CC BY
58
УДК 004.932.1
Григорьев А.В., Држевецкий А.Л., Баннов В.Я., Трусов В.А., Кособоков А.С.
ФГБОУ ВПО «Пензенский государственный университет», Пенза, Россия
ОБ ОГРАНИЧЕНИЯХ УРОВНЕВО-ПОРОГОВОЙ СЕГМЕНТАЦИИ ПОЛУТОНОВЫХ РАСТРОВЫХ ИЗОБРАЖЕНИЙ
В компьютерном зрении сегментация — это процесс разделения цифрового изображения на несколько сегментов (множество пикселей, также называемых суперпикселями). Цель сегментации заключается в упрощении и (или) изменении представления изображения, чтобы его было проще анализировать. Сегментация изображений обычно используется для того, чтобы выделить объекты и границы (линии, кривые, и т. д.) на изображениях. Более точно, сегментация изображений — это процесс присвоения таких меток каждому пикселю изображения, что пиксели с одинаковыми метками имеют общие визуальные характеристики. По сути дела сегментация изображения сводится к тому, чтобы пометить пиксели, относящиеся к области объекта, который будет распознаваться или анализироваться. По сути дела, задача сегментации — это задача обнаружения. Требуется обнаружить пиксели, относящиеся к сегменту.
В [1] заявлен способ сегментации изображений на основе анализа структуры разностей между интенсивностями каждого элемента и соседних с ним по восьми направлениям. В [2] этот способ модифицирован, рассмотрены структурные определения различных растровых элементов, предложена их классификация и уровни приоритета. Структурно-разностная морфология, разработанная в рамках этого метода сегментации, была применена в смежных технических областях, в частности, в организации межсистемных взаимодействий в системах автоматизированного проектирования РЭС [3, 4]. В работах [5-16] способ сегментации модернизирован, предложены его практические применения для решения различных конкретных задач, уточнена терминология и логические функционалы. В работах [17-22] метод сегментации модифицирован, применительно к специфике задач контроля печатных плат. В работах [23-29] математический аппарат, наработанный при развитии метода, применён при организации интеллектуальных компьютерных обучающих систем и САПР. Различные составляющие способа используются при решении других задач анализа и контроля распределений различных физических параметров. Это нашло отражение в трудах [30-40].
Цифровое полутоновое растровое изображение удобно представлять в виде 3D поверхности, каждый элемент которой характеризуется тремя координатами: порядковым номером растровой строки i, порядковым номером элемента в строке j и интенсивностью (яркостью) элемента Z. Через Zi,j будем обозначать яркость j-го элемента в i-й строке. И сам этот элемент будем называть «элемент Zi,j». Эту 3D поверхность будем называть растровой поверхностью.
Рассмотрим в качестве примера рефлекс электронно-дифракционной картины (рис. 1).
Рис. 1. Рефлекс электронно-дифракционной картины
Область малого градиента яркости в окрестности её максимума назовём вершиной, область большого градиента — склоном, границу вершины и склона — вершинным контуром, область малого градиента — фоном, границу фона и склона — фоновым контуром. В частном случае, вершина может состоять из одного элемента. Тогда этот один элемент приравнивается к области малого градиента яркости.
Требуется определить координаты и интенсивности рефлексов электронно-дифракционной картины. Под координатами рефлекса понимаются порядковые номера растровой строки и пикселя в растровой строке, соответствующие геометрическому центру вершины рефлекса. Под интенсивностью — среднеарифметическая яркость пикселей вершины рефлекса минус среднеарифметическая яркость пикселей фонового контура рефлекса.
Для решения этой задачи необходимо выполнить сегментацию электронно-дифракционной картины. Из условия задачи следует, что объектами в данном случае являются вершины и фоновые контуры рефлексов.
Рассмотрим другой пример — текстовый символ «Б» (рис. 2).
1
Вершиной текстового символа является область обычно чёрного цвета. Склон — поверхность разрыва между «черным» и «белым». Фон — всё, что белого цвета, включая отверстие в букве «Б». Фоновый контур ограничивает символ. Вершинный контур ограничивает вершину, то есть информативную часть символа. В идеальном случае вершинный и фоновый контуры совпадают, толщина склона равна нулю.
Для решения задачи распознавания текста необходимо осуществить сегментацию, то есть, в данном случае, обнаружить и выделить область вершины символов.
