6.6. Базовые алгоритмы обработки изображения

6.6.1. Общие сведения

В настоящее время существуют десятки коммерческих пакетов обработ­ки статических и динамических изображений (фотографий, видеофильмов, текстов и др.). Существующие системы контроля доступа используют программы распознавания лиц, отпечатков пальцев и радужной оболочки глаза. Известны также программы распознавания номеров транспортных средств, штрих-кодов и пр. Многие из этих программ входят в состав СТЗ, функцио­нирующих в реальном масштабе времени. При этом все необходимые процедуры выполняются в темпе поступления данных, что часто требует реали­зации ряда алгоритмических функций аппаратными средствами.

При обработке визуальной информации зрительный аппарат животных и людей широко использует операторные принципы, в соответствии с которыми над массивом элементов, образующих изображение, выполняются некоторые типовые процедуры (фильтрация, дифференцирование и др.). Кроме того, сам этот массив представляет собой совокупность не точек, а фрагментов, включающих отрезки границ, текстуры и т. д. Попытки описать эти процедуры привели к появлению оригинальных моделей — операторов Хюкеля и Робертса, алгоритма Уолша (изображение интерпретируют гранями, ребрами и затененными областями) и др.

Наиболее удачные алгоритмы обработки изображения обязаны своим появлением работам в области физиологии зрения. Существенный вклад внесли американские физиологи X. Уилсон и Д. Берген, которые в 70-х годах XX в. обнаружили в зрительном анализаторе человека несколько визуальных каналов, обладающих избирательностью по ориентации и раз­решающей способности. На основании этих результатов была предложена модель, в которой каждая точка поля зрения анализируется четырьмя ин­формационными каналами, содержащими фильтры-маски. Размер маски линейно растет с увеличением углового расстояния от центральной ямки глаза до соответствующего канала. В порядке увеличения размера маски каналы получили названия N,S,T и U, причем канал N обладает наибольшей чувствительностью, а канал U— наименьшей. Угловое поле составляет 3,1' — для канала N (примерно 9 колбочек центральной ямки); 6,2' — для канала S; 11,7' — для канала T и 21' — для канала U.

Алгоритмическую основу преобразования информации в каналах обнаружили Д. Марр и Е. Хилдрет. Предложенная ими функция преобразования наилучшим образом описывается дифференциальным операторным фильтром ²Y(х, у), который позволяет зрительному анализатору эффективно определять границы изменения яркости по полю зрения. Эта возможность обусловлена двумя существенными свойствами фильтра:

во-первых, он вычисляет первую и вторую пространственную производную распределения яркости;

во-вторых, работает с масками всех четырех информационных каналов, благодаря чему используются общие принципы для обработки различных по размеру фрагментов изображения. Это позволяет определять границы изображения на размытых участках больших фрагментов и обнаруживать малые элементы изображения на его хорошо сфокусированных участках.

На первом этапе предварительной обработки происходит формирование изображения. Формированием изображения называется процедура непосредственного получения изображения в виде расположенного в памяти видеопроцессора массива дискретных элементов — пикселей, образующих матрицу или контур

В СТЗ на этапе формирования изображения выбирают порог яркости путем регулирования освещения и проводят фильтрацию изображения. При фильтрации компенсируются помехи на изображении, а также выделяются его контуры — края и линии. Как уже отмечалось, до 90 % всей информации об изображении содержится в его контуре. При необходимости на этом же этапе выполняют бинаризацию, т. е. преобразуют полутоновое изображение в бинарное.

Процедура фильтрации реализуется как программно, так и аппаратно; однако во всех случаях изображение сканируется некоторым окном, или апертурой, как правило, квадратной или прямоугольной формы. Иногда применяют специальные апертуры, например, крестообразную или треугольную, однако квадратная апертура является наиболее предпочтительной из-за простоты формы. В этом случае размер сканирующего окна составляет 3x3, 5x5 или 7x7 пикселей. Если в функции фильтра значение центрального пикселя сканирующего окна не учитывается, то такая апертура называется выколотой.

Обычно фильтрация изображения осуществляется путем последовательного (построчного) сканирования кадра, представляющего собой массив пикселей, апертурой заданной формы. Заметим, что после выделения контуров значительно уменьшается объем визуальной информации, так как обычно запоминаются только координаты и яркости элементов в точках перепада.

После фильтрации и сглаживания проводится выделение контуров — границ перепада яркости, и для дальнейшей обработки используются только элементы, принадлежащие этим границам. При таком представлении изображения, называемом контурным, достигается значительное сжатие визуальной информации и повышение скорости ее окончательной обработки. Задача нахождения контура изображения объекта состоит из двух частей. Во-первых, необходимо выделить контур, т. е определить границу перепада яркости, а во-вторых, доказать его замкнутость.

Для выделения контура наиболее распространены методы, основанные на использовании операторов пространственного дифференцирования, которые находят в каждом фрагменте изображения элементы, расположенные на границе различных по яркости областей. Процедура фильтрации реализуется как программно, так и аппаратно; однако во всех случаях изображение сканируется некоторым окном, или апертурой, как правило, квадратной или прямоугольной формы. Иногда применяют специальные апертуры, например, крестообразную или треугольную, однако квадратная апертура является наиболее предпочтительной из-за простоты формы. В этом случае размер сканирующего окна составляет 3x3, 5x5 или 7x7 пикселей. Если в функции фильтра значение центрального пикселя сканирующего окна не учитывается, то такая апертура называется выколотой.

Н а рис. 6.20 представлены фрагменты границы перепада яркости для двух типов изображения: светлого объекта на темном фоне и темного объекта на светлом фоне. Если порог яркости на этапе формирования изображения был выбран правильно, то на изображении будет наблюдаться значительное изменение яркости вдоль границы объекта. Заметим, что выделение контура непосредственно по градиенту эффективно в том случае, если его толщина не превышает один пиксель. Если контурная линия имеет толщину более одного пикселя, можно использовать градиент более высокого порядка. Как видно на рис. 6.20, графики — и имеют явно выраженную форму. Это позволяет, например, с помощью функции выделять контур даже в том случае, если его толщина превышает один пиксель.

Обычно фильтрация изображения осуществляется путем последовательного (построчного) сканирования кадра, представляющего собой массив пикселей, апертурой заданной формы. Самыми популярными дифференциальными операторами являются операторы Робертса и Собеля. Недостатком обоих операторов является сложность их применения для контуров значительной толщины, так как рабочая область, определяемая размером окна, не превышает 3x3 пикселя.

В этих случаях можно также использовать операторы более высоких порядков, например оператор Лапласа, являющийся оператором производных второго порядка. При этом знак второй производной яркости позволяет определить точное положение пикселя контура. Например, для светлого объекта на темном фоне (см. рис. 6.20, а) вторая производная положительна для пикселей, находящихся снаружи границы объекта и отрицательна для пикселей, расположенных внутри этой границы.

В точке x_ij оператор Лапласа в расчетах обычно определяют, используя следующее выражение, для вычисления которого используется маска 3x3:

↔