Принципы компьютерной обработки изображений

Изображения играют в нашей жизни огромную роль. В начале развития науки и техники существовал только один способ регистрации изображений – их зарисовка. При перерисовке изображения явления неминуемо возникали неточности. Это сильно затрудняло продвижение научных исследований.

В наше время все большую роль в научных исследованиях и повседневной жизни занимают изображения, регистрируемые на фотоаппарат, видеокамеру и т.д.

Изображения, сформированные различными оптико-электронными системами и зарегистрированные с помощью разнообразных приёмников искажаются действием помех различного характера. Искажения изображения вносятся всеми компонентами изображающего прибора, начиная с осветительной системой (например, неравномерность освещенности предмета). Искажения, которые вносит оптическая система, известны еще на этапе её проектирования и называются аберрации. Искажения, которые вносят электронные приёмники излучения, например ПЗС-матрицы, называются электронный шум. Помехи затрудняет визуальный анализ изображения и его автоматическую обработку.

Ослабление действия помех достигается фильтрацией. При фильтрации яркость (сигнал) каждой точки исходного изображения, искаженного помехой, заменяется некоторым другим значением яркости, которое признается в наименьшей степени искаженным помехой. Для выполнения фильтрации необходимо выработать принципы таких преобразований, которые основываются на том, что интенсивность изображения изменяется по пространственным координатам медленнее, чем функция помех. В других случаях, наоборот, признаком полезного сигнала являются резкие перепады яркости.

Цифровая обработка и распознавание изображений - одно из интенсивно развиваемых направлений исследования.

Компьютерная обработка изображений предполагает обработку цифровых изображений с помощью компьютеров или специализированных устройств, построенных на цифровых сигнальных процессорах.

При этом под обработкой изображений понимается не только улучшение зрительного восприятия изображений, но и классификация объектов, выполняемая при анализе изображений. В 60-е годы прошлого века получила развитие особая наука об изображениях – «иконика», которая посвящена исследованиям общих свойств изображений, целей и задач их преобразования, обработки и воспроизведения, распознавания графических образов. Термин «иконика» происходит от греческого «eikon», что означает изображение, образ. Сегодня под ним понимают «создание и обработку изображений с помощью ЭВМ, что совпадает с понятием компьютерной обработки изображений.

В компьютере изображение хранится на жестком диске в виде отдельного файла графического формата. Самым распространенным графическим форматом представления изображения в компьютере является BMP. В этом формате изображение хранится без потерь и искажений, которые являются результатом сжатия изображений (как например графический формат JPEG) в виде битовой матрицы. Минимальный неделимый элемент битовой матрицы – пиксель. Совокупность пикселей образует изображение [7].

Пиксель характеризуется определенным цветом и определенной яркостью. Воздействуя на эти характеристики каждого пикселя – элемента изображения, можно изменять качественные характеристики изображения в зависимости от поставленной задачи.

В методах фильтрации при оценке реального сигнала в некоторой точке кадра принимают во внимание некоторое множество (окрестность) соседних точек, воспользовавшись определенной похожестью сигнала в этих точках. Понятие окрестности является достаточно условным. Окрестность может быть образована лишь ближайшими по кадру соседями, но могут быть окрестности, содержащие достаточно много и достаточно сильно удаленных точек кадра. В этом случае, степень влияния (вес) далеких и близких точек на решения, принимаемые фильтром в данной точке кадра, будет совершенно различной. Таким образом, идеология фильтрации основывается на рациональном использовании данных как из рабочей точки, так и из ее окрестности.

При решении задач фильтрации используют вероятностные модели изображения и помехи, и применяют статистические критерии оптимальности. Это связано со случайным характером помехи и стремлением получить минимальное в среднем отличие результата обработки от идеального сигнала. Многообразие методов и алгоритмов фильтрации связано с большим разнообразием математических моделей сигналов и помех, а также различными критериями оптимальности.

Однако, несмотря на их множество можно объединить методы фильтрации изображений в несколько групп (рисунок 1.1).

Точечные методы. В этом виде обработки применяются алгоритмы, которые изменяют значения яркости элементов изображения исходя из исходных значений яркости этих элементов и их положения в битовой матрице изображения

Гистограммные методы. В этой группе методов фильтрация осуществляется исходя из статистических характеристик изображения. Могут выполняться эквализация гистограммы или формирование заданной гистограммы.

