CC BY
34
Царев А.Г. , Баннов В.Я. КРИТЕРИИ ОПТИМАЛЬНОЙ ФИЛЬТРАЦИИ ВИДЕОСИГНАЛОВ ИЗОБРАЖЕНИЙ
Для построения автоматизированной системы контроля качества (ИЭТ), удовлетворяющей технологическим нормам и допускам, необходимо сделать выбор относительно средств, методов контроля и их последовательности, а также схемы проектирования автоматизированной системы, обеспечивающей эффективное достижение поставленной задачи повышения качества при наименьшей трудоемкости производства и контроля.
В основе проектирования автоматизированных систем должно лежать изучение закономерностей наличия дефектов на этапах изготовления и выбор методов контроля на основе сравнительного анализа и определения технологических возможностей контрольных операций.
Достоверность распознавания автоматизированных систем ввода в ЭВМ графической информации в значительной степени зависит от качества изображения. Однако реальное изображение часто имеет разрывы и находится на фоне случайных одиночных помех, что снижает достоверность распознавания. Примерами таких изображений могут служить изображения знаков на финансовых документах, паспортах, бланках бухгалтерского учета, рисунок печатной платы, либо фотошаблона и т.д. Общего универсального способа обработки оптических изображений не существует, поэтому выбор методов решения задачи обработки во многом определяется статистикой изображения и помехи.
В настоящее время имеется ряд работ посвященных решению подобных вопросов с использованием моделирования на ЭВМ. Разработаны весьма универсальные алгоритмы. Но наряду с этим возникают большие сложности в их реализации. Эти методы не позволяют производить обработку изображения в реальном масштабе времени (за время считывания) кадра изображения, что является важным для построения устройств оптического ввода в ЭВМ графической информации, поскольку одним из критериев их эффективности является скорость обработки информации.
Рассматриваемые ниже вопросы обработки видеосигнала относятся прежде всего к графической информации, знакам машинописного текста и другим двухградационным изображениям, причем появление сигналов изображения и помехи в любой области равновероятно и независимо.
Что касается помех и искажений можно выделить следующие наиболее существенные виды:
- включение в виде одиночных черных пятен, не связанных с изображением;
- белые пятна в теле черного изображения;
- поле черных пятен, связанных с изображением и искажающих его границы;
- поле тонких линий, пересекающихся с произвольной взаимной ориентацией, связанных и не связанных с изображением.
Произведя анализ указанных видов помех и искажений на основе различий в спектральных и статистических характеристиках можно сформировать следующие правила однозначности их классификации.
- минимальная длина линии изображения должна быть больше максимального размера черных пятен помех;
- размер белых пятен и помех не превышает минимальной длины информативной линии;
- минимальная толщина линий изображения превышает максимальную толщину линий, входящих в поле помех, состоящее из тонких линий, связанных и не связанных с изображением.
Таким образом, поставленная задача обработки оптических изображений сводится к выделению только тех изображений, параметры и свойства которых удовлетворяют сформулированным условиям.
Задача фильтрации и подавление шумов на изображении может быть решена методами как линейной, так и нелинейной фильтрации. Линейная фильтрация сводится к вычислению корреляционной функции вида :
О (x,y) = jj F(x,y) • H(x-X,y- Y)dxdy, (і;
где F(x,y) - функция входного изображения.
H(x-X,y-Y)- импульсная характеристика пространственного фильтра, которая в общем случае определяется как максимум отношения сигнал/шум, с учетом их статистических свойств.
За счет подбора H(x-X,y-Y) можно обеспечить фильтрацию лишь несвязанных помех по характеристикам, близких к белому шуму. Из этого видно, что линейная фильтрация не обеспечивает решения поставленной задачи.
При нелинейной обработке отыскивается максимум функции вида (1) , т.е.
max Ф(х -у). (2)
По значениям этих максимумов можно судить об оптимальности фильтрации, причем максимум сигнала на выходе фильтра реализуется только в том случае, когда фильтр согласован с сигналом. Максимумов на выходе фильтра может быть множество, поэтому судить об оптимальности фильтрации только по локальному максимуму нельзя. Такой способ нелинейной фильтрации также не обеспечивает полного решения задачи, а удовлетворяет лишь некоторым ее условиям. Для полного решения необходимо из всех максимумов выбрать только те, которые соответствуют уровню, величина которого выше порогового значения. Уровень порога определяется из условия допустимого уменьшения отношения сигнал/шум на выходе фильтра по сравнению с максимальным. То есть, выбирая различные уровни порога, можно, например, выделить линии и элементы изображения, размер которых не превышает наперед заданного.
Исходя из этого, можно сказать, что критерием, определяющим наличие на входе нелинейного фильтра согласованного с ним изображения, является отыскание максимума из всех максимумов, уровень которого выше заданного порога. Реально отыскиваются такие максимумы Ф(x-y), которые удовлетворяют выражению:
[Max Ф(х -у)- max Ф(х - у)]<S (3)
где б - величина допустимых отклонений max Ф(x-y), берущихся к рассмотрению от максимально возможного максимума корреляционной функции Max Ф^-y).
В общем случае решение этой, весьма сложной задачи по отысканию значений max Ф(x-y), удовлетворяющих условию (3) , требует специальных процедур и большого времени на проведение анализа.
При этом выражение (1) должно вычисляться для каждой точки изображения, затем полученные результаты должны обрабатываться в соответствии с (2) и (З) , с учетом полученных значений по всему
полю изображения. Задача может быть упрощена, если рассматривать лишь двухградационные изображения и если значения положить равным нулю, что вполне допустимо и находится в соответствии с приведенной выше классификацией изображений и помех. В этом случае решение этой задачи упрощается и решение max Ф(x-y) на выходе оптимального нелинейного фильтра принимается при наличии непрерывности входного сигнала в исследуемой области, размеры и форма которой определяются линейной частью преобразований оптимального фильтра.
В зависимости от сложности изображений и достаточности системы признаков для описания изображений используются совокупности отрезков горизонтальных, вертикальных и наклонных линий, соответ-
ственно ориентированных криволинейных участков изображений (дуг, полудуг) , а также совокупности узлов, составленных из начал и концов линий соответствующих различным участкам изображений. Указанные совокупности признаков образуют алфавит описания.
ЛИТЕРАТУРА
1. Држевецкий А.Л., Царев А.Г. Методы и средства контроля топологических характеристик множества объектов в системах с техническим зрением. М.,Приборы и системы управления. №3. 1991.
2. Царев А.Г., Држевецкий А.Л. Автоматизированные системы анализа, контроля и распознавания изображений. Международный симпозиум «Надежность и качество» Россия, Пенза, 2004г. Издательство ПГУ.
