CC BY
53
УДК 621.372.542
НЕКОТОРЫЕ АСПЕКТЫ ВЫДЕЛЕНИЯ КОНТУРОВ НА ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЯХ Е.П.Воробцов1
Военный авиационный инженерный университет, 394064, г.Воронеж, ул. Старых Большевиков, 54а.
Предложен комбинированный метод выделения контуров объектов на изображении с помощью алгоритмов Со-бела, Робертса, Кирша для получения более четких, контрастных перепадов яркости. Ил. 12. Библиогр. 1 назв.
Ключевые слова: цифровое изображение; дешифрирование; обнаружение и распознавание; предварительная обработка изображения; комплексы воздушной разведки; разработка алгоритмов и программных средств автоматизированного обнаружения и распознавания объектов; анализ и обработка черно-белого и цветного изображений.
SOME ASPECTS OF CONTOUR ALLOCATION ON THE GRAY-SCALE IMAGES E.P.Vorobtsov
The Military aircraft engineering university, 54а, Old Bolshevik, Voronezsh, 394064.
The author suggests a combined method of object contours allocation on the image using the algorithms of Sobel, Roberts, Kirsch for clearer, contrasting jumps in brightness. 12 figures. 1 source.
Key words: digital image; decoding; discovery and identification; image pretreatment; aerial reconnaissance complexes; development of algorithms and software for automated detection and identification of objects; analysis and processing of black and white and color images.
Решая задачу по распознаванию полутоновых изображений, необходимо предварительно выделить интересующие дешифровщика объекты на изображении. Выделение объектов осуществляется с помощью алгоритмов, основанных на оконтуривании изображений. Данные алгоритмы могут включаться в автоматизированную систему распознавания образов, облегчая тем самым операцию принятия решения дешифров-щиком благодаря выделению контура объекта. Рассмотрим, на чем основаны принципы работы таких алгоритмов.
Например, резкие изменения (разрывы) яркости, координат цвета или параметров, характеризующих текстуру, являются важными простейшими признаками, поскольку они часто определяют очертания изображенных объектов. Локальные разрывы значений яркости называются яркостными перепадами, или яр-костными контурами [1].
На рис. 1 показаны участки изображения с быст-
рым изменением яркости от низкого уровня к высокому в одномерном и двумерном случаях. В одномерном случае перепад характеризуется высотой, углом наклона и координатой центра склона. Перепад существует, если его угол наклона и высота больше некоторого заданного порога. Для двумерного случая важна также ориентация перепада по отношению к оси х. Идеальный детектор перепада при обработке областей изображения, представленных на рис. 1, должен указывать на наличие перепада в единственной точке, расположенной в центре склона.
Общий подход к обнаружению перепадов на одноцветном изображении иллюстрируется в виде блок-схемы на рис. 2.
Исходное изображение, представленное массивом чисел Ь(], к), подвергается линейной или нелинейной обработке с тем, чтобы усилить перепады яркости. В результате образуется массив чисел к), описывающий изображение с подчеркнутыми измене-
Рис. 1. Одномерный (а) и двумерный (б) перепады
1Воробцов Евгений Петрович, адъюнкт, тел.: 89642154611, (3952)228121, e-mail: [email protected] Vorobtsov Yevgeny Petrovich, an Adjunct, tel.: 89642154611, (3952) 228121, e-mail: [email protected]
Контрасти рован ие перепадов Пороговый детектор
LU, к) G(j,k) EU, к)
Рис. 2. Пороговая система обнаружения перепадов
ниями яркостей. Затем выполняется операция сравнения с порогом и определяется положение элементов изображения с ярко выраженными перепадами. Если О(у, к) < Тм (у, к),
то имеет место нисходящий перепад, а при
а (у, к) > Ти (у, к)
Величины Тм (у, к) и
полосы (ВПП), на которой расположены два воздушных судна. После работы алгоритма Собела на изображении определяются контуры ВПП и двух воздушных судов. _
- восходящим перепад.
TU (j, к) представляют собой нижнее и верхнее пороговые значения. Эти значения можно сделать переменными в плоскости изображения для компенсации влияния сильных изменений яркости на результаты обнаружения перепадов.
Выбор порога является одним из ключевых вопросов выделения перепадов. При слишком высоком уровне порога не будут обнаружены структурные элементы с низким контрастом. Наоборот, слишком низкий уровень порога явится причиной того, что шум будет ложно принят за перепад. Для обозначения положения перепадов на изображении часто формируют контурный препарат - массив элементов E(j, к). Например, положение точек восходящих препаратов можно было бы отмечать белыми точками на черном фоне. Можно также точки восходящих препаратов отмечать белым цветом, нисходящих - черным, а остальные элементы изображения - некоторым средним уровнем яркости.
Другой важный подход к обнаружению перепада состоит в аппроксимации фрагмента реального изображения некоторым идеальным одно- или двумерным перепадом, показанным на рис.1. Если аппроксимация оказывается достаточно точной, то считается, что перепад существует и ему приписываются параметры идеального перепада.
Рассмотрим на примерах работу различных известных методов контрастирования, таких как методы Собела, Кирша и Робертса (квадратный корень). В качестве исходного изображения возьмем фрагмент размером 128 х128 пикселей, на котором размещены 2 воздушных судна.
Для контрастирования с помощью алгоритма Со-бела используется нелинейный оператор с окном из 3 х 3 элементов и вычисляется величина
О (у, г ) = л1 X2 + У2,
где
X = (А2 + 2 А3 + А4 )-(А0 + 2 А7 + А6), У = ( Ао + 2 А + А2 )-(Аб + 2 А5 + А4). Величины А. - яркости элементов окна. Результат представлен на рис.3. На исходном рисунке в градациях серого изображена часть взлетно-посадочной
>¿21 Ш
Рис. 3. Пример выделения контуров с помощью оператора Собела
Другой нелинейный оператор с таким же окном из 3х3 элементов для контрастирования перепадов предложен Киршем:
О (у, г) = тах {1, тах [|55',. - 3Ti где 5 = А1 + А
1=0+7
T = A+3 + a+4-
г+1 г + 2 1
■А+5 + А+6 + А+7 .(1)
Индексы у слагаемых А. подсчитываются по модулю 1. По существу оператор Кирша дает максимальное значение курсового градиента в некоторой точке изображения без учета значения Е(у,г). Результат этого алгоритма представлен на рис.4.
ш
Рис. 4. Пример выделения контуров с помощью оператора Кирша
Метод Робертса основан также на контрастировании и выражается следующим образом:
'[ Е (у, г )-Е (у +1, г +1 )]2 Х
G (j, г ) =
+ [ F (j, г +1)- F (j +1, г ))2
Результат применения оператора представлен на рис. 5.
Проанализировав получившиеся изображения, можно сделать следующий вывод: ни один из данных
операторов нельзя назвать лучшим и рекомендовать к использованию. На одних изображениях лучше будет работать один оператор, на других он будет показывать плохие результаты.
Рис.5. Пример выделения границ с помощью детектора Робертса
Автором данной статьи была исследована возможность применения комбинации из этих операторов. Результаты такого эксперимента показаны на рис.6.
более четким и контрастным. В случае применения комбинации алгоритмов Кирша и Робертса, а также Собела и Робертса на изображении произошло проявление шумовых эффектов в виде ложных областей определения перепадов, незначительных по размерам.
Следует отметить, что при предварительной обработке изображения, например, алгоритмом сглаживания, применяющегося для расфокусировки изображения и подавления шума, а также с помощью медианного фильтра, который используется для подавления импульсных шумов на изображении, можно достичь лучшего результата в выделении интересующих нас объектов. Поэтому при автоматизированной обработке цифровых изображений дешифровщику необходимо использовать различные комбинации для окон-туривания изображений. Все будет зависеть от качества полученных цифровых изображений, от того, каким способом съемки получено то или иное цифровое изображение. Методом подбора уже заданных комбинаций дешифровщик осуществляет дешифрирование
у У
Кирш+Робертс Собел+Кирш Собел+Робертс
Рис.6. Примеры комбинации операторов Кирша, Собела и Робертса
Как видно из результатов, при применении комбинации алгоритмов выделения контуров в случае последовательного применения операторов Собела и Кирша результат выделения границ объектов улучшился незначительно, но изображение получилось
цифрового изображения той комбинацией исходя уже из личного опыта. В результате повышается вероятность обнаружения интересующих объектов и уменьшается время на автоматизированную обработку цифровых изображений.
Библиографический список
1. Прэтт У. Цифровая обработка изображений / под ред. Д.С. Лебедева. М.: Мир, 1982. Т 2. 478 с.