 

Методы фильтрации

 

Точечные	Гистограммные	Пространственные	Частотные

Рисунок 1 – Классификация методов фильтрации

 

Пространственная обработка изображений. В этом виде обработки применяются алгоритмы, которые изменяют значения яркости элементов изображения, основываясь не только на значении яркости изменяемого элемента, но и элементов вокруг него. При этом учитываются пространственные статистические характеристики изображения.

Частотные методы фильтрации. В данном случае обработка производится в частотной (спектральной) области. В некоторых случаях эти методы позволяют отфильтровать изображения намного проще, чем пространственные (например, если на изображении присутствуют шумы с частотой, значительно отличающейся от частот на изображении).

Следует отметить, что данные методы обработки сигналов могут применятся как по отдельности, так и, в совокупности – последовательно. Но надо учитывать, что конечный результат сильно зависит от порядка применения различных методов.

Для определенности необходимо уточнить некоторые определения. Пространственная разрешающая способность изображения — это число выборок, используемых для описания изображения. Чем выше пространственная разрешающая способность, тем большее количество единичных элементов в изображении (пикселей) приходится на единицу площади, тем выше качество изображения. Яркость изображения — это общее значение уровней, используемых для того, чтобы выразить значение интенсивности элементов в изображении. Яркостное изображение связано с числом бит, используемых для хранения каждого элемента изображения. Под фильтрацией изображений будем понимать любые методы обработки изображений, направленные на изменение яркостных, пространственных, статистических, частотных характеристик изображения с целью выделить какие-либо особенности изучаемой картины.

 

Области применения цифровой обработки в настоящее время значительно расширяются, вытесняя аналоговые методы обработки сигналов изображений. Методы цифровой обработки широко применяются в промышленности, искусстве, медицине, космосе. Они применяются при управлении процессами, автоматизации обнаружения и сопровождения объектов, распознавании образов и во многих других приложениях.

Цифровая передача изображений с космических аппаратов, цифровые каналы передачи сигналов изображений требуют обеспечения передачи все больших потоков информации. Если при передаче цифрового сигнала цветного телевидения необходимо передавать потоки порядка 216 Мбит/с, то для передачи телевидения высокой четкости скорость передачи должна составлять порядка 1 Гбит/c. Формирование изображений, улучшение качества и автоматизация обработки медицинских изображений, включая изображения, создаваемые электронными микроскопами, рентгеновскими аппаратами, томографами и т.д., являются предметом исследования и разработки. Сегодня в медицинской технике широко применяются системы формирования изображения, его преобразования в цифровую форму, визуализация и документирование путем введения в компьютер изображений с помощью специализированных устройств захвата видео.

Автоматический анализ в системах дистанционного наблюдения широко применяется при анализе местности, в лесном хозяйстве, например, для автоматического подсчета площади вырубок, в сельском хозяйстве для наблюдения за созреванием урожая, при разведке, в системах противопожарной безопасности. Контроль качества производимой продукции выполняется благодаря автоматическим методам анализа сцен.

Компьютерная обработка изображений применяется в задачах экспертизы живописи неразрушающими методами. Для восстановления старых фильмов применяются методы автоматической компенсации дефектов видеоматериала, полученного после преобразования киноизображения в видео.

Сегодня трудно представить область деятельности, в которой можно обойтись без компьютерной обработки изображений. Интернет, сотовый телефон, видеокамера, фотоаппарат, сканер, принтер, так прочно вошедшие в наш быт, – немыслимы без компьютерной обработки изображений.

При компьютерной обработке изображений решается широкий круг задач, таких как улучшение качества изображений; измерение параметров; спектральный анализ многомерных сигналов; распознавание изображений; сжатие изображений.

Устройства формирования изображений получили широкое распространение и применение в самых различных областях науки, техники, промышленности, медицине, биологии и др. Они являются неотъемлемыми компонентами систем и устройств, применяемых в фотокинотехнике, телевидении, системах технического зрения: дневного, ночного и теплового видения, при дистанционном зондировании Земли. Назначение этих систем предполагает решение комплекса технических и научных задач, требующих синтеза и анализа методов обработки, бинаризации, классификации изображений. Развитие микроэлектроники, переход от аналоговой формы сигналов к цифровой позволяют расширить палитру и повысить сложность применяемых алгоритмов для решения поставленных задач.

 

⇐ Предыдущая123456Следующая ⇒

Поделиться: