Главная | Обратная связь
МегаЛекции

Разработка алгоритма распознавания линий и расчет их радиальных и тангенциальных составляющих





 

В процессе считывания и преобразования в цифровой массив изображение подвергается различным искажениям и зашумлению, что требует применения средств для его улучшения и реставрации.

Весь алгоритм можно разбить на несколько этапов:

) Ввод изображения.

) Предварительная обработка.

) Распознавание линий.

) Расчет их радиальных и тангенциальных составляющих

) Вывод результата.

Ввод изображения будет осуществляться по средствам захвата с оптического устройства (камеры) либо считывания уже имеющегося.

Предварительная обработка направлена на улучшение изображения, отсечение лишней информации и состоит из нескольких шагов:

) Преобразование в полутоновое изображение.

Так как цвет не несет для нас значимой информации, можно перевести его в полутоновое, заменив значения RGB для каждого элемента матриц на значение интенсивности яркости. Это ускорит процесс обработки, так как программе или функции, работающий с матрицей изображения, необходимо будет оперировать с одним значением для каждого элемента.

) Выравнивание освещения (компенсация разности освещения).

Большинство изображений фаций имеет неравномерное освещение, что вызывает проблемы в процессе дальнейшей обработки. Компенсацию разности будем производить с помощью алгоритма Single scale retinex (SSR).

Принцип работы данного алгоритма:

Исходное изображение  (рис.2)

Получаем приближенное изображение освещения путем низкочастотной фильтрации  (рис.3)- матрица свертки низкочастотного фильтра

Восстановим изображение по формуле  (рис.4)

) Сглаживающая фильтрация (устранение шумов).

Как правило, фильтрация осуществляется путем свертки матрицы изображения с маской, представляющей фильтр. В нашем случае будем использовать фильтр Гаусса. Фильтр Гаусса является результатом операции размытия изображения функцией Гаусса. Данный подход широко применяется в графических редакторах, как правило, для уменьшения зашумленности изображения и сглаживания резких краев. Также Гауссово сглаживание используется в качестве оператора этапа предварительной обработки во многих системах распознавания образов.



С точки зрения математики, применение фильтра Гаусса равносильно свертке изображения с функцией Гаусса (также данный подход известен как двумерное преобразование Вейерштрасса). Механизм работы фильтра заключается в расчете функции Гаусса для каждого пикселя изображения. Уравнение гауссовой функции для одного измерения имеет следующий вид:

 

, (1)

 

где x - координата объекта в одномерном пространстве;

σ - среднеквадратичное гауссово отклонение.

В двумерном случае дважды осуществляется расчет функции Гаусса (1) для каждого из измерений:

 

, (2)

 

где x,y - координаты объекта в двумерном пространстве;

σ - среднеквадратичное гауссово отклонение.

Формула (2) дает поверхность, ограниченную концентрическими окружностями, распределенными относительно центральной точки по Гауссу. Значения, вычисляемые на основе этого распределения, используются для построения конволюционной матрицы, которая применяется к исходному изображению.

1) Выделение краев.

Выделение краев будет осуществляться детектором границ Канни. Его преимущества перед остальными детекторами:

а) Хорошее обнаружение, т.е. минимальная вероятность пропуска реального перепада яркости и минимальная вероятность ложного определения перепада (максимизирование выходного отношения сигнал/шум).

б) Хорошая локализация (пиксели, определенные как пиксели края, должны располагаться насколько возможно ближе к центру истинного края).

в) Только один отклик на один край.

Вышеперечисленные критерии были записаны в виде уравнений, которые были решены численно, и был определен путем моделирования вид оптимального (в смысле указанных выше критериев) оператора выделения края.

Принцип работы детектора:

. Свертка изображения с ядром - производной от фильтра гаусса.

. Поиск значения и направления градиента.

. Выделение локальных максимумов.

Утоньшение полос в несколько пикселей до одного пикселя.

. Связывание краев и обрезание по порогу.

Определяем два порога: нижний и верхний

Верхний порог используем для инициализации кривых

Нижний порог используем для продолжения кривых

Пример работы детектора границ Канни представлен в виде исходного изображения (рис.6) и обработанного изображения (рис.7)

Процесс распознавания лини и расчет их радиальных и тангенциальных составляющих можно объединить в одну операцию. Для этого разделим изображение кристаллограммы на несколько сегментов (рис.8). В пределах каждого сегмента ведем радиус с заданным углом смещения, если на его пути будет встречаться линия, проецируем её на радиус и нормаль к нему, поворачиваем радиус на заданный угол и повторяем операцию.

Проекция на радиус будет представлять собой радиальную составляющую линии, а проекция на нормаль - тангенциальную.

 





Рекомендуемые страницы:

Воспользуйтесь поиском по сайту:
©2015- 2020 megalektsii.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав.