Файл: Системы очувствления и адаптивные промышленные роботы..pdf

ВУЗ: Не указан

Категория: Не указан

Дисциплина: Не указана

Добавлен: 29.02.2024

Просмотров: 295

Скачиваний: 0

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

g =

lg(/n — 1, n — 1), g(m, n — ]), 3 (m +

1, n — 1), g{ m — 1, n),

g =

(m + I, «), g {m — 1, n + 1), g (m, n +

1), g (m + \, n + 1).

Выделение гранил, объектов в бинарных изображениях тоже отно­ сится к дифференциальным способам. Бинарными или двоичными изображениями называют дискретные изображения g t (т, п ), эле­ менты которых могут принимать только два фиксированных значе­ ния. Границы объектов в этом случае можно определить по одной из

следующих логических

схем:

 

 

 

 

 

 

 

 

 

т, п £ йгр : [gi (т, п) — а\ & [gj (/ft,

 

п —

\) =

b \ J g 1 (т — 1,

п) =

 

 

= b \ f g l ( m - :r

\, п) =

 

b \ ! g ,

(т,

h 1)];

 

 

т,

п £ а Гр : [gj (т,

п) =

а] & [gi (т — 1,

« —

1) =

 

= b \ J g 1 {m,

я —

l) =

^ \/g i(m +

I,

п — \) =

Ь \ ' g ^ m — 1,

«) =

— b \ j g i { m - \ - 1,

n) =

b \ j g i ( m —

1,

п-\-

]) =

6 \/g i(w. я-Ь

1) =

 

 

 

= ь VSi (лг -Т Г

я +

1) = ft],

 

 

 

где т, п

— координаты

точек

границы

(tfrp);

а,

b — возможные

значения

функции g r (m, п).

 

конкретного

алгоритма предвари­

Решающее

влияние на выбор

тельной обработки оказывают результаты анализа требований, предъ­ являемых к СТЗ.

Алгоритмы выделения признаков изображений. На этапе пред­ варительной обработки стремятся создать сжатое описание объекта в выбранной системе признаков, а затем проводится обработка полу­ ченного образа.

Выбор признаков осуществляется на основе анализа класса объектов, возможностей датчиков изображения по разрешению, требований к скорости обработки. Наиболее используемыми можно считать геометрические (топологические) признаки, к которым отно­ сятся площадь и периметр изображения, число отверстий, размеры вписанных и описанных относительно изображения фигур, число и расположение углов и т. п. В некоторых случаях наибольшее различие заключается в моментах инерции изображений заданного класса, тогда их выбирают в качестве признаков.

Геометрические признаки инвариантны относительно поворотов изображения в поле зрения. Инвариантность относительно масштаба изображения достигается нормированием по площади или пери­ метру. Это важное положительное свойство сжатого описания изоб­ ражений в системе геометрических признаков.

Наиболее просто вычисляется площадь изображения. Ее значе­ ние можно получить простым подсчетом числа элементов цифрового изображения при сканировании кадра. Инвариантность этого при­ знака относительно масштаба изображения достигается нормирова­ нием по значению квадрата периметра. Периметр изображения вычисляется после выделения границ. Следовательно, вычислению периметра предшествует определение краев и линий изображения,

108


из которых затем нужно выделить граничные элементы. Наиболее просто это решается для бинарных цифровых изображений, когда граничные элементы выделяются на перепаде освещенности объекта и фона, т. е. на переходе от силуэта (единицы) к фону (нулю). В случае изображений с несколькими градациями яркости необходимо запо­ минать элементы контуров, которые выделяются на этом перепаде при любых значениях яркости изображения.

Для вычисления радиусов вписанных и описанных окружностей следует предварительно определить координаты геометрического центра изображения. Если их обозначить через (Х СУ Y c), а через М обозначить множество координат (х, у) элементов цифрового изобра­ жения, принадлежащих объекту (в отличие от фона), то координаты центра можно выразить как

 

 

 

i

/

где

функция, принимающая значения 1 или 0:

 

_ }

1;

(»'. /) € м )

 

"

10;

((,

/ ) Т м ) ’

a x ij* Uij — дискретные отсчеты координат в поле цифрового изобра­ жения.

После определения X L и Y c вычисляются минимальное и макси­ мальное расстояния (радиусы вписанной и описанной окружностей) до уже выделенных граничных элементов. Нормирование радиусов по корню квадратному из площади или по периметру приводит к инвариантности этих признаков относительно масштаба изобра­ жения.

Проще определяется длина сторон описанного прямоугольника. При сканировании изображения запоминаются максимальная и минимальная абсциссы /тах и /т1п, на которые в кадре попадает изображение объекта, и ординаты гтах и гт1п. Высота Y и основание X прямоугольника являются соответственно их разностью. Нормиро­ вание проводится также по квадратному корню из площади или по периметру.

Несколько сложнее найти моменты инерции изображения отно­ сительно его главных осей инерции. Однако промежуточные резуль­ таты вычислений могут быть использованы для определения ориен­

тации объекта,

что будет

показано дальше.

и /

2

определяются

Главные моменты инерции изображения

через моменты

инерции

J x и J y относительно осей

 

координат ОХ

и O Y , связанных с полем зрения, а также через смешанный мохмент

109


инерции J xy. Если N

— общее число элементов изображения объекта

в поле зрения, f (х>

у)

— функция

распределения освещенности, то

координаты центра тяжести изображения

 

^

=

Y

i x t}f(*> у);

 

 

i

/

 

 

 

=

/

*>•

 

 

i

}

где Хц и y tj — дискретные отсчеты координат на цифровом изобра­ жении.

Далее по известным значениям Х с и Y с вычисляются моменты инерции изображения относительно координатных осей

j x =

X e)*f(x,

//);|

 

Y cf f < x ,

У)

*I

исмешанный момент инерции

Jxy = 2

S (хц - Хс) (Уц - Y v) (х, у).

i

1

Теперь можно определить главные

моменты инерции

л . *

=

± У 4 -

- h f т Пу .

Эти моменты принимают за отличительные признаки изображе­ ния объектов. Именно пары J u / 2 несут наибольшую информацию

оразличии объектов заданного класса.

Внекоторых случаях целесообразно в качестве признаков ис­ пользовать взаимное положение углов в контуре изображения. Такая система признаков наиболее эффективна при бинарных циф­

ровых изображениях, поскольку обрабатывается информация о силуэте объекта, а углы, выявленные по перепадам освещенности поверхности объекта, не выделяются. В этом случае известны лишь координаты вершин углов силуэта на общем фоне.

Допустим, что контурные элементы найдены и пронумерованы на предыдущих этапах обработки. Один из алгоритмов основан на последовательной проверке фрагментов контура и оценке их кри­ визны. Проверяемый элемент является центральным для каждого шага проверки (рис. 4.5). Если кривизна фрагмента больше задан­ ного порогового значения, то проверяемый элемент относится к уг­ ловым элементам контура. Однако для определения кривизны не­ обходимо программно строить дугу, аппроксимирующую точки контура, а затем проводить вычисление радиуса ее кривизны. Эти операции предполагают значительный объем вычислений и замед­ ляют обработку изображений. Более эффективна, но менее точна

ПО


Рис. 4.5. Последовательность проверки элементов контура при оыдслснми углов

 

 

 

 

 

 

 

 

ЛЧ2(Й)

{х(к-2), у(К-2)}

оценка,

основанная

на

нахождении

 

 

 

 

модуля

разности

координат

кон­

 

 

 

 

турных

элементов с номерами k

— 2

 

 

 

 

и k + 2.

Кривизна

заменяется

не­

 

к +2

 

 

которой

мерой отстояния конечных

 

 

 

точек фрагмента друг от друга.

 

{ х ( к + 2), У (к + г )}

Полученное

отстояние сравнивается

 

 

 

 

с заданным

пороговым

значением

Я,

и

по результатам

проверки

элемент

с порядковым

номером k

может

быть отнесен к угловым.

Если абсциссы и ординаты контурных

элементов

с их

номерами

обозначить соответственно х (k ), у (k ), то правило выделения углов можно выразить так:

I \ y ( k г- 2) - у ( к - г 2) I \ x ( k - 2) - x ( k + 2 ) \ < H \ ^ M { k ) £ L y

здесь М (k) — проверяемый на данном шаге элемент контура; L — множество угловых элементов анализируемого контура.

Пороговое значение Н следует выбирать при анализе дискретных изображений объектов заданного класса. Вычисления удобно орга­ низовать в цикле по переменной /г, причем два первых и два по­ следних по нумерации элемента необходимо проверять вне цикла, поскольку для них невозможно задать элементы с номерами k — 2 или /г + 2. Если выделены несколько соседних элементов контура в качестве угловых, то оператор селекции должен оставить только один из них углом контура.

По мере выделения угловых элементов контура и их селекции целесообразно присваивать выделенным углам порядковые номера. На следующем этапе обработки, когда формируется система при­ знаков изображения, нумерация дает возможность последовательно определять эти признаки — отстояния углов друг от друга или их отстояние от заранее вычисленного геометрического центра. В ре­ зультате будет получен вектор новых значений изображения в услов­

ной

форме

признаков

А = (11У /2,

...,

/„), где

1{ — вычисленные

отстояния,

а п — число выделенных угловых элементов. Совокуп­

ность

таких

векторов

А описывает

все

объекты

заданного класса.

Основные методы идентификации и классификации изображений.

Идентификация объектов в СТЗ чаще всего производится методами сравнения с эталоном. При этом, как правило, СТЗ решают одну из двух задач. Первая задача заключается в получении изображения одного объекта и сравнении со всеми эталонами заданного класса. По совпадению выбирается иаилучший эталон и осуществляется идентификация объекта, а затем при необходимости находятся пара­ метры его положения и ориентации.

Вторая задача заключается в получении изображения нескольких объектов и поочередном их сравнении с эталоном того объекта, ко­ торый необходимо выделить. После этого вычисляются его положение и ориентация в рабочей зоне робота.

111