Применение предварительной обработки изображений для решения реальных задач

Важным этапом в задачах анализа изображений является предварительная обработка. Каждый этап преобразует входной сигнал в модифицированный поток, который имеет улучшенное качество, либо генерирует новое изображение, созданное на основе входного сигнала.

Одним из вариантов предварительной обработки изображения является выделение контуров, для которого существуют ограничения и критерии оценки качества обработки. Джон Кенни определил следующие показатели: хорошее обнаружение; правильное определение положение границы; единственность отклика на одну границу [2].

Однако стоит отметить, что выполнить все указанные критерии невозможно. При этом все существующие алгоритмы детектирования границ выполняют критерии в определенном объеме, жертвуя некоторыми характеристиками для достижения определенного результата.

Учитывая, различный результат и выполнение критериев важной задачей в обработке изображений становится выбор подходящего метода для выделения границ.

Известные детекторы границ можно условно разделить на группы, основываясь на принципе нахождения граничных линий по использованию порядков частных производных:

1. Методы нулевого порядка.

2. Методы первого порядка.

3. Методы второго порядка.

Первая группа включает в себя те методы, которые не используют вычисление оценок частных производных. Такие методы, как правило, выполняют анализ изображения как группы пикселей.

Вторая группа включает в себя те методы, которые используют вычисления оценок частных производных. Данные значения частных производных в алгоритмах необходимы для расчета модуля и направления градиента, которые определяют отнесение пикселей к границам изображения. Другое название методов первого порядка – градиентные.

Обычно градиентные методы состоят из 2 этапов [1]:

1. Предварительное сглаживание изображения.

2. Выделение границ перепада яркости.

В третью группу методов выделения границ входят те алгоритмы, которые основываются на вычислении оценок частных производных второго порядка функции яркости изображения.

Цель предварительной обработки изображений заключается в подготовке изображения для высокоуровневых задач, которая подразумевает последовательное выполнение процедур обработки. На каждом этапе в качестве исходных данных используется изображение, а в качестве результата предоставляется либо модифицированный поток лучшего качества, либо новое изображение.

К наиболее важным видам предварительной обработки изображений относится выделение границ на изображении. Данная задача не считается тривиальной, из-за сложности отнесения того или иного пикселя изображения к конкретному контуру на контурном изображении. Для задач создания контурного изображения существуют ограничения и критерии оценки качества обработки. Джон Кенни определил следующие показатели:

• хорошее обнаружение (высокое отношение сигнал/шум);
• правильное определение положение границы (хорошая локализация);
• единственность отклика на одну границу.

Однако, как и в случае с фильтрацией, выполнение в равной степени всех перечисленных критериев невозможно, вследствие чего было предложено большое число детекторов границ. Это позволяет выбирать между преобладанием одной характеристики по отношению к другой для решения определенно поставленных задач.

Наравне с выбором сглаживающего оператора также важно определить метод выделения границ изображения, который позволяет сочетать качественную и временную составляющую работы.

Предварительная обработка изображений не теряет своей актуальности, так как все средства, устройства и приборы, которые позволяют снять изображение имеют несовершенства, которые способны исказить результат работы. Появление искажений может быть результатом того, что аппаратура уже износилась, плохое освещение, различная мелкая пыль, – все это становится причиной появления шума на изображении. Так же в процессе передачи по различным каналам связи могут возникать помехи, влияющие на полученное изображение на выходе.

Основная задача при предварительной обработке изображения – получение нового изображения, которое имеет лучшее качество по сравнению с исходным и подходит для методов обработки высокоуровневых задач. Так, к примеру, в задаче слежения за объектами или совмещения изображений различных типов (телевизионного и инфракрасного, телевизионного и синтезированного искусственно) используются контурные изображения и не требуется дополнительная информация.

В системах технического зрения обычно используют предварительную обработку изображений для подготовки к анализу зрительной информации. Благодаря этому становится возможным разработать автоматизированные системы, решающие задачи обработки изображений, и средства принятия решения, основанные на анализе.

Предварительная обработка изображений применяется в различных сферах деятельности, в частности:

• военная индустрия [3] (слежение за объектами, военной техникой; автоматическое пилотирование летательными аппаратами на основе определения положения по изображениям карты местностей и др.);
• медицина [4] (автоматизация поиска дефектов и проверка целостности скелета на рентгеновских снимках; автоматизация выявления вирусных клеток на основе их размеров и содержимого и др.);
• космическая промышленность [5] (слежение за небесными светилами; автоматизация идентификации космических объектов и др.);
• игровая индустрия [6] (создания средств дополненной и виртуальной реальности и др.);
• другие отрасли, использующие технологии компьютерного зрения.