использования на каждом шаге вычислений большего числа значений дискретного изображения:
G(m, п) = \ [g(m, n ) - g ( m - \ - 1, п + 1)]2 +
-M g ( т + ) , n) — g ( m , л + 1)]2},/2.
При использовании абсолютных величин рассматриваемая схема дает большую погрешность, но существенно упрощается:
|
G |
(т , п) |
— |g |
(т, |
п) — g |
(т + |
1, |
|
п + 1) | + |
|g (т + |
1, п) — |
||||||||
|
|
|
|
|
|
|
— g ( m , п + |
|
1)|.' |
|
|
|
|
|
|||||
|
Вычислительная схема Собела строится в соответствии со следу |
||||||||||||||||||
ющими оценками |
нормы |
|
градиента: |
|
|
|
|
|
|
|
|
||||||||
или |
|
G (m, |
п) = |
[Gl (от, |
п) |
h Gl (от, |
n)]'J2 |
|
(4.14) |
||||||||||
|
G (т, |
п) |
= |
| Gx (т, |
п) |
\ + |
|
| Gy (т, |
п) |, |
|
|
(4.1 5) |
|||||||
где |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Gx |
(т, п ) — [g |
(т — 1, |
п |
+ |
1) + |
2g |
(т, |
п + |
1) + g |
(т + |
П |
||||||||
п + |
1)1 — [g (т — 1, п — |
1) |
+ |
2g (т, |
п |
— 1) + |
g (т + |
1, п — 1)1; |
|||||||||||
Gy |
(ш, п) = |
[g ( т + |
|
1, |
п |
— |
1) + |
2g |
( т |
+ |
1, п ) |
+ g (т |
+ |
1, |
п + |
||||
+ |
1)1 — [g (л* — 1, |
п — |
1) + |
2g |
(т |
— 1, п) + g (т — |
1, |
п + |
1)1. |
||||||||||
Следует отметить, что использование выражений (4.14) и (4.15) позволяет не только определять значения нормы градиента, но также по величинам Gx (m, п) и Gy (m, п) оценивать вектор градиента на плоскости.
Многошаговый способ вычисления нормы градиента применяют в СТЗ, когда требуется сравнительно высокая точность определения границ объектов и их элементов. Он описывается следующими вы ражениями:
|
|
|
|
|
4 |
|
|
|
|
|
G(m, п) ~ |
|
EG,-, |
|
|
||
|
|
|
|
|
i—1 |
|
|
|
где Gi — скалярное произведение векторов bt и g; |
||||||||
bt = [ 1, V X 1, 0, 0, - 1 , - i / 2 , - 1 ] ; |
||||||||
&. = |
[!, |
О, |
1, V 2, |
- |
/ 2 |
, |
1, 0, |
1]; |
ья = [ о, |
- |
1, |
V 2 , 1, |
- |
1, |
- |
i 7!, |
1, 0 ]; |
= [У 2, - 1 , 0, - 1 , 1, 0, 1 , / 2 ] ,
107
g = |
lg(/n — 1, n — 1), g(m, n — ]), 3 (m + |
1, n — 1), g{ m — 1, n), |
g = |
(m + I, «), g {m — 1, n + 1), g (m, n + |
1), g (m + \, n + 1). |
Выделение гранил, объектов в бинарных изображениях тоже отно сится к дифференциальным способам. Бинарными или двоичными изображениями называют дискретные изображения g t (т, п ), эле менты которых могут принимать только два фиксированных значе ния. Границы объектов в этом случае можно определить по одной из
следующих логических |
схем: |
|
|
|
|
|
|
|
|
|
||||
т, п £ йгр : [gi (т, п) — а\ & [gj (/ft, |
|
п — |
\) = |
b \ J g 1 (т — 1, |
п) = |
|||||||||
|
|
= b \ f g l ( m - :r |
\, п) = |
|
b \ ! g , |
(т, |
/т |
h 1)]; |
|
|||||
|
т, |
п £ а Гр : [gj (т, |
п) = |
а] & [gi (т — 1, |
« — |
1) = |
|
|||||||
= b \ J g 1 {m, |
я — |
l) = |
^ \/g i(m + |
I, |
п — \) = |
Ь \ ' g ^ m — 1, |
«) = |
|||||||
— b \ j g i { m - \ - 1, |
n) = |
b \ j g i ( m — |
1, |
п-\- |
]) = |
6 \/g i(w. я-Ь |
1) = |
|||||||
|
|
|
= ь VSi (лг -Т Г |
я + |
1) = ft], |
|
|
|
||||||
где т, п |
— координаты |
точек |
границы |
(tfrp); |
а, |
b — возможные |
||||||||
значения |
функции g r (m, п). |
|
конкретного |
алгоритма предвари |
||||||||||
Решающее |
влияние на выбор |
|||||||||||||
тельной обработки оказывают результаты анализа требований, предъ являемых к СТЗ.
Алгоритмы выделения признаков изображений. На этапе пред варительной обработки стремятся создать сжатое описание объекта в выбранной системе признаков, а затем проводится обработка полу ченного образа.
Выбор признаков осуществляется на основе анализа класса объектов, возможностей датчиков изображения по разрешению, требований к скорости обработки. Наиболее используемыми можно считать геометрические (топологические) признаки, к которым отно сятся площадь и периметр изображения, число отверстий, размеры вписанных и описанных относительно изображения фигур, число и расположение углов и т. п. В некоторых случаях наибольшее различие заключается в моментах инерции изображений заданного класса, тогда их выбирают в качестве признаков.
Геометрические признаки инвариантны относительно поворотов изображения в поле зрения. Инвариантность относительно масштаба изображения достигается нормированием по площади или пери метру. Это важное положительное свойство сжатого описания изоб ражений в системе геометрических признаков.
Наиболее просто вычисляется площадь изображения. Ее значе ние можно получить простым подсчетом числа элементов цифрового изображения при сканировании кадра. Инвариантность этого при знака относительно масштаба изображения достигается нормирова нием по значению квадрата периметра. Периметр изображения вычисляется после выделения границ. Следовательно, вычислению периметра предшествует определение краев и линий изображения,
108
из которых затем нужно выделить граничные элементы. Наиболее просто это решается для бинарных цифровых изображений, когда граничные элементы выделяются на перепаде освещенности объекта и фона, т. е. на переходе от силуэта (единицы) к фону (нулю). В случае изображений с несколькими градациями яркости необходимо запо минать элементы контуров, которые выделяются на этом перепаде при любых значениях яркости изображения.
Для вычисления радиусов вписанных и описанных окружностей следует предварительно определить координаты геометрического центра изображения. Если их обозначить через (Х СУ Y c), а через М обозначить множество координат (х, у) элементов цифрового изобра жения, принадлежащих объекту (в отличие от фона), то координаты центра можно выразить как
|
|
|
i |
/ |
где |
функция, принимающая значения 1 или 0: |
|||
|
_ } |
1; |
(»'. /) € м ) |
|
|
" |
10; |
((, |
/ ) Т м ) ’ |
a x ij* Uij — дискретные отсчеты координат в поле цифрового изобра жения.
После определения X L и Y c вычисляются минимальное и макси мальное расстояния (радиусы вписанной и описанной окружностей) до уже выделенных граничных элементов. Нормирование радиусов по корню квадратному из площади или по периметру приводит к инвариантности этих признаков относительно масштаба изобра жения.
Проще определяется длина сторон описанного прямоугольника. При сканировании изображения запоминаются максимальная и минимальная абсциссы /тах и /т1п, на которые в кадре попадает изображение объекта, и ординаты гтах и гт1п. Высота Y и основание X прямоугольника являются соответственно их разностью. Нормиро вание проводится также по квадратному корню из площади или по периметру.
Несколько сложнее найти моменты инерции изображения отно сительно его главных осей инерции. Однако промежуточные резуль таты вычислений могут быть использованы для определения ориен
тации объекта, |
что будет |
показано дальше. |
и / |
2 |
определяются |
Главные моменты инерции изображения |
|||||
через моменты |
инерции |
J x и J y относительно осей |
|
координат ОХ |
|
и O Y , связанных с полем зрения, а также через смешанный мохмент
109
инерции J xy. Если N |
— общее число элементов изображения объекта |
|||
в поле зрения, f (х> |
у) |
— функция |
распределения освещенности, то |
|
координаты центра тяжести изображения |
||||
|
^ |
= |
Y |
i x t}f(*> у); |
|
|
i |
/ |
|
|
|
= |
/ |
*>• |
|
|
i |
} |
|
где Хц и y tj — дискретные отсчеты координат на цифровом изобра жении.
Далее по известным значениям Х с и Y с вычисляются моменты инерции изображения относительно координатных осей
j x = |
X e)*f(x, |
//);| |
|
Y cf f < x , |
У) |
*I
исмешанный момент инерции
Jxy = 2 |
S (хц - Хс) (Уц - Y v) (х, у). |
i |
1 |
Теперь можно определить главные |
моменты инерции |
||
л . * |
= |
± У 4 - |
- h f т Пу . |
Эти моменты принимают за отличительные признаки изображе ния объектов. Именно пары J u / 2 несут наибольшую информацию
оразличии объектов заданного класса.
Внекоторых случаях целесообразно в качестве признаков ис пользовать взаимное положение углов в контуре изображения. Такая система признаков наиболее эффективна при бинарных циф
ровых изображениях, поскольку обрабатывается информация о силуэте объекта, а углы, выявленные по перепадам освещенности поверхности объекта, не выделяются. В этом случае известны лишь координаты вершин углов силуэта на общем фоне.
Допустим, что контурные элементы найдены и пронумерованы на предыдущих этапах обработки. Один из алгоритмов основан на последовательной проверке фрагментов контура и оценке их кри визны. Проверяемый элемент является центральным для каждого шага проверки (рис. 4.5). Если кривизна фрагмента больше задан ного порогового значения, то проверяемый элемент относится к уг ловым элементам контура. Однако для определения кривизны не обходимо программно строить дугу, аппроксимирующую точки контура, а затем проводить вычисление радиуса ее кривизны. Эти операции предполагают значительный объем вычислений и замед ляют обработку изображений. Более эффективна, но менее точна
ПО
Рис. 4.5. Последовательность проверки элементов контура при оыдслснми углов
|
|
|
|
|
|
|
|
ЛЧ2(Й) |
{х(к-2), у(К-2)} |
|
оценка, |
основанная |
на |
нахождении |
|
|
|
|
|||
модуля |
разности |
координат |
кон |
|
|
|
|
|||
турных |
элементов с номерами k |
— 2 |
|
|
|
|
||||
и k + 2. |
Кривизна |
заменяется |
не |
|
к +2 |
|
|
|||
которой |
мерой отстояния конечных |
|
|
|
||||||
точек фрагмента друг от друга. |
|
{ х ( к + 2), У (к + г )} |
||||||||
Полученное |
отстояние сравнивается |
|
|
|
|
|||||
с заданным |
пороговым |
значением |
Я, |
и |
по результатам |
проверки |
||||
элемент |
с порядковым |
номером k |
может |
быть отнесен к угловым. |
||||||
Если абсциссы и ординаты контурных |
элементов |
с их |
номерами |
|||||||
обозначить соответственно х (k ), у (k ), то правило выделения углов можно выразить так:
I \ y ( k г- 2) - у ( к - г 2) I \ x ( k - 2) - x ( k + 2 ) \ < H \ ^ M { k ) £ L y
здесь М (k) — проверяемый на данном шаге элемент контура; L — множество угловых элементов анализируемого контура.
Пороговое значение Н следует выбирать при анализе дискретных изображений объектов заданного класса. Вычисления удобно орга низовать в цикле по переменной /г, причем два первых и два по следних по нумерации элемента необходимо проверять вне цикла, поскольку для них невозможно задать элементы с номерами k — 2 или /г + 2. Если выделены несколько соседних элементов контура в качестве угловых, то оператор селекции должен оставить только один из них углом контура.
По мере выделения угловых элементов контура и их селекции целесообразно присваивать выделенным углам порядковые номера. На следующем этапе обработки, когда формируется система при знаков изображения, нумерация дает возможность последовательно определять эти признаки — отстояния углов друг от друга или их отстояние от заранее вычисленного геометрического центра. В ре зультате будет получен вектор новых значений изображения в услов
ной |
форме |
признаков |
А = (11У /2, |
..., |
/„), где |
1{ — вычисленные |
отстояния, |
а п — число выделенных угловых элементов. Совокуп |
|||||
ность |
таких |
векторов |
А описывает |
все |
объекты |
заданного класса. |
Основные методы идентификации и классификации изображений.
Идентификация объектов в СТЗ чаще всего производится методами сравнения с эталоном. При этом, как правило, СТЗ решают одну из двух задач. Первая задача заключается в получении изображения одного объекта и сравнении со всеми эталонами заданного класса. По совпадению выбирается иаилучший эталон и осуществляется идентификация объекта, а затем при необходимости находятся пара метры его положения и ориентации.
Вторая задача заключается в получении изображения нескольких объектов и поочередном их сравнении с эталоном того объекта, ко торый необходимо выделить. После этого вычисляются его положение и ориентация в рабочей зоне робота.
111