Система автоматизированного анализа пространственной структуры изображений. Подсистема центроидной релаксации

Целью данной работы являются исследования по разработке математической модели и метода анализа пространственной структуры изображений, который заключается в выделении структурных элементов изображения, определения их геометрических характеристик. Работа включает в себя исследование метода, позволяющего анализировать кривизну структурных элементов изображения.
Для написания соответствующего программного обеспечения были изучены материалы и публикации в области цифровой обработки изображений, структурного анализа, распознавании образов.
В результате проделанной работы было разработано программное обеспечение, предназначенное для структурного анализа изображений, используемых в системе автоматизированного анализа пространственной структуры изображений.
На сегодняшний день существует большое количество программных продуктов, предоставляющих возможность цифровой обработки изображений. Однако ни одна из существующих разработок не позволяет проводить структурный анализ изображений посредством преобразования из растровой формы в векторный вид, с целью осуществления фильтрации изображения, определения геометрических характеристик элементов и передачей потока информации с минимальными затратами. Поэтому данная разработка является уникальной и не имеет аналогов в современной индустрии компьютерной обработки изображений.
Разработанная система применяется для получения кодированного описания изображения, обнаружения и определения кривизны структурных элементов изображения. Обработка изображения с помощью системы позволяет понизить количество шумов и искажений, выделить осевые линии на изображении, и сегментировать полученные линии. В результате обработки цепным кодированием удается значительно уменьшить объем изображения по сравнению с исходным растром.
Разработанное программное обеспечение является исследовательским, оно направлено на изучение и анализ методов обработки изображений. С его помощью были получены экспериментальные данные, использованные в данной работе. Конечным программным продуктом может являться оболочка, представляющая в значительной мере автоматизированный интерфейс для проведения структурного анализа изображений.

СОДЕРЖАНИЕ
ВВЕДЕНИЕ. 3
1. РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО АНАЛИЗА ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ ИЗОБРАЖЕНИЙ.. 3
1.1. Обоснование целесообразности разработки системы автоматизированного анализа пространственной структуры изображений. 3
1.1.1. Назначение системы.. 3
1.1.2. Характеристика функциональной структуры системы.. 3
1.1.3. Обоснование цели создания системы.. 3
1.1.4. Обоснование состава автоматизируемых задач. 3
1.2. Аналитический обзор. 3
1.3. Основные требования к системе. 3
1.3.1. Основные цели создания системы и критерии эффективности ее функционирования. 3
1.3.2. Функциональное назначение системы.. 3
1.3.3. Особенности системы и условия ее эксплуатации. 3
1.3.4. Требования к функциональной структуре. 3
1.3.5. Требования к техническому обеспечению.. 3
1.3.6. Требования к информационному обеспечению.. 3
1.3.7. Требования к программному обеспечению.. 3
1.4. Основные технические решения проекта системы.. 3
1.4.1. Решение по комплексу технических средств. 3
1.4.2. Описание системы программного обеспечения. 3
2. РАЗРАБОТКА ЗАДАЧИ «ПОДСИСТЕМА ЦЕНТРОИДНОЙ РЕЛАКСАЦИИ» 3
2.1. Описание постановки задачи. 3
2.1.1. Характеристика задачи. 3
2.1.2. Входная информация. 3
2.1.3. Выходная информация. 3
2.1.4. Математическая постановка задачи. 3
2.2. Описание алгоритма построения кольцевого фильтра. 3
2.2.1. Назначение и характеристика алгоритма. 3
2.2.2. Используемая информация. 3
2.2.3. Результаты решения. 3
2.2.4. Алгоритм решения. 3
2.2.5. Список условных обозначений. 3
2.3. Описание алгоритма вычисления центра масс. 3
2.3.1. Назначение и характеристика алгоритма. 3
2.3.2. Алгоритм решения. 3
2.3.3. Список условных обозначений. 3
2.4. Описание алгоритма вычисления кривизны.. 3
2.4.1. Назначение и характеристика алгоритма. 3
2.4.2. Алгоритм решения. 3
2.4.3. Список условных обозначений. 3
2.5. Описание алгоритма обработки изображения. 3
2.5.1. Назначение и характеристика алгоритма. 3
2.5.2. Алгоритм решения. 3
2.5.3. Список условных обозначений. 3
2.6. Описание программы «Центроидная релаксация». 3
2.6.1. Вводная часть. 3
2.6.2. Функциональное назначение. 3
2.6.3. Описание информации. 3
2.6.4. Используемые подпрограммы.. 3
2.6.5. Описание логики. 3
2.7. Описание контрольного примера. 3
2.7.1. Назначение. 3
2.7.2. Исходные данные. 3
2.7.3. Результаты расчета. 3
2.7.4. Результаты испытания. 3
3. ОРГАНИЗАЦИОННО-ЭКОНОМИЧЕСКАЯ ЧАСТЬ. 3
3.1. Обоснование необходимости разработки подсистемы центроидной релаксации 3
3.2. Планирование разработки. 3
3.3. Расчет расходов на создание системы.. 3
4. БЕЗОПАСНОСТЬ И ЭКОЛОГИЧНОСТЬ ПРОЕКТА.. 3
4.1. Анализ вредных и опасных производственных факторов. 3
4.2. Техника безопасности при работе с компьютером. 3
4.3. Электробезопасность при работе с компьютером. 3
4.4. Требования к освещению рабочего места и его расчет. 3
4.4.1. Требования к освещению рабочего места. 3
4.4.2. Расчет освещенности рабочего места. 3
4.5. Параметры микроклимата, загрязнение воздуха рабочей зоны вредными веществами. 3
4.6. Пожаробезопасность при работе с компьютером. 3
ЗАКЛЮЧЕНИЕ. 3
СПИСОК ЛИТЕРАТУРЫ.. 3
ПРИЛОЖЕНИЕ 1 ТЕКСТ ПРОГРАММЫ.. 3
ПРИЛОЖЕНИЕ 2 РЕЗУЛЬТАТЫ РАБОТЫ ПРОГАММЫ.. 3
ПРИЛОЖЕНИЕ 3 РУКОВОДСТВО ПРОГРАММИСТА.. 3
ПРИЛОЖЕНИЕ 4 РУКОВОДСТВО ОПЕРАТОРА.. 3

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ, СОКРАЩЕНИЙ, СИМВОЛОВ И СПЕЦИАЛЬНЫХ ТЕРМИНОВ С ИХ ОПРЕДЕЛЕНИЯМИ
ААПСИ – автоматизированный анализ пространственной структуры изображений
ОС – операционная система
ЭВМ – электронно-вычислительная машина
ПО – программное обеспечение
ВВЕДЕНИЕ
Основную часть информации об окружающем мире человек получает посредством зрения. Изображения обладают высокой информативностью, при этом человек воспринимает их в гораздо быстрее, чем какую-либо другую информацию. В связи с этим у человека возникла потребность использовать графическую информацию в различных автоматизированных системах.
Графические образы, представляемые окружающим миром человеку, обладают большим разнообразием. Под этим названием объединены и топографическая карта, и фотография. При этом неотъемлемым атрибутом изображения является его пространственная структура. Способность реконструировать эту структуру при визуальном восприятии и обеспечивает предметность восприятия.
Отличительными признаками и характеристиками графических изображений являются:
Пространственная определенность, которая состоит в том, что любая точка изображения принадлежит единственному, и вполне определенному структурному элементу, который может представлять объект, либо принадлежать одному, или нескольким объектам соответствующей предметной области. Таким образом, реализуется структурная обусловленность изображений пространственным планом их построения, т.е. любое изображение сроится в соответствии с некоторым априорным планом, определяющим место положения и смысловые характеристики его структурных элементов.
Графическая определенность, заключающаяся в том, что для любой точки изображения точно определена ее графическая характеристика (тон или цвет) и количество возможных значений этой характеристики, которое определяется дискретной тоно-цветовой шкалой, содержащей ограниченный набор допустимых значений, тонов или цветов.
Образно-знаковый характер (семантическая определенность). Изображение составляется из элементов и их агрегатов в соответствии с некоторой заранее заданной легендой (номенклатурой), предусматривающей определенное графическое наполнение в форме условных знаков. За счет использования условных знаков обеспечивается передача семантики изображения при визуальном восприятии.
Цифровая графическая информация имеет две формы представления:
- растровая;
- векторная.
Растровая форма представления определяет изображение, как массив цветовых компонент на плоскости изображения. Перенос таких изображений в автоматизированные системы выполняется достаточно просто, так как в настоящее время достаточно хорошо развиты технологии репродукции изображений, основанные на оптических и фотографических принципах. Также растровые изображения, как и векторные, несут в себе определенную смысловую нагрузку, определяющую характеристику изображения в целом, как его понимает человек. Таким образом, растровые изображения не содержат информации о структуре размещения элементов, а передают лишь отображение этой структуры.
Разнообразие используемых растровых изображений достаточно велико: микрофотографии биологических препаратов, фотопортреты, пейзажные изображения, космические снимки земной поверхности и т.д.
Для графических изображений характерно также наличие относительно малого числа тонов и цветов, используемых при его воспроизведении. Но технологии репродуцирования изображений часто искажают изображения. В результате изображение наделяется избыточными данными, и как следствие этого изображение увеличивается в размере. Дополнительно ухудшается качество изображения, так как размывается его структурная схема. Причинами искажений воспроизводимого изображения являются:
– искажение тоновых и цветовых шкал носителя изображения;
– пространственно-частотные искажения;
– шумы и помехи носителя изображения;
– собственные искажения процессов цифровой регистрации изображений.
Ухудшение качества изображения ведет к осложнению работ по его структурному анализу.
Векторная форма представления определяет структуру размещения графических элементов на изображении. В векторном формате изображение задается как совокупность отдельных объектов, описанных математически (например, как векторы на плоскости), а в растровом - по точкам, как мозаика. К примеру, один и тот же отрезок прямой будет описан так:
¾ в векторном формате - заданы координаты начала и конца прямой, цвет и толщина;
¾ в растровом формате - заданы координаты каждой точки прямой, входящей в этот отрезок, и ее цвет.
Векторный формат более компактный, но он совершенно не пригоден для хранения аналоговых изображений, например фотографий. В этом формате задавать их математически было бы очень громоздко, поэтому гораздо проще использовать представление аналоговой графики в растровом виде. Но рисунки и чертежи гораздо удобнее и практичнее делать именно в векторном виде. Его основными достоинствами являются следующие параметры:
¾ изменение масштаба без потери качества и практически без увеличения размеров исходного файла;
¾ огромная точность (до сотой доли микрона);
¾ небольшой размер файла по сравнению с растровыми изображениями;
¾ прекрасное качество печати;
¾ отсутствие проблем с экспортом векторного изображения в растровое;
¾ возможность редактирования каждого элемента изображения в отдельности.
В настоящее время графическая информация на бумажных носителях не представляет большой ценности. Актуальность получила графическая информация в цифровом виде, особенно пригодная для редактирования. Редактирование растровых изображений – трудоемкий процесс, требующий много времени.
Работать с векторными изображениями: редактировать их, перемещать элементы, менять их размер, поворот – намного легче. Возникает необходимость экспортировать изображение из растрового формата – в векторный.
Для векторизации изображения необходимо выделить структурные элементы. При этом структурный анализ фотографий очень затруднителен, из-за большого количества цветов, оттенков, сложности математического описания и выделения структурных элементов. Поэтому в данной работе для анализа используются графические изображения – изображения, как правило, искусственного характера, построение которых производится по заранее определенному плану. Вопросам структурного анализа графических изображений посвящена данная работа.
1. РАЗРАБОТКА СИСТЕМЫ АВТОМАТИЗИРОВАННОГО АНАЛИЗА ПРОСТРАНСТВЕННОЙ СТРУКТУРЫ ИЗОБРАЖЕНИЙ
1.1. Обоснование целесообразности разработки системы автоматизированного анализа пространственной структуры изображений
1.1.1. Назначение системы
Система автоматизированного анализа пространственной структуры изображений предназначена для структурного анализа и обработки графических изображений. ААПСИ применяется для получения кодированного описания изображения, обнаружения и определения характеристик структурных элементов изображения. Обработка изображения с помощью системы позволяет понизить количество шумов и искажений, выделить осевые линии на изображении, и сегментировать полученные линии. В результате обработки удается значительно уменьшить объем изображения по сравнению с исходным растром.
1.1.2. Характеристика функциональной структуры системы
Обработка изображений состоит из следующих этапов:
1) в подсистеме формирования центроидных фильтров происходит создание фильтров для обработки вручную, а также автоматически. Подсистема обеспечивает сохранение и изменение уже созданных фильтров;
2) в подсистеме центроидной фильтрации происходит обработка исходного изображения с помощью различных фильтров с целью подавления шумов, искажений и выделения осевых линий;
3) в подсистеме центроидной релаксации представлен интерфейс, позволяющий обрабатывать изображение кольцевыми фильтрами различных радиусов. При обработке фильтром определяется кривизна структурных элементов изображения. Разработке этой подсистеме посвящена данная работа;
4) в подсистеме визуализации данных представлен интерфейс, обеспечивающий средства наглядной визуализации структурных данных, полученных после центроидной фильтрации и центроидной релаксации;
5) в подсистеме сегментации происходит обработка изображения с целью выявления сегментов и узлов структурных элементов изображения, таких как непрерывные кривые и линии;
6) в подсистеме цепного кодирования разработан алгоритм более эффективного представления структурных элементов изображения, происходит кодирование сегментов посредством использования методики цепных и дифференциальных цепных кодов;
Функциональная схема системы приведена на рис. 1.1.
1.1.3. Обоснование цели создания системы
Задачи структурного анализа изображений имеют широкий спектр применения, начиная от векторизации растров и заканчивая распознаванием образов. Структурный анализ изображений подразумевает выделение из них структурных элементов, таких, например, как линия, область, компактный элемент (буква) и т.д. На настоящий момент разработано много алгоритмов, выделяющих структурные элементы на монохромных изображениях. Однако практика показывает что, разработанные методы допускают много ошибок. Для их устранения требуется большой объем времени. Поэтому возникает проблема нахождения оптимальных методов структурного анализа, позволяющих наиболее точно выделять структурные элементы.
Целью данной работы является разработка и реализация такого преобразования монохромных изображений, при котором можно выделить структурные элементы изображения, и оценить их геометрические характеристики.

Функциональная схема системы автоматизированного анализа пространственной структуры изображений
Рис. 1.1
Создаваемая система носит поисково-исследовательский характер и направлена на облегчение разработки алгоритмов обработки изображений, упрощение анализа экспериментальных данных и выявление общих закономерностей.
1.1.4. Обоснование состава автоматизируемых задач
Реализация системы ААПСИ позволит интегрировать в едином интерфейсе все этапы обработки изображений:
1) создание, изменение, выбор фильтра для сканирования изображения;
2) фильтрация изображения и выделение осевых линий посредством обработки центроидным фильтром;
3) обработка изображения кольцевым фильтром, вычисление кривизны структурных элементов изображения методом центроидной релаксации;
4) выявление узлов и сегментов структурных элементов изображения;
5) эффективное представление сегментов линий и непрерывных кривых посредством цепного кодирования;
6) визуализация полученных при обработке изображений данных, установление порога отсечения;
1.2. Аналитический обзор
Как уже было указано во введении, модели представления изображений в ЭВМ можно разделить на два типа: растровые и векторные. Работа с растровыми и векторными моделями изображений реализована во многих программных продуктах.
Microsoft Paint
Простейший редактор растровых изображений, входящий в состав стандартной поставки ОС Microsoft Windows. Основные возможности:
– проведение прямых и кривых линий различной толщины и цвета;
– использование кистей различной формы, ширины и цвета;
– построение различных фигур: прямоугольников, многоугольников, овалов, эллипсов - закрашенных и не закрашенных;
– помещение текста на рисунок;
– использование преобразований: поворотов, отражений, растяжений и наклона;
– возможность перевода рисунка из цветной в черно-белую палитру посредством простейшего преобразования.
– Недостатки:
– отсутствуют средства по улучшению качества изображения, подавлению шумов;
– нет возможности сохранения объектной структуры изображения. Все изменения становятся частью растра, которую впоследствии сложно корректировать.
Продукт предназначен для простейшей обработки изображений, в которых отсутствуют искажения (например, полученных или создаваемых искусственным путем).
Adobe Photoshop
Профессиональный редактор растровых изображений. Основные возможности:
– контроль цвета и тона компонент изображения: возможность подбора палитры, замены цветов, поддержка 32-битного цвета (прозрачности), возможность построения гистограмм распределения цвета;
– интеллектуальное редактирование изображений: инструменты контекстной коррекции растра, позволяющие достичь фотореалистичности;
– широкий набор фильтров, позволяющих модифицировать и улучшить изображение;
– возможность создания многих независимых слоев в одном изображении.
Продукт предназначен для профессионального редактирования фотографических изображений, имеет мощный набор инструментов для улучшения их качества. В меньшей степени подходит для обработки искусственных изображений. Интерфейс обладает некоторой когнитивностью, которая, однако, ограничена сферой применения растровой модели/11/.

Corel Draw
Программный продукт, предназначенный для создания и обработки изображений в векторной модели. Основные возможности:
– объектность и структурность, свойственные векторной модели, позволяют добиться большого удобства при создании и изменении изображений;
– поддержка импорта и экспорта в большое количество форматов, в том числе и преобразования в растр;
– возможность рисования линий, фигур, текста.
Недостатки:
– невозможность импорта растровых изображений, полученных сканометрически;
– сложность в контроле цвета – практически невозможно добиться, чтобы цвета в экспортированном растровом изображении совпадали со стандартной палитрой.
Программный продукт предназначен главным образом для создания, а не модификации существующих изображений/12/.
Consistance Software Spotlight
Гибридный редактор. Основные возможности:
– изображение состоит из растра, на который наложены структурные элементы, это позволяет редактировать растровые изображения так же легко, как и векторные;
– векторизация сканированных изображений в полуавтоматическом и автоматическом режимах;
– возможность работы с цветными и монохромными входными растрами, наличие инструментов и фильтров, улучшающих изображение;
– инструменты автокоррекции векторных структур.
Среди недостатков программного продукта можно упомянуть:
– недостаточная эффективность фильтров, производящих редукцию цвета (уменьшение количества цветов);
– недостаточная эффективность инструментов по разделению цветов (уменьшение цветовых компонент до одной тоно-цветовой шкалы)/13/.
Spotlight является уникальным продуктом, который отлично справляется с обработкой искусственно созданных изображений. Однако он представляет ограниченные возможности при работе с цветными изображениями.
Список программных продуктов, безусловно, может быть расширен, но все же самые характерные и популярные разработки в него включены.
Среди программных продуктов, посвященных обработке искусственных изображений, можно проследить несколько тенденций:
– растровые изображения легко получать сканометрически, однако сложно редактировать;
– векторные изображения гораздо проще редактировать, при этом сложен процесс их получения из реального мира;
– программные продукты, объединяющие два подхода, недостаточно хорошо и эффективно справляются со структурным анализом изображений. Допускают много ошибок, на исправление которых уходит почти столько же времени, сколько потребуется для анализа изображения вручную.
В связи с указанными особенностями существующих программных средств актуальной является разработка системы, реализующей структурный анализ изображения посредством преобразования из растровой формы в векторный вид с целью осуществления фильтрации изображения, определения геометрических характеристик элементов и передачей потока информации с минимальными затратами. Эту задачу решает система ААПСИ.

