1.5 Обзор методов цифровой обработки изображений

Все основное множество методов, которые решают данные задачи, делится на методы обработки в частотной и пространственной областях. Для обработки изображений в пространственной области наибольшее распространение получили методы:

• Ранговые алгоритмы

• Разностные методы

• Гистограммные методы

• Метод локальных контрастов

• Координатный метод анализа изображения

• Спектральный метод анализа изображения.

К преимуществам методов обработки изображений в пространственной области относится возможность быстрой обработки в масштабе реального времени, а к недостаткам - ограниченность функциональных возможностей и недостаточная эффективность. При рассмотрении методов обработки изображений всегда остро стоит вопрос выбора критериев оценки качества их преобразования. Хотя способы обработки изображений в частотной области и достаточно развиты, но требуют значительных вычислительных затрат и для решения практических задач применяются реже.

1.6 Ранговые алгоритмы

Существующие методы цифровой обработки изображений с позиций использования вычислительных средств можно разделить на две категории - структурированные и неструктурированные методы.

Структурированные методы – такие, которые построены на использовании крупных вычислительных (программных) блоков, оперирующих векторами отсчетов, а не отдельными отсчетами изображений. Cреда MATLAB позволяет реализовывать методы обработки изображений, оперирующие не только с векторами, но и с массивами отсчетов.

Неструктурированные методыте, которые нельзя представить более крупными стандартными блоками, чем обычные для существующих цифровых вычислительных машин арифметико-логические операции над отдельными отсчетами сигналов. Неструктурированные методы, как правило, возникают на начальной стадии поиска решения содержательных задач обработки изображений и по мере нахождения решения перерастают в структурированные.

Рассмотрим класс структурированных нелинейных алгоритмов, которые осуществляют преобразование вида:

(1.3)

где - нелинейная функция, которая определяется некоторым подмножеством рангов и (или) порядковых статистик выборки, образованной отсчетами сигнала из некоторой окрестности данного элемента, в последовательности упорядоченных отсчетов сигнала. Поэтому класс алгоритмов называется ранговыми алгоритмами.

Преимуществом ранговых алгоритмов является их отличие от методов линейной фильтрации, они лишены такого характерного недостатка как пространственная инерционность, которая заключается в том, что при использовании линейных фильтров влияние отдельных деталей изображения проявляется на результирующем изображении на расстоянии порядка размеров апертуры фильтра. Это заметно в частности в размывании границ деталей при сглаживании изображений, в искажении формы деталей при их выделении из фона и т.п.

На первый взгляд может показаться, что вследствие переупорядочивания данных в вариационный ряд ранговые алгоритмы не используют пространственных связей между элементами изображений, и это является принципиальным недостатком. Действительно, ранговые алгоритмы инвариантны к пространственным связям и даже к размерности сигнала. Однако, как ни удивительно, это свойство является не недостатком, а преимуществом ранговых алгоритмов, еще одной стороной их адаптивного характера.

Пространственные связи между элементами изображения, определяемые, например, принадлежностью их к одной детали, проявляют себя в вариационном ряду через параметры условной гистограммы распределения значений сигнала в окрестности данного элемента.

Ранговые алгоритмы могут использоваться во всех процедурах обработки изображений – стандартизации, сглаживания, усиления детальности, выделения объектов из фоновой части, выделения границ, определения статистических характеристик и т.д.

Ранговые алгоритмы локально-адаптивны по своей сути, поскольку их параметры являются функциями локальной характеристики изображений - локальной гистограммы. Термин "ранговые алгоритмы" в обработке изображений появился относительно недавно, когда множество алгоритмов, которые фактически относятся к классу ранговых, были уже достаточно известны. Для фильтрации импульсных помех и сглаживания изображений давно используется предложенный Тьюки алгоритм медианной фильтрации. Известны также алгоритмы экстремальной фильтрации, которые используют значения минимума и максимума в окрестности. Все эти алгоритмы можно рассматривать как частные случаи широкого класса ранговых алгоритмов.

Методы ранговых преобразований позволяют осуществить нелинейное усиление высокочастотной составляющей изображения. Это приводит к повышению детальности изображений, однако сопровождается уменьшением контрастности тонкоструктурных объектов. Возможным вариантом устранения этого недостатка является использование взвешенных ранговых преобразований.

Кроме применений для сглаживания, усиления детальности, выделения деталей изображений и границ деталей, ранговые алгоритмы можно употреблять для решения многих других задач обработки изображений, в частности, для диагностики статистических характеристик искажений видеосигнала, стандартизации изображений, определения статистических характеристик видеосигнала и измерения текстурных признаков.

Одним из наиболее простых примеров ранговой обработки изображений является медианная фильтрация. Преимуществом данного алгоритма является простота его реализации. К недостаткам же относится то, что сглаживание изображений с помощью медианной фильтрации приводит к устранению границ деталей изображения [3].

1.7 Разностные методы

Психофизические эксперименты показывают, что фотографическое или телевизионное изображение с подчеркнутыми границами часто воспринимается субъективно лучше, чем фотометрически совершенная продукция. Процедуру подчеркивания границ реализуют с использованием методов нечеткого маскирования (разностных методов).

Суть этих методов состоит в следующем. Исходное изображение сканируют двумя апертурами с различной разрешающей способностью. В одной апертуре разрешающая способность отвечает норме, а во второй - ниже нормы. В результате образуются два массива: массив элементов изображения и массив элементов нечеткого изображения . Результат формируется путем вычитания изображений по алгоритму:

 (1.4)

где - коэффициент пропорциональности. Оставляющей риантом этого метода является выражение:

(1.5)

где - коэффициент усиления контрастности;- среднеарифметическое значение яркостей элементов скользящей апертуры с центром в элементе с координатамиразмеромэлементов. В зависимости от размеров апертуры скользящего окна результат действия разностных методов находится в пределах от локального усиления контуров до выравнивания общего фона на изображении. Существуют другие, более сложные модификации метода нечеткого маскирования. К таким методам можно отнести методы коррекции фоновой составляющей, на которую накладывается высокочастотная текстура объектов и деталей изображения. Использование этого подхода приводит к усилению локальных контрастов деталей различных размеров и улучшению визуального восприятия изображений. Известны также методы представления детальной с изображения через локальный контраст. Они позволяют создавать новые классы методов нечеткого маскирования, базирующиеся на нелинейных преобразованиях локальных контрастов. Это в свою очередь говорит об общности различных методов преобразования контрастности изображений.

Изображения, которые формируются во время различных исследований, часто не используют весь диапазон возможных градаций яркостей. Это предопределяет их низкую информативность. Контрастность изображения, яркости элементов которого расположены в узком промежутке возможных значений, низкая. Один из методов повышения качества таких изображений состоит в нелинейном преобразовании значений видеосигнала, в частности, в расширении области используемых значений градаций яркости на максимально возможный диапазон. Часто в основе таких преобразований лежит линейное растяжение или гамма-коррекция. Благодаря простой программной реализации и относительно высокому быстродействию, этот метод получил широкое применение. Преобразование, реализующее растяжение (рисунок 1.5):

,    (1.6)

где , - соответственно минимальная и максимальная яркости элементов изображения;- элемент изображения с координатами;R - максимальное значение яркости элементов изображения.

Р исунок 1.5 - Линейное растяжение яркостей элементов изображения

Выражение (1.6) осуществляет одинаковое растяжение для элементов разной яркости.

Методы линейного растяжения и гамма-коррекции являются базовыми при построении табличных методов. Они имеют ряд недостатков, среди которых слабая адаптация к характеристикам конкретного изображения, поскольку в качестве характеристик изображения они используют лишь минимальное и максимальноезначения яркостей его элементов. Вместе с тем никак не учитываются локальные особенности изображения и структура распределения яркостей элементов. С другой стороны, по закону формирования уровня адаптации зрительный механизм человека приспосабливается к определенному уровню яркости объекта. В этом случае уровень яркости отвечает усредненной яркостивсех элементов изображения:

, (1.7)

где - размеры изображения .

Методы линейного растяжения и гамма-коррекции имеют еще один существенный недостаток, который состоит в том, что если яркости элементов изображения занимают максимально допустимый диапазон, а яркости элементов важных деталей – узкий промежуток, то улучшить контраст таких объектов этими методами достаточно тяжело. Использование других методов, которые решили бы эту задачу, связано с увеличением вычислительной сложности.

Итак, если динамический диапазон яркостей элементов изображения в целом приемлем, но значения градаций информативно важных объектов не распределены равномерно во всем промежутке, тогда методы растяжения не дают эффективного усиления контрастности. В качестве решения этой проблемы предложен метод кусочного растяжения с фиксацией узловой точки. Этот метод является обобщением известных методов растяжения и имеет более широкие функциональные возможности относительно улучшения разных классов изображений. Это касается, в первую очередь, изображений, динамический диапазон яркостей которых в общем приемлемый, а диапазон яркостей информативной части - узкий. В целом предложенный подход к преобразованию изображений позволяет существенно повысить эффективность их обработки простыми алгоритмическими средствами. Он служит основой построения быстрых методов повышения контраста изображений.

Экспериментальные исследования предложенного метода показали его преимущества в сравнении с известными методами того же класса.

1.8 Гистограммные методы

Гистограмма распределения яркостей реального изображения, подвергнутого линейному квантированию, имеет ярко выраженный подъем в сторону малых уровней. Поэтому мелкие детали на темных участках видимы плохо, а сами изображения характеризуются низким контрастом. С целью повышения контраста таких изображений используют методы видоизменения гистограммы. Суть этих методов состоит в преобразовании яркостей исходного изображения таким образом, чтобы гистограмма распределения яркостей приобрела желательную форму.

Оптимальным с точки зрения зрительного восприятия человеком является изображение, элементы которого имеют равномерное распределение яркостей. Множество исследователей получили ряд улучшенных изображений путем выравнивания гистограммы, то есть в каждом случае они стремились достичь равномерности распределения яркостей обработанного изображения. Процедура выравнивания гистограммы состоит из следующих действий:

1. Вычисляется гистограмма распределения яркостей элементов изображения;

2. Строится нормированная кумулятивная гистограмма;

3. Формируется новое изображение.

Это преобразование эффективно для улучшения визуального качества низко контрастных деталей. Существует также ряд известных методов видоизменения гистограммы, которые приводят к получению изображений с заранее заданным распределением. Описанные методы преобразования гистограммы могут быть глобальными, то есть использовать информацию обо всем изображении, и скользящими, когда для преобразования используются локальные области изображения. Рассмотренные выше подходы служат основой широкого класса гистограммных методов преобразования изображений.

1.9 Метод локальных контрастов

Одной из наиболее удобных форм представления информации является изображение. Существуют различные подходы к визуализации. Одним из существенных недостатков этих методов является то, что в большинстве своем они обеспечивают формирование слабоконтрастных изображений. Это вызывает необходимость развития методов их обработки. Поэтому основная цель методов улучшения состоит в преобразовании изображений к более контрастному и информативному виду. Довольно часто на изображении присутствуют искажения в определенных локальных областях, которые вызваны дифракцией света, недостатками оптических систем или расфокусировкой. Это порождает необходимость выполнения локальных преобразований изображения.

Рассмотрим известную технологию повышения качества изображений, которая основывается на преобразовании локальных контрастов. Основная ее идея состоит в том, что для каждого элемента изображения сначала определяется локальный контраст, а потом происходит его нелинейное усиление и восстановление яркости данного элемента изображения из уже скорректированного локального контраста.

Рассмотренный метод является классическим примером методов класса преобразования локальных контрастов. Эти методы позволяют решать задачи не только улучшения визуального качества изображений, но и реализовывать как высокочастотную, так и низкочастотную фильтрацию с помощью применения различных функций преобразования локальных контрастов.

Контрастирование может использоваться как для улучшения изображений. Как правило, при контрастировании преобразуется и яркость. Основное правило для оценки применимости контрастирования: монотонно нарастающие характеристики преобразования яркости в основном используются для повышения качества изображений. Контрастирование может применяться как для ахроматических, так и для цветных изображений.

1.10 Координатный метод анализа изображения

Как первичный преобразователь оптической информации фотоприбор с зарядовой связью (ФПЗС) обладают целым рядом положительных свойств, к которым можно отнести: высокую разрешающую способность, малые габариты и стоимость, высокую надежность, а также, что наиболее важно, эти приборы представляют возможность получать обширную информацию о контролируемом объекте.

Отмеченные свойства совместно с использованием современных средств микропроцессорной техники позволят разрабатывать эффективные системы сбора первичной информации. В подобных оптоэлектронных системах выделение интересующей информации об объекте контроля в основном возлагается на математические и алгоритмические методы обработки получаемых от ФПЗС первичных изображений. Это позволяет создавать гибкие автоматизированные системы, способные быстро адаптироваться к изменяющимся условиям современного производства. Использование матричных ФПЗС (по сравнению с линейными) позволяет создавать более универсальную аппаратуру, а так же избежать необходимости решения задачи синхронизации с движущимся полотном ткани, так как матричные ФПЗС предоставляют для анализа целостностное двумерное изображение контролируемого объекта. В качестве аппаратурной части таких систем могут использоваться серийно выпускаемые ФПЗС преобразователи и микроэлектронные средства цифровой обработки сигналов.

На рисунке 1.6 изображена возможная схема системы для обнаружения и устранения дефектов шва с использованием матричных ФПЗС. Отраженный от поверхности ткани световой поток, несущий информацию о структуре ткани, воспринимается матричными ФПЗС преобразователями 1.

Преобразователи формируют электронное изображение исследуемого участка поверхности ткани, которое преобразуется посредством АЦП 2 в цифровую форму в виде матрицы чисел, пропорциональных освещенности элементов матрицы ФПЗС и образующих цифровое изображение участка поверхности ткани. Полученные цифровые изображения поступают на обработку в ЭВМ 3. В ЭВМ с помощью разработанных алгоритмов из полученных цифровых изображений выделяется информация о расположении уточных нитей, а следовательно, и о дефекте шва. Далее на основании данных о величине и знаке перекоса утка формируется управляющее воздействие на механизм правки утка 4. Посредством блока управления осветителями 6 имеется возможность оперативной коррекции режима работы осветителями 5. Результаты дефекта шва могут быть так же выведены на индикатор 7.

(1 - фотоприемники на ФПЗС; 2 - АЦП; 3 - ЭВМ;

4 - механизм правки утка; 5 - осветители; 6 - блок управления осветителями; 7 - индикатор; 8 – ткань)

Рисунок 1.6 - Cхема правки утка и измерения плотности ткани с использованием матричных ФПЗС

Основной исследовательской задачей, возникающей при разработке систем правки перекоса дефектов шва с использованием матричных фотоприборов с зарядовой связью (ФПЗС), является разработка методик анализа первичных цифровых изображений с целью выделения информации о дефекте шва.

Разрабатываемые алгоритмы должны обеспечивать устойчивое и достоверное измерение величины и знака перекоса уточных нитей, а также и плотности ткани для широкого ассортимента тканой продукции, в том числе и для тканей со сложными типами переплетений. Причем, к разрабатываемым алгоритмам анализа цифровых изображений должны быть предъявлены жесткие требования по быстродействию, что необходимо для обеспечения работы системы в реальном масштабе времени с учетом необходимости обработки большого объема информации. Время, затрачиваемое на анализ первичного цифрового изображения для рассматриваемой системы регулирования, является чистым запаздыванием и поэтому оно должно быть минимальным. Отмеченные требования накладывают существенные ограничения на разрабатываемые алгоритмы обработки изображений. Применяемые для анализа изображения алгоритмы должны обеспечивать высокую скорость анализа. При обработке зашумленных цифровых изображений, а так же при работе на тканях со сложными типами переплетений требуется предварительная обработка изображений для устранения зашумленности и адаптации к рисункам переплетений. Это приводит к дополнительному увеличению времени анализа изображения и, соответственно, времени запаздывания в системе регулирования, изображенной на рисунке 1.6.

Указанные требования говорят о необходимости разработки высокоэффективных алгоритмов анализа изображений, удовлетворяющих таким противоречивым требованиям, как высокая достоверность результатов анализа для широкого ассортимента тканей и высокая скорость обработки реальных сигналов, необходимая для обеспечения возможности работы системы регулирования в реальном масштабе времени .

Координатный метод обеспечивает большую, по сравнению со спектральным методом, скорость обработки информации. Спектральный метод обладает преимуществами при обработке зашумленных изображений, а так же при работе на тканях со сложными типами переплетений.

Матричный ФПЗС преобразователь представляет собой матрицу светочувствительных элементов размера N х К. Для выполнения анализа матрица ФПЗС ориентируется относительно ткани так, как показано на рисунке 1.7.

Рисунок 1.7 - Ориентация матрицы ФПЗС относительно ткани

В общем случае процесс преобразования оптического сигнала е(х,у), осуществляемый матрицей ФПЗС, можно представить следующим образом:

Е(i,j)=kе(iТ_ДХ,jТ_ДУ), (1.8)

где: Е(i,j) - выходной сигнал матрицы, k - коэффициент пропорциональности.

Применительно к решаемой задаче анализа двумерное изображение удобней рассматривать как совокупность одномерных сигналов, измеренных вдоль строк изображения:

Е_j(i)=ke_j(1Т_Дx), j=0÷N-1. (1.9)

Характерный вид сигнала E_j(i) одной из строк изображения представлен на рисунке 1.8.

Рисунок 1.8 – Фрагмент сигнала E_j(i)

Представленный сигнал соответствует реальному образцу ткани с полотняным переплетением. При этом матрица ФПЗС воспринимает отраженный от поверхности ткани световой поток.

Сигнал E_j(i) рассматривается как сумма полезной составляющей a(i) и составляющей A(i), обусловленной общей интенсивностью освещения. Считается, что составляющая a(i) обусловлена присутствием уточных нитей. Причем уточным нитям соответствуют положительные полуволны составляющей a(i) с амплитудами а_k. Реальные сигналы E_j(i) характеризуются непостоянством величины составляющей A(i) и значительным разбросом амплитуд положительных полуволн а_k, соответствующих различным нитям утка.

В соответствии с координатной методикой, определение положения уточных нитей осуществляется следующим образом: идентифицируются координаты расположения уточных нитей. Идентифицированные координаты уточных нитей связываются в множества, соответствующие одноименным нитям утка [4].

За координаты уточных нитей принимаются координаты точек локальных максимумов i_o^k (смотреть рисунок 1.3) сигнала E_j(i), где j=0÷N-l.

С учетом дискретного характера задачи точка i_o^k считается точкой локального максимума, если для нее выполнено условие:

Е_j(i₀^k-1)≤Е_j(i_о^k)>Е_j(i_о^k+1). (1.10)

При дополнительном условии существования хотя бы одного i в интервале i₀^k-1 <i< i₀^k , для которого выполняется неравенство:

Е_j(1)<Е_j(i+1). (1.11)

Предложенный метод идентификации координат расположения нитей слабо чувствителен к непостоянству величины составляющей A(i) и разбросу амплитуд положительных полуволн a_k. Метод обладает высокой достоверностью определения координат уточных нитей. В процессе исследований определено, что достоверность идентификации координат уточных нитей существенно зависит от коэффициента масштаба:

γ=Т_ДХ/Т_Н, (1.12)

где Т_Н - период повторения уточных нитей, Т_ДХ -период дискретизации равный расстоянию между светочувствительными элементами матрицы ФПЗС. Путем оптимального выбора коэффициента масштаба γ можно существенно повысить достоверность идентификации координат уточных нитей.

Связывание точек максимумов осуществляется на основании критерия принадлежности точек максимумов одноименным нитям: две точки максимумов i₀, _j и i_o, _j+1, лежащие на осях x_j и x_j+1 и принадлежащие одной нити утка, не могут быть смещены в направлении осей x_j более чем на расстояние δ:

|i₀, _j – i₀, _j+1 | ≤ δ. (1.13)

От величины интервала поиска δ зависит достоверность связывания точек максимумов. Рассмотрено влияние величины δ на достоверность связывания точек максимумов, определены критерии выбора величины δ. На основании условия (1.4) построен алгоритм позволяющий связывать точки максимумов в множества по признаку принадлежности одноименным нитям утка.

Схема работы алгоритма связывания точек максимумов изображена на риcунке 1.9.

Рисунок 1.9 – Схема работы алгоритма

Реальные сигналы, поступающие от ФПЗС преобразователя, оказываются искажены действием различного рода помех. Для повышения достоверности идентификации координат уточных нитей исходное изображение обрабатывается цифровым фильтром. С учетом времени обработки оптимальный эффект дает обработка сигналов E_j(i) полосовым рекурсивным фильтром второго порядка:

Е^v_j(i)=a₀Е_j(i)+а₁Е_j(i-1)+b₁Е^v_j(i-1)+b₂Е^v(i-2), j=0÷N-l, (1.14)

где: E_j(i) - отсчетные значения входного сигнала фильтра; Е^v_j(i) - отсчетные значения выходного сигнала фильтра.

Применение данного фильтра на тканях со сложными переплетениями позволяет повысить количество идентифицированных нитей на 30-40 %.

1.11 Спектральный метод анализа изображения

Полезная составляющая a(i) сигнала Ej(i) представляет собой периодический процесс с законом, близким к гармоническому. Это позволяет представить ее в виде синусоидальных функций:

Yj(i)= Ajsin[2πfHi+φ(j)], i=0÷K-l , j=0÷N-l. (1.15)

Значения функции φ(j) в выражении 1.16 определяют начальную фазу составляющих Yj(i) на каждой из осей Xj. Смещение уточных нитей на осях Xj и Xj+1 определяет приращение ∆ φ функции φ(j). Для ткани с перекосом утка (рисунок 1.10) можно записать:

φ (j+1) = φ(j) + ∆ φ, j=0÷N-l, φ (0) =φ о, (1.16)

где φ о - начальная фаза составляющей a(i) на оси хо; φ(j) - начальная фаза составляющей a(i) на оси X_j; ∆φ - приращение начальной фазы составляющей a(i), вызванное перекосом уточных нитей.

С учетом периодичности функций Y_j(i), функция φ(j) так же оказывается периодической. Период Тр функции φ(j)непосредственно связан с величиной перекоса утка, знак перекоса определяется знаком приращения ∆φ.

Построение функции φ(j) осуществляется путем спектрального анализа сигналов E_j(i). Спектральный анализ производится на основе дискретного преобразования Фурье (ДПФ).

Характерный вид функции φ(j) для образца ткани с правым перекосом утка приведен на рисунке 1.10. В работе предложены методы обработки функции φ(j) с целью достоверного выделения периода Т_р и знака при ∆φ. Это позволяет определять численное значение величины и знака перекоса утка [5].

Рисунок 1.10- Функции Yj(i) для ткани с перекос уточных нитей

2 СТРУКТУРНАЯ СХЕМА

2.1 Основные параметры элементов

Исследуемый участок ткани освещается осветителями И1 или И2 и И3 (рисунок 2.1) в зависимости от того, каким образом исследуется материал: на просвет или на отражение. В качестве источников освещения использовались лампы накаливания. Отраженный или прошедший через ткань световой поток воспринимается матричным ФПЗС преобразователем 2 типа К1200ЦМ1, где световой поток преобразуется в электрические сигналы, пропорциональные освещенности светочувствительных элементов матрицы. Аналоговые сигналы преобразуются в цифровой 8-ми разрядный код посредством АЦП 3 типа К1107 ПВ2 и поступает через блок связи 6 в ЭВМ 8. При выполнении преобразований и передаче сигналов охраняется информация о координатах светочувствительных элементов матрицы. Для обеспечения возможности визуального контроля получаемого изображения сигнал через видеоадаптер 4 поступает на телемонитор 5. Имеется так же возможность распечатки изображения посредством принтера 7.

(1 - ткань; 2 - ФПЗС преобразователь; 3 - АЦП; 4 - видеоадаптер; 5 - телемонитор; 6 - блок связи; 7 – принтер; 8 - ЭВМ; 9 – монитор)

Рисунок 2.1 – Структурная схема

В таблице 2.1 приведены технические параметры ФПЗС типа К1200ЦМ1.

Таблица 2.1 – фотоэлектрические параметры ФПЗС типа К1200 ЦМ1

Матрица работает с поверхностным каналом р- типа и содержит	Размеры светочувствительного элемента матрицы	Область проекции изображения	Матрица работает в диапазоне длин волн
288 X 230 элементов	21 X 27 мкм	3,89 X 4,83 мм	от 0,5 до 1 мкм

Таблица 2.2 - Основные электрические характеристики ФПЗС типа К1200 ЦМ1

Напряжение насыщения выходного сигнала, В	Интегральная чувствительность при времени накопления 20 мс, В/лк	Неравномерность темпового сигнала, мВ	Пороговая освещенность при времени накопления 20 мс, лк
Не менее 0.08	Не менее 0.003	Не более 2	Не более 0.05

В качестве АЦП применена полупроводниковая 8-разрядная быстродействующая БИС типа К1107 ПВ2. Время преобразования микросхемы составляет 100 нс. В таблице 2.3 указаны основные параметры АЦП К1107 ПВ2.

Таблица 2.3 - Основные электрические параметры АЦП К1107 ПВ2

Максималь-ная входная частота	Номиналь-ное значение напряжения питания	Коэффициент ослабления синфазного напряжения	Температур-ный диапозон	Выходное напряжение источника опорного напряжения	Ток потребле-ния
20 МГц	±5 В	100	от -27 до +70 °C	2,6	1,8

2.2 Требуемая разрешающая способность матрицы

Минимальный размер матрицы ФПЗС определяется минимальными размерами контролируемого участка поверхности ткани, при котором возможна достоверная экстраполяция результатов измерения перекоса утка на контролируемом участке на всю ширину полотна ткани. Размер матрицы ФПЗС определяет объем обрабатываемой цифровой информации. Таким образом, максимальный размер матрицы ограничивается быстродействием обрабатывающей изображение аппаратуры. Для достоверного определения перекоса утка нет необходимости непрерывного контроля полотна ткани по всей его ширине. В реальных условиях перекос утка имеет постоянное значение на значительных участках по ширине полотна ткани. С учетом этого обстоятельства измерение перекоса утка возможно производить на небольших зонах с последующей интерполяцией результатов измерений на всю ширину полотна ткани. Согласно данным, наиболее сложным типом перекоса утка является S - образный. Для надежной идентификации S- образного перекоса утка достаточно контролировать перекос в трех зонах по ширине ткани (рисунок 2.2). На основании сказанного, зону контроля размером порядка 3x3 см можно считать достаточной для достоверного определения перекоса утка.

Установленный ранее оптимальный коэффициент масштаба, при котором достигается максимальное количество идентифицированных нитей, γ ≈ 0,25. Это соответствует четырем элементам матрицы ФПЗС, приходящимся на период повторения нитей. Для ткани средней плотности расстояние между нитями составляет приблизительно 0,5 мм. Отсюда следует, что необходимый размер матрицы ФПЗС для реализации зоны контроля размером 3x3 см составит 240x240 элементов. Матрицы ФПЗС такого размера в настоящее время являются широко распространенными.

Рисунок 2.2 - Размещение зон контроля

(1- зоны контроля; 2 - полотно ткани)

2.3 Обеспечение возможности работы на движущейся ткани

В реальных производственных условиях исследуемая ткань перемещается относительно матрицы. В результате, без принятия соответствующих мер, изображение получится смазанным. Это сделает невозможным его дальнейшую обработку. Для уменьшения смазывания изображения необходимо ограничить время восприятия матрицей ФПЗС светового потока до величины, при котором возникающий "смаз" существенно не искажает первичное изображение. Ограничить время восприятия светового потока возможно двумя способами: применением импульсного освещения с необходимой длительностью импульса; ограничением времени накопления самой матрицы ФПЗС. Оценим необходимую длительность восприятия светового потока. При этом будем исходить из следующего. Для исключения существенного смазывания изображения необходимо, чтобы за время восприятия светового потока исследуемый участок поверхности ткани переместился бы не более, чем на некоторое допустимое расстояние . Тогда, время восприятия должно быть выбрано из условия:

= =10 мкс, (2.1)

где: - время восприятия изображения, - допустимая величина смещения изображения за время , - скорость перемещения ткани.

Для оценки времени восприятия можно принять, что;

=0,1d =0,10,1=0,01мм, (2.2)

где d - диаметр нити ткани.

При d =0,1 мм и скорости перемещения ткани 60 м/мин, вычисление по выражению (2.2) дает, что необходимое время восприятия изображения должно быть менее 10 мкс. Это не представляет технической сложности. Так, матрица ФПЗС6М допускает длительность входного оптического импульса 1 мкс.

При больших скоростях движения ткани или при невозможности задания малых , для уменьшения отрицательного влияния "смаза" изображения возможно применение методов восстановления изображений (в данном случае методов компенсации "смаза"). Однако, это вызовет увеличение времени на алгоритмическую обработку изображения. К динамическим параметрам системы автоматической правки утка относится также и время, затрачиваемое на алгоритмическую обработку изображения. По результатам проведенных экспериментов с использованием 1ВМ386, время обработки первичного изображения размером 200x200 элементов в соответствии с координатным алгоритмом составляет величину порядка 0,15с. При скорости движения ткани 60 м/мин дискретность измерения по длине ткани будет равна 12 см. Это можно считать достаточным для большинства встречающихся случаев. При практической разработке системы на микропроцессорных комплектах это время может быть существенно уменьшено за счет распараллеливания процессов обработки и адаптации разработанных алгоритмов к конкретному типу процессора [6].

3. РАСЧЁТНАЯ ЧАСТЬ

3.1 Расчёт блока питания

Выбор той или иной схемы вторичного электропитания обусловлен параметрами питающей сети, требованиями к выходным электрическим параметрам, конструктивными особенностями устройства, температурным диапазоном работы, сроком службы, гарантированной надежностью. Основными критериями при выборе и расчете схем являются: масса, габариты, кпд, надежность, стоимость.

Источник питания нужен для получения напряжения заданной величины мощности и качества.

Структурная схема источника питания изображена на рисунке 3.1

Рисунок 3.1 - Структурная схема источника питания

1-силовой трансформатор (преобразует напряжение сети в напряжение нужной нам величины)

2 - электронный выпрямитель

3- фильтр сглаживающий

4 - стабилизатор

Трансформатор - электромагнитное устройство переменного тока, предназначенное для изменения напряжения, согласования сопротивлений электрических цепей, разделения цепей источника и нагрузки по постоянному току. Основной частью трансформатора является магнитопровод из магнитомягкого материала с размещенными на нем обмотками. Трансформатор питания - трансформатор малой мощности, предназначенный для преобразования напряжения питающей сети в напряжения, необходимое для питания электронной аппаратуры.

Магнитопроводы - для уменьшения потерь на вихревые токи, магнитопроводы трансформаторов набираются из штампованных пластин, навиваются из полос электротехнической стали либо железо-никилиевых сплавов, а также изготовляются из магнитомягких ферритов. Витые (ленточные) магнитопроводы характеризуются возможностью использования материалов различной толщины, что позволяет их применять для трансформаторов при повышенных частотах; лучшим, чем у пластинчатых магнитопроводов, использованием магнитных свойств материалов; несколько повышенными потерями меньшей стоимостью изготовления. Преимуществом магнитопроводов, набираемых из пластин, является возможность изготовления их практически их любых, даже очень хрупких, материалов. По конструкции магнитопроводы разделяют на броневые, стержневые и кольцевые. В броневых магнитопроводах обмотки располагаются на центральном стержне, что упрощает конструкцию, позволяет лучше использовать окно и частично создает защиту обмоток от механических воздействий. Недостатком трансформаторов с броневым магнитопроводом является повышенная чувствительность к воздействию магнитных полей низкой частоты. Это ограничивает применение броневых магнитопроводов для входных трансформаторов. В стержневых магнитопроводах обмотки располагаются на двух стержнях. При этом уменьшается толщина намотки. Кроме того, уменьшается расход провода.

Кольцевые магнитопроводы позволяют наиболее полно использовать магнитные свойства материала, уменьшить внешнее магнитное поле трансформатора, однако применяются сравнительно редко вследствие сложности намотки катушек.

Каркасы, на которые наматываются обмотки трансформаторов, прессуют из пластмассы, склеивают из электрокартона.

Обмотки трансформаторов разделяют на цилиндрические и галетные. Цилиндрическая обмотка проще в изготовлении. При намотке на каркас провод может укладываться рядами или беспорядочно. Галетная обмотка сложнее в изготовлении, но отличается более высокой электрической прочностью и допускает ремонт путем замены галет. Для обмоток трансформаторов применяют медные обмоточные провода. Вид изоляции провода выбирают в зависимости от рабочей температуры обмотки, требуемой ее электрической прочности, допускаемого коэффициента заполнения окна магнитопровода.

Выпрямитель - устройство предназначенное для преобразования энергии источника переменного тока в постоянный ток. Необходимость в подобном преобразовании возникает, когда питание потребителя осуществляется постоянным током, а источником электрической энергии является источник переменного тока, например промышленная сеть частотой 50 Гц. В источниках питания приемно-усилительной находят применение выпрямители однополупериодные, двухполупериодные с выводом средней точки, мостовые, с удвоением напряжения. Чаще всего они выполняются со сглаживающим фильтром, начинающимся с конденсатора, и, следовательно, работает на емкостную нагрузку. Хотя эти выпрямители обладают низким КПД по сравнению с выпрямителями, работающими на индуктивную нагрузку, они позволяют получить меньший коэффициент пульсаций. Однополупериодную схему выпрямителя применяют при мощностях в нагрузке до 5 - 10Вт и тогда, когда не требуется малый коэффициент пульсаций. Достоинства однополупериодного выпрямителя - минимальное число элементов, низкая стоимость. Недостатки - низкая частота пульсаций, плохое использование трансформатора, подмагничивание его магнитопровода постоянным током. Двухполупериодная схема с выводом средней точки дает несколько больший коэффициент использования выпрямительного трансформатора и меньшую по сравнению со схемой однополупериодного выпрямителя пульсацию. Однофазная мостовая схема характеризуется хорошим использованием мощности трансформатора. Весьма существенным преимуществом однофазной мостовой схемы является также и то, что она может быть непосредственно подключена к питающей сети переменного тока. В схеме я использую однофазную мостовую схему выпрямления и мостовую схему выпрямления с выводом нулевой точки трансформатора для получения двух разнополярных напряжений.

Фильтр выпрямителя предназначен для сглаживания переменной составляющей выпрямленного напряжения. Допустимый уровень переменной составляющей определяется условиями эксплуатации и характером работы питаевамого радиотехнического устройства. В источник электропитания радиоаппаратуры наибольшее применение получили простейшие фильтры: емкостные, резистивно-емкостные, индуктивные и т.д. Емкостные фильтры применяются в выпрямителях на токи до 1А. На большие токи емкостные фильтры применяются в тех случаях, когда хотят иметь лучшую частотную характеристику выпрямителя при работе его на импульсную нагрузку.В описанной схеме используется емкостный фильтр.

Стабилизатор – для стабилизации напряжения постоянного тока используются нелинейные, элементы, напряжение на которых мало зависит от тока, протекающего через них. В качестве таких элементов часто применяются кремневые стабилитроны. Полупроводниковые параметрические стабилизаторы (ППС) - наиболее простые. Они характеризуются сравнительно невысокими коэффициентами стабилизации, большим выходным сопротивлением, низким КПД. Принцип работы полупроводниковых параметрических стабилизаторов основан на ис­пользовании нелинейности ВАХ кремневых стабилитронов.

Простейший ППС представляет собой делитель напряжения, состоящий из резистора и кремниевого стабилитрона. Нагрузка подключается параллельно кремневому стабилитрону.

Исходными данными для расчета выпрямителя являются номинальное выпрямленное напряжение Uo, ток нагрузки I₀, коэффициент пульсаций К_По, номинальное напряжение питающей сети Ui. Значения U₀, Io определяются параметрами той аппаратуры, питание которой будет осуществляться от выпрямителя. Коэффициент пульсаций, принимаемый для расчета, не должен превышать 0,15, а допустимое относительное значение переменной составляющей напряжения для выбранных конденсаторов фильтра должно быть не меньше 0,05. Расчет выполняется в следующем порядке. Выбирают диоды. Для этого по приближенным формулам вычисляют значение обратного напряжения на диодах U_oбp, среднего тока I_ср и амплитуды тока I_м через диод. В процессе расчета выпрямителя эти значения уточняются.

3.2 Расчет мостовой схемы выпрямления

Расчет выпрямителя

U₀ = 22,5В,

I₀ =250mА,

К_по=0.05,

U₁ = 220В,

fc = 50Гц

U_oбр≈3U₀=3•22.5=67.5В. (3.1)

По найденным U_обр и Iср выбираем выпрямительный диод КД109А, у которого U_oбp⁼100B, I_cp=0,3A.

Определяем сопротивление нагрузки выпрямителя

R_н=U₀/1₀ =22,5 /220 • 10^-3 =102.3(Ом). (3.2)

Принимаем сопротивление обмоток трансформатора

r_ТР =0.07R_H =0.07• 102.3 = 7.16(Ом). (3.3)

Находим прямое сопротивление выпрямленного диода по приближенной формуле

r_ТР≈U_пр/3I_ср =1/3•0.3 = 1.1(Ом), (3.4)

где U_пр - постоянное прямое падение напряжения на диоде.

Определяем активное сопротивление фазы выпрямителя по формуле

r=r_пр +2r_пр =7.16 + 2•1.1 = 94(Ом). (3.5)

И основной расчетный коэффициент А, который равен:

А_пр =1,6 r/R_н = 1,6 9,4/102.3 = 0,15. (3.6)

Зная А, находим вспомогательные

коэффициенты В, D,F,H:

В=0.95, D=2.3, F=7, Н=400.

По точным формулам вычисляем значение обратного напряжения на диодах, амплитуды и среднего прямого тока через диоды, которые не должны превышать допустимых значений для выбранных диодов.

U_2X =BU₀ =0,95•22,5 = 21,4B, (3.7)

U_OБP =l,4U_2X =1,4•21,4 = 30В, (3.8)

I_м=0,5DI₀ = 0,5 • 2,3 • 250 • 10^-3 = 288mA, (3.9)

I₂=DI₀ / √2=2,3•250•10^-3 / √2=411mA. (3.10)

Выбираем диод КД109А.

Расчет фильтра

Определяем выходную емкость выпрямителя (входную емкость фильтра) по формуле:

С₀=Н/rК_П0 = 400/9,4•0,05≈220мкФ. (3.11)

Коэффициент сглаживания фильтра:

q = K_по/K_п1, (3.12)

где К_по и К_п1 – коэффициент пульсаций на входе и выходе фильтра соответственно.

q=K_по/K_п1=0,05/0.01=5. (3.13)

Сз,С4≥Со

В итоге выбираем емкости Сз=С₄=200мкФ

3.3 Расчет трансформатора

1. Определяем ток первичной обмотки

, (3.14)

. (3.15)

2. Определяем габаритную мощность трансформатора

P_r=(U₁I₁ +U₂I₂)/2η=(220*67+21,4*411)10^-3./2*0,6=19,7Вm, (3.16)

где η- КПД трансформатора.

3. Определяем произведение

S_MS_OK ≈ 25Р_Г (1 + η )/ fB_м jk_0K k_M k_ф η , (3.17)

где :

S_M -площадь сечения магнитной цепи, см²;

Sok - площадь окна магнитопровода, см ;

Р_г - мощность, Вт;

f - частота питающей сети;

В_м - амплитуда магнитной индукции в магнитопроводе, Тл;

j - плотность тока в обмотках A/мм²;

Кок - коэффициент заполнения окна магнитопровода;

к_м – коэффициент заполнения сталью сечения стержня магнитопровода;

к_ф - коэффициент формы кривой напряжения.

Вм=1,5 Тл, j=5A/m, к_ок=0,28, к_м=0,85, к_ф=1,11, f=50Гц, (3.18)

S_мS_ок≈25•19,7(1 + 0,6)/50•1,5•5•0,28•0,85•1,11•0,6=13,24см². (3.19)

Выбираем магнитопровод и определяем его размеры: ШЛМ12х16 (а=6мм, Ь=16мм, с=8мм, h=23мм, S_c=1,92cm , S_ok=1,84cm² , 1_Ср=8,1мм).

4. Определяем число витков первичной обмотки по формуле

w_i =2250U_i(1-δU_, 100)/fB_MS_М , (3.20)

где U_i- напряжение на i-й обмотке В;

δU; - допустимое относительное падение напряжения на i-й

обмотке, %.

δU₁=12 %.

δU_i=15 %.

w₁=2250*220(1-12/100)/50*1,5*1,92=3025

w₂ =2250*22,5*2(1-15/100)/50*1,5*1,92 = 163

5. Определяем диаметры проводов обмоток:

d_i = 1,13√I_i/ j , (3.21)

d₁ =1,13√ I₁/ j =1.13√67*10^-3 /5=0.131

d₂ =1,13√ 1₂/ j =1.13√411* 10^-3 /5 =0.344

Выбираем ПЭВ-2:

d₁=0,063мм, d_1ИЗ=0.09мм

d₂=0.08мм , d₂из⁼0.11мм

Рисунок 3.2 - Электрическая схема блока питания

FU1 FU2 - 0,25А предохранители;

SA2- сдвоенный тумблер П2К;

T1 - понижающий трансформатор;

Конденсаторы К50-16:С1 =0,047 мкФ;

С2=1000 мкФ;

С3 = С4 = 200 мкФ;

VD1 – диод КД109А;

VT1 - транзистор КТ816А;

R1 - резистор ОМЛТ;

DA1 - микросхема КР142ЕН8Б;

DA2 - микросхема КР142ЕН5А.

4 АНАЛИЗ ЭФФЕКТИВНОСТИ ИСПОЛЬЗОВАНИЯ РАЗЛИЧНЫХ ПРИКЛАДНЫХ ПРОГРАММ ДЛЯ УЛУЧШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЙ

4.1 Adobe Photoshop

Adobe Photoshop – графический редактор, разработанный и распространяемый фирмойAdobe Systems. Этот продукт является лидером рынка в области коммерческих средств редактированиярастровыхизображений и наиболее известным продуктом фирмы Adobe. Часто эту программу называют просто Photoshop (Фотошоп). Несмотря на то, что изначально программа была разработана для редактирования изображений для печати на бумаге (прежде всего, дляполиграфии), в данное время она широко используется ввеб-дизайне. В более ранней версии была включена специальная программа для этих целей —Adobe ImageReady. Photoshop тесно связан с другими программами для обработкимедиафайлов, анимации и другого творчества. Основной формат Photoshop,PSD, может быть экспортирован и импортирован всеми программными продуктами, перечисленными выше. Photoshop поддерживает следующиецветовые моделиили способы описания цветов изображения (в нотации самой программы — режим изображения):RGB,LAB,CMYK,Grayscale,Bitmap,Duotone, Indexed, Multichannel.

Поддерживается обработка изображений как с традиционной глубиной цвета (8 бит, 256 градаций яркости на канал), так и с повышенной (16 бит, 65536 оттенков в каждом канале). Возможно сохранение в файле дополнительных элементов, как то: направляющих (Guide), каналов (например, канала прозрачности — Alpha channel), путей обтравки (Clipping path), слоёв, содержащих векторные и текстовые объекты. Файл может включать цветовые профили (ICC), функции преобразования цвета (transfer functions) [7].

Инструменты программы Photoshop просты и в тоже время очень эффективны.

Фотошоп имеет огромное количество инструментов для обработки на все случаи жизни. Рассмотрим самые простые и эффективные из них.

Dodge Tool/Burn Tool (DBT). Главная функция DBT – осветление/затемнение отдельных участков изображения. По сути, вы можете «рисовать» затемнение или наоборот – осветлять снимок. Это очень просто. DBT имеет всего две, но очень важные настройки.

Вы можете использовать этот инструмент на темные (Shadows), светлые (Highlights) или нейтральные (Midtones) области фотографии. Например, вам нужно осветлить темные участки подбородка (при обработке портрета), а светлые оставить нетронутыми. В таком случае ставится режим Shadows в Dodge Tool, и она будет осветлять только темные участки мест, на которые она применяется.

Clone Stamp. В фотошопе существует несколько инструментов для ретуши изображений, и каждый из них по своему хорош. Но «Штамп» – самый универсальный в применении инструмент.

В настройках штампа важно обратить внимание на два параметра: mode и opacity.

Mode – это режимы, в которых будет работать штамп. Например, в режиме Darken штамп будет «заменять» только более светлые зоны, нежели выбранный участок. По сути – вы можете затемнять светлые зоны изображения, оттого и название режима – Darken. И, сооветственно, в режиме Lighten штамп будет работать только на более темные зоны изображения, осветляя их.

Opacity – значит непрозрачность. Проще говоря, чем меньше вы поставите процент в этой настройке, тем более прозрачная будет «работа» штампа. Например, при 100 % штамп полностью заменит выбранный участок, а при 50 % – будет полупрозрачным.

Также можно заретушировать, например, нежелательный объект в кадре. Если, конечно, он не занимает половину фотографии.

Очень удобно использовать штамп для устранения небольших пересветов.

History Brush. Данный инструмент – это машина времени для обработки фотографий. Вы можете брать любую стадию обработки и кисточкой рисовать из нее по вашему изображению.

History Brush таит в себе огромные возможности. Например, можно увеличивать резкость только на нужных вам участках изображения. Безусловно, увеличение резкости не единственная область ее применения

Black&White. Главная функция инструмента Black&White – «правильный» перевод цветного изображения в черно - белое. Правильный потому, что вы можете изменять черно - белое отображение каждого из цветов. Тем самым вы сможете получить красивую черно - белую картинку.

Shadow/Highlights (S/H). Этот инструмент создан, чтобы затемнять пересвеченные области и высветлять области с тенью. Кроме самого очевидного применения – устранять пересветы и недосветы, S/H отлично работает также и для создания ощущения большей глубины картинки. В светлые области добавляются темные полутоны, а в темные – светлые. Тем самым, картинка станет более объемной и глубокой.

На самом деле, S/H – совершенно незаменимый инструмент для любой серьезной обработки. Практически любую фотографию можно сделать лучше, если грамотно применить S/H.

Все эти инструменты очень просты в использовании, но при этом – очень эффективны.

4.2 Adobe Premiere Pro

Adobe Premiere Pro – это еще один мощный пакет программ для редактирования уже видеоизображения с широким спектром возможностей по обработке данных в режиме реального времени и поддержкой практически всех, в том числе и самых новых, стандартов. Потрясающие инструменты для обработки аудио и видео-файлов в режиме реального времени обеспечат вам полный контроль над всеми элементами проекта.

Главные особенности новой версии – работа с популярными цифровыми форматами, среди которых HDV, HD, SD и Flash Video. Программа поддерживает захват и редактирование содержимого в формате HDV без необходимости конвертирования, что дает возможностьполучать видео максимального качества.

Программа Adobe Premiere включает в себя много различных инструментов, которые позволяют управлять цветокоррекцией, изменять резкость и контраст изображения. Также имеются фильтры для устранения различных шумов.

Нужно понимать, что помимо того большого количества времени, которое вы тратите на настройку параметров цветокоррекции вашего видеоматериала, вам потребуется увеличить примерно в 3 – 4 раза время на рендеринг откорректированного видео по сравнению с обычными временными затратами. И иногда бывает более целесообразно оставить весь видеоматериал вашего любительского фильма неоткорректированным, но однородным по тональной и цветовой гамме, чем заниматься его коррекцией. Если же вы хотите получить максимально качественный результат из вашего исходного видеоматериала, не считаясь с затратами на его обработку и подготовку – то эти инструменты подходят идеально.

Если же вы ставите перед собой задачу исказить (стилизировать) ваше видео до неузнаваемости, да еще и динамически (чтобы измения цветов в клипе менялись с течением времени), и при этом не разобрались с соответсвующими фильтрами стандартной поставки программы и у вас нет дополнительных плагинов стилизации – то и в этом случае фильтры, представленные в данной программе, могут вам пригодиться.

4.3 MATLAB

Интегрированные среды для моделирования и исполнения программ цифровой обработки изображений и сигналов содержат мощные средства для инженерно-научных расчетов и визуализации данных. Большинство современных пакетов поддерживает визуальное программирование на основе блок-схем. Это позволяет создавать программы специалистам, не владеющим техникой программирования. К таким пакетам относится Image Processing Toolbox системы MATLAB, разработанный фирмой MathWorks. Этот пакет владеет мощными средствами для обработки изображений. Они имеют открытую архитектуру и позволяют организовывать взаимодействие с аппаратурой цифровой обработки сигналов, а также подключать стандартные драйвера.

MATLAB – это набор прикладных программ для выполнения задач и решения технических вычислений на основе языка программирования четвертого поколения. Сам по себе пакет прикладных решений MATLAB представляет собой не только язык программирования нового поколения, но и отдельную вычислительную среду. При помощи MATLAB можно создавать пользовательские интерфейсы, выполнять вычисления с матрицей, функциями и другими данными, алгоритмы, а также устанавливать связи с программами, работающими на других языках программирования. На сегодняшний день система MATLAB, в частности пакет прикладных программ Image Processing Toolbox, является наиболее мощным инструментом для моделирования и исследования методов обработки изображений. Он включает большое количество встроенных функций, реализующих наиболее распространенные методы обработки изображений. Рассмотрим основные возможности пакета Image Processing Toolbox. Image Processing Toolbox предоставляет широкий спектр средств для цифровой обработки и анализа изображений. Будучи тесно связанным со средой разработки приложений MATLAB, пакет Image Processing Toolbox освобождает от выполнения длительных операций кодирования и отладки алгоритмов, позволяя сосредоточить усилия на решении основной научной или практической задачи. MATLAB и пакет Image Processing максимально приспособлен для развития, внедрения новых идей и методов пользователя. Для этого имеется набор сопрягаемых пакетов, направленных на решение всевозможных специфических задач и задач в нетрадиционной постановке. Главным отличием системы MATLAB от других программ, которые служат для обработки изображения, является возможность моделирования нового алгоритма обработки изображения.

Из представленного материала видно, что пакет прикладных программ Image Processing Toolbox обладает мощным инструментарием для обработки и анализа цифровых изображений. Это приложение является очень удобной средой для разработки и моделирования различных методов.

Далее в работе эффективность данной программы будет рассмотрена более подробно на примере обработки различных изображений [8].

5 КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ОБРАБОТКИ ИЗОБРАЖЕНИЙ

5.1 Способы представления изображений

Система MATLAB и пакет прикладных программ Image Processing Toolbox (IPT) является хорошим инструментом разработки, исследования и моделирования методов и алгоритмов обработки изображений. При решении задач обработки изображений пакет IPT позволяет идти двумя путями. Первый из них состоит в самостоятельной программной реализации методов и алгоритмов. Другой путь позволяет моделировать решение задачи с помощью готовых функций, которые реализуют наиболее известные методы и алгоритмы обработки изображений. И тот, и другой способ оправдан. Но все же для исследователей и разработчиков методов и алгоритмов обработки изображений предпочтительным является второй путь.

Это объясняется гибкостью таких программ, возможностью изменения всех параметров, что очень актуально при исследовании, разработке, определении параметров регуляризации и т.д. Прежде чем использовать для решения каких-либо задач обработки изображений стандартные функции пакета IPT, разработчик должен в совершенстве их исследовать. Для этого он должен точно знать, какой метод и с какими параметрами реализует та или иная функция.

В том и другом подходе к решению задачи обработки видеоданных объектом исследования является изображение. Для этого рассмотрим коротко особенности представления изображений в IPT.

Изображения бывают векторными и растровыми. Векторным называется изображение, описанное в виде набора графических примитивов. Растровые же изображения представляют собой двумерный массив, элементы которого (пиксели) содержат информацию о цвете. В цифровой обработке используются растровые изображения. Они в свою очередь делятся на типы – бинарные, полутоновые, палитровые, полноцветные.

Элементы бинарного изображения могут принимать только два значения: 0 или 1. Природа происхождения таких изображений может быть самой разнообразной. Но в большинстве случаев они получаются в результате обработки полутоновых, палитровых или полноцветных изображений методами бинаризации с фиксированным или адаптивным порогом. Бинарные изображения имеют то преимущество, что они очень удобны при передаче данных.

Полутоновое изображение состоит из элементов, которые могут принимать одно из значений интенсивности какого-либо одного цвета. Это один из наиболее распространенных типов изображений, который применяется при различного рода исследованиях. В большинстве случаев используется глубина цвета 8 бит на элемент изображения.

В палитровых изображениях значение пикселов является ссылкой на ячейку карты цветов (палитру). Палитра представляет собой двумерный массив, в столбцах которого расположены интенсивности цветовых составляющих одного цвета [9].

В отличии от палитровых, элементы полноцветных изображений непосредственно хранят информацию о яркостях цветовых составляющих.

Выбор типа изображения зависит от решаемой задачи, от того, насколько полно и без потерь нужная информация может быть представлена с заданной глубиной цвета. Также следует учесть, что использование полноцветных изображений требует больших вычислительных затрат. В зависимости от типа изображения они по-разному представляются в разных форматах. Этот момент будет очень важным при создании программ в среде IPT. Наиболее удобно зависимость способов представления элементов изображения (диапазон их значений) от типа и формата представить в виде таблицы 5.1

Таблица 5.1 – Зависимость способов представления элементов от типа и формата

Тип изображения	double	uint8
Бинарное	0 и 1	0 и 1
Полутоновое	[0, 1]	[0, 255]
Палитровое	[1, размер палитры],где 1 - первая строка палитры	[0, 255],где 0 - первая строка палитры.
Полноцветное	[0, 1]	[0, 255]

В дальнейшем, при рассмотрении методов обработки изображений, будем считать, что изображение представляется матрицей чисел (размер матрицы n×m, где значение каждого элемента отвечает определенному уровню квантования его энергетической характеристики (яркости). Это так называемая пиксельная система координат. Она применяется в большинстве функций пакета IPT. Существует также пространственная система координат, где изображение представляется непрерывным числовым полем квадратов с единичной величиной. Количество квадратов совпадает с числом пикселов. Значение интенсивности элемента в центре квадрата совпадает со значением соответствующего пиксела в пиксельной системе координат. При решении практических задач, связанных с измерениями реальных геометрических размеров объектов на изображении, удобно использовать пространственную систему координат, так как она позволяет учитывать разрешение (количество пикселов на метр) системы [10].

5.2 Функции MATLAB

Среди встроенных функций, которые реализуют наиболее известные методы улучшения изображений, выделим следующие: histeq, imadjust и imfilter (fspecial).

Как уже отмечалось ранее, гистограмма изображения является одной из наиболее информативных характеристик. На основе анализа гистограммы можно судить о яркостных искажениях изображения, т.е. сказать о том, является ли изображение затемненным или засветленным. Известно, что на цифровом изображении в равном количестве должны присутствовать пиксели со всеми значениями яркостей, т.е. гистограмма должна быть равномерной. Перераспределение яркостей пикселей на изображении с целью получения равномерной гистограммы выполняет метод эквализации, который в системе MATLAB - реализован в виде функции histeq. Результат применения можно видеть на рисунке 5.1

L=imread('pes.jpg');

figure, imshow(L);

L1=histeq(L);

figure, imshow(L1);

а б

(a – до преобразования, б-после преобразования)

Рисунок 5.1 – Применение функции histeq

Довольно часто при формировании изображений не используется весь диапазон значений интенсивностей, что отрицательно отражается на качестве визуальных данных. Для коррекции динамического диапазона сформированных изображений используется функция imadjust (рисунок 5.2). Ниже на рисунке 5.3 приведены гистограммы направленности исходного и преобразованного изображений.

L=imread('pes.tif');

figure, imshow(L);

L1=imadjust(L);

figure, imshow(L1);

figure, imhist(L);

figure, imhist(L1);

а б

(a – до преобразования, б-после преобразования)

Рисунок 5.2 – Применение функции imadjust изображения до преобразования и после

Рисунок 5.3 – Гистограмма распределения яркостей

Также при решении задач улучшения изображений используется функция imfilter в паре с функцией fspecial. Функция fspecial позволяет задавать различные типы масок фильтра. Рассмотрим пример использования маски фильтра, повышающего резкость изображения. Результат видим на рисунке 5.4.

L=imread('pes.tif');

figure, imshow(L);

H = fspecial('unsharp');

L1 = imfilter(L,H,'replicate');

figure, imshow(L1);

а б

(a – до преобразования, б-после преобразования)

Рисунок 5.4 – Применение функции imfilter

Выбор метода обработки изображения в системе MATLAB зависит от того, какое искажение присутствует на изображении. Рассмотрим, как устраняются искажения наиболее часто встречающиеся на различных изображениях.

5.3 Подавление шумов на изображениях

Довольно часто при формировании визуальных данных результирующие изображения получаются зашумленными. Это объясняется несовершенством аппаратуры, влиянием внешних факторов и т.п. В конечном результате это приводит к ухудшению качества визуального восприятия и снижению достоверности решений, которые будут приниматься на основе анализа таких изображений. Поэтому актуальной является задача устранения или снижения уровня шумов на изображениях. Решению задачи фильтрации шумов посвящено очень много работ, существуют различные методы и алгоритмы. В этой работе рассмотрим только некоторые подходы и возможности их реализации в системе MATLAB [11].

Шаг 1: Считывание исходного изображения.

Считаем изображение из файла в рабочее пространство MATLAB и отобразим его на экране монитора (рисунок 5.5).

L=imread('cerkov.bmp');

figure, imshow(L);

Рисунок 5.5 – Исходное изображение

Шаг 2: Формирование зашумленных изображений.

В системе MATLAB (Image Processing Toolbox) существует возможность формирования и наложения на изображение трех типов шумов. Для этого используется встроенная функция imnoise, которая предназначена, в основном, для создания тестовых изображений, используемых при выборе и исследовании методов фильтрации шума. Рассмотрим несколько примеров наложения шума на изображения.

1. Добавление к изображению импульсного шума (рисунок 5.6):

L2=imnoise(L,'salt&pepper', 0.05);

figure, imshow(L2);

Рисунок 5.6 – Зашумленное изображение

(импульсный шум)

2. Добавление к изображению гауссовского белого шума (по умолчанию математическое ожидание равно 0, а дисперсия - 0,01, рисунок 5.7):

L1=imnoise(L,'gaussian');

figure, imshow(L1);

Рисунок 5.7 – Зашумленное изображение

(гауссовский шум)

3. Добавление к изображению мультипликативного шума (по умолчанию математическое ожидание равно 0, а дисперсия 0,04, рисунок 5.8):

L3=imnoise(L,'speckle',0.04);

figure, imshow(L3);

Рисунок 5.8 – Зашумленное изображение

(мультипликативный шум)

Шаг 3: Использование медианного фильтра для устранения импульсного шума.

Одним из эффективных путей устранения импульсных шумов на изображении является применение медианного фильтра. Наиболее эффективным вариантом является реализация в виде скользящей апертуры .

Для наглядного сравнения приведем три изображения вместе: исходное, зашумленное и восстановленное (рисунок 5.9).

a б в

(а-исходное изображение; б-зашумленное изображение; в-восстановленное изображение)

Рисунок 5.9 – Восстановление изображения, искаженного импульсным шумом, с применением метода медианной фильтрации

Восстановленное изображение лишь незначительно отличается от исходного изображения и значительно лучше, с точки зрения визуального восприятия, зашумленного изображения.

Шаг 4: Подавление шумовой составляющей с использованием операции сглаживания.

Существует класс изображений, для которых подавление шумовой составляющей возможно реализовать с помощью операции сглаживания (метод низкочастотной пространственной фильтрации). Этот подход может применяться к обработке изображений, содержащих области большой площади с одинаковым уровнем яркости (рисунок 5.10). Отметим, что уровень шумовой составляющей должен быть относительно небольшим.

F=ones(n,m); n и m размерность скользящей апертуры

Lser=filter2(F,Lroshyrena,'same')/(n*m);

а б в

(а-исходное изображение; б-зашумленное изображение; в-восстановленное изображение)

Рисунок 5.10 – Восстановление изображения, искаженного импульсным шумом с применением операции сглаживания

Недостаток этого метода, в отличие от метода медианной фильтрации, состоит в том, что он приводит к размыванию границ объектов изображения.

Шаг 5: Пороговый метод подавления шумов.

Элементы изображения, которые были искажены шумом, заметно отличаются от соседних элементов. Это свойство легло в основу многих методов подавления шума, наиболее простой из которых, так называемый пороговый метод (рисунок 5.11). При использовании этого метода последовательно проверяют яркости всех элементов изображения.Если яркость данного элемента превышает среднюю яркость локальной окрестности, тогда яркость данного элемента заменяется на среднюю яркость окрестности.

а б в

(а-исходное изображение; б-зашумленное изображение; в-восстановленное изображение)

Рисунок 5.11 – Восстановление изображения, искаженного гауссовским шумом, с применением порогового метода подавления шумов

Представленные выше методы являются довольно эффективными алгоритмами восстановления изображений, которые были искажены импульсным, гауссовским или мультипликативным шумом. Эти методы служат основой для построения других более сложных методов решения задач по устранению шумовой составляющей на изображениях.

5.4 Технология повышения контрастности изображений

Часто является необходимым повысить контрастность изображения. Пакет Image Processing Toolbox содержит несколько классических функций улучшения изображений. Эти функции являются очень эффективными при повышении контраста: imadjust, histeq, и adapthisteq. Приведем их сравнительный анализ при использовании для улучшения полутоновых и цветных изображений.

План последовательности действий:

• Шаг 1: Считывание изображения.

• Шаг 2: Изменение размеров изображения.

• Шаг 3: Улучшение полутонового изображения.

Шаг 1: Считывание изображений.

Считаем два полутоновых изображения: pout.tif и tire.tif. Также считаем индексное RGB-изображение: shadow.tif.

pout=imread('pout.tif');

tire=imread('tire.tif');

[X map]=imread('shadow.tif');

shadow=ind2rgb(X,map);

Шаг 2: Изменение размеров изображения.

Для более удобного сравнения изображений преобразуем их размеры так, чтобы они имели одинаковую ширину. Высота изображений изменится пропорционально в соответствии с исходным изображением.

width=210;

images={pout, tire};

for k=1:3

dim=size(images{k});

images{k}=imresize(images{k}, [width*dim(1)/dim(2) width], 'bicubic');

end;

pout=images{1};

tire=images{2};

Шаг 3: Улучшение полутоновых изображений.

Проведем сравнительный анализ эффективности использования следующих функций к улучшению изображений:

imadjust – увеличение контраста изображений путем изменения диапазона интенсивностей исходного изображения.

histeq – выполнение операции эквализации (выравнивания) гистограммы. В этом подходе увеличение контрастности изображения происходит путем преобразования гистограммы распределения значений интенсивностей элементов исходного изображения. Существуют также другие подходы к видоизменению гистограмм.

adapthisteq – выполнение контрастно-ограниченного адаптивного выравнивания гистограммы. Здесь методика повышения контрастности изображений базируется на анализе и эквализации гистограмм локальных окрестностей изображения.

Применим данные методы к изображению pout (рисунок 5.12) и tire (рисунок 5.13).

pout_imadjust=imadjust(pout);

pout_histeq=histeq(pout);

pout_adapthisteq=adapthisteq(pout);

imshow(pout);

title('Original');

figure, imshow(pout_imadjust);

title('Imadjust');

figure, imshow(pout_histeq);

title('Histeq');

figure, imshow(pout_adapthisteq);

title('Adapthisteq');

Original Imadjust

Histeq Adapthisteq

Рисунок 5.12 –

Повышение контрастности изображения различными методами

для изображения pout

tire_imadjust=imadjust(tire);

tire_histeq=histeq(tire);

tire_adapthisteq=adapthisteq(tire);

figure, imshow(tire);

title('Original');

figure, imshow(tire_imadjust);

title('Imadjust');

figure, imshow(tire_histeq);

title('Histeq');

figure, imshow(tire_adapthisteq);

title('Adapthisteq');

Original Imadjust

Histeq Adapthisteq

Рисунок 5.13 –

Повышение контрастности изображения различными методами

для изображения tire

Проведем краткий анализ эффективности обработки изображений с помощью функций imadjust, histeq и adapthisteq. В основе этих функций лежат разные методы: в imadjust – преобразование диапазона яркостей элементов изображения, в histeq – эквализация гистограммы и в adapthisteq – адаптивное выравнивание гистограммы. Каждый из этих методов (функций) нацелен на устранение некоторого недостатка, поэтому может быть применен для эффективной обработки такого класса изображений, на которых есть такой тип искажений.

Один из критериев выбора того или иного метода может базироваться на анализе гистограммы распределения значений яркостей элементов изображения (рисунок 5.14).

figure, imhist(pout), title('pout.tif');

figure, imhist(tire), title('tire.tif');

Рисунок 5.14 – Гистограммы распределения значений яркостей элементов изображения pout.tif и tire.tif.

В качестве примера рассмотрим гистограммы изображений pout.tif и tire.tif. Гистограмма изображения pout.tif занимает только центральную часть возможного диапазона яркостей. Таким образом, для растяжения динамического диапазона можно использовать функцию imadjust. Гистограмма изображения tire.tif характеризуется неравномерностью распределения. Для выравнивания гистограммы можно применить функцию histeq.

5.5 Метод обнаружения краев изображения

Рассмотрим задачу выделения и локализации краев (границ). Края – это такие кривые на изображении, вдоль которых происходит резкое изменение яркости или ее производных по пространственным переменным. Наиболее интересны такие изменения яркости, которые отражают важные особенности изображаемой поверхности. К ним относятся места, где ориентация поверхности меняется скачкообразно, либо один объект загораживает другой, либо ложится граница отброшенной тени, либо отсутствует непрерывность в отражательных свойствах поверхности и т.п. В любом случае нужно локализовать места разрывов яркости или ее производных, чтобы узнать нечто о вызвавших их свойствах изображенного объекта.

Вполне естественно, что зашумленность измерений яркости ограничивает возможность выделить информацию о краях. Обнаруживается противоречие между чувствительностью и точностью, и приходим к выводу, что короткие края должны обладать большей контрастностью, чем длинные, чтобы их можно было распознать. Выделение краев можно рассматривать как дополнение к сегментации изображения, поскольку края можно использовать для разбиения изображений на области, соответствующие различным поверхностям.

Для сегментации на изображениях часто необходимо обнаружить границы объектов - участки изображения, в которых есть перепад яркости.

Функция BW=edge (I, method) предназначена для выделения границ на исходном полутоновом изображении I. Данная функция возвращает бинарное изображение BW такого же размера, как исходное I. Пиксель BW(r, с) равен 1, если пиксель I(r, с) принадлежит границе. Для обнаружения границ может использоваться несколько методов. Применяемый метод задается в параметре method в виде одной из следующих строк: 'sobel', 'prewitt', 'roberts', 'log', 'zerocross', 'canny'. Если параметр method при вызове функции опущен, то по умолчанию он полагается равным 'sobel'.

Для каждого из методов определения границ можно задать дополнительные параметры. Для этого используется одна из функций BW=edge(I, method, thresh), BW=edge(I, method, thresh, P), где параметр thresh задает порог для определения того, принадлежит ли пиксель к границе, а в параметре Р передаются настройки, специфичные для каждого из методов .

Если при вызове функции параметр thresh опущен, то значение порога выбирается автоматически. Получить значение порога можно, дополнительно определив выходной параметр thresh: [BW, thresh]=edge(I, method).

Пример:

Рассмотрим выделение границ методом Собеля. Исходное изображение показано на рисунке 5.15,а. Результирующее изображение, на котором отмечены границы, показано на рис. 5.15,б.

Пример демонстрирует выделение границ методом Собеля.

I=imread(‘001.bmp’); imshow(001.bmp’); Выделение границ методом Собеля и вывод результата на экран. BW=edge(I, ‘sobel’, 0.09);

(a – до преобразования, б - после преобразования)

Рисунок 5.15 – Метод выделения краев изображения

6 СИСТЕМАТИЗАЦИЯ РЕКОМЕНДАЦИЙ ПО ПРИМЕНЕНИЮ МЕТОДОВ ДЛЯ УЛУЧШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЯ

6.1 Общие рекомендации по применению методов

В основной части работы рассматриваются методы по улучшению качества изображений.

От того, какой результат хочется получить от исходного изображения, просто улучшение его качества для более комфортного восприятия, для извлечения какой-то информации, зависит выбор метода обработки изображения.

В данном разделе систематизировались рекомендации по применению отдельно для каждого метода.

6.1.1 Эквализация

Метод эквализации гистограммы применяется для улучшения качества изображения.

Преимущество данного метода заключается в том, что он является полностью автоматическим. Иными словами, получая на вход изображение, процедура эквализации гистограммы сводится к выполнению пре­образования по формуле, параметры которой зависят лишь от информации, которая может быть извлечена непосредственно из обрабатываемого изображения без указания каких-либо дополнительных параметров. Стоит также отметить простоту вычислений, которая требуется для ре­ализации этого метода.

6.1.2 Контрастирование

Контрастирование может использоваться для улучшения изображений. Основное правило для оценки применимости данных видов контрастирования заключается в следующем: монотонно нарастающие характеристики преобразования яркости в основном используются для повышения качества изображений, характеристики с локальным убыванием применяются при улучшении качества изображения. Контрастирование может применяться как для ахроматических, так и для цветных изображений.

Для улучшения качества изображения может использоваться метод адаптивного повышения контрастности с использованием функции протяженности гистограммы. Учитывая характеристики скользящих окрестностей, удается идентифицировать участки изображения по уровню контрастности и соответствующим образом на них реагировать (изменяя размер скользящей окрестности). Благодаря этому достигается более тонкая обработка мелких деталей. Однако изображения должны отвечать двум требованиям. Они не должны содержать большого количества импульсных выбросов и темные или светлые участки большой площади. Ведь в первом случае это может привести к неадекватному вычислению функции протяженности гистограммы, а во втором - к неэффективному усилению контраста. Поэтому, если изображение не отвечает указанным выше требованиям, следует провести его фильтрацию или градационную коррекцию.

6.1.3 Выделение контуров

Высокочастотные фильтры следует применять для улучшения качества (подчеркивание границ, выделение контуров).

Высокочастотные фильтры классифицируются на:

• фильтры класса A, усиливающие высокие частоты, не изменяющие уровня низкочастотных;

• фильтры класса B, ослабляющие относительный уровень НЧ составляющих, т. е. подавляющие фон. Для повышения улучшения качества изображения сохранение только информативных (контурных) деталей изображения может быть осуществлено фильтром, полностью подавляющим фон;

• смешанные (обладающие обоими свойствами), стремящиеся в пределе эквализировать амплитудно-частотную характеристику изображения.

Как и для низкочастотной фильтрации применяется маска с весовыми коэффициентами, только с отрицательными весовыми коэффициентами. Если сумму коэффициентов сделать равной 1, то это будет соответствовать фильтру класса A, который хорошо подойдет для улучшения качества изображения.

Метод нерезкого маскирования (фильтр класса B) следует применять для повышения качества изображения. Для этого нужно чтобы сумма коэффициентов в маске была меньше 1. Степень подчеркивания границ может регулироваться с помощью коэффициента При α = 1 фильтрации нет, при α=0.5 производится полное подавление постоянной составляющей.

Для улучшения качества изображений можно использовать нелинейную обработку спектральных коэффициентов, применив эквализирующие фильтры. Параметр определяет степень эквализации, а именно: при α = 0 спектральная плотность всюду равна единице, что соответствует полной эквализации, характерной для выделения контуров. Улучшение качества изображения (подчеркивание границ) будет происходить при 0 < α < 1 и относительно малой энергии высокочастотных составляющих. Чем ближе α к единице, тем меньше подчеркиваются границы и мелкие детали, чем ближе к нулю - тем это подчеркивание сильнее. Но данный метод достаточно громоздок: для получения результата требуется осуществить прямое и обратное преобразование.

При подчеркивании границ мелкие детали увеличивают свой контраст, границы оконтуриваются, в целом изображение воспринимается более четким и резким. Следовательно, подъем высоких частот может быть эффективным средством для улучшения качества изображений. Необходимость оконтуривания вызвана тем, что человек получает информацию в изображении от перепадов яркости – границ объектов, что позволяет разделить эти объекты в изображении.

Если сигнал, полученный в результате усиления краев, существенно превышает шум, можно сделать вывод о том, принадлежит ли определенная точка краю или нет. Такое решение не является абсолютно надежным, так как добавляемый шум в данной точке может оказаться значительным. Все, что можно сделать, – это уменьшить вероятность подобного события, выбирая порог таким образом, чтобы число ошибочно отнесенных к краю точек лежало в допустимых пределах.

Если порог слишком высок, слабовыраженные края будут пропущены. Таким образом, существует противоречие между двумя видами ошибок. Увеличивая размер участков, по которым производится усреднение, или (что одно и то же) уменьшая частоту, выше которой подавляются частотные компоненты изображения, можно снизить влияние шума и упростить выделение слабовыраженных краев. Однако тут же сталкиваемся с противоположной проблемой, вызванной тем, что с увеличением участков в них могут попасть другие края. Для распознавания коротких краев необходимо, чтобы они были более контрастны.

Изображение с обостренными краями будет иметь большие значения яркости не только в тех пикселях, которые непосредственно расположены на крае, но и в некоторых соседних. Этот эффект особенно ярко проявляется в тех случаях, когда в целях уменьшения шума изображение предварительно сглаживается. Отсюда возникает проблема локализации краев. Если бы не шум, можно надеяться обнаружить максимальные значения яркости непосредственно на крае. Эти экстремальные значения могли бы затем использоваться для подавления соседних больших значений.

Одна из трудностей при разработке вычислительных схем для выделения краев заключается в недостаточно ясной формулировке самого задания. Как нам узнать, был ли край “пропущен” или где-то появился “ложный” край? Ответ на этот вопрос зависит от того, как можно использовать результат .

6.1.4 Подавление шума

Сложность решения данной задачи существенно зависит от характера шумов. В отличие от детерминированных искажений, которые описываются функциональными преобразованиями исходного изображения, для описания случайных воздействий используют модели аддитивного, импульсного и мультипликативного шумов. Для подавления шумов используется низкочастотная противошумовая фильтрация.

Низкочастотные фильтры имеют несколько применений:

1. Подавление шумов (в основном высокочастотных или импульсных).

2. Сокрытие мелких деталей, позволяющих несанкционированно получить дополнительную информацию.

3. Улучшения качества изображения, когда мелкие детали "отвлекают" внимание или маскируют крупный объект.

4. Масштабирование (уменьшение числа отсчетов) изображения, для устранения эффектов перекрытия спектров (aliasing – элайзинг).

5. Снижение утомляемости при работах, связанных с наблюдением или работе на компьютере.

6. Менее заметное ухудшение качества при методах сильного сжатия изображений с потерями. Применяется в видеотелефонии, при мобильной связи.

7. "Омоложение" портретов (устранение морщин, крапинок и других мелкодетальных особенностей лица).

8. Устранение эффекта "коллажа"

9. Имитация глубины резкости объектива (более далекие предметы должны быть "более размытыми", чем ближние, оказавшиеся в фокусе).

Линейная НЧ-фильтрация, как правило, использует симметричные маски, поэтому в зависимости от того, какой шум и как можно его устранить на изображении, будет влиять выбор маски. Например, чем больше вес центрального элемента в маске, тем хуже фильтр подавляет высокие частоты.

Существуют маски служащие для сглаживания изображения. Сглаживание может производиться в локальных участках изображения. Например, если возможно устранить эффект "коллажа" (когда объект, вырезанный из одного изображения, помещается в другое изображения) можно применить низкочастотную фильтрацию с симметричной маской, вдоль границы вырезанного объекта и фона, потому что часто происходит увеличение резкости границы между объектом и фоном. При этом в исходном изображении, из которого происходит вырезание объекта, такой резкости обычно нет.

Если говорить об импульсном шуме на изображении, то для его устранения нужно применить медианную фильтрацию, которая должна стать успешным решением. Кроме того, используя медианную фильтрацию, должны сохраниться важные для последующего распознавания детали на изображении. Тем самым, одновременно решается проблема улучшения качества изображения. Медианная фильтрация изображений наиболее эффективна, если шум на изображении имеет импульсный характер и представляет собой ограниченный набор пиковых значений на фоне нулей. В результате применения медианного фильтра наклонные участки и резкие перепады значений яркости на изображениях не изменяются. Это очень полезное свойство именно для изображений, на которых контуры несут основную информацию. При медианной фильтрации зашумленных изображений степень сглаживания контуров объектов напрямую зависит от размеров апертуры фильтра и формы маски. При малых размерах апертуры лучше сохраняются контрастные детали изображения, но в меньшей степени подавляется импульсные шумы. При больших размерах апертуры наблюдается обратная картина. Оптимальный выбор формы сглаживающей апертуры зависит от специфики решаемой задачи и формы объектов. Особое значение это имеет для задачи сохранения перепадов (резких границ яркости) в изображениях.

Для улучшения качества изображения при наличии импульсных помех следует воспользоваться пороговым фильтром или адаптивным пороговым фильтром, который можно применить для различных областей. Например, шумы на темных деталях заметны сильнее, поэтому порог для них может быть меньше, чем для светлых. Тем самым с помощью данного фильтра можно воздействовать на ту область изображения, которая представляет для нас больший интерес.

Если обрабатываемое изображение имеет четкие границы и резкость, но имеется присутствие шума, то можно воспользоваться фильтром Кувахара, который отлично подойдет не только для улучшения качества изображения. Изменяя размерность маски фильтра, можно достичь необходимого нам результата.

7 экономическАЯ частЬ

7.1 Технико-экономическое обоснование проекта

Основным направлением развития современного, производства является возрастание требований к качеству выпускаемой продукции. Наиболее высокие требования к качеству продукции предъявляются в отделочном производстве. Для этого этапа производства характерны значительные материальные и энергетические затраты. Кроме того, продукция отделочного производства непосредственно оценивается потребителем и поэтому должна быть высокого качества. Естественным путем повышения качества продукции является автоматизация технологического оборудования.

При проведении технологических операций по отделке тканей распространенными дефектами являются перекос уточных нитей и отклонение плотности ткани от заданной. Присутствие этих дефектов существенно снижает качество выпускаемой продукции. На долю перекоса уточных нитей приходится около 30 % от общего количества брака. Не менее важным является поддержание заданной плотности ткани. В связи с этим актуальной является задача исследования и разработки цифровой системы контроля качества текстильного материала. В настоящее время создание таких систем сдерживается недостаточной эффективностью устройств сбора информации о качестве текстильного материала. Это говорит о необходимости поиска новых возможностей совершенствования технических характеристик этих устройств.

7.2 Заключение о рыночном состоянии отрасли и конкуренции.

Программное обеспечение разрабатывается для текстильной промышленности. Разработка может иметь широкое применение, автоматизируя отдельные обслуживающие функции предприятия. Мировая практика показывает, что текстильная и легкая промышленности по сути своей наиболее рыночные отрасли, где максимально высока оборачиваемость капитала, а выпускаемая продукция относится к товарам первой необходимости, следовательно, спрос на нее неограничен. Текстильная промышленность не может выйти из кризиса из-за дефицита сырья, нехватки оборотных средств, падения спроса со стороны отраслей-покупателей. На все это накладывается обострение конкуренции на внутреннем рынке из-за притока импортных товаров, в частности китайского, турецкого производства, способных по соотношению «цена - качество» привлечь покупателя даже со средним достатком. Именно поэтому, текстильная промышленность нуждается во внедрении новых технологий, способных повысить конкурентность отрасли. Разрабатываемое программное обеспечение ориентировано на предприятия легкой промышленности, а именно для выявления дефектов швов при производстве. Новая технология позволит повысить качество выпускаемой продукции и понизить себестоимость, что благоприятно скажется на экономической составляющей предприятия.

7.3 Расчет текущих затрат

Для технико-экономического сравнения базового и проектируемого вариантов рассчитываем эксплуатационные расходы (текущие), которые представляются показателями проектной себестоимости. В проектной себестоимости учитываем только изменяющиеся статьи затрат для сопоставляемых вариантов.

В отдельных случаях выявляем связь между капитальными вложениями и эксплуатационными расходами (таблица 7.1).

Таблица 7.1 - Расходы, связанные с внедрением и эксплуатацией информационных систем

Вид	Категория
	Капитальные	Эксплуатационные
Программный пакет Matlab	126000	6000
Операционная система Windows	5000
Автоматизированное рабочее место, включавшее в себя системный блок и устройство ввода - вывода	30000	10000
Персонал	10000	20000
Помещение	10000	15000

К отдельным видам эксплуатационных (текущих) затрат, имеющим место почти в любом проекте внедрения информационных технологий, относятся:

1) заработная плата обслуживающего персонала с отчислениями на

социальные нужды;

2) стоимость потребляемых энергоресурсов;

3) расходы на амортизацию и текущий ремонт оборудования

4) расходные материалы.

Рассмотрим порядок расчета перечисленных элементов текущих затрат.

1) Рассчитываем заработную плату исходя из численности персонала (операторов.), среднечасовой тарифной ставки, времени эксплуатации в часах. Отчисление на социальные нужды установлены в размере 34 % от заработной платы.

В месяц заработная плата обслуживающего персонала, занятого выполнением поставленной задачи составляет:

, (7.1)

где :

ЗП_м - месячная заработная плата обсуживающего персонала, руб.;

О - месячный должностной оклад обслуживающего персонала, руб.;

Д - количество дней за месяц, необходимых для выполнения поставленной задачи, дни;

К - среднее количество рабочих дней в месяце, дн. Для расчетов принимает величина среднего количества рабочих дней за месяц равным 30 дням.

Так как работник занимается выполнением поставленной задачи ежемесячно в равных объемах панируемого времени, то определить годовую заработную плату можно умножением месячного заработка на 12 месяцев, т.е.

ЗПг = ЗПм*12=17866*12=214392 . (7.2)

Определим полезный фонд времени работника следующим образом:

- при пятидневной рабочей неделе с двумя выходными днями:

ПФВР = [Dk - (Doo + Dдо + Dв + Dn + Dпроч)] * 8 - 1*Dпп, (7.3)

ПФВР=[365-(28+0+106+12+10)]*8 -1*6=1626,

где :

Dk - количество календарных дней в плановом году (365 дней);

Doo - количество дней основного оплачиваемого отпуска в плановом периоде.

Ежегодный оплачиваемый отпуск предоставляется работникам продолжительностью 28 календарных дней (ст.115 Трудового Кодекса);

Dдо - количество дней дополнительно оплачиваемого отпуска;

Dв - количество выходных дней (еженедельного непрерывного отдыха) в плановом периоде. При пятидневной рабочей неделе работникам предоставляется два дня в неделю, при шестидневной рабочей неделе один выходной (ст. 111 ТК РФ);

Dn - количество нерабочих праздничных дней в плановом периоде согласно ст.112 ТК РФ;

Dпроч - количество неявок по уважительным причинам (нетрудоспособности, исполнения государственных обязанностей и т.п.) в плановом периоде (принимается как средняя величина по данным предприятия за предыдущие периоды времени);

8 и 7 ­- продолжительность ежедневной работы (смены), соответственно, при пятидневной рабочей неделе и шестидневной рабочей неделе (статьи 91,94 ТК РФ), час;

1 - уменьшение продолжительности рабочего дня или смены непосредственно предшествующее нерабочему праздничному дню (ст. 95 ТК РФ), час;

Dпп - количество рабочих дней (смен), непосредственно предшествующих нерабочим праздничным дням, в плановом периоде;

2) Рассчитываем стоимость потребляемых энергоресурсов исходя из потребления электроэнергии за один час эксплуатации оборудования, количества часов эксплуатации в месяц, действующих тарифов на электроэнергию.

Э =12*(а *k *В₁ *Ч₁b*k *В₂ *Ч1), (7.4)

Э =12*(0,2*3,7*20*8+0,01*3,7*20*8)=1491,84,

где:

Э - стоимость потребляемой электроэнергии, руб.;

а - количество энергии, потребляемой компьютером в час (а=0,2), кВт;

b - количество энергии, необходимой для освещения в час (b=0.01), кВт;

k - действующий тариф на электроэнергию, руб/кВт*ч

В₁ - число дней в месяце, необходимых для работы на компьютере, дн;

В₂ - число дней в месяце, в течение которых происходит потребление энергии за счет освещения, дн;

Ч₁ - время работы обслуживающего персонала за компьютером в течение рабочего дня, час;

Ч₂ - количество часов использования освещения в течение рабочего дня, час.

3) Сумма расходов на амортизацию и износ (текущий ремонт) оборудования рассчитаем по следующей формуле:

(7.5)

где Кб - балансовая стоимость машины, учитывающая, кроме стоимости покупки машины, расходы на транспортировку и монтаж;

N - число машин;

α,β - норма отчислений на амортизацию и износ (текущий ремонт) машины соответственно;

ФВПпол - годовой полезный фонд рабочего времени, час .

Норма отчислений на амортизацию определяется посредством разнесение в классификационные амортизационные группы в соответствии с пп. 3 и 4 статьи 258 Налогового Кодекса РФ и Постановлением правительства от 01.01.2002 №1 «О классификации основных средств, включаемых в амортизационные группы».

Так, например, компьютерная техника относится к третьей амортизационной группе, срок полезного использования в которой составляет от трех до пяти лет.

Следовательно, для такого вида оборудования устанавливается норма амортизации равная 0,3 — 0,2 % в год. Норма отчислений на износ можно принять равной 3 %.

7.4 Финансовые показатели результативности

Рассмотрим, как могут измеряться дополнительные финансовые результаты от внедрения создаваемого в рамках дипломного проектирования программного средства. Основными финансовыми результатами, характеризующими любой проект, являются прибыль и уровень рентабельности.

Различают валовую и чистую прибыль.

Валовая прибыль - конечный финансовый результат деятельности, представляющий собой разницу между общей суммой доходов и себестоимостью (текущими затратами).

Чистая прибыль - это часть валовой прибыли, остающаяся в распоряжении предприятия после уплаты налогов.

Размер валовой прибыли (Пвал) определяем как разница между доходами (выручкой - Д) и затратами (полной себестоимостью - З).

Пвал = Д - З =2500 000 – 1500 000=1000 000 . (7.6)

Для определения суммы дополнительной прибыли, получаемой в результате внедрения проектируемых мероприятий за счет сокращения себестоимости, снижения трудоемкости и повышения производительности труда, увеличения объема работ, может использоваться следующая формула:

(7.7)

где Пвал^пр - прибыль предприятия в базовом варианте, Пвал^б - прибыль предприятия в проектируемом варианте.

Для определения размера чистой прибыль предприятия, рассчитаем сумму налога на прибыль, подлежащую уплате в бюджет из прибыли.

Сумма налога на прибыль (Нпр) рассчитывается по ставке 24 % от налогооблагаемой базы:

Нпр = 0,24 * ΔП= 500000*0,24=120000 . (7.8)

Далее определяем сумму дополнительной прибыли, оставшейся в распоряжении предприятия (Пч):

Пч = ΔП – Нпр=500000-120000=380000 . (7.9)

Уровень рентабельности рассчитываем как отношение валовой или чистой прибыли к сумме затрат, выраженное в процентах:

(7.10)

Если прибыль выражается в абсолютной сумме, то рентабельность - это относительный показатель интенсивности производства, т.к. отражает уровень прибыльности относительно определенной базы. Проект рентабелен, если сумма входящих потоков по проекту достаточна не только для покрытия затрат, но и образования прибыли [12].

7.5 Источники финансовой результативности проекта

Важнейшим и самым проблематичным вопросом в проведении экономического анализа эффективности внедрения программных средств, разрабатываемых в рамках дипломного проектирования, является определение источников финансовой результативности для предприятия, организации или отдельного объекта исследования.

Оценка результативности внедрения программных средств может проводиться с использованием - среднеотраслевых результатов, и именно такие результаты обычно приводятся в маркетинговых материалах и в открытых публикациях. Типичными средними результатами внедрения можно считать такие достижения:

- 15-25 % увеличение производительности;

- 10-20 % уменьшение складских запасов;

- 20-50 % сокращение сроков выполнения заказов.

Эффект от внедрения программных средств по функциональным сферам воздействия представлен в таблице 7.2.

Таблица 7.2 - Потенциальный эффект применения автоматизи-рованных информационных технологий.

Сфера воздействия.	Результат.
Управление: 	- сокращение количества уровней управления; - снижение административных расходов; - освобождение работников от рутинной работы за счет ее автоматизации, высвобождение времени для интеллектуальной деятельности; - повышение производительности труда; - экономия времени; - повышение квалификации и профессиональной грамотности управленцев; - уменьшение сроков закрытия учетного периода; - увеличение конкурентного преимущества; - увеличение оборачиваемости средств в расчетах; - увеличение выручки, уменьшение издержек, увеличение прибыли.
Информационная система:	обеспечение достоверности информации;.
Производство:	-сокращение времени на проектирование и производство; - снижение производственного брака; - уменьшение затрат на производство продуктов и услуг; - сокращение затрат труда и средств на приемку, обработку и выполнение заказов; - повышение производительности труда; повышение качества товаров и услуг;

На практике может возникнуть ситуация, когда прогнозируемый количественный эффект не достигается. Такая ситуация не исключительная. Причиной возникновения такой ситуации может явиться отсутствие комплексной оценки деятельности предприятия на этапе планирования, всестороннего взгляда на предприятие как на систему внутренних взаимосвязанных процессов и работ, и выявления тех ключевых факторов в работе предприятия, улучшение которых может привести к желаемому результату.

7.6 Оценка экономической эффективности инвестиционного проекта

Благодаря разработанному программному обеспечению значительно снизятся текущие затраты на изготовление продукции, уменьшится себестоимость выпускаемой продукции, следовательно улучшится бизнес предприятия.

В направлении качественного улучшения управления производственным циклом, выделяется сокращение объемов незавершенного производства и снижение производственного брака. Все это выражается сокращением расходов на обслуживание складских хозяйств и прочей инфраструктуры предприятия, задействованной в данных процессах.

7.7 Заключение

На основании проделанных расчетов можно сказать что разрабатываемое программное обеспечение является экономически выгодным, о чем свидетельствуют итоговые результаты подсчета прибыли в базовом варианте (без программного обеспечения) и в проектируемом (с программным обеспечением)

Таким образом, можно с уверенностью сказать, что внедряемая технология повысит прибыль предприятия и даст новый толчок для дальнейшей модернизации предприятия, что в свою очередь позволит занять лидирующие позиции на рынке текстильной продукции.

8 ОХРАНА ТРУДА

8.1 Охрана труда на предприятии

Охрана труда – это система мер по обеспечению безопасности жизни и здоровья работников в процессе трудовой деятельности, включающая в себя правовые, социально-экономические, организационно-технические, санитарно-гигиенические, лечебно-профилактические, реабилитационные и иные мероприятия. Наряду с этим охрана труда является одним из важнейших факторов повышения производительности труда.

За состоянием охраны труда на предприятии осуществляется надзор и контроль двух видов, государственный и общественный.

8.2 Надзор и контроль за состоянием охраны труда на предприятии

Государственный надзор и контроль за соблюдением требований охраны труда осуществляется федеральной инспекцией труда – единой федеральной централизованной системой государственных органов.

Государственные инспекторы труда являются федеральными государственными служащими.

Государственные инспекторы имеют право:

• беспрепятственно, при наличии удостоверения установленного образца, посещать в целях проведения инспекции организации всех организационно - правовых форм;

• запрашивать и безвозмездно получать от руководителей и других должностных лиц объяснения, информацию, все документы, необходимые для выполнения надзорных и контрольных функций;

• изымать для анализа образцы используемых материалов и веществ;

• расследовать в установленном порядке несчастные случаи на производстве;

• предъявлять руководителям и другим должностным лицам организаций обязательные для исполнения предписания об установлении нарушений законодательства об охране труда, о привлечении виновных в указанных нарушениях к дисциплинарной ответственности или об отстранении от должности в установленном порядке;

• приостанавливать работу организаций, отдельных производственных подразделений и оборудования при выявлении нарушений требований охраны труда, которые создают угрозу жизни и здоровью работников, до устранения указанных нарушений;

• отстранять от работы лиц, не прошедших инструктаж по охране труда, стажировку на рабочих местах и проверку знаний требований охраны труда.

Государственный надзор и контроль за соблюдением требований охраны труда наряду с федеральной инспекцией труда осуществляется федеральными органами исполнительной власти, которым предоставлено право осуществлять функции надзора и контроля в пределах своих полномочий.

8.2.1 Общественный контроль

Общественный контроль по охране труда на предприятии проводится профсоюзными комитетами, организующими комиссию по охране труда, и общественными инспекторами по охране труда.

В зависимости от специфики производства, структуры предприятия и масштабов его подразделений, административно общественный контроль за состоянием охраны труда производится по нескольким ступеням оперативного контроля.

8.2.2 Ступени оперативного контроля

Первая ступень контроля осуществляется руководителем соответствующего участка (мастером, начальником участка, начальником смены) и общественными инспекторами по охране труда ежедневно в начале рабочего дня (смены), а при необходимости (работы с повышенной опасностью) в течении рабочего дня (смены). В их обязанности входит проверка состояния рабочих мест, соответствия требованиям правил безопасности, наличия и исправности ограждений, защитных и предохранительных средств, работы вентиляционных и осветительных установок. По выявленным при проверке нарушениям и недостаткам намечаются мероприятия по их устранению, определяются сроки и ответственные за их исполнение. Ежедневно в конце смены руководитель участка должен отчитываться перед руководством цеха о состоянии охраны труда на производственном участке.

Вторая ступень контроля проводится комиссией, возглавляемой начальником цеха и старшим общественным инспектором по охране труда цеха, не реже двух раз в месяц. В состав комиссии входят руководители (представители) технических служб цеха, инженер отдела охраны труда предприятия и медработник, закрепленный за цехом.

Эта комиссия проверяет:

- ведение сменных журналов по первой ступени контроля;

- своевременное устранение нарушений, отмеченных в журнале;

- наличие и правильность ведения документации, предусмотренной правилами охраны труда;

- рассматривает все предложения, направленные на улучшение техники безопасности.

По результатам проверки комиссия намечает мероприятия по устранению выявленных недостатков и нарушений по охране труда, начальник цеха назначает исполнителей и сроки исполнения. Контроль за выполнением этих мероприятий осуществляют инженер отдела по охране труда и старший общественный инспектор по охране труда. Один раз в месяц начальник цеха должен отчитываться перед руководителем предприятия и комитетом профсоюза о состоянии охраны труда в цехе.

Третья ступень контроля проводится комиссией, возглавляемой руководителем или главным инженером предприятия и председателем комитета профсоюза, не реже одного раза в квартал (как правило, один раз в месяц). В состав комиссии входят заместитель главного инженера по охране труда (руководитель службы охраны труда), председатель комиссии охраны труда комитета профсоюза, руководитель технических служб, руководители технадзора за зданиями и сооружениями, начальник пожарной охраны, руководитель медицинской службы предприятия, также внештатные технические инспекторы труда. Результаты проверки обсуждаются на совещаниях у руководителя предприятия с участием профсоюзного актива, руководителей цехов и участков. Проведение совещаний рекомендуется оформлять протоколом.

8.2.3 Виды ответственности

Российское законодательство устанавливает строгую ответственность за нарушение требований охраны труда, правил и норм по технике безопасности и пожарной профилактике. Различают следующие виды ответственности: общественная, дисциплинарная, административная, материальная и уголовная.

8.2.4 Виды инструктажей по охране труда

На предприятиях проводятся пять видов инструктажей: вводный, первичный на рабочем месте, периодический (повторный), внеплановый и целевой.

Общее руководство и ответственность за правильную организацию инструктажа сотрудников в целом по предприятию возлагается на главного инженера. Контроль за своевременным и качественным проведением инструктажа осуществляется службой охраны труда.

8.3 Роль освещения для здоровья человека

Освещение исключительно важно для здоровья человека. С помощью зрения человек получает подавляющую часть информации (около 90 %), поступающей из окружающего мира. Свет — это ключевой элемент нашей способности видеть, оценивать форму, цвет и перспективу окружающих нас предметов. Такие элементы человеческого самочувствия, как душевное состояние или степень усталости, зависят от освещения и цвета окружаю­щих нас предметов. С точки зрения безопасности труда зрительная способность и зрительный комфорт чрезвычайно важны. Большое количество несчастных случаев происходит, помимо всего прочего, из - за неудовлетворительного освещения или из - за ошибок, сделанных ра­бочим, по причине трудности распознавания того или иного предмета или осознания степени риска, связанного с обслуживанием станков, транспортных средств, контейнеров и т.д. Свет создает нормальные условия для трудовой деятельности.

Нарушения зрения, связанные с недостатками системы освеще­ния, являются обычным явлением на рабочем месте. Благодаря способности зрения приспосабливаться к недостаточному освещению, к этим моментам иногда не относятся с должной серьезностью.

Недостаточное освещение вызывает зрительный дискомфорт, выражающийся в ощущении неудобства или напряженности. Длительное пребывание в условиях зрительного дискомфорта приводит к отвлечению внимания, уменьшению сосредоточенности, зрительному и общему утомлению. Кроме создания зрительного комфорта свет оказывает на человека психологическое, физиологическое и эстетическое воздействие. Свет — один из важнейших элементов организации пространства и главный посредник между человеком и окружающим его миром. Неудовлет- ворительная освещенность в рабочей зоне может являться причиной снижения производительности и качества труда, получения травм.

Свойства света как фактора эмоционального воздействия широко используются путем правильной и рациональной организации освещения. Необходимая освещенность может быть достигнута за счет регулирования светового потока источника освещения, включения и выключения части ламп в осветительных приборах, изменения спектрального состава света, применения осветительных приборов подвижной конструкции, позволяющей изменять направление светового потока.

8.4 Системы производственного освещения и требования к ним

Согласно стандарту «ГОСТ ИСО 8995-2002» освещение должно обеспечить: санитарные нормы освещенности на рабочих местах, равномерную яркость в поле зрения, отсутствие резких теней и блескости, постоянство освещенности по времени и правильность направления светового потока. Освещенность на рабочих местах и в производственных помещениях должна контролироваться не реже одного раза в год. Для измерения освещенности используется объективный люксметр (Ю-16, Ю-116, Ю-117). Принцип работы люксметра основан на измерении с помощью миллиамперметра тока от фотоэлемента, на который падает световой поток. Отклонение стрелки миллиамперметра пропорционально освещенности фотоэлемента. Миллиамперметр проградуирован в люксах.

Фактическая освещенность в производственном помещении должна быть больше или равна нормируемой освещенности. При несоблюдении требований к освещению развивается утомление зрения, понижается общая работоспособность и производительность труда, возрастает количество брака и опасность производственного травматизма. Низкая освещенность способствует развитию близорукости. Изменения освещенности вызывают частую переадаптацию, ведущую к развитию утомления зрения.

Блескость вызывает ослепленность, утомление зрения и может привести к несчастным случаям.

Нормы освещенности рабочих мест регламентируются согласно СНиП 23-05-95

По функциональному назначению искусственное освещение подразделяют на следующие виды: рабочее, аварийное, эвакуационное, охранное, дежурное.

Рабочее освещение обязательно во всех помещениях и на освещаемых территориях для обеспечения нормальной работы, прохода людей и движения транспорта.

Аварийное освещение устраивают для продолжения работы в тех случаях, когда внезапное отключение рабочего освещения (при аварии) и связанное с этим нарушение нормального обслуживания оборудования могут вызвать взрыв, пожар, отравление людей, длительное нарушение технологического процесса, нарушение работы таких объектов, как электрические станции, диспетчерские пункты, насосные установки водоснабжения и другие производственные помещения, в которых недопустимо прекращение работ.

Наименьшая освещенность рабочих поверхностей, требующих обслуживания при аварийном режиме, должна составлять 5 % освещенности, нормируемой для рабочего освещения при системе общего освещения, но не менее 2 лк внутри зданий.

Эвакуационное освещение следует предусматривать для эвакуации людей из помещений при аварийном отключении рабочего освещения в местах, опасных для прохода людей, на лестничных клетках, вдоль основных проходов производственных помещений, в которых работает более 50 человек. Эвакуационное освещение должно обеспечивать наименьшую освещенность в помещениях на полу основных проходов и на ступенях не менее 0,5 лк, а на открытых территориях — не менее 0,2 лк. Выходные двери помещений общественного назначения, в которых могут находиться одновременно более 100 человек, должны быть отмечены световыми сигналами-указателями.

Светильники аварийного освещения для продолжения работы присоединяют к независимому источнику питания, а светильники для эвакуации людей — к сети, независимой от рабочего освещения, начиная от щита подстанции. Для аварийного и эвакуационного освещения следует применять только лампы накаливания и люминесцентные.

В нерабочее время, совпадающее с темным временем суток, во многих случаях необходимо обеспечить минимальное искусственное освещение для несения дежурств охраны. Для охранного освещения площадок предприятий и дежурного освещения помещений выделяют часть светильников рабочего или аварийного освещения.

8.5 Основные требования к производственному освещению

Основная задача освещения на производстве — создание наилучших условий для видения. Эту задачу возможно решить только осветительной системой, отвечающей следующим требованиям.

1. Освещенность на рабочем месте должна соответствовать характеру зрительной работы, который определяется следующими тремя параметрами:

объект различения — наименьший размер рассматриваемого предмета, отдельная его часть или дефект, который необходимо различить в процессе работы (например, при работе с приборами — толщина линии градуировки шкалы; при чертежных работах — толщина самой тонкой линии на чертеже);

фон — поверхность, прилегающая непосредственно к объекту различения, на которой он рассматривается; характеризуется коэффициентом отражения, зависящим от цвета и фактуры поверхности, значения которого находятся в пределах 0,02 — 0,95; при коэффициенте отражения поверхности более 0,4 фон считается светлым;0,2 — 0,4 — средним и менее 0,2 — темным;

контраст объекта с фоном К характеризуется соотношением яркостей рассматриваемого объекта (точка, линия, знак, пятно, трещина, риска, раковина или другие элементы, которые требуется различить в процессе работы) и фона. Контраст определяют по формуле

К=|L0-Lф|/Lф, (8.1)

где Lф и Lo—яркость соответственно фона и объекта.

Контраст объекта с фоном считается большим при значениях К более 0,5 (объект и фон резко отличаются по яркости), средним при значениях К = 0,2 — 0,5 (объект и фон заметно отличаются по яркости) и малым при значениях К менее 0,2 (объект и фон мало отличаются по яркости).

Увеличение освещенности рабочей поверхности улучшает видимость объектов за счет повышения их яркости, увеличивает скорость различения деталей, что сказывается на росте производительности труда. Так, при выполнении операции точной сборки увеличение освещенности с 50 до 1000 лк позволяет получить повышение производительности труда на 25 % и даже при выполнении работ малой точности, не требующих большого зрительного напряжения, увеличение освещенности рабочего места повышает производительность труда на 2 — 3 %. Однако имеется предел, при котором дальнейшее увеличение освещенности почти не дает эффекта, поэтому необходимо улучшать качественные характеристики освещения.

2. Необходимо обеспечить достаточно равномерное распределение яркости на рабочей поверхности, а также в пределах окружающего пространства. Если в поле зрения находятся поверхности, значительно отличающиеся между собой по яркости, то при переводе взгляда с ярко освещенной на слабо освещенную поверхность глаз вынужден пере адаптироваться, что ведет к утомлению зрения.

Для повышения равномерности естественного освещения осуществляется комбинированное освещение. Светлая окраска потолка, стен и производственного оборудования способствует созданию равномерного распределения яркостей в поле зрения.

3. На рабочей поверхности должны отсутствовать резкие тени. Наличие резких теней создает неравномерное распределение поверхностей с различной яркостью в поле зрения, искажает размеры и формы объектов различения, в результате повышается утомляемость, снижается производительность труда. Особенно вредны движущиеся тени, которые могут привести к травмам. Тени необходимо смягчать, применяя, например, светильники со светорассеивающими молочными стеклами.

В производственных отделах необходимо предусматривать на окнах солнцезащитные устройства (жалюзи, козырьки, светорассеивающие стеклопластики), предотвращающие проникновение прямых солнечных лучей, которые создают на рабочих местах резкие тени.

4. В поле зрения должна отсутствовать прямая и отраженная блескость. Блескость — повышенная яркость светящихся поверхностей, вызывающая нарушение зрительных функций (ослепленность), т. е. ухудшение видимости объектов.

Видимость V характеризует способность глаза воспринимать объект; зависит от освещенности, размера объекта, его яркости, контраста объекта с фоном, длительности экспозиции. Видимость определяется числом пороговых контрастов в контрасте объекта с фоном:

V=K/Knop, (8.2)

где (Кпор — пороговый контраст, т. е. наименьший различимый глазом контраст, при небольшом уменьшении которого объект становится неразличимым на фоне.

Прямая блескость связана с источниками света, отраженная возникает на поверхности с большим коэффициентом отражения или отражением по направлению к глазу. Ослепленность приводит к быстрому утомлению и снижению работоспособности. Критерием оценки слепящего действия, создаваемого осветительной установкой, является показатель ослепленности Ро значение которого определяют по формуле

Ро= (V1/V2— 1) • 1000, (8.3)

где V1 и V2— видимость объекта различения соответственно при экранировании и наличии ярких источников света в поле зрения. Экранирование источников света осуществляют с помощью щитков, козырьков и т. п.

Прямую блескость ограничивают уменьшением яркости источников света, правильным выбором защитного угла светильника, увеличением высоты подвеса светильников. Отраженную блескость ослабляют правильным выбором направления светового потока на рабочую поверхность, а также изменением угла наклона рабочей поверхности. Там, где это возможно, следует заменять блестящие поверхности матовыми.

5. Величина освещенности должна быть постоянной во времени. Колебания освещенности, вызванные резким изменением напряжения в сети, имеют большую амплитуду, каждый раз вызывая переадаптацию глаза, приводят к значительному утомлению. Пульсация освещенности связана также с особенностью работы газоразрядных ламп.

Коэффициент пульсации освещенности Kп - критерий оценки относительной глубины колебаний освещенности в результате изменения во времени светового потока газоразрядных ламп при питании их переменным током.

Коэффициент пульсации освещенности Кп % следует определять по формуле

Кп= 100 (Emax—Emin)/2Ecp, (8.4)

где Emax, Emin и Ecp — максимальное, минимальное и среднее значения освещенности за период ее колебания, лк.

Постоянство освещенности во времени достигается стабилизацией питающего напряжения, жестким креплением светильников, применением специальных схем включения газоразрядных ламп. Например, снижение коэффициента пульсации освещенности люминесцентных ламп с 55 до 5 % (при трехфазном включении) приводит к уменьшению утомления и повышению производительности труда на 15 % для работ высокой точности.

6. Следует выбирать оптимальную направленность светового потока, что позволяет в одних случаях рассмотреть внутренние поверхности деталей, в других - различить рельефность элементов рабочей поверхности.

7. Следует выбирать необходимый спектральный состав света. Это требование особенно существенно для обеспечения правильной цветопередачи, а в отдельных случаях для усиления цветовых контрастов.

Правильную цветопередачу обеспечивают естественное освещение и искусственные источники света со спектральной характеристикой, близкой к солнечной. Для создания цветовых контрастов применяют монохроматический свет, усиливающий одни цвета и ослабляющий другие.

8. Все элементы осветительных установок—светильники, групповые щитки, понижающие трансформаторы, осветительные сети—должны быть достаточно долговечными, электробезопасными, а также не должны быть причиной возникновения пожара или взрыва. Обеспечение указанных условий достигается применением зануления или заземления, ограничением напряжения для питания местных и переносных светильников до 42 В и ниже (36, 24, 12 В), выбором оборудования, соответствующего условиям среды в помещениях, и защитой элементов осветительных сетей от механических повреждений при эксплуатации. Кроме того, необходимо уменьшить до минимума теплоту, выделяемую осветительной установкой, и шум.

9. Установка должна быть удобной и простой в эксплуатации, отвечать требованиям эстетики.

Окна, обеспечивают освещение, соответствующее рабочему помещению в дневной период. Это относится к рабочим помещениям, глубина которых приблизительно в два-три раза больше расстояния, отделяющего верх окна от подоконника. Это имеет значение только для светлых окон и для окон с относительно малой площадью переплетов.

Дополнительное электрическое освещение, соответствующим образом дополняющее дневной свет, может улучшить распределение светлоты в глубоких рабочих помещениях и исключить зоны полутени в частях помещения, удаленных от окон.

8.6 Естественное освещение

Уровни освещенности, создаваемые дневным светом, изменяются в течение дня и зависят в значительной мере от состояния неба, загрязненности, ориентации окон или кровельных фонарей, а также от географического положения. Ввиду постоянного изменения яркости неба расчеты освещенности от дневного света в основном заключаются в учете средней продолжительности времени за день, месяц или год, когда естественное освещение рабочей поверхности обеспечивает или превышает требуемую для работы освещенность. В остальное время следует использовать электрическое освещение. Время использования дневного света в часы ежедневной работы позволяет предопределить возможную экономию энергии и себестоимости, обусловливаемые использованием естественного освещения.

Возможные расчеты, учитывающие ориентацию, должны основываться на известном распределении яркости в помещении при средних условиях свечения неба (средних за длительный период).

8.7 Естественное и искусственное освещение

Искусственное освещение дополняет естественное освещение или его заменяет полностью, когда один дневной свет не может обеспечить достаточную освещенность рабочей поверхности. Освещенность, обеспечиваемая электрическим освещением, предусматривается исходя из наиболее неблагоприятных условий естественного освещения, то есть при полном его отсутствии. Устройство переключения и/или регулирования должно быть установлено таким образом, чтобы можно было воспользоваться электрическим освещением в любой момент и в любом месте, если освещенность, обеспечиваемая дневным светом, упадет ниже необходимого значения.

В некоторых рабочих помещениях может быть необходимым освещение комнаты полностью электрическим светом. Особое внимание в этом случае следует уделять яркости поверхности стен, потолков и полов. Это необходимо потому, что комната с темными стенами и слабой вертикальной освещенностью кажется мрачной, даже если рабочая поверхность освещена надлежащим образом.

8.8 Общее освещение помещения

Соотношения между яркостями и цветами поверхностей в окружающем пространстве должны соответствовать назначению рабочего помещения, создавать приятную в зрительном смысле атмосферу и не должны вызывать ослепления.

Среди целей, которые следует достичь, чтобы наилучшим образом использовать общее освещение помещения, можно указать следующие (не указывая их в порядке приоритета):

• обеспечить в помещении световую обстановку, способствующую выявлению его назначения;

• обеспечить благоприятные условия для общения и безопасности передвижения внутри рабочего помещения;

• способствовать концентрации внимания на рабочей зоне;

• обеспечить пониженные уровни яркости вне рабочей зоны;

• получить естественное изображение лиц и смягчить резкие тени, осуществляя правильное соотношение прямого и рассеянного освещения;

• придавать служащим и обстановке помещения приемлемый "естественный" вид, используя источники света с хорошей цветопередачей;

• осуществить в рабочем помещении приятное сочетание яркости и цвета, способствующих хорошему самочувствию работающих, и снизить напряжения (ИСО 6385), вызываемые деятельностью. Возможным решением является наличие небольших ярких поверхностей в окружающем зрительном пространстве, но не по оси зрения при выполнении задания;

Некоторые из вышеуказанных перечислений могут оказаться противоречащими друг другу, и следует находить удовлетворительные компромиссы, не затрагивая, однако, безопасности и комфортности служащих.

В таблице 8.1 приведены ряды освещенности для различных типов поверхностей, заданий и видов деятельности. Значения освещенности зависят от визуальных требований для выполнения задания, практического опыта и необходимости оптимального использования энергии с наименьшими затратами. Они должны обеспечить удовлетворительную зрительную работоспособность и комфортное состояние работников. Для каждого типа поверхности, задания или для вида деятельности указан ряд трех уровней освещенности.

Таблица 8.1 - Ряды освещенности для различных типов поверхностей, заданий и видов деятельности

Ряды освещенности, лк	Тип поверхности, задания или вида деятельности
20; 30; 50	Наружные рабочие площадки и улицы
100; 150; 200	Рабочие помещения, не используемые постоянно для работы
200; 300; 500	Задания с низкими требованиями к условиям зрительного восприятия
300; 500; 750	Задания со средними требованиями к условиям зрительного восприятия
500; 750; 1000	Задания с требованиями к зрительному восприятию
750; 1000; 1500	Задания с трудными условиями зрительной работы
1000; 1500; 2000	Задания с особыми требованиями к условиям зрительной работы
Св. 2000	Задания с чрезвычайно высокими требованиями к условиям зрительной работы

Наивысшие значения освещенности из указанного ряда могут быть рекомендованы, когда:

• коэффициенты отражения поверхностей или контрасты в поле зрения при выполнении задания являются исключительно низкими;

• исправление ошибок является особенно дорогостоящим;

• результат работы является критическим;

• точность или высокая производительность труда имеет большое значение;

• этого требуют особенности зрительной системы работника.

• Наименьшие значения освещенности из указанного ряда могут быть использованы, когда:

• коэффициенты отражения поверхностей или контрасты в поле зрения при выполнении задания являются исключительно высокими;

• скорость выполнения или точность имеют второстепенное значение;

• задание выполняется нерегулярно.

Многие рабочие помещения кажутся темными при внутренней освещенности 200 лк, поэтому минимальная рекомендуемая освещенность для длительной работы в одном рабочем пространстве составляет 200 лк независимо от легкости зрительного задания.

При создании осветительных систем иногда необходимо сочетать общее освещение и местное освещение, чтобы обеспечить повышенную освещенность на определенных участках. Оно может применяться для зрительных работ с мелкими деталями или для работ, предъявляющих особые требования, например направленность освещения. В обоих случаях дополнительное местное освещение может быть необходимым.

8.9 Мерцание и стробоскопический эффект

Свет, излучаемый любыми лампами, питающимися от сети переменного тока, характеризуется периодическими колебаниями, небольшими для ламп накаливания и люминесцентных ламп, но намного заметными для газоразрядных ламп. Эти колебания вызывают ощущение мерцания или стробоскопические эффекты, или оба вместе. Основные периодические колебания частотой 100 (120) Гц характерны для светового потока ламп, работающих на переменном токе частотой 50 (60) Гц. Эти колебания происходят очень быстро и редко могут быть замечены глазом. В некоторых люминесцентных лампах, однако, также присутствуют колебания частотой 50 (60) Гц, особенно возле электродов, на краях лампы, и некоторыми людьми воспринимаются как мерцание. Это ощущение можно устранить, прикрывая соответствующим образом концы люминесцентных ламп. Мерцание обычно усиливается в связи со старением люминесцентных ламп и может быть устранено регулярной заменой ламп.

Мерцание светового потока газоразрядных ламп, ртутных ламп высокого давления, метало - галогенных и натриевых ламп ощущается в большей степени для ламп в прозрачной колбе, чем для ламп в колбе с люминесцентными покрытиями.

Мерцание, вызванное непериодическими колебаниями напряжения питания, хотя обычно заметно, не представляет сложности.

Стробоскопический эффект, создаваемый вращающимися машинами и другими движущимися объектами, является помехой, если стробоскопическое изображение появляется на объекте, требующем постоянного внимания. Это может быть опасным, если дело касается вращающихся частей машины, создавая ложное впечатление малой скорости, неподвижности или даже вращения в противоположном направлении. Все это представляет потенциальный риск. Этого можно избежать, освещая вращающиеся узлы машин индивидуальными лампами накаливания. Однако стробоскопический эффект часто специально применяется для контроля.

Стробоскопический эффект может быть уменьшен распределением ламп на три фазы или использованием в люминесцентных лампах двойных цепей с фазовым сдвигом. Наиболее эффективным способом снижения эффектов мерцания и стробоскопических эффектов является питание ламп током высокой частоты.

ЗАКЛЮЧЕНИЕ

Практическая значимость результатов работы определяется сле­дующим: Разработана цифровая измерительная система дефектов шва на базе матричных фотоприборов с за­рядовой связью. Разработанное для измерительной системы алгорит­мическое и программное обеспечение позволяет производить анализ первичного изображения в реальном масштабе времени. Внедрение в отделочное производство разработанной микропроцессорной системы измерения дефектов шва является на­чальным этапом автоматизации отделочного производства и позволит существенно повысить качество и сортность выпускаемой продукции.

Целью данной работы было исследование методов улучшения качества изображений.

В работе был проведен сравнительный анализ методов улучшения качества изображения. Самое главное, была разработана систематизация рекомендаций по применению рассмотренных методов, то есть теперь известно в каком случае требуется применить тот или иной метод обработки изображения.

Как уже ранее отмечалось, теории улучшения качества. Всё определяется конкретным методом обработки изображения с конкретными целями его преобразования.

В данной работе было рассмотрено большое количество методов по обработке изображений и программы, реализующие данные методы. Проведенные исследования показали, что невозможно выделить какой-то определенный метод повышения качества изображения. Все зависит, в первую очередь от самого изображения, и от того, какой результат необходимо достигнуть с помощью его обработки. Исходное изображение, которое подвергается обработке, может быть слишком светлым, либо слишком темным, или иметь другие недостатки, например, слабую контрастность или шумы. Именно от того, в каком состоянии находится изображение, зависит то, какой метод обработки будится применяться для достижения результата.

Никогда нельзя точно сказать, какой метод будет наиболее эффективным.

На конкретных изображениях с помощью программы MATLAB были смоделированы рассмотренные методы и проверены данные нами рекомендации. Проведенные эксперементальные исследования показали, что все предложенные в работе методы по обработке изображения могут дать достойные результаты.

Метод эквализации действительно оказался прост в своей реализации и показал свою эффективность на изображениях требующих проведения данного метода обработки. Результат демонстрирует высокое улучшение качества изображения.

Методы выделения краев и подчеркивания границ хорошо подошли для повышения качества изображения. Изменяя порог для определения принадлежности пикселя к границе, смогли добиться изображения, комфортного для восприятия. На некоторых изображениях пришлось перед началом применения метода осуществить устранение шумов.

Нужно заметить, что методы по устранению шумов на изображении зависят от природы шума.

Так, например, медианная фильтрация изображений показала эффективные результаты, где шум на изображении имеет импульсный характер. Восстановленное изображение лишь незначительно отличается от исходного изображения и значительно лучше, с точки зрения визуального восприятия, зашумленного изображения.

Методы реализованные с помощью операции сглаживания выявили определенный недостаток. Недостаток этого метода, в отличие от метода медианной фильтрации, состоит в том, что он привел к размыванию границ объектов изображения. Эти методы служат основой для построения других более сложных методов решения задач по устранению шумовой составляющей на изображениях.

Подводя итог, следует отметить, что универсальных методов по улучшению качества изображения нет и к обработке каждого изображения следует подходить индивидуально.

СПИСОК ИСПОЛЬЗОВАННЫХ ИСТОЧНИКОВ

1.Антонью А. Цифровые фильтры анализ и проектирование / Под редакцией CA. Попырко ,-М.:Радио и связь, 1983.-320с.

2.Зайцев В.Е. Разработка и Исследование цифровой измерительной системы ./Автореферат на соискание ученой степени к.т.н. СПБ 2000

3. Алиев Т.М. Быстродействующая система распознавания образов фигур произвольной формы на основе матричных Ш С //

Тез.док.IV Всесоюз.совещ./Алтайский политехн.ин-т.- Барнаул: НИИ автоматизации производственных процессов, 1987.-с.57.

4. Аксененко М. Д.,Бараночников М. Л. Приемники оптического излучения: Справочник.-М.: Радио и связь ,1987,-296 с.,ил.

5. Анисимов A.A. ,Бурков А.П. ,Тарарыкин СВ. Микропроцессорная система контроля и регулирования плотности ткани //Тез.докл. Международной научно-технической конф. << Теория и практика разработки оптимальных технологических процессов и конструкций в текстильном производстве>>.-Иваново ,1996.-0 296-297.

6. Анисимов А.А Разработка цифровой системы контроля и регулирования плотности ткани ./Автореферат на соискание ученой степени к.т.н. Иваново 1999 ,

7. Бутаков Е, А,,Островский В, И.,Фадеев И. Л. Обработка изображений на ЭВМ.; Радио и связь. 1986.250 с.

8. Быстрые алгоритмы в цифровой обработке изображений: Пер. с англ. Под ред. Т. Хуанга. М.: Радио и связь. 1984. 221 с,

10. http://ru.wikipedia.org

11. http://matlab.exponenta.ru

12. Балдин, Константин Васильевич. Управленческие решения [Текст] : учебник / К. В. Балдин, С. Н. Воробьев, В. Б. Уткин. - 4-е изд. - М. : Дашков и К°, 2007. - 494 с

119