Главная > Цифровые методы обработки и распознавания бинарных изображений
НАПИШУ ВСЁ ЧТО ЗАДАЛИ
СЕКРЕТНЫЙ БОТ В ТЕЛЕГЕ
<< Предыдущий параграф Следующий параграф >>
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 ИЗОБРАЖЕНИЙ

Применительно 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 ИЗОБРАЖЕНИЙ

Получение 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 ИЗОБРАЖЕНИЙ

Задача 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 точек одинаковой яркости. Последовательность чисел нулевых и единичных серий представляет собой код, задающий в ЭВМ бинарную сцену в виде последовательности чисел. Обобщением этого метода на двухмерный случай является блочное кодирование.

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 ИЗОБРАЖЕНИЙ

Данный 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
email@scask.ru