|
Источник: Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. - 1072 с. (глава 1, часть 4 - С. 56-60) Основные стадии цифровой обработки изображенийГонсалес Р., Вудс Р. Цифровая обработка изображений(глава 1, часть 4 - С. 56-60)Было бы полезно разделить изложенный в последующих главах материал на две большие категории, упомянутые в Разделе 1.1: методы, в которых на входе и на выходе имеются изображения, и методы, где на вход поступают изображения, а на выходе возникают признаки и атрибуты, выделенные на основании этих изображений. Такая организация материала книги сведена в схему, изображенную на Рис. 1.23. Эта схема не подразумевает, что к изображению применяется каждый из описанных процессов, напротив, целью было донести принципы всех методов обработки, который могут применяться к изображениям в различных целях и, возможно, с различными получаемыми результатами. Проводимое в данном разделе обсуждение можно рассматривать как краткий обзор материала, представленного в остальной части книги.
Регистрация изображения — первый из процессов, показанных на Рис. 1.23. Обсуждение, проведенное в Разделе 1.3, дает некоторые подсказки относительно возможных источников цифровых изображений, однако значительно более подробно эта тема рассматривается в Главе 2, где также вводится ряд базовых понятий, относящихся к цифровым изображениям и используемых далее на протяжении всей книги. Заметим, что регистрация изображения может оказаться предельно простой, как в случае, когда исходное изображение уже представлено в цифровой форме. В общем случае стадия регистрации изображения включает некоторую предобработку, например, масштабирование. Улучшение изображения входит в число наиболее простых и впечатляющих областей цифровой обработки изображений. По существу, за методами улучшения изображений стоит идея выявления плохо различимых деталей или просто подчеркивания интересующих характеристик на исходном изображении. Известным примером улучшения является усиление контраста изображения, потому что в результате «оно выглядит лучше». Важно иметь в виду, что улучшение качества — весьма субъективная область в обработке изображений. Этой теме посвящены две главы, но не потому, что улучшение изображений важнее других изложенных в книге тем, а поскольку мы используем эту тему для представления читателю той методики, которой будем придерживаться и в последующих главах. Так, вместо изложения в специальной главе всех предварительных начальных сведений с позиций математики, мы вводим ряд необходимых математических понятий, иллюстрируя их применительно к улучшению изображений. При таком подходе читатель будет знакомиться с этими понятиями в контексте обработки изображений. Хорошим примером этого является фурье-преобразование, которое вводится в Главе 4, но данный принцип используется также и в других главах книги. Восстановление изображений — это область, также связанная с повышением визуального качества изображения, однако, в отличие от собственно улучшения, критерии которого субъективны, восстановление изображения является объективным в том смысле, что методы восстановления изображений опираются на математические или вероятностные модели искажений изображения. Напротив, улучшение изображений основано на субъективных предпочтениях человеческого восприятия, которые связаны с тем, что именно считается «хорошим» результатом улучшения. Обработка цветных изображений приобрела особую важность в связи со значительным расширением использования цветных изображений в Интернет. В Главе 5 излагается ряд фундаментальных понятий, относящихся к цветовым моделям и основным видам цифровых преобразовании цветов. Цвет также используется в последующих главах как основа для выделения из изображения некоторых интересующих признаков. Вейвлеты образуют фундамент для представления изображений с несколькими степенями разрешения одновременно. В частности, этот аппарат используется в книге применительно к сжатию данных изображения, а также для построения пирамидального представления, при котором изображение поэтапно разбивается на все более мелкие фрагменты. Сжатие, как следует из самого названия, относится к методам уменьшения объема памяти, необходимого для хранения изображения, или сужения полосы пропускания канала, требуемой для его передачи. Хотя техника запоминающих устройств за последнее десятилетие была значительно усовершенствована, этого нельзя сказать в отношении пропускной способности линий связи. Это особенно справедливо по отношению к информации в Интернет, где изобразительная составляющая является существенным элементом содержимого. Со сжатием изображений знакомо (возможно, не отдавая себе в этом отчета) большинство пользователей компьютеров, встречающих в именах графических файлов определенные расширения; например, jpg используется в стандарте сжатия изображений, разработанном Объединенной группой экспертов по фотографии (Joint Photographic Experts Group — JPEG). Морфологическая обработка связана с инструментами для извлечения таких компонент изображения, которые могут быть полезны для представления и описания формы. Приведенный в этой главе материал дает основы перехода от процессов, имеющих на выходе изображение, к процессам, имеющим на выходе атрибуты изображения, как это указывалось в Разделе 1.1. Сегментация разделяет изображение на составные части или объекты. В целом автоматическая сегментация принадлежит к числу самых трудных задач цифровой обработки изображений. Излишне по-дробная сегментация уводит процесс решения задачи обработки изображения на сложный путь, если требуется идентифицировать объекты по отдельности. С другой стороны, недостаточно подробная или же ошибочная сегментация почти неизбежно приведет к возникновению ошибок на финальной стадии обработки. В общем, чем точнее сегментация, тем больше шансов на успех при распознавании. Представление и описание почти всегда следуют непосредственно за этапом сегментации, на выходе которого обычно имеются лишь необработанные данные о пикселях, которые либо образуют границу области (т.е. дается множество пикселей, отделяющих одну область изображения от другой), либо представляют все точки самих областей. В обоих случаях необходимо преобразовать данные в форму, пригодную для компьютерной обработки. Первое решение, которое следует принять, — должны ли эти данные представляться в форме границ областей или областей целиком. Представление границами подходит для тех случаев, когда в центре внимания находятся внешние характеристики формы областей, например, углы и изгибы. Представление областями более уместно, если акцент делается на внутренних свойствах объектов, например, текстуре или форме скелета. В некоторых приложениях эти представления дополняют друг друга. Выбор способа представления — лишь часть принятия решения по преобразованию «сырых пиксельных данных в подходящую для дальнейшей компьютерной обработки форму. Должен быть еще указан метод описания данных, при котором бы выдвигались на передний план интересующие признаки. Построение описания, иначе называемое выбором признаков, связано с выделением атрибутов, которые бы выражали интересующую количественную информацию или бы могли служить основой для различения классов объектов. Распознавание представляет собой процесс, который присваивает некоторому объекту идентификатор (например, «транспортное средство») на основании его описателей. Как подробно разъяснялось в Разделе 1.1, мы считаем, что сфера цифровой обработки изображений заканчивается разработкой методов распознавания отдельных объектов. До настоящего момента ничего не говорилось о необходимости априорных знаний, или, в терминах Рис. 1.23, о взаимосвязи между базой знаний и молулями обработки. На самом деле, знание о проблемной области, т.е. база знаний, некоторым образом закодировано внутри самой системы обработки изображений. Это знание может быть очень простым, как детальное указание участков изображения, где должна находиться интересующая информация, что позволит ограничить область ее поиска. База знаний может быть и очень сложной, как, например, взаимосвязанный список всех наиболее вероятных де-фектов в задаче контроля материалов, либо база данных спутниковых изображений некоторого района с высоким разрешением в прикладных задачах обнаружения изменений, происходящих в этом районе. Помимо того, что база знаний руководит работой каждого модуля обработки, она также управляет взаимодействием между модулями. Эта отличительная особенность показана на Рис. 1.23 с помощью двунаправленных стрелок между обрабатывающими модулями и базой знаний, в отличие от однонаправленных стрелок, которые связывают модули обработки друг с другом. Хотя мы не обсуждаем в этом месте задачу визуализации изображений, важно иметь в виду, что на выходе любой из показанных на Рис. 1.23 стадий может выполняться отображение результатов обработки. Отметим также, что не во всех прикладных задачах обработки изображений требуется вся сложность взаимодействия, подразумеваемого Рис. 1.23. На самом деле, в ряде случаев даже не все эти модули необходимы. Например, улучшение изображений для визуальной интерпретации человеком редко нуждается в использовании каких-либо других стадий из числа показанных на Рис. 1.23. В общем случае, однако, чем выше сложность задачи обработки изображений, тем большее число процессов требуется привлекать для решения этой задачи. ВверхИсточник: Гонсалес Р., Вудс Р. Цифровая обработка изображений. - М.: Техносфера, 2005. - 1072 с. (глава 1, часть 4 - С. 56-60) |
