Система автоматизированного анализа пространственной структуры изображений Подсистема центроидной (стр. 2 из 14)

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.