Наиболее простым решением представляется сравнение интенсивности элементов с некоторым пороговым уровнем. Сущность этого способа состоит в том, что при построчном считывании изображений формируются дискретные отсчёты Zi,j. Для каждого элемента изображения решается неравенство: Z±,j>£, где £ — пороговый уровень яркости. Если это неравенство выполняется, то Zi,j присваивается уровень логической единицы, в противном случае — нуля.
В идеальном случае элементы (пиксели) вершины имеют одинаковую яркость, элементы фона имеют одинаковую яркость. При этом яркость («степень зачернённости») элементов вершины больше яркости элементов фона. Гистограмма плотности вероятности яркости пикселя будет иметь следующий вид: (рис. 3).
Рис. 3. Гистограмма плотности распределения яркости пикселя для идеального изображения текста Гистограмма имеет вид двух 5-функций на уровнях ZB и Z$ — соответственно, уровни вершины и фона. Установим пороговый уровень Zn посередине между этими уровнями. В результате пикселям вершин фрагментов будет присвоен уровень логической единицы, а пикселям фона — нуля.
Реальное изображение имеет неравномерный фон, на него наложены шумы, символы имеют разную яркость, склоны имеют конечную толщину. Склон не может находиться точно на границе пикселей. Поэтому часть пикселя, соответствующего фоновому или вершинному контуру фрагмента, имеет яркость, близкую Z^, а другая часть — близкую ZB. В результате яркость этого пикселя будет между Z,*, и ZB. Таким образом, на гистограмме реального изображения текста, чертежа, полосковой структуры дорожек печатной платы и т. п. вместо 5-импульсов будут кривые нормального распределения. Причём чем больше неравномерность фона и различия в яркости объектов, ний и тем ближе друг к другу ожидаемые значения Z4, будут накладываться друг на друга (рис. 4).
и Zв .
тем больше дисперсии этих распределе-Даже при небольших помехах эти кривые
Площадь под частью кривой 2 плотности распределения яркости элементов вершин, расположенной слева от порогового уровня Zn, это вероятность Рвп. того, что элемент вершины определится как элемент фона. Другими словами, Рвп. — это вероятность пропуска элемента вершины.
Площадь под частью кривой 1 плотности распределения яркости элементов фона, расположенной справа от порогового уровня Zn это вероятность Рвло того, что элемент фона определится как элемент вершины. Другими словами, Рвло — это вероятность ложного обнаружения элемента вершины.
При распознавании печатных текстов, векторизации чертежей, контроле качества фотошаблонов, печатных плат и т. п., особенно при низком качестве оригиналов, часто возникают ошибки там, где человек уверенно читает. Бывают такие оригиналы, на которых неравномерность фона превышает яркость самих объектов. При этом гистограмма плотности распределения яркости пикселя становится
2
одномодальной. При этом невозможно отделить объекты от фона методом пороговой дискриминации по уровню яркости. Типичным примером такой ситуации являются рефлексы электронно-дифракционной картины. Там даже не вследствие помех, а по характеру самого изображения рефлексы расположены на очень неравномерном фоне, спадающем от центрального пятна к периферии, а интенсивность различных рефлексов различна. Похожие проблемы возникают в системах видеонаблюдения и во многих других областях .
Обратим внимание на то, что градиенты яркости вершин и фона на всех изображениях сильно отличаются друг от друга. На электронно-дифракционных картинах вершины рефлексов могут находиться на различных уровнях яркости, но градиент яркости всех вершин одинаково мал по сравнению с градиентом яркости пикселей в областях склонов. Примеров подобных изображений в различных областях великое множество.
ЛИТЕРАТУРА
1. А.с. 1837335 СССР, G06K9/00. Устройство для селекции изображений. / А.Л. Држевецкий, В.Н. Контишев, А.В. Григорьев, А.Г. Царёв. — № 4912250; заявл. 19.02.1991; опубл. 30.08.1993.
2. Григорьев А.В. Информационно-измерительная система для контроля микроструктуры и фазового состава тонкопленочных материалов // Диссертация на соискание ученой степени кандидата технических наук / Пенза, 1999.
3. Кочегаров И.И. Межсистемные взаимодействия в сложных информационных структурах создания РЭС // Диссертация на соискание ученой степени кандидата технических наук / Пенза, 2004
4. Затылкин А.В. Система управления проектными исследованиями радиотехнических устройств // Диссертация на соискание ученой степени кандидата технических наук / М.: 2012
5. Григорьев А.В., Држевецкий А.Л., Граб И.Д. Уровни предпочтений в системе распознавания электронно-дифракционных картин. // Надежность и качество: Труды международного симпозиума. Том
1, С. 396-399 — Пенза: Изд-во Пенз. гос. ун-та, 2010.