1.3. Основные требования к системе
1.3.1. Основные цели создания системы и критерии эффективности ее функционирования
Создание системы автоматизированного анализа пространственной структуры изображений позволит получить новую возможность по подготовке цифровых изображений к распознаванию, разработать инструмент для получения структурных описаний изображений.
Для оценки эффективности работы системы ААПСИ можно использовать структурную целостность исходных и получаемых на выходе изображений.
1.3.2. Функциональное назначение системы
Автоматизация процесса анализа пространственной структуры изображений подразумевает реализацию в системе определенных средств и функций. Следует выделить ряд функциональных особенностей, которыми должна обладать система ААПСИ:
– возможность автоматического и ручного построения, а также изменения уже созданных фильтров для обработки изображений;
– фильтрация изображения от шумов и различных искажений;
– выделение осевых линий структурных элементов изображения;
– автоматизированный анализ кривизны структурных элементов изображения;
– выявление сегментов и узлов структурных элементов изображения;
– кодирование структурных элементов изображения цепным и дифференциальным цепным кодом;
– сжатие изображения для более компактного хранения с последующей возможностью извлечения;
– визуализация полученных результатов работы с возможностью их сохранения.

Внимание, отключите Adblock

Вы посетили наш сайт со включенным блокировщиком рекламы!
Ссылка для скачивания станет доступной сразу после отключения Adblock!

Скачать полную версию