Задача выделения линий на цифровых изображениях Текст научной статьи по специальности «Компьютерные и информационные науки»

I ЗАДАЧА ВЫДЕЛЕНИЯ ЛИНИЙ НА ЦИФРОВЫХ ИЗОБРАЖЕНИЯХ

Дамдинова Татьяна Цыбиковна, кандидат технических наук, доцент, г. Улан-Удэ Жимбуева Любовь Дамбиевна, кандидат технических наук, доцент, г. Улан-Удэ

Аннотация: Современные робототехнические системы оснащаются различными сенсорными устройствами. Одним из основных направлений очувствления роботов является техническое зрение, где в качестве средства формирования информации используются цифровые фотокамеры. Точность получения информации об объектах по их цифровому изображению важна для решения многих задач систем технического зрения. К этим задачам относятся: восстановление форм и размеров плоских объектов, распознавание объектов, обмер объектов в системах автоматизированного проектирования, калибровка камеры и т. д. На качество изображения влияет множество факторов, в том числе освещенность объектов, погрешности оптической системы.

В данной статье рассмотрены способы улучшения качества цифровых изображений на этапе их предварительной обработки. Рассмотрено влияние освещенности на определение контуров объектов изображения при использовании пороговых методов и методов свертки с масками для выделения границ объектов.

Для определения границы объектов цифрового изображения независимо от освещенности был разработан метод, использующий разницу яркостей соседних пикселей. С этой целью были проведены следующие исследования:

выявление зависимости толщины линий от порога бинаризации;

обзор фильтров для выделения линий;

разработка метода выделения линий.

Ключевые слова: обработка цифровых изображений, выделение границ.

THE PROBLEM OF DETERMINING LINES I

IN DIGITAL IMAGES |

Tatyana Damdinova, Ph.D., Associate Professor, Ulan-Ude LubovZhimbueva, Ph.D., Associate Professor, Ulan-Ude

Abstract: Modern robotic systems are equipped with various sensor devices. A major focus area for sensitising robots is computer vision using digital cameras for generating information. The accuracy of obtaining information on objects based on their digital images is important for solving many computer vision problems, such as determining the shape and size of flat objects, objects recognition, measuring objects in computer aided design systems, camera calibration, etc. Image quality is influenced by many factors, including object illumination and optical system tolerances.

In this paper methods of increasing the quality of digital images at the stage of preprocessing are considered. The influence of illumination on determining the contours of objects in the image using threshold methods and mask convolution methods for determining the edges of objects is examined.

For determining the edges of objects in the image irrespective of illumination a method using the difference in brightness of adjacent pixels was developed. To this end, the following studies were performed:

• the relationship between line thickness and the binarisation threshold was determined;

• an overview of filters used for determining lines was made;

• a method for determining lines was developed.

Keywords: digital images processing, edges determination.

При обработке цифровых изображений ключевой задачей является выделение объектов на изображении и получение информации по контурам этих объектов. Однако в естественных условиях съемки большую роль играет освещенность объекта, ее равномерность, уровень яркости1,2,3. Зачастую центральная часть объекта имеет хорошую освещенность и, следовательно, более четко очерченные линии и границы. На периферийной части изображения освещенность хуже, линии получаются размытые, что усложняет определение контура объекта.

Для повышения качества изображения выполняется предварительная обработка изображений2,3,4. На этапе предварительной обработки цифрового изображения, как правило, выполняется его бинаризация с использованием глобального порога. Здесь выбор различных значений глобального по-

способствующие удалению шумов и выделению границ объектов.

Зависимость толщины линий от величины порога бинаризации

Для выявления зависимости толщины линий обработка цифровых изображений выполнялась в программе MathCAD5. В качестве исследуемого объекта были выбраны файлы с изображениями квадратной сетки, используемой для исследования погрешностей цифрового изображения [1]. Выбранный тестовый объект обеспечивает полную информацию по всему полю исследуемого изображения.

При считывании файла в MathCAD цифровое изображение имеет вид матрицы, содержащей значения яркостей пикселей по строкам и столбцам (рис. 1).

Рис. 1. Исходные данные для обработки

рога бинаризации влияет на размеры выделяемого объекта, а также на изменение толщины линий в разных областях изображения при данном пороговом значении. Использование нескольких локальных порогов усложняет процесс обработки и увеличивает время для анализа исходного изображения.

Также на этапе предварительной обработки изображения используются различные фильтры,

1 Jahne Bernd, Haussecker Horst, Computer Vision and Applications. A Guide for Students and Practitioners. Academic Press, 2000. 702 p.

2 Гонсалес Р., Вудс Р., Цифровая обработка изображений. М.: Техносфера, 2005, 2006. 1072 с.

3 Хорн Б.К.П. Зрение роботов: Пер. с англ. М.: Мир, 1989. 487 с.

4 Прэтт У. Цифровая обработка изображений. Кн.1. М.: Мир, 1982.

Для определения зависимости толщины линии от порога бинаризации в MathCAD была написана процедура бинаризации и вычисления среднего количества точек линий сетки (величина БгКо1Т) при данном пороге бинаризации Т(рис. 2). Порог бинаризации изменялся в диапазоне от 50 до 150 с шагом в 20 единиц. Были обработаны файлы изображений сетки с разрешениями 640х480 пикселей и 2592х1944 пикселей. На рис. 2 видно, что при значении порога больше 150 начинает затемняться хуже освещенная часть по краям изображения.

Из приведенных данных видно, что толщина линий зависит от значения порога бинаризации и, кроме того, нужно отметить, что толщина линий неоднородная на разных участках одного изображения.

5 Очков В.Ф. MathCad12 для студентов и инженеров: научное издание / В.Ф.Очков. СПб.: БХВ-Петербург, 2005. 457 с.

Т=5 0. 5гК о1Т = 2. 286 1 =70 ,1'Ко 1Т = 2,1 ¡57 Т=9 3, Sl'K olT = 3.1 14

Г=1 L0, 8г1 Со 1Т = 4 020 Т=1 30, 811 ColT = 4 286 ш Г=15 0. Sl'K о IT = 4. 875 ПИ

V 1

j

А

» ЕГТ

Рис. 2. Бинарные изображения 640х480 при разных порогах бинаризации.

Выделение границ объектов на цифровом изображении

Для выделения контуров разных направлений к исходному изображению, как правило, применяются свертки с разными масками (рис. 3). Эффект, накладываемый маской на изображение, зависит от коэффициентов, используемых в маске6,7,8.

В данной работе при обработке изображения сетки были использованы маски для выделения вертикальных и горизонтальных линий, операторы Робертса, Собеля, Прюитт, несколько операторов Лапласа. Ниже для сравнения приводятся результаты свертки по выделению горизонтальных линий исследуемого изображения квадратной сетки (рис. 4).

Рис. 3. Маски для выделения границ

6 Эндрю А. Искусственный интеллект. Пер. с англ. М.: Мир, 1985. 264 с.

7 Рафаэл Б. Думающий компьютер. Пер. с англ. М.: Мир, 1979. 407 с.

8 Яне Б. Цифровая обработка изображений. М.: Техносфера, 2007. 584 с.

По представленным выше рисункам видно, что линии на изображениях, полученных в результате свертки с приведенными операторами, размыты.

Также нестабильную картину иллюстрируют графики яркостей нескольких строк изображения. На рис. 5а представлен график яркостей 5

а. Маска «Север

в. Оператор Робертса

б. Маска «Восток»

г. Оператор Прюитт

Рис. 4. Операторы для выделения границ

200

й хЗ х4 х5

.23.

■ 1

"1 ....... | \1 _ .

1 1 -----,.

а. линии исходного изображения

.342,

х2 ¿3 х4 х5

400 300 - 200 100 0

- 100 - 200 - 300

■

400

1

I1 г • ' ' ^ ■ г. V. •

Г" [

I 1 1

Г': |

| Г 1

240

б. линии после свертки с маской «Восток» Рис. 5. Графики яркостей строк изображения

430

430

строк исходного изображения, представленного на рис. 1. На рис. 5Ь показаны эти же строки после свертки.

Метод выделения линий сетки

Для решения задачи определения погрешностей цифровых изображений был разработан и

АЬ

программно реализован метод, основанный на вычислении разности яркостей соседних пикселей, который позволяет более четко определять границы линий сетки. Изображение, полученное при выделении горизонтальных и вертикальных линий по разнице яркостей пикселей, показано на рис. 6. Графики яркостей тестируемых линий представлены на рис. 7.

АУ

а. горизонтальные линии сетки б. вертикальные линии сетки

Рис.6. Выделение линий

.0. у «О

Рис. 7. Графики яркостей по разности соседних пикселей

Данный метод выделения линий позволяет восстанавливать линии сетки на изображениях независимо от качества освещенности предметного пространства, позволяет упростить задачу обработки неравномерно освещенных изобра-

жений больших размеров, избежать сложностей, возникающих при применении глобального порога бинаризации. Задача вычисления координат пикселей, принадлежащих линиям сетки, сводится к анализу графика яркостей.

Литература

1. Дамдинова Т.Ц. Способы формирования цифровых изображений и анализ их погрешностей // Вопросы кибербезопасности. 2014. № 5(8).

References

1. Damdinova Т.С. БрозоЬу' Югт]|^ашуа cifrovy'x izobrazhenij ¡ апа1^ ¡х pogreshnostej // УоргоБу' k¡berbezopasnost¡. 2014. # 5(8).