Обработка данных в среде графического программирования Lab VIEW

Содержание
Введение 2
Подготовка исходного изображения 5
Обработка изображений путем поэлементных преобразований 5
Инверсия изображения 6
Линейное контрастирование изображения 7
Построение линейной и кумулятивной гистограмм изображения 10
Бинаризация изображения 11
Вывод 13
Список литературы 14
Введение
Цель данного курсового проекта заключается в реализации предлагаемых алгоритмов и методов обработки массивов данных (цифровых изображений) с помощью LabVIEW. LabVIEW являются наиболее наглядными и часто используемыми для решения различных инженерных вычислительных задач и исследовательских проблем.
Обработка цифровых изображений является достаточно ярким и наглядным примером преобразования и анализа измерительных данных. Цифровое преобразование изображений широко используют в промышленных системах машинного зрения, измерительных видеосистемах, прикладных телевизионных системах, вещательном телевидении и так далее.
Назначение цифрового преобразования изображений состоит в создании условий для улучшения восприятия изображения (например, в рентгено- или ультразвуковой медицинской диагностике), формировании определенного художественного образа (в телевидении), выделении информативных признаков (в системах распознавания изображений, измерительных системах, системах мониторинга) и так далее.
В данном курсовом проекте будут использованы такие цифровые преобразования как, импортирование данных из полученного файла в массив; инверсия изображения; линейное контрастирование исходного изображения; построение линейной и кумулятивной исходного и контрастированного изображения; бинаризация полученного изображения после линейного контрастирования с различными порогами бинаризации; двукратное увеличение контрастированного изображения, используя экстраполяцию нулевого порядка и интерполяцию первого порядка для восстановления промежуточных пикселей изображения; экспортирование контрастированного и восстановленных изображений в bmp файлы.
Следует различать обработку изображений, предназначенных для зрительного восприятия, и обработку в устройствах автоматического анализа, где на первый план выходят задачи выделения признаков, определения точных текущих координат объекта и формирования данных о количественных характеристиках.
Исследуемые изображения отражают закономерности взаимодействия светового и другого электромагнитного излучения с отдельными участками изучаемой сцены. Модуляция лучистого потока происходит как по величине энергии, так и по спектральному распределению и осуществляется в результате взаимодействия излучения с исследуемым веществом вследствие явлений поглощения, отражения, рассеяния, преломления, поляризации или интерференции. Именно на этих свойствах, как правило, основано использование обработки изображений в системах автоматического анализа с целью извлечения количественной информации об исследуемых объектах.
Естественные изображения имеют некомпьютерное происхождение. В
них почти нет резких цветовых переходов. Компьютерные рисунки, как
в прочем и любые другие, подразделяются на два типа: растровые и векторные.
Растровые изображения хранятся как прямоугольная матрица с элементами,
определяющими яркость цветовых составляющих. Векторные изображения
представляют собой последовательность команд для их построения. Пример
команды – круг с центром в какой-либо точке и с определенным радиусом,
текстурированный материалом под дерево. Преимущество растровых
изображений – простота воспроизведения и реалистичность, недостаток –
большой занимаемый объем, проблемы с масштабированием. У векторных
изображений, наоборот, преимущество – небольшой занимаемый объем,
легкость масштабирования, а недостаток – необходимость предварительной
обработки перед воспроизведением и трудность создания реалистических
изображений. В дальнейшем мы будем рассматривать только растровые изображения как прямоугольную матрицу.
Рассмотрим основные форматы, применяемые в компьютерной обработке
изображений.
Черно-белый формат . Каждый элемент матрицы представлен одним
битом. Если он равен единице, то его отождествляеют с черным цветом, если
равен нулю – с белым. Это самый простой формат, он применяется при печати
газет, распознавании текстов и подписей.
Формат Grayscale ( градации серого). Отличие данного формата от
предыдущего состоит в том, что для каждого элемента матрицы отводится 8
битов (один байт). Это позволяет нам использовать 256 уровней серого цвета.
Если элемент матрицы равен 0, то имеем белый цвет, с возрастанием
значения элемента до 255 яркость изображения снижается, и при равенстве
значения элемента 255 получаем черный цвет. В промежутке от 0 до 255
уровней будут располагаться серые цвета по правилу: чем ближе значение к
255, тем темнее будет серый. Данный формат позволяет получать довольно
качественные черно-белые изображения.
Многоканальный формат . В данном случае элемент матрицы представлен в виде вектора с координатами используемой цветовой модели.
Обычно вектор трехмерный, так как человеческий глаз реагирует на три
различные цветовые составляющие. Каждый компонент вектора чаще всего
занимает один байт памяти.
Индексированный формат используется для уменьшения объемов
изображения или для использования определенных цветов. Элемент матрицы
является указателем на таблицу цветов. Число используемых цветов равно
2K, где K – количество битов памяти, используемых для хранения элемента
матрицы. Цвета в указываемой таблице могут кодироваться другим числом
битов. Например, в 256 цветовых режимах видеоадаптеров выбирается 256
цветов из 262 144 возможных, так как выбираемые цвета представляются в
RGB-формате и для каждого цветового компонента кодируются шестью
битами.
На всех этапах данного курсового проекта осуществляется обработка
изображений в черно-белом формате или формате градаций серого.
Подготовка исходного изображения
Создание исходного цифрового изображение путем цифровой фотосъемки и дальнейшей обработки в любом графическом редакторе. Сохранение полученного изображения в формате bmp, размером 300х300 пикселей (Рис 2).
Обработка изображений путем по элементных преобразований
Результат обработки в любой точке кадра зависит только от значения входного изображения в этой же точке. Очевидным достоинством таких процедур является их предельная простота. Вместе с тем, многие из них приводят к очевидному субъективному улучшению визуального качества. Этим определяется внимание, которое уделяется поэлементным процедурам. Не преувеличивая их роли, отметим, что очень часто поэлементная обработка применяется как заключительный этап при решении более сложной задачи обработки изображения. Часто бывает полезным подчеркнуть, усилить какие-то черты, особенности, нюансы наблюдаемого изображения с целью улучшения ее субъективного восприятия.
Рассмотрим сущность поэлементной обработки изображений. Итак, если
изображения имеют формат градации серого ( черно-белый формат – его
частный случай) значения яркости изображений соответствуют элементам
получаемого массива точек кадра, имеющего декартовы координаты i (номер 8 строки) и j (номер столбца). На рис. 1 приведена часть массива, получаемого

Внимание, отключите Adblock

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

Скачать полную версию