Големина на текста:
6.1.УВОД
Изображенията с нива на сиво са носители на геометрична
информация, която позволява да се анализира обемната (2.5-D) форма
на обектите и да се изследват геометричните им релации в средата.
Получени чрез преобразуване на аналоговия входен сигнал в 256
целочислени градации или нива на сиво, тези изображения са
подложени на силното въздействие от случайни шумове, възникващи в
средата, в преобразувателя или интерфейса на сензорната система.
Информацията за средата се представя с подреден масив от
целочислени градации, които дефинират описание с голям обем и
ниска степен на структурираност (т.е. концентрация на полезна
информация на данните. Изброените особености обуславят значително
по-голямата роля на операциите за предварителна обработка, по
сравнение с класа на двуградационните изображения.
Предварителната обработка се осъществява с алгоритми за
хомогенизиране на диапазона от нива на сиво, филтрация и
преобразуване на входнте изображения във вътрешни изображения на
сензорната система.
6.2 ХИСТОГРАМЕН АНАЛИЗ
Алгоритмите за анализ и преобразуване на хистограмата на
нивата на сиво са обособени в отделен клас с подчертано практическо
приложение на етапа за предварителна обработка. В общ случай, те се
използуват за изследване честотата на срещане на градациите във
входното изображение и в съчетание с монадични и диадични
оператори (т.2.3) позволяват да се подобри динамиката на
изображенията с нива на сиво, чрез равномерно запълване на
динамичния диапазон. В частен случай, хистограмният анализ
обуславя съществена редукция на информационния излишък чрез
преход от изображение с нива на сиво към бинарно изображение.
Това преобразуване се прилага успешно в случаите на високо отношение
сигнал/шум и висока контрастност между обектите и фона във
входното многоградационно изображение. Чрез прехода към бинарно
описание на обектите се влиза в класа на простите и бързи в
изчислително отношение алгоритми за анализ и разпознаване на
двуградационни изображения, които широко се прилагат в
промишлените сензорни системи за адаптивни роботи.
Хистограмата на изображение съдържа информация за
разпределението на нивата на сиво в изследваното изображение. Тя се
получава с алгоритъм за сканиране на изображението, който чете
нивото на сиво р във всеки пиксел и прибавя единица към броя h(р)
на пиксели с ниво р. Хистограмата е целочислена функция от
целочислен аргумент р, който приема стойности в диапазона от
разрешени нива на сиво р=[0,255].
Фиг.3.1. Бимодална хистограма на изображение с висок контраст между
обектите и фона
Кумулативната хистограма Н(р) е друга полезна форма зa
описание на честотата на срещане на градациите (Фиг.3.2). Тя сe
използува, съвместно с h(р), за изравняване на разпределението нa
нивата в динамичния диапазон р=[0, 255]. Кумулативната хистограмa
се получава чрез преход в h(р) от р=0 до р=255 и прибавяне нa
сумарния брой пиксели от предишните нива към броя пиксели в
текущото ниво (Фиг.3.2):
Фиг.3.2. Кумулативна хистограма h(р)
Анализът на хистограмата позволява да се изследва
разпределението на нивата във входното изображение. Ако това
разпределение заема малка част от работния диапазон от нива на
сиво р=[0,255], входното изображение е с ниска динамика и подлежи
на преобразуване. Повишаването на динамиката на изображението се
извършва с линейни, по-части линейни функции за преобразуване
или функции от по-висок ред. Операторите от този клас преобразуват
нивата на входното изображение, като приравняват най-ниското
регистрирано ниво към нулата, най-високото регистрирано ниво към
ниво Z=255 на вътрешното изображение, а междинните нива
получават нови целочислени стойности, разпределени по закона,
зададен от функцията за преобразуване. Най-разпространеният
оператор за линейно разширяване на диапазона от нива на сиво
(Фиг.3.3) се представя формално с :
където: w{x,у), u(х,у) са респективно преобразуваното и входното
ниво на сиво, а h
1ow
, h
hi
са най-ниското и най-високото ниво на сиво във
входното изображение (Фиг.3.3). .Полученото ниво на сиво се
закръглява до целочислена стойност.
Използуването на по-части линейни функции за преобразуване
или функции от по-висок ред е свързано с априорни съображения за
търсене на полезната геометрична информация в ниската, високата
част или средата на диапазона от нива на сиво на входното
изображение. Тези зависимости обуславят сгъстяване на нивата в
неинформативните части от диапазона за сметка на разширяване на
диапазона от нива, носещи полезна информация за обектите (Фиг.3.4):
В направлението цифрова обработка на изображения се прилагат
преобразуващи функции от по-висок ред, сред които са функцията на
Релей, експоненциалната функция, хиперболическа функция и др.
[19]. Всяка от тези функции разширява определени части от
диапазона от нива на сиво, където е концентрирана полезната
информация за обектите в средата.
Фиг 3.3. Линейно преобразуване на нивата на сиво на изображението U в
изображението W
Фиг.3.4. Разширяване на диапазона от нива на сиво на обект за сметка на
фона (В) с по-части линеен оператор Р(n).
Преобразуването на изображение с низа на сиво в бинарно с цел
използуването на бързи, изчислително-ефективни алгоритми на по-
високите нива на анализа, е операция, която се реализира надеждно
при висок контраст между обектите и фона, обуславящ получаването на
бимодална хистограма (Фиг.3.1). При наличие на добре изразени два
локални максимума в обвивката на хистограмата, се търси минимума
в долината между тях за определяне на праговото ниво за бинаризация
на изображението. Тази операция се осъществява автоматично от
програмното осигуряване на ниското ниво. За целта в първия етап от
изследването на хистограмата се определя разположението на двата
максимума. Пресича се обвивката на хистограмата с прагова
стойност, която нараства до откриване на нивата, в които сеченията
на локалните максимуми се свиват до сегменти с единична ширина
(Фиг.3.5-1). Във втория етап (Фиг.3.5-П) двата максимума се съединяват
с праволинеен сегмент и се търси най-голямото разстояние от сегмента
до обвивката на хистограмата. Нивото на сиво, което съответства на
това измерване, се приема за праг за бинаризация.

Това е само предварителен преглед

За да разгледате всички страници от този документ натиснете тук.

Компютърно зрение

Компютърно зрение - хистограмен анализ, преобразуване нивата на сиво, филтрация на изображенията с нива на сиво...
Изпратен от:
SMM
на 2010-05-18
Добавен в:
Лекции
по Автоматика, изчислителна техника
Статистика:
71 сваляния
виж още
 
Подобни материали
 

Теми по автоматизираната обработка на икономическата информация (АОИИ) pro

20 ное 2015
·
3
·
29
·
9,332
·
48
·
20.00 лв.

Еволюция от индустриален към информационен модел на развитие: а) информация и информационен ресурс - превръщането на информацията в стратегически ресурс...
 
Онлайн тестове по Автоматика, изчислителна техника
test 343434
изпитен тест по Автоматика, изчислителна техника за Родители от 2 клас
test 343434
(За отличници)
35 минути
1
13
1
11.09.2014
Тест по електрически елементи на системите за автоматизация
тематичен тест по Автоматика, изчислителна техника за Ученици от 11 клас
Общи сведения и видове датчици. Електрически генераторни датчици. Параметрични датчици. Сравняващи устройства. Изпълнителни механизми и регулиращи органи. Тематичен тест по автоматика и изчислителна техника. Въпросите са само с един верен отговор.
(Лесен)
22
34
1
24.08.2012
» виж всички онлайн тестове по автоматика, изчислителна техника

Компютърно зрение

Материал № 510807, от 18 май 2010
Свален: 71 пъти
Прегледан: 88 пъти
Предмет: Автоматика, изчислителна техника
Тип: Лекция
Брой страници: 17
Брой думи: 1,255
Брой символи: 8,012

Потърси помощ за своята домашна:

Имаш домашна за "Компютърно зрение"?
Намери бързо решение, с помощтта на потребители на Pomagalo.com:

Последно видяха материала