Файл: Системы очувствления и адаптивные промышленные роботы..pdf
ВУЗ: Не указан
Категория: Не указан
Дисциплина: Не указана
Добавлен: 29.02.2024
Просмотров: 292
Скачиваний: 0
в декартовой системе координат X O Y при условии, что дискретные представления таких изображений, полученные в результате равно мерного квантования координат x и у, т. е. при квантовании значения функции / (х , у), берутся в равноотстоящих друг от друга точках изображения. Результатом квантования в пространстве, или, как иногда говорят, по полю изображения, является дискретное изобра жение — функция g (т, п), значения которой совпадают со значе ниями /( х, у) в точках:
х |
■--= Х0 + |
а хт\ |
у |
= у 0 + Ауп, |
где т = 0, 1, 2, ..., |
М — 1; |
п — |
0, |
1, 2, ..., N — 1. |
На каждом этапе формирования |
изображений вносятся аппара |
турные помехи (шумы), искажающие функцию / (х, у) по простран ственным признакам.
Метод J фильтрации шумов. Для компенсации шумов в изобра жении успешно применяется простой пороговый метод, при которцам последовательно проверяется цифровое представление яркости всех
элементов изображения / (х, у), |
и если |
яркость элемента F i} |
анали |
|
зируемой группы из N |
х N элементов превышает среднюю яркость |
|||
группы |
{ N - 1)/2 |
(W-I),L> |
|
|
|
|
|||
П _ |
£ |
£ |
fnkfj.h |
м ,л |
f e = - ( A ^ - l ) / 2 |
/ = — ( А / — 1 ) / 2 _____________ |
|||
U |
|
ДГ2 |
|
|
на заданное пороговое значение ц, то его яркость заменяется на среднюю яркость группы G. Здесь N обычно принимается равным 3, 5 или 7.
Поскольку шум пространственно не коррелирован, его спектр содержит более высокие пространственные частоты, чем спектр изображения. В связи с этим широкое распространение получили методы сглаживания шумов, основанные на низкочастотной про странственной фильтрации, например, методы анизотропной и ре куррентной фильтрации.
Анизо т ропная фильтрация основана на свертке исходного мас сива изображения F размером М а М со сглаживающим массивом размером N х N . При JV<<M реализуется программное сканиро вание изображения F массивом N и операция свертки на каждом шаге. В результате формируется новый массив В сглаженного изоб ражения, имеющий размер М х М. Такой алгоритм удобен для реализации на ЭВМ. Для каждого элемента a tj исходного массива F выполняется преобразование, которое заключается в перемножении обрамляющей его матрицы заданного размера N х N с элементами W hi сглаживающей матрицы. Последующее суммирование произ ведений дает элементы выходного массива
|
( N — 1)/2 |
( Л/ — 1) /2 |
|
|
bt}= |
L |
Zj |
Fi+k; j+lWft/. |
(4.3) |
В качестве элементов массивов фигурируют числовые значения, соответствующие яркости.
103
Отдельно следует остановиться на построении сглаживающего массива W.
Качество фильтрации повышается с увеличением /V, однако пропорционально N'1 растет время обработки исходного изображения на ЭВМ. Массив ИР должен быть нормирован для получения единич ного коэффициента передачи, чтобы при фильтрации не изменялась средняя яркость изображения. Могут применяться сглаживающие
массивы W следующего |
вида: |
|
|
|
|
||
-111- |
|
1 |
-111 - |
|
1 |
121 |
|
111 |
’ |
121 |
’ |
242 |
|||
10 |
16 |
||||||
111 |
|
|
111 |
|
|
121 |
Рекуррентная фильтрация более эффективна, чем анизотропная, и дает экономию объема памяти ЭВМ. При рекуррентной фильтрации используются не только элементы исходного, но и элементы уже сглаженного изображения. Общая формула для рекуррентной филь трации такая же, как и для анизотропной:
|
{ N — 1 ) / 2 |
(/ V — 1 ) / 2 |
|
Т4-4) |
Ь ц = |
Е |
Е |
F U k, i + l W kh |
|
|
к— — { N — 1) / 2 /г— — ( / V — 1 ) / 2 |
|
||
где элементы /7+л; /+/ |
могут быть .'взяты как из исходного мас |
|||
сива F, так и из |
выходного массива |
В. |
|
Если анализируемый элемент находится в центре программного окна, то при сканировании слева направо и сверху вниз в программ
ное |
окно вводятся элементы |
из массива В , если k = |
—А72, |
..., 1 |
и / = —N i 2, ..., + N / 2 , или [13 |
массива F — для всех |
других |
пози |
|
ций |
окна. |
|
|
|
Экономия необходимого объема памяти ЭВМ достигается при записи элементов отфильтрованного изображения В в ячейки, где хранились соответствующие элементы массива F, поскольку при рекуррентной фильтрации они больше не используются. Сглажива ющий массив W выбирается из тех же соображений, что и при анизо тропной фильтрации.
В практике построения СТЗ встречаются случаи, когда основной вклад в общую погрешность изображения вносит один элемент системы; тогда не применяют фильтрацию шумов всего изображения, а предусматривают только компенсацию погрешностей этого эле мента. Примером может служить геометрический шум, свойственный твердотельным полупроводниковым приемникам — приборам с за рядовой связью и фотодиодным матрицам. Чтобы скомпенсировать погрешность любого элемента фотоприемника, целесообразно ис пользовать двойное считывание каждого кадра — темновое и с изоб ражением. Скорректированное изображение получается вычита нием сигналов каждого элемента, полученных при двух считываниях.
Интегральные и дифференциальные алгоритмы предварительной обработки дискретных изображений. К интегральным относят алго ритмы, основанные на определении некоторых суммарных свойств
104
дискретных изображений, их глобальных особенностей. Большин ство из них базируется на интегральных преобразованиях. При
веденные |
ниже интегральные и дифференциальные алгоритмы |
даны в |
виде, удобном для программирования. Эти алгоритмы |
используют для предварительной обработки как многоградационных, так и бинарных изображений, причем в последнем случае они зна чительно упрощаются.
Гистограммой яркости изображения называется зависимость числа случаев равенства значений яркости в дискретном изображении какой-либо фиксированной величине от этой величины:
|
P ( h ) ~ ЦК; |
\ k £ K : g ( m , n) = h\, |
(4.5) |
где h = 0, |
1, 2, .... Н — 1. |
иногда определяют средние значения |
|
Наряду |
с функцией Р (h ) |
н- 1
й= 2 hP{h), h=О
|
Н - 1 |
и среднее квадратическое отклонение |
2 (A — g)2 Р (h ). |
Дискретное преобразование Фурье |
л=о |
— один из самых распростра |
ненных методов предварительной обработки, он широко исполь зуется для фильтрации различных помех. Указанное преобразование
определяется |
следующим выражением: |
|
|
|
|||||
|
|
Л1— 1 |
N — 1 |
^6Хр ' — /2зх |
|
|
|
||
G (и, |
у) = |
ТйТуГ X |
S |
g (т’ |
|
-I" (vn/N)]\, |
(4.6) |
||
|
|
т = 0 |
/2=0 |
|
|
|
|
|
|
где т = |
0, 1, 2, ..., М — 1; п = 0, 1, 2, ..., N — |
1. |
|
||||||
Результаты преобразования (4.6) в общем случае являются ком |
|||||||||
плексными числами G (и, у) = |
R (и, у) + /I (и, у). Вследствие этого |
||||||||
часто пользуются спектрами дискретного изображения |
|
||||||||
|
|
|G(«, |
у) | = [R2 (и, |
у) + 1 2 (и, y)]l/2; |
j |
|
|||
|
|
argG(«, v) = arctg(I (u, y)/R(«, |
y)], |
) |
|
||||
а также |
энергетическими спектрами дискретного изображения |
||||||||
|
|
П (и, |
y) = |
R2(«, y ) - f l2(«, |
у). |
|
(4.8) |
||
В случае, |
когда М — N, |
преобразование |
Фурье имеет вид |
||||||
|
|
|
|
N - 1 |
|
|
|
|
|
|
|
G(u, v) = |
~ |
^ |
Gx (т, у)ехр[— j ‘2num/N\, |
(4.9) |
|||
|
|
|
|
т = 0 |
|
|
|
|
|
где |
|
|
|
|
|
|
|
|
|
|
|
G, (т, у) = |
.V Ц - ^ |
g (т, п) ехр [— /2лш/ЛМ |
(4.10) |
||||
|
|
|
|
I |
^ 0 |
|
|
|
|
105
Применение выражений (4.9) и (4.10) позволяет свести вычисле ние двумерного преобразования Фурье (4.6) к последовательному определению одномерных преобразований.
Основной недостаток дискретного преобразования Фурье — срав нительно большой объем вычислений. По этой причине довольно часто используются другие интегральные преобразования, проигры вающие преобразованию Фурье в наглядности и точности результа тов, но отличающиеся большей простотой.
Преобразование Уолша дискретного изображения (при М = Щ
проводится по следующим |
зависимостям: |
|
|
||||
|
|
|
Л / — 1 |
N - 1 |
к - 1 |
|
|
Q (и, |
v) = |
- L |
V |
2 |
g (т, п) П |
( — 1)°, |
(4. J 1> |
|
|
|
т ~ 0 п - 0 |
1=0 |
|
|
|
где |
а = |
bt (т) |
|
(и) -f bt (п) b |
, ^ (v). |
|
Значения коэффициентов bj (/) определяют по следующему пра вилу. Коэффициент bj (/) равен значению /-го разряда числа /, запи санного в двоичной системе счисления. Если, например, / = 5, то в двоичной системе / = 101 и ЬЛ(5) = 1, 62 (5) — 0, Ь3 (5) = 1.
Преобразование Адамара выполняют по следующей формуле: ^
.V -1 N - \
Н (и , |
S |
8 ( , п ’ |
(4.12) |
|
/72^0 П '-О |
|
|
|
N - \ |
|
|
где а = |
2J Ibt (т ) bt (и) |
|- bt (п) bt (и)]. |
|
|
/--■0 |
|
|
Величины коэффициентов bj (/) находятся в соответствии с пра вилом их определения в преобразовании Уолша.
Дифференциальные алгоритмы основаны на следующей пред
посылке. Считается, что такие |
характеристики, как границы плоских |
объектов и отверстий в них, |
ребра трехмерных объектов и т. п., |
соответствуют максимумам нормы градиента функции изображения |
|
/ (*, у). Поиск градиента связан с определением производных функ |
ции f (х, у ), поэтому данные алгоритмы называют дифференциаль ными. Приведенные далее способы приближенных вычислений нормы градиента дискретного изображения g (т, п) отличаются друг от друга количеством значений дискретного изображения, использу емых на каждом шаге вычислений. Границы плоских объектов, ребер трехмерных объектов и т. п. могут быть определены любыми известными методами поиска максимума функции.
Простейшая схема вычислений нормы градиента сводится к сле дующему.
Для расчетов на одном шаге вычислений используются только три значения дискретного изображения g (m, п):
G(m, n) = |
\\g (m , n ) — g(in -'r \, //)]-’ j-[g(/rt, n ) ~ g ( m , н+ 1)]2}|/2, |
где G {m, n) |
(4.13) |
— норма градиента функции g (m y n). |
106
Значения нормы градиента, близкие к результатам, определяемым по формуле (4.12), получаются также при использовании следующей зависимости:
G (от, п) = |g (т, п) — g (т + 1, п) \ + \ g (т, п) — g (m, п + 1) | •
Оператор Робертса позволяет производить вычисления с по грешностью меньшей, чем погрешность вычислений по (4.13). По вышение точности, однако, достигается за счет использования на каждом шаге вычислений большего числа значений дискретного изображения:
G(m, п) = \ [g(m, n ) - g ( m - \ - 1, п + 1)]2 +
-M g ( т + ) , n) — g ( m , л + 1)]2},/2.
При использовании абсолютных величин рассматриваемая схема дает большую погрешность, но существенно упрощается:
|
G |
(т , п) |
— |g |
(т, |
п) — g |
(т + |
1, |
|
п + 1) | + |
|g (т + |
1, п) — |
||||||||
|
|
|
|
|
|
|
— g ( m , п + |
|
1)|.' |
|
|
|
|
|
|||||
|
Вычислительная схема Собела строится в соответствии со следу |
||||||||||||||||||
ющими оценками |
нормы |
|
градиента: |
|
|
|
|
|
|
|
|
||||||||
или |
|
G (m, |
п) = |
[Gl (от, |
п) |
h Gl (от, |
n)]'J2 |
|
(4.14) |
||||||||||
|
G (т, |
п) |
= |
| Gx (т, |
п) |
\ + |
|
| Gy (т, |
п) |, |
|
|
(4.1 5) |
|||||||
где |
|
|
|
|
|||||||||||||||
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
||
Gx |
(т, п ) — [g |
(т — 1, |
п |
+ |
1) + |
2g |
(т, |
п + |
1) + g |
(т + |
П |
||||||||
п + |
1)1 — [g (т — 1, п — |
1) |
+ |
2g (т, |
п |
— 1) + |
g (т + |
1, п — 1)1; |
|||||||||||
Gy |
(ш, п) = |
[g ( т + |
|
1, |
п |
— |
1) + |
2g |
( т |
+ |
1, п ) |
+ g (т |
+ |
1, |
п + |
||||
+ |
1)1 — [g (л* — 1, |
п — |
1) + |
2g |
(т |
— 1, п) + g (т — |
1, |
п + |
1)1. |
Следует отметить, что использование выражений (4.14) и (4.15) позволяет не только определять значения нормы градиента, но также по величинам Gx (m, п) и Gy (m, п) оценивать вектор градиента на плоскости.
Многошаговый способ вычисления нормы градиента применяют в СТЗ, когда требуется сравнительно высокая точность определения границ объектов и их элементов. Он описывается следующими вы ражениями:
|
|
|
|
|
4 |
|
|
|
|
|
G(m, п) ~ |
|
EG,-, |
|
|
||
|
|
|
|
|
i—1 |
|
|
|
где Gi — скалярное произведение векторов bt и g; |
||||||||
bt = [ 1, V X 1, 0, 0, - 1 , - i / 2 , - 1 ] ; |
||||||||
&. = |
[!, |
О, |
1, V 2, |
- |
/ 2 |
, |
1, 0, |
1]; |
ья = [ о, |
- |
1, |
V 2 , 1, |
- |
1, |
- |
i 7!, |
1, 0 ]; |
= [У 2, - 1 , 0, - 1 , 1, 0, 1 , / 2 ] ,
107