6. Григорьев А.В., Држевецкий А.Л., Юрков Н.К. Метод распознавания электронно-дифракционных рефлексов. // Труды международного симпозиума «Надежность и качество». 1999. С. 353-354.
7. Григорьев А.В. Распознавание вершин рефлексов электронно-дифракционных профилей. // Труды международного симпозиума Надежность и качество. 2005. Т. 1. С. 122-123.
8. Григорьев А. В., Кузнецов С. В., Юрков Н. К. Обнаружение точечных изображений с положительным контрастом. // Современные наукоемкие технологии. 2013. № 8-2. С. 189-190.
9. Григорьев А.В., Држевецкий А.Л. Критерий обнаружения объектных фрагментов штрихового изображения в полутоновом. // Труды международного симпозиума «Надежность и качество». 2011. Т. 2. С. 310-312.
10. Григорьев А.В., Држевецкий А.Л. Уточнение характеристических признаков и логического функционала структурно-разностной сегментации полутонового изображения. // Труды международного симпозиума «Надежность и качество». 2011. Т. 2. С. 312-315.
11. Григорьев А.В., Волощенко А.А. Структурно-разностные профильные классы пикселей по двум направлениям. // Инновации на основе информационных и коммуникационных технологий. 2012. № 1. С. 159-162 .
12. Григорьев А.В., Рачковская М.К. Критерий обнаружения вершинных сегментов растровых поверхностей. // Инновации на основе информационных и коммуникационных технологий. 2012. № 1. С. 162165 .
13. Григорьев А.В. Первичная обработка электронно-дифракционных поверхностей. // Труды международного симпозиума «Надежность и качество». 2006. Т. 1. С. 197-198.
14. Григорьев А.В., Граб И.Д., Тюрина Л.А. Приоритет склона электронно-дифракционного рефлекса. // Труды международного симпозиума «Надежность и качество». 2007. Т. 1. С. 106-107.
15. Григорьев А.В., Граб И.Д., Паксяев Н.А., Трусов В.А., Баннов В.Я. Оконтуривание склона электронно-дифракционного рефлекса. // Труды международного симпозиума «Надежность и качество». 2008. Т. 1. С. 332-334.
16. Григорьев А.В., Држевецкий А.Л., Граб И.Д., Баннов В.Я. Нижний контур склона электроннодифракционного рефлекса. // Труды международного симпозиума «Надежность и качество». 2009. Т. 2. С. 127-128.
17. Патент 2032218 РФ, МПК G06K9/00. Устройство для селекции изображений объектов/Држевецкий
А.Л., Григорьев А.В., Царев А.Г., Контишев В.Н. -№ 4891118/24; заявл. 17.12.1990; опубл.
27.03.1995.
18. Григорьев А.В., Данилова Е.А., Држевецкий А.Л. Классификация дефектов бортовой РЭА. Труды международного симпозиума Надежность и качество. 2013. Т. 1. С. 328-331.
19. Григорьев А.В., Држевецкий А.Л., Юрков Н.К. Способ обнаружения и идентификации латентных технологических дефектов печатных плат. // Труды международного симпозиума «Надежность и качество». 2013. Т. 1. С. 115-122.
20. Кочегаров И.И., Ханин И.В., Григорьев А.В., Юрков Н.К. Алгоритм выявления латентных технологических дефектов фотошаблонов и печатных плат методом оптического допускового контроля. //
Труды международного симпозиума «Надежность и качество». 2013. Т. 2. С. 54-57.
21. Юрков Н.К., Алмаметов В.Б., Затылкин А.В., Григорьев А.В., Кочегаров И.И. Методы обнаружения и локализации латентных технологических дефектов бортовой радиоэлектронной аппаратуры: Монография, Пенза: Изд-во ПГУ, 2013. - 184 с.
22. Држевецкий А.Л., Григорьев А.В. Автоматизированная система оптического допускового контроля печатных плат и фотошаблонов. // Метрология, 1995, вып. 4, C. 11-18.
23. Григорьев А.В., Баннов В.Я. Изучение автокорреляционной функции видеоимпульса. // Труды международного симпозиума «Надежность и качество». 2008. Т. 1. С. 386-387.
24. Григорьев А.В., Држевецкий А.Л., Граб И.Д., Баннов В.Я. Учебная разработка функциональной схемы согласованного фильтра видеоимпульса. // Труды международного симпозиума «Надежность и качество». 2009. Т. 2. С. 128-130.
25. Граб И.Д., Затылкин А.В., Горячев Н.В., Алмаметов В.Б., Юрков Н.К., Баннов В.Я., Кочегаров И.И. Лабораторный комплекс в архитектуре ИКОС как основа формирования умений // Труды международного симпозиума Надежность и качество. 2008. Т. 1. С. 213-215.
26. Кочегаров И.И., Трусов В.А. Развитие систем изучения микроконтроллеров и ПЛИС // Труды международного симпозиума Надежность и качество. 2008. Т. 2. С. 166-167
3
28. Гришко А.К., Трусов В.А., Кочегаров И.И. Проблемы эффективного автоматизированного проектирования управляемых технических систем // Труды международного симпозиума Надежность и качество. 2010. Т. 1. С. 285.
29. Кочегаров И.И., Стюхин В.В. Алгоритм прямого перебора с применением теории графов для прогнозирования отказов сложных РЭС // Труды международного симпозиума Надежность и качество. 2012. Т. 2. С. 130-131
30. Кочегаров И.И., Таньков Г.В. Программный пакет моделирования механических параметров печатных плат // Труды международного симпозиума Надежность и качество. 2011. Т. 2. С. 334-337
31. Yurkov N.K. Information features of multi-extremal functions for describing the
functioning indicators of the components of information measurement systems / N.K. Yurkov, A. V. Blinov, A. T. Erokhin // Measurement Techniques. N.Y., Springer, Vol. 43, No. 8, August 2000. P. 660-664
32. Yurkov N.K. Analysis of measurement information on steady-state vibrations / N.K. Yurkov,
1. M. Belogurskii, A. N. Andreev, A. V. Blinov // Measurement Techniques. N.Y., Springer, Vol.
43, No. 8, August 2000. P. 665-666
33. Yurkov N.K. Boolean matrices in problems on determining the state of discrete components in computerized measurement systems / N.K. Yurkov, A. V. Gorish, N. N. Novikov, L. A. Kladenok, A. V. Blinov // Measurement Techniques. N.Y., Springer, Vol. 43, No. 6, June 2000. P. 481-485
34. Yurkov N.K. Diagnosis of restorable components of special-purpose on-board data-
acquisition systems / N.K. Yurkov, A. V. Blinov, D. S. Maksud // Measurement Techniques. N.Y., Springer, Vol. 43, No. 7, July 2000. P. 578-580
35. Yurkov N.K. Acceptance Checking Methods for UHF Electronic Components / N.K. Yurkov, A. V. Blinov, A. G. Kanakov, V. A. Trusov // Measurement Techniques. N.Y., Springer, Vol. 43, No. 10, October 2000. P. 895-901
36. Yurkov N.K. Diagnostics of Integrated Operational Amplifiers Mounted on Circuit Boards /
N.K. Yurkov, B. V. Tsypin // Measurement Techniques. N.Y., Springer, Vol. 45, No. 2, February
2002. P. 210-213
37. Yurkov N.K. A finite-element model of the thermal influences on a microstrip antenna / N.K. Yurkov, E.Yu. Maksimov, A.N. Yakimov // Measurement Techniques. N.Y., Springer, Vol. 54, No.
2, May, 2011. P. 207-212
38. Таньков Г.В., Трусов В.А., Затылкин А.В. Исследование моделей стержневых конструкций радиоэлектронных средств // Труды международного симпозиума Надежность и качество. 2005. Т. 1. С. 156-158
39. Затылкин А.В., Кочегаров И.И., Юрков Н.К. Алгоритм проведения проектных исследований радиотехнических устройств опытно-теоретическим методом // Труды международного симпозиума Надежность и качество. 2011. С. 363
40. Алмаметов В.Б., Авдеев А.В., Затылкин А.В., Таньков Г.В., Юрков Н.К., Баннов В.Я. Моделирование нестационарных тепловых полей электрорадиоэлементов // Труды международного симпозиума Надежность и качество. 2010. Т. 2. С. 446-449
41. Таньков Г.В., Затылкин А.В. Моделирование тепловых процессов в стержневых конструкциях РЭС // Труды международного симпозиума Надежность и качество. 2007. Т. 1. С. 257-258
4
