Глава 7. ПРЕПАРИРОВАНИЕ ИЗОБРАЖЕНИЙ

7.1. Задачи препарирования и визуальный анализ изображений

Как уже отмечалось, в прикладных и научных задачах часто оказывается недостаточным представить наблюдателю объект с помощью идеальной изображающей системы. При решении сложных задач, требующих скрупулезного анализа изображений (поиск, идентификация объектов, определение разного рода количественных характеристик, обобщающие описания и т. п.), желательно вооружить зрение, т. е. дать наблюдателю средства, облегчающие интерпретацию изображений, извлечение из них информации. Это, во-первых, технические средства и, во-вторых, методы обработки видеосигнала. Эту обработку, выступающую как вспомогательное средство визуальной интерпретации изображений, мы называем препарированием изображений.

В отличие от коррекции изображающих систем препарирование можно рассматривать как коррекцию способа взаимодействия датчика видеосигнала с объектом. Например, в медицинской рентгеноскопии для увеличения контраста деталей снимка пациенту приходится вводить специальные контрастирующие вещества. Но в принципе информация об этих деталях содержится и в снимке, полученном без такого вещества, только зрительно трудно ее воспринять. Компенсировать этот недостаток процесса съемки можно с помощью специальной обработки снимка, или его препарирования.

Препарирование давно используется в научной и даже художественной фотографии и технике визуализации информации. Достаточно вспомнить о методах графического изображения, о таких приемах, как соляризация при изготовлении фотоотпечатков, метод «нерезкого маскирования», построение изофот, воспроизведение изображений в псевдоцветах и т. д. [31]. Естественно, что методы препарирования во многом определяются используемыми техническими средствами. Можно без преувеличения сказать, что по многообразию возможных методов препарирования и удобству организации необходимого

при препарировании диалогового (интерактивного) режима обработки, т. е. обратной связи от наблюдателя к процессу обработки, цифровая техника обработки сигналов благодаря своей универсальности и гибкости не имеет себе равных.

Развитие вычислительной техники и средств визуализации информации на выходе цифровых процессоров открывает в настоящее время перспективу создания диалоговых систем препарирования изображений, в которых наблюдатель, или, как принято говорить, пользователь, при наличии развитого математического (программного) обеспечения может, работая с изображением, подвергать его по своему выбору разнообразным преобразованиям и принимать необходимые решения по результатам непосредственного наблюдения за изображением в процессе обработки. По существу можно говорить о создании робота, усиливающего не только чисто оптические свойства зрения, но и его аналитические свойства.

Методы препарирования изображений могут быть разбиты на два больших класса: обработка признаков и геометрические преобразования.

Обработка признаков — это извлечение, измерение и визуализация тех характеристик видеосигнала, или признаков, которые наиболее информативны для зрения в данной задаче анализа. Например, хорошим зрительным признаком, необходимым для узнавания объектов на изображениях, являются границы объектов. Другими признаками могут быть, например, яркость, цвет, степень неоднородности объектов, или текстура и т. д. Мы рассмотрим несколько линейных и нелинейных методов обработки признаков: адаптивное квантование мод, повышение локальных контрастов посредством нелинейного преобразования значений видеосигнала, методы оконтуривания и построения графических препаратов.

К геометрическим преобразованиям относятся все виды обработки, связанной с преобразованием вида плоской проекции трехмерных тел. Наиболее характерные задачи этого типа встречаются при обработке аэрофотоснимков и космических снимков для составления карт. Иногда требуется произвести геометрические преобразования изображений, чтобы сопоставить два или несколько полученных в разных условиях изображений одного и того же объемного тела. К этому же классу

задач препарирования изображений можно отнести также задачи восстановления многомерных сигналов по их проекциям. Такого рода задачи возникают, например, в медицине и дефектоскопии, когда по нескольким рентгенограммам тела, снятым под разными ракурсами, требуется восстановить внутреннюю структуру этого тела.