Линейки и матрицы, сканеры и камеры
Простейшим фоточувствительным электронным элементом является всем известный фотодиод. Он строится на базе полупроводника (например, кремни я) и создает выходное напряжение, пропорциональное освещенности его открытой поверхности. Если перед воспринимающей поверхностью фотодиода установитьфильтр, пропускающий волны только определенного диапазона, можно получить приемник изображения, чувствительный в заданном диапазоне электромагнитного спектра.
На основе пары фотодиод – светодиод (светоизлучающий элемент) построены широко применяемые в технике детекторы пересечения, позволяющие определить, пересек ли какой-нибудь непрозрачный объект прямую линию, соединяющую источник и приемник света. Такие детекторы стоят, например, в турникетах на входе в московское метро.
Однако для того, чтобы при помощи одиночного фотодиода получить изображение, необходимо, во-первых, создать оптическую систему, проецирующую изображение определенных участков видимой сцены на поверхность фотоприемника, а во-вторых, организоватьсканированиеизображения сцены за счет перемещения фотоприемника относительно регистрируемой сцены. В самом деле, одиночный фоточувствительный элемент без оптической системы способен лишь зарегистрировать уровень освещенности своей поверхности. При этом свет, падающий на его поверхность, приходит со всех сторон, в результате излучения многих источников, отражения от множества различных поверхностей и, кроме того, рассеяния в воздухе. Нельзя сказать, что зарегистрированный на фотоэлементе уровень освещенности относится к какому-либо конкретному участку поверхности или объекту сцены. Для того чтобы такое соответствие можно было установить, необходимо использовать, например,систему линз, называемую такжеобъективом, которая сфокусирует и передаст на поверхность фотоприемника лучи, приходящие строго с выбранного направления и с определенного диапазона расстояний (определяемогофокусным расстоянием объектива). Если фотоэлемент расположен за объективом, то действительно можно говорить о том, что зарегистрированное им значение освещенности соответствует определенному пространственному лучу, проходящему через точку фокуса (пересечения лучей) объектива. Осталось только организовать «сканирование» – то есть перемещение регистрирующего луча по сцене, чтобы появилась возможность заполнить двумерную матрицу интенсивностей и получить, таким образом, цифровое изображение наблюдаемой сцены. В первых исторических системах регистрации изображений съем изображения осуществлялся за счетмеханического сканирования, то есть перемещения фотоэлемента (или сканируемого объекта относительно фотоэлемента) «вправо-влево, вверх-вниз». Впоследствии были разработаны более современные схемыоптико-механического сканирования(нашедшие основное применение в лазерных системах), в которых движется не фотоприёмник, а сам луч, отклоняемый управляемым зеркалом, входