Главная > Обработка сигналов > Телевидение (Быков Р.Е.)
<< Предыдущий параграф
Следующий параграф >>
<< Предыдущий параграф Следующий параграф >>
Макеты страниц

§ 1.4. Изображение — объект исследования

Наряду с широким развитием телевидения как способа передачи визуальной информации на расстояние телевизионная техника породила новые научно - технические направления, среди которых наибольшее развитие получило исследование изображений с целью извлечения количественной информации об объектах, явлениях и процессах, протекающих в поле изображения. Изображение стало объектом исследования.

Исследование изображений базируется на их анализе и обработке. Анализ изображения предусматривает изучение отдельных характеристик, составных частей, фрагментов или отдельных объектов в поле изображения. В ряде случаев результат анализа является конечной целью, например в измерительных ТВС таким результатом являются значения функции распределения объектов в тюле сканирования по размерам (технологический контроль деталей, измерение размеров клеток в цитологии и т. п.). В других случаях анализ может быть лишь исходной процедурой для формирования признаков (системы распознавания зрительных образов, робототехнические системы и др.). Конечным результатом анализа и в этом случае может быть распознавание или классификация объектов или изображений в целом.

Обработка изображения, основанная на обработке соответствующих сигналов, предусматривает внесение в формируемое изображение тех или иных изменений по сравнению с оригиналом (увеличение контраста мелких деталей изображения, окраска определенных деталей изображения в условные цвета, перераспределение градаций яркости в изображении и др.). Обработка сигналов изображений часто используется в системах анализа изображений как этап, предшествующий процедуре анализа. Например, в системах анализа интерференционных картин изображение полутоновой интерференционной картины преобразуется в двоичное изображение координат интерференционных полос. Обработанное таким образом изображение подвергается анализу с целью восстановления исходного волнового фронта, измерения параметров интерференционной картины и т. п.

Заметим, что обработка сигналов изображения широко используется не только в процессе исследования изображений, но и в системах вещательного телевидения с целью улучшения качества изображения, формирования определенного художественного воздействия на зрителя, создания спецэффектов и др.

Обработка сигналов изображения может производиться с целью формирования изображений, отображающих те или иные свойства объекта исследования, но физически (как изображение) не

существующих. В этом случае говорят о реконструкции изображений. На реконструкции изображений базируется вычислительная томография — метод, позволяющий формировать изображения, соответствующие заданной плоскости сечения объемных предметов (рис. 1.2). Вычислительная томография нашла широкое применение в медицинской диагностике и технической дефектоскопии (при исследовании в потоке рентгеновских лучей), в ультразвуковых полях и др.

Рис. 1.2. К пояснению метода вычислительной томографии: а — объект исследования; б — реконструированное изображение объекта в плоскости сечения А

Системы анализа и обработки изображений можно разделить на два класса:

1) системы телевизионного типа, в которых анализ и обработка изображения осуществляются за время одного или нескольких кадров; основным достоинством таких систем является возможность анализа динамических изображений в реальном времени;

2) системы, реализующие сложные процедуры обработки, требующие большого объема памяти и времени обработки сигналов, существенно превышающего время телевизионного кадра; такие системы используются главным образом для анализа статических изображений.

Режим реального времени здесь следует понимать как режим, обеспечивающий регистрацию явлений и выработку заданных решений (измерений) без вторжения в динамику явлений, протекающих в поле изображения.

Системы анализа и обработки изображений получили значительное развитие с применением микропроцессоров, больших интегральных схем и матричных фотоэлектрических преобразователей, устройств оперативной и долговременной памяти, ЭВМ. Такне системы широко используются при изучении космического пространства, в навигации, биологии и медицине, в промышленности для автоматизации производственных процессов и в других областях народного хозяйства.

При исследовании изображений в большинстве случаев отпадает необходимость исходить из свойств зрительной системы человека. Описание изображения, предусматривающее выделение его признаков в целом, фрагментов или объектов в поле сканирования, определяется задачами исследования. К таким задачам относятся: классификация изображений, обнаружение объектов с заданными характеристиками в поле сканирования, кодирование сигналов изображения, описание с целью введения количественной меры (измерение).

В связи с широким использованием анализа и обработки изображений для решения народнохозяйственных задач этому направлению исследований посвящено большое число работ [4, 5 и др.].

В качестве примера приведем несколько характеристик, используемых в системах исследования изображений.

Наиболее часто используется гистрограмма распределения яркости элементов изображения. Эта характеристика является пространственно инвариантной. По оси абсцисс откладываются значения яркости с интервалами где — число разрядов гистограммы. По оси ординат откладывается число элементов имеющих яркость, соответствующую определенному интервалу. Часто гистограмма нормируется, и по оси ординат откладывается нормированное значение, т. е. относительная частота (частоты) где — общее число элементов изображения.

Рис. 1.3. Гистограмма распределения яркости элементов изображения

Рис. 1.4. Гистограмма распределения

Пример гистограммы серии киноизображений приведен на рис. 1.3 [6]. Усредненная гистограмма описывает яркость 68 кинокадров, выбранных случайным образом из черно-белых кинофильмов. Как видно из графика, в плоскости изображения преобладают элементы с темными участками, а число элементов с увеличенной яркостью убывает обратно пропорционально яркости

Приведенные результаты могут быть использованы при построении систем эффективного кодирования для передачи сигналов по каналам связи, систем автоматической классификации изображений, а также при решении задач описания изображений.

Для классификации объектов может использоваться такой признак, как площадь На рис. 1.4 приведены гистограммы распределения по площади для двух форм лейкоцитов: лимфоцитов и моноцитов (2). Приведенные данные использованы при построении автоматического классификатора клеток крови человека [5].

Важным компонентом изображений являются текстуры. Под текстурой понимают некоторую пространственную организацию элементов в пределах конечного участка изображения, описываемую определенными статистическими характеристиками распределения яркости или цветности. Для описания текстур используют различные признаки, базирующиеся на измерении пространственных частот, на статистических характеристиках распределения яркости элементов изображения или на описании структурных связей между ними и др.

В процессе исследования изображений, как правило, важно не только определить тип текстуры, но и указать ее границы. Пример модельного изображения, содержащего три области с различными текстурами, приведен на рис. 1.5. Примерами естественных текстур могут быть изображения лесных массивов или водной поверхности на аэрофотоснимках, тканей определенного вида в гистологических срезах (микроскопия), таких объектов, как кирпичная стена, дорожное покрытие и др. Текстуры описываются гистограммами яркостных зависимостей, двумерными частотными гистограммами и др.

Рис. 1 5. Текстурное изображение

Приведенные примеры не исчерпывают многочисленных подходов к описанию изображений и их фрагментов. При изучении изображения как объекта исследования в настоящее время на первый план выступают системы для научных исследований, биомедицинские и робототехнические системы. Некоторые из них будут рассмотрены в гл. 10.

<< Предыдущий параграф Следующий параграф >>
Оглавление