Обработка и передача изображений fast 3d object model reconstruction algorithm by stereo pair

Литература

1. 
   Хлопов Д.В., Карбань О.В., Телегина М.В., Немцова О.М., Журбин И.В., Смурыгин А.В. Метод выделения границ объектов на изображениях сканирующей зондовой микроскопии // Поверхность. Рентгеновские синхротронные и нейтронные исследования. 2010. №2. С. 71-77.
   

THE grain CONTOUR detectiNG Technique On MATERIAL SURFACE IMAGES OBTAINED USING THE ATOMIC FORCE MICROSCOPE^*

Khlopov D.

Physical-Technical Institute Ural Branch of RAS

The grain contours detecting technique in material surface images obtained using an atomic force microscope (AFM images), containing distortions caused by the temporary loss of contact between the probe and the sample surface is proposed. The need for filtration of such distortions on the stage of preliminary processing of AFM images is substantiates. The method of recovering of the distorted data based on interpolation is presented. Because of such technique require localization of the distorted data the method of the distorted data localization based on comparing of the second difference derivative calculated for the matrix of the surface height, is proposed. The problems encountered in the segmentation of AFM images using existing methods are discussed. The new method of segmentation of AFM images allows to overcome these difficulties is proposed. In conclusion, marked an important practical significance of the proposed approach.



АЛГОРИТМ АВТОМАТИЧЕСКОГО ВЫЧИСЛЕНИЯ ПОРОГА БИНАРИЗАЦИИ МУЛЬТИСПЕКТРАЛЬНЫХ ИЗОБРАЖЕНИЙ

Хрусталев П.Е.

Ковровская государственная технологическая академия им. В.А. Дегтярева
В системах машинного зрения, функционирующих в масштабе реального времени, на процедуры, используемые для получения конкретных признаков изображения, накладываются определенные ограничения. Исходя из этого, на вычисление каждого параметра, необходимого для автоматического функционирования системы, требуется затрачивать период времени, возможный диапазон изменения которого должен быть заранее известен. В противном случае вся спроектированная система может потерять возможность работы в режиме реального времени. Важно также заметить, что вычисленный за известный диапазон времени параметр должен обеспечивать достаточное качество результатов, полученных после выполнения процедуры, внутри которой он вычисляется.

Одним из параметров, напрямую влияющим на качество выполнения процедуры бинаризации изображения и не являющимся инвариантным к различной топологии снимка, выступает порог бинаризации . Под качеством выполнения процедуры бинаризации следует понимать степень соответствия контуров перепадов яркости, которые возможно выделить исходя из визуального просмотра полноцветного изображения и контуров изменения яркости, выделенных процедурой бинаризации.

Из теории цифровой обработки изображений известно, что при помощи какого – либо оператора путем дифференцирования изображения строится его градиентное поле. Точка перепада на данном градиентном поле считается обнаруженной, если , где – неотрицательный порог; итоговая формула расчета методом Собела для точки исходного мультиспектрального изображения с координатами при направлении оси вправо, а оси вниз приведена ниже:

, (1)

где , , – соответственно значения интенсивностей красной – , зеленой – и голубой – компоненты в конкретной точке изображения; ; для красной компоненты имеем: , , , , , , , , , , – соответствующие значения ширины и высоты изображения, значения , вычисляются аналогично.

Становиться понятным, что эвристический выбор порога , например, на основании визуального изучения гистограммы, неприемлем, т.к. такой подход лишит систему возможности автоматического функционирования.

Задача автоматического вычисления порога бинаризации , при котором за минимальный период времени возможно получить высокое качество выполнения процедуры бинаризации при любых условиях и объекте съемки, остается не решенной.

Существует [1] – [4] несколько способов автоматической подстройки значения порога . Для схематических и картографических изображений используется метод Бернсена. Однако если не принимать во внимание появления ложных черных пятен необходимо заметить, что при определении значения порога методом Бернсена используется константа, которая должна подбираться интерактивно.

Метод Эйквеля часто применяют для обработки четких и контрастных изображений. Согласно данному методу изображение обрабатывается с помощью двух концентрических окон. Но при обработке тонких пересекающихся линий могут возникать разрывы, поэтому данный метод рекомендуется применять исключительно для толстых линий и крупных объектов.

Метод Яновица и Брукштейна лучше всего обрабатывает изображения, которым свойственна яркостная зональная неравномерность, при которой одни и те же объекты изображения в разных частях имеют значительные различия яркости. К недостаткам данного метода следует отнести крайне медленную скорость работы.

Эффективным методом автоматического выбора порога бинаризации является метод Оцу [5], который использует гистограмму распределения значений яркости пикселей растрового изображения. При данном методе качество бинаризации изображения находится на высоком уровне. К недостаткам метода Оцу можно отнести размытие и потерю тонких линий, «слипание» объектов в местах их пересечений. Самой главной негативной особенностью вышеописанного метода является непозволительно долгий процесс подбора значения порога , который значительно скажется на быстродействии всей системы детектирования в целом.

Применительно к системам, функционирующим в реальном времени, был найден метод, модификация которого позволяет однозначно вычислять значение порога бинаризации практически без временных потерь.

Недостатка значительного снижения производительности системы в целом и блока бинаризации, в частности, лишен алгоритм автоматического определения порога, который носит название алгоритм бинаризации k-средних [6].

После обработки определенного количества изображений, снятых на различной местности, оказалось, что для любого кадра, в котором присутствуют земная поверхность и небесная полусфера, существует интересная особенность, наличие которой позволяет рассматривать модификацию алгоритма бинаризации k-средних как одну из оптимальных методик автоматического вычисления порога бинаризации в системах обработки изображений в реальном времени. Данная методика полностью согласуется с требованиями к процедурам обработки изображения в системах реального времени еще и потому, что бинарное изображение, полученное с применением оператора Собела для нахождения контуров и модифицированного алгоритма k-средних для вычисления порога , характеризуется вполне приемлемым качеством.

Итак, в целях полного автоматического функционирования системы и моментальной адаптации к новым условиям уровень порога рекомендуется вычислять согласно следующему методу.

Пусть существует некоторая начальная оценка порога , причем как выяснилось при исследовании – любая, тогда

, (2)

где – соответствующие значения ширины и высоты изображения; – бинарное изображение (функция, принимающая значения 0 или 1).

, (3)

где , , – соответствующие значения интенсивности красной, зеленой и голубой компоненты на исходном мультиспектральном изображении; - соответствующие значения количества точек перепада и всех оставшихся. . (4)

Из (2) – (4) видно, что вначале проводится бинаризация изображения с использованием любой оценки порога . В результате образуются две группы пикселей: – состоящая из пикселей со значением больше, либо равным , и – состоящая из пикселей со значением меньше . Далее находится половина среднего значения яркости пикселей полноцветного изображения по областям и соответственно. Полученный результат и будет являться требуемым глобальным порогом для всего изображения, при использовании которого и происходит бинаризация по необходимому для задач обработки изображений в масштабе реального времени способу.

В оригинальном методе бинаризации k-средних наличие двух неизвестных факторов (начальная оценка значения порога, для вычисления которой предлагается ряд методов и значение наперед заданного параметра , которое служит ориентиром для количества итераций данного алгоритма) не позволяет с уверенностью применять его на практике, учитывая возникающую неопределенность со временем выполнения алгоритма. Смысл и основная часть оригинального метода не менялись, в модифицированном методе изменению (точнее ликвидации) подлежали два вышеприведенных фактора. Также важной особенностью модифицированного метода, описанного выше, является переход от обработки исходного монохромного изображения к мультиспектральному. В ходе многочисленных экспериментов выяснилось, что яркости красной, зеленой и голубой компоненты исходного изображения не следует умножать на соответствующий каждой коэффициент, учитывающий восприятие последних в видимом диапазоне длин волн. В противном случае вышеприведенный метод не будет функционировать в соответствии с требуемым обеспечением качества процедуры бинаризации изображения.

Теперь следует обратиться к численным значениям, характеризующим потерю времени на применение модифицированного алгоритма вычисления глобального порога бинаризации . Данные результаты были получены на ЭВМ с ЦП Intel® Core 2 Duo 2.13 GHz.

Из таблицы 1 видно, что автоматическое вычисление глобального порога вносит приемлемые, небольшие временные задержки в работу блока бинаризации. Также становится очевидным, что время подбора глобального порога занимает около от общего времени бинаризации изображения с автоматическим вычислением порога в целом.

Таблица 1. Время работы блока бинаризации изображения с учетом вычисления порога

Название снимка	Размер снимка, пикселей	Время бинаризации (без вычисления ), мс	Время вычисления (применение модифицированного алгоритма k-средних), мс	Время полной бинаризации (с вычислением порога ), мс
pic_big		363	48	411
pic_001		134	18	152
pic_002		91	13	104
pic_003		45	6	51

В завершении рассуждений о полученных результатах остается только привести последние в визуальной форме. Рис. 1 свидетельствует о качественном выполнении процедуры бинаризации изображения с применением оператора Собела и автоматическим вычислением порога бинаризации .




Рис. 1. (а) Исходное мультиспектральное изображение. (б) Бинарное изображение, полученное из (а) вышеописанным методом.

Литература

1. 
   Прэтт У. Цифровая обработка изображений. – Кн. 1,2. – М.: Наука, 2000. – 1024 с.
   
2. 
   Розенфельд А. Распознавание и обработка изображений. – М.: Мир, 1987. – 274 с.
   
3. 
   Хемминг Р.В. Цифровые фильтры. – М.: Наука, 1990. – 268 с.
   
4. 
   Яншин В., Калинин Г. Обработка изображений на IBM PC, алгоритмы и программы. – М.: Мир, 1994. – 320 с.
   
5. 
   Ярославский Л.П. Введение в цифровую обработку изображений. М.: Мир, 1992. – 344 с.
   
6. 
   Otsu, N. A threshold selection method from gray-level histograms. IEEE Trans. Systems, Man, and Cybernetics, 1979, 9(1), pp. 62-66.
   
7. 
   Привалов О.О. Алгоритм автоматического препарирования графического изображения для выделения клеток периферической крови / О.О. Привалов, Л.Н. Бутенко // Известия ВолгГТУ. Сер. «Актуальные проблемы управления, вычислительной техники и информатики в технических системах»; межвуз. сб. науч. статей / ВолгГТУ. – Волгоград, - №2. – С. 54-57.
   

ALGORITHM OF AUTOMATIC CALCULATION OF BINARIZATION'S THRESHOLD OF THE MULTISPECTRAL IMAGES

Khrustalev P.

Kovrov State Technological Academy named after V.A. Degtyareva
The problem of fast automatic calculation of binarization's threshold of images at the present moment time is far from the final decision. Overcoming of the described problem demands not only creation of algorithm which brings is minimum possible time delays in system of processing images in real time. The important requirement shown to such algorithm is maintenance of high degree of detection of differences of brightness on the initial multispectral image.

The way which provides high degree of detection of differences of brightness on the initial multispectral image and comprehensible speed of calculation of a threshold is described lower. With a view of full automatic functioning of system of images processing and instant adaptation to new conditions binarization's threshold is recommended to be calculated according to a following method.

Let there is some initial mark of a threshold and as it was found out at research – any then

, (1)

where – width and height of the initial image; – binary image (the function accepting values 0 or 1); – the module of a gradient, calculated at use of Sobel's operator.

, (2)

where , , – brightness of a red, green and blue components of the multispectral image; - quantity of points of the image, in which and all remained.

. (3)

Received after application of the equations (1) – (3) result will be necessary value of a global binarization's threshold of image.

Automatic calculation of a global threshold brings comprehensible, small time delays in work of binarization's block. It is necessary to notice that time of selection of a global threshold occupies about 12 % from the general time of image's binarization of with automatic calculation of a threshold as a whole.

The algorithm which is described above shows especially qualitative results at processing of images at which there is a terrestrial surface and a heavenly hemisphere.

