109. Принципы использования трехмерной машинной графики для различных отраслей промышленности и жизни.

Особый интерес к машинной графике стал проявляться в связи с развитием автоматизированных систем проектирования на базе ЭВМ, которые интенсивно разрабатываются и внедряются в настоящее время не только в машиностроении, приборостроении, радиоэлектронике, но и в текстильной промышленности и других отраслях.

Графическая информация составляет основной объем проектной и конструкторской документации, поэтому автоматизация этих работ на базе ЭВМ с применением средств машинной графики позволяет существенно облегчить труд проектировщика и конструктора и значительно повысить производительность их труда.

Машинная графика в настоящее время уже вполне сформировалась как наука. Существует аппаратное и программное обеспечение для получения разнообразных изображений - от простых чертежей до реалистичных образов естественных объектов. Машинная графика используется почти во всех научных и инженерных дисциплинах для наглядности восприятия и передачи информации. Знание её основ в наше время необходимо любому ученому или инженеру. Машинная графика властно вторгается в бизнес, где используется в различных приложениях бизнеса, включая разработку концепции, тестирование и создание новых продуктов, в медицину, рекламу, индустрию развлечений. Применение во время деловых совещаний демонстрационных слайдов, подготовленных методами машинной графики и другими средствам автоматизации конторского труда, считается нормой. В медицине становится обычным получение трехмерных изображений внутренних органов по данным компьютерных томографов. В наши дни телевидение и другие рекламные предприятия часто прибегают к услугам машинной графики и компьютерной мультипликации. Использование машинной графики в индустрии развлечений охватывает такие несхожие области как видеоигры и полнометражные художественные фильмы.

110. Принципы распознавания образов

Общая идея всех найденных алгоритмов заключается в следующем. Предположим, имеется изображение проекции некоторого трехмерного объекта из известного класса эталонных объектов. Тогда самый простой метод его распознавания будет заключаться в переборе всех возможных комбинаций проекций эталонных объектов и выбора среди них наиболее подходящих к изображенной проекции в соответствии с выбранной мерой сходства.

К наиболее целесообразным методам распознавания трехмерных объектов можно отнести следующие алгоритмы:

• Распознавание по контурному изображению проекции объекта. Здесь создается инвариантное по масштабу и углу поворота описание наблюдаемой проекции объекта по нескольким характерным точкам, лежащих на контуре объекта. Это описание позволяет сократить число перебираемых вариантов при распознавание трехмерных объектов.

• Распознавание 3D-объектов по адаптированным эталонам. В данном алгоритме для совмещения проекций трехмерных объектов предлагается выполнять имитационное моделирование эталонного объекта, учитывая направление источников света и атмосферные условия. Это позволяет точнее сопоставить наблюдаемую проекцию объекта с его эталонным аналогом при распознавании трехмерных объектов.

• Распознавание образов в условиях их неизвестной ориентации. Данный алгоритм подобен предыдущему с тем отличием, что здесь предполагается неизвестной ориентация трехмерного объекта в пространстве и для подбора нужной проекции необходимо перебирать все возможные варианты и проводить сравнение с наблюдаемой проекцией трехмерного объекта.

• Алгоритм распознавания и определения местонахождения повернутых объектов с измененным масштабом. В данном алгоритме формируется описание объекта на основе его контура. Для этого создается вектор, элементами которого являются расстояния от центра масс до точек, лежащих на контуре объекта. Затем, используя корреляционный подход, выполняется проверка соответствия одного описания другому путем сравнения с порогом величины взаимной ковариации.

• Распознавание образов по линиям контуров. Данный алгоритм также использует контурное описание проекции объекта, но в отличие от предыдущего выполняет векторизацию линий контуров, например, с использованием алгоритма Хафа. Затем для найденного объекта и проекции эталона находят границы, оставляя только самые длинные линии, и пытаются определить схожие комбинации расположения линий, относительно которых можно сопоставить изображения.

Предложенные выше алгоритмы позволяют увеличить скорость подбора нужной проекции.