RU2325044C1 - Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения - Google Patents
Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения Download PDFInfo
- Publication number
- RU2325044C1 RU2325044C1 RU2007106412/09A RU2007106412A RU2325044C1 RU 2325044 C1 RU2325044 C1 RU 2325044C1 RU 2007106412/09 A RU2007106412/09 A RU 2007106412/09A RU 2007106412 A RU2007106412 A RU 2007106412A RU 2325044 C1 RU2325044 C1 RU 2325044C1
- Authority
- RU
- Russia
- Prior art keywords
- elements
- configurations
- gradient
- norm
- black
- Prior art date
Links
Images
Abstract
Изобретение относится к системам технического зрения для выделения границ объектов на полутоновых растровых изображениях. Техническим результатом является повышение качества выделения контуров объектов на растровых изображениях. Предложен градиентный способ выделения контуров объектов на матрице полутонового растрового изображения, заключающийся в том, что для всех пикселей растрового изображения согласно выбранному способу вычисляют норму или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета, для выбранного способа вычисления градиента определяют коэффициент, затем рассчитывают пороговое значение квадрата нормы градиента как произведение данного коэффициента на сумму квадратов средних величин модулей изменения яркости соседних пикселей по строкам и столбцам, у которых значения превышают общие средние уровни ненулевых изменений, соответственно, по строкам и столбцам, а среди связных конфигураций элементов черного цвета на монохромной матрице сразу отбрасывают конфигурации, у которых число входящих элементов менее 5-7 элементов, для оставшихся конфигураций вычисляют среднюю степень соседства - частное от деления суммы по всем элементам конфигурации соседних с ним элементов на сумму элементов в конфигурации, причем те конфигурации, у которых средняя степень соседства менее 3, отбрасывают, а оставшиеся принимают в качестве искомых контуров объектов. 3 ил.
Description
Изобретение относится к системам технического зрения и предназначено для более точного выделения границ объектов на полутоновых растровых изображениях, что повышает эффективность процесса их распознавания.
Реальные растровые изображения, получаемые с ПЗС-матриц видеокамер, могут содержать затененные и засвеченные участки. На одном и том же изображении могут встречаться светлые объекты на темном фоне и, наоборот, темные объекты на светлом фоне.
Выделение контуров объектов на полутоновых растровых изображениях можно осуществлять совместно с выделением самих объектов. Для этого обычно используют пороговые методы сегментации на основе среднего значения яркости пикселей, например, [Павлидис Т. Алгоритмы машинной графики и обработка изображений: Пер. с англ. - М.: Радио и связь, 1986, стр.86.]. В данном методе вначале в некоторой области определяют среднее значение яркости пикселей изображения, задают пороговое значение, а затем в ней выделяют объекты, если яркость пикселей в ней по модулю превышает данное пороговое значение, либо в противном случае принимается решение о том, что область однородна.
Данный метод дает хорошие результаты при распознавании специальных изображений, в которых на однородном светлом фоне присутствуют темные объекты или, наоборот, на темном общем фоне присутствуют светлые объекты. Такие изображения получают при съемке объектов под микроскопом, фотографировании лиц и т.д. Однако в изображениях с реальным освещением и произвольным набором объектов зачастую встречаются одновременно оба случая - темные объекты на светлом фоне и светлые объекты на темном фоне. В этой ситуации данный метод дает плохие результаты либо вообще не применим.
Наиболее близким по совокупности признаков является градиентный способ выделения контуров объектов на матрице полутонового растрового изображения [Андреев А.Л. Автоматизированные телевизионные системы наблюдения. Часть II. Арифметико-логические основы и алгоритмы. Уч. пособие. СПб, СПбГУИТМО, 2005, с.35-38. http://window.edu.ru/window/library], заключающийся в том, что для всех пикселей растрового изображения по заранее выбранному способу вычисляется норма или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше некоторого порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета.
Задачей изобретения является повышение качества автоматизированных алгоритмов выделения контуров объектов на растровых изображениях за счет обоснованного выбора порогового значения нормы градиента и дополнительной отбраковки ошибочно выделенных в качестве контуров участков изображений.
Поставленная задача достигается тем, что предложен градиентный способ выделения контуров объектов на матрице полутонового растрового изображения, заключающийся в том, что для всех пикселей растрового изображения по заранее выбранному способу вычисляют норму или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше некоторого порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета, в котором согласно изобретению, для выбранного способа вычисления градиента экспериментально определяют коэффициент, затем рассчитывают пороговое значение квадрата нормы градиента как произведение данного коэффициента на сумму квадратов средних величин модулей изменения яркости соседних пикселей по строкам и столбцам, у которых значения превышают общие средние уровни ненулевых изменений, соответственно, по строкам и столбцам, а среди связных конфигураций элементов черного цвета на монохромной матрице сразу отбрасывают конфигурации, у которых число входящих элементов менее 5-7 элементов, для оставшихся конфигураций вычисляют среднюю степень соседства - частное от деления суммы по всем элементам конфигурации соседних с ним элементов на сумму элементов в конфигурации, причем те конфигурации, у которых средняя степень соседства менее 3, отбрасывают, как погрешности распознавания, а оставшиеся принимают в качестве искомых контуров объектов.
Рассмотрим прямоугольное полутоновое растровое изображение размерами n×m (n - число строк, m - число столбцов). Изменения яркости f(i,j) пикселей растрового изображения вызваны двумя основными причинами: 1) контурами объектов, содержащихся на изображении, 2) изменением освещенности поверхностей самих объектов. Обычно в первом случае изменение яркости резкое, но оно происходит на небольших участках изображения. Во втором случае изменения невелики, но они захватывают основную часть матрицы изображения. Средние уровни изменения ненулевых значений яркости пикселей изображения соответственно, по строкам и столбцам равны
Nг Nв - общие числа ненулевых изменений яркости, соответственно, в строках и столбцах матрицы.
Для обычных изображений в величинах mfг, mfв основной вклад вносят изменения типа 2) - освещенности поверхностей самих объектов.
Поэтому модули строковых разностей /f(i+1,j)-f(i,j)/, превышающие mfг, и модули разностей в столбцах /f(i,j+1)-f(i,j)/, превышающие mfв, относятся в основном к типу 1) и отражают изменение яркости пикселей на границах между объектами, содержащимися на изображении. Средние значения данных величин Mfг, Mfв характеризуют изменение яркости на границах объектов изображения.
Пороговое значение при распознавании контуров объектов принимается равным P=k(Mfг 2+Mfв 2), где k - постоянный коэффициент, зависящий от способа вычисления градиента G(i,j).
На новой черно-белой монохромной матрице М черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента G(i,j) больше Р. В качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета.
Затем среди выделенных связных конфигураций удаляют все, у которых менее 5-7 элементов, поскольку они в силу своей малости не могут являться реальными контурами объектов.
Для оставшихся конфигураций вычисляют среднюю степень соседства - частное от деления суммы по всем элементам конфигурации соседних с ним элементов на сумму элементов в конфигурации, причем те конфигурации, у которых средняя степень соседства менее 3, отбрасывают как погрешности распознавания, а оставшиеся принимают в качестве контуров объектов. Конфигурации, у которых средняя степень соседства менее 3, обычно являются разреженные связными структурами, которые возникают при анализе освещенности поверхностей самих объектов и являются погрешностями распознавания.
В качестве примера рассмотрим выделение контуров объектов на матрице модельного полутонового растрового изображения размером 64×64, приведенной на фиг.1.
Для него получены средние уровни изменения ненулевых значений яркости пикселей изображения по строкам и столбцам mfг=4,30, mfв=4,39.
Средние значения модулей строковых разностей /f(i+1,j)-f(i,j)/, превышающих mfг, и модулей разностей в столбцах /f(i,j+1)-f(i,j)/, превышающих mfв, Mfг=17,19; Mfв=26,79.
Квадрат нормы градиента G(i,j) вычислялся по формуле
/G(i,j)/2=/f(i-1,j)-f(i,j)/2+/f(i+1,j)-f(i,j)/2+f(i,j+1)-f(i,j)/2+/f(i,j-1)-f(i,j)/2.
Для данной формулы в выражение для порогового значения при распознавании контуров объектов P=k(Mfг 2+Mfв 2) принят коэффициент k=0,16.
После распознавания получена монохромная матрица, показанная на фиг.2. Как видно, наряду с реальными контурами матрица содержит и погрешности распознавания в виде посторонних связных конфигураций.
После отбрасывания связных конфигураций с весами, меньшими 7 и имеющими среднюю степень соседства менее 3, на монохромной матрице остались контуры объектов, показанные на фиг.3. В данной матрице отбракованы все погрешности распознавания.
Предложенный способ позволяет повысить эффективность автоматизированный систем анализа растровых изображений.
Claims (1)
- Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения, заключающийся в том, что для всех пикселей растрового изображения по заранее выбранному способу вычисляют норму или квадрат нормы градиента изменения их яркости, затем на новой черно-белой монохромной матрице черным цветом на белом фоне выделяют все элементы, у которых значение нормы или квадрата нормы градиента больше некоторого порогового значения, а в качестве контуров объектов на монохромной матрице принимают связные конфигурации элементов черного цвета, отличающийся тем, что для выбранного способа вычисления градиента экспериментально определяют коэффициент, затем рассчитывают пороговое значение квадрата нормы градиента как произведение данного коэффициента на сумму квадратов средних величин модулей изменения яркости соседних пикселей по строкам и столбцам, у которых значения превышают общие средние уровни ненулевых изменений соответственно по строкам и столбцам, а среди связных конфигураций элементов черного цвета на монохромной матрице сразу отбрасывают конфигурации, у которых число входящих элементов менее 5-7 элементов, для оставшихся конфигураций вычисляют среднюю степень соседства - частное от деления суммы по всем элементам конфигурации соседних с ним элементов на сумму элементов в конфигурации, причем те конфигурации, у которых средняя степень соседства менее 3, отбрасывают, как погрешности распознавания, а оставшиеся принимают в качестве искомых контуров объектов.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2007106412/09A RU2325044C1 (ru) | 2007-02-21 | 2007-02-21 | Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
RU2007106412/09A RU2325044C1 (ru) | 2007-02-21 | 2007-02-21 | Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения |
Publications (1)
Publication Number | Publication Date |
---|---|
RU2325044C1 true RU2325044C1 (ru) | 2008-05-20 |
Family
ID=39798939
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
RU2007106412/09A RU2325044C1 (ru) | 2007-02-21 | 2007-02-21 | Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения |
Country Status (1)
Country | Link |
---|---|
RU (1) | RU2325044C1 (ru) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2468437C2 (ru) * | 2009-07-14 | 2012-11-27 | Тагир Данилович Гильфанов | Способ увеличения разрешения видеопоследовательности |
RU2488881C2 (ru) * | 2008-07-17 | 2013-07-27 | Самсунг Электроникс Ко., Лтд. | Способ определения линии поверхности земли |
RU2491753C1 (ru) * | 2010-12-10 | 2013-08-27 | Кэнон Кабусики Кайся | Устройство обработки изображения и способ обработки изображения |
RU2555238C1 (ru) * | 2013-12-17 | 2015-07-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Способ сегментации цифрового изображения (варианты) |
RU2628172C1 (ru) * | 2016-06-22 | 2017-08-15 | Общество с ограниченной ответственностью "Аби Девелопмент" | Способ и система определения протяженных контуров на цифровых изображениях |
RU2648954C2 (ru) * | 2016-02-10 | 2018-03-28 | Государственное казенное образовательное учреждение высшего образования "Российская таможенная академия" | Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях |
RU2661793C1 (ru) * | 2017-05-10 | 2018-07-19 | Акционерное общество "Научно-Производственный Комплекс "Альфа-М" | Способ обработки матрицы чисел |
RU2695417C1 (ru) * | 2018-11-13 | 2019-07-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях |
-
2007
- 2007-02-21 RU RU2007106412/09A patent/RU2325044C1/ru not_active IP Right Cessation
Non-Patent Citations (2)
Title |
---|
АНДРЕЕВ А.Л. Автоматизированные телевизионные системы наблюдения, ч.II, Арифметико-логические основы и алгоритмы, Санкт-Петербургский ГУИТМО, 2005. * |
ШАПИРО Л., СТОКМАН Дж. Компьютерное зрение, Москва, БИНОМ Лаборатория знаний, 2006, с.382-402. * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
RU2488881C2 (ru) * | 2008-07-17 | 2013-07-27 | Самсунг Электроникс Ко., Лтд. | Способ определения линии поверхности земли |
RU2468437C2 (ru) * | 2009-07-14 | 2012-11-27 | Тагир Данилович Гильфанов | Способ увеличения разрешения видеопоследовательности |
RU2491753C1 (ru) * | 2010-12-10 | 2013-08-27 | Кэнон Кабусики Кайся | Устройство обработки изображения и способ обработки изображения |
RU2555238C1 (ru) * | 2013-12-17 | 2015-07-10 | Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования "Казанский национальный исследовательский технический университет им. А.Н. Туполева-КАИ" (КНИТУ-КАИ) | Способ сегментации цифрового изображения (варианты) |
RU2648954C2 (ru) * | 2016-02-10 | 2018-03-28 | Государственное казенное образовательное учреждение высшего образования "Российская таможенная академия" | Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях |
RU2628172C1 (ru) * | 2016-06-22 | 2017-08-15 | Общество с ограниченной ответственностью "Аби Девелопмент" | Способ и система определения протяженных контуров на цифровых изображениях |
RU2661793C1 (ru) * | 2017-05-10 | 2018-07-19 | Акционерное общество "Научно-Производственный Комплекс "Альфа-М" | Способ обработки матрицы чисел |
RU2695417C1 (ru) * | 2018-11-13 | 2019-07-23 | федеральное государственное бюджетное образовательное учреждение высшего образования "Донской государственный технический университет" (ДГТУ) | Способ помехоустойчивого градиентного выделения контуров объектов на цифровых полутоновых изображениях |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
RU2325044C1 (ru) | Градиентный способ выделения контуров объектов на матрице полутонового растрового изображения | |
CN111104943B (zh) | 基于决策级融合的彩色图像感兴趣区域提取方法 | |
CN111563889A (zh) | 基于计算机视觉的液晶屏幕Mura缺陷检测方法 | |
JP2016505186A (ja) | エッジ保存・ノイズ抑制機能を有するイメージプロセッサ | |
KR20180065889A (ko) | 타겟의 검측 방법 및 장치 | |
CN111612725B (zh) | 一种基于可见光图像对比度增强的图像融合方法 | |
WO2007095483A2 (en) | Detection and removal of blemishes in digital images utilizing original images of defocused scenes | |
CN102388402A (zh) | 图像处理装置及图像处理方法 | |
JP2020129276A (ja) | 画像処理装置、画像処理方法、およびプログラム | |
US7400776B2 (en) | Visual enhancement for reduction of visual noise in a text field | |
US20180182086A1 (en) | Method for assessing the quality of an image of a document | |
CN113344958B (zh) | 一种显微成像扫描方法及扫描系统 | |
WO2020223963A1 (en) | Computer-implemented method of detecting foreign object on background object in image, apparatus for detecting foreign object on background object in image, and computer-program product | |
CN107256539B (zh) | 一种基于局部对比度的图像锐化方法 | |
US20140009597A1 (en) | Microscope apparatus and control method for same | |
Cheng et al. | Semantic single-image dehazing | |
CN101312494B (zh) | 计算相机响应曲线及合成大动态范围图像的方法及其装置 | |
CN112001853A (zh) | 图像处理设备、图像处理方法、摄像设备和存储介质 | |
Ponomarenko et al. | Color image database HTID for verification of no-reference metrics: peculiarities and preliminary results | |
Shaikh et al. | Image binarization using iterative partitioning: A global thresholding approach | |
CN112529773A (zh) | Qpd图像后处理方法及qpd相机 | |
KR20190017352A (ko) | 디지털 병리 시스템의 영상 압축 방법 | |
JP3860540B2 (ja) | エントロピーフィルタ及び該フィルタを用いた領域抽出法 | |
Honda et al. | Dataset of Subjective Assessment for Visually Near-Lossless Image Coding based on Just Noticeable Difference | |
Yang et al. | Blind image quality assessment on authentically distorted images with perceptual features |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
MM4A | The patent is invalid due to non-payment of fees |
Effective date: 20110222 |