Файл: Системы очувствления и адаптивные промышленные роботы..pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.02.2024

Просмотров: 241

Скачиваний: 0

ВНИМАНИЕ! Если данный файл нарушает Ваши авторские права, то обязательно сообщите нам.

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

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

 

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

— 1,

п

+

1) +

2g

(т,

п +

1) + g

+

П

п +

1)1 [g — 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

+

1,

п +

+

1)1 — [g (л* — 1,

п —

1) +

2g

— 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