Пред.
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 След.
Макеты страниц
Распознанный текст, спецсимволы и формулы могут содержать ошибки, поэтому с корректным вариантом рекомендуем ознакомиться на отсканированных изображениях учебника выше Также, советуем воспользоваться поиском по сайту, мы уверены, что вы сможете найти больше информации по нужной Вам тематике ДЛЯ СТУДЕНТОВ И ШКОЛЬНИКОВ ЕСТЬ
ZADANIA.TO
1.2. ЗАДАЧИ ОБРАБОТКИ БИНАРНЫХ ИЗОБРАЖЕНИЙПрименительно к бинарным изображениям можно перечислить возникающие при их обработке задачи: формирование бинарных изображений из многоградационных, кодирование, фильтрация, обнаружение и распознавание. Рассмотрим их характерные особенности. 1.2.1. ФОРМИРОВАНИЕ БИНАРНЫХ ИЗОБРАЖЕНИЙПолучение бинарных изображений из исходных полутоновых достигается при проведении процедуры сегментации исходной многоградационной сцены, которая позволяет представить данную сцену в виде совокупности областей, «удовлетворяющих некоторому критерию однородности» [4]. Существуют два основных подхода к решению этой задачи, каждый из которых объединяет большое количество методов. Первый подход связан с проведением сегментации путем пороговой обработки неоднородных по яркости изображений, а второй — с выделением границ областей. Методы, реализующие эти подходы, описаны в [4, 5, 19]. Если после сегментации всем точкам сегментированного изображения присваивается один уровень яркости, а всем остальным — другой, то в результате получаем бинарную сцену, в которой изображения объектов имеют яркость, равную 1, а фон — яркость 0. При этом, естественно, в результате неизбежного действия шумов и помех некоторые точки фона будут иметь яркость, равную единице, а точки изображения—нулевую. Основным источником информации при выборе порога по яркости является гистограмма яркостей точек сцены. В связи с тем, что распределения яркостей фона и изображения имеют разные значения математических ожиданий, то суммарная гистограмма яркостей сцены будет иметь провал, соответствующий яркости границы между фоном и изображением (рис. 1.7-1.9). В результате гистограмма будет двухмодальной, и в соответствии с тем или иным критерием качества можно выбрать значение порогового уровня и достаточно надежно отделить изображения от фона. В реальных сценах изображения каждого объекта могут иметь свои распределения яркостей, а распределение фона характеризуется большим разбросом значений яркостей. В этих условиях двухмодальность гистограммы яркостей сцены практически не наблюдается, и задача сегментации значительно усложняется. В [5] приведен ряд методов, обеспечивающих
Рис. 1.7. Одномерный срез перепада яркости и гистограмма яркостей [4]
Рис. 1.8. Расположение и форма окон обнаружителя границ в сцене обоснованное принятие решения о принадлежности точки сцены к фону или изображению объектов. Ситуация с принятием решения еще больше усложняется при нестационарном по яркости фоне. В данном случае необходимо переходить к локально-оптимальным процедурам, когда порог по яркости выбирается не для всей сцены, а для каждого изображения в отдельности. При этом предполагается, что в пределах отдельного изображения нестационарность фона незначительна. Сегментация изображений методом выделения границ областей состоит в выделении граничных точек изображения.
Рис. 1.9. Взаимное расположение границы изображения и окон обнаружителя Обычно для этих целей используются дифференциальные операторы в виде масок Превитта, Собела, Кирша и др. Учитывая большую чувствительность таких операторов к шуму, перед сегментацией обычно производится предварительная обработка сцены, направленная на ее улучшение. После выделения граничных точек изображения переходят к формированию непрерывных границ областей (контуров) путем утоньшения полученных областей граничных точек и к удалению разрывов границ [5]. 1.2.2. КОДИРОВАНИЕ БИНАРНЫХ ИЗОБРАЖЕНИЙЗадача кодирования возникает в связи с представлением бинарных изображений в ЭВМ для их последующей обработки. По сравнению с кодированием многоградационных изображений в данном случае задача значительно легче из-за простоты бинарных изображений. Достаточно полно методы кодирования этих изображений рассмотрены в [17]. Силуэтные изображения кодируются длинами серий. При этом вдоль каждой строки растра изображения просчитывается количество Для графических изображений применяется векторное кодирование. При этом каждая линия на изображении имеет кусочно-ломаную аппроксимацию. Отрезки ломаной называются векторами и подлежат кодированию. Вектор задается граничными точками и шириной линии. Вопросы кодирования контурных изображений подробно рассмотрены в п. 4.2. 1.2.3. ФИЛЬТРАЦИЯ БИНАРНЫХ ИЗОБРАЖЕНИЙДанный вид обработки бинарных изображений, в основном, применяется для улучшения изображений и формирования достаточных статистик для принятия решения об обнаружении изображения объекта в бинарной сцене или об отнесении его к одному из классов. Вследствие того, что бинарные изображения являются частным случаем многоградационных, к ним применимы все способы пространственной фильтрации, достаточно подробно описанные в [5, 45]. Однако простота сцен дает возможность рассмотреть новые виды фильтров. (Вопросам фильтрации силуэтных изображений посвящена глава 3 данной книги, контурных изображений — глава 5.).
|
1 |
Оглавление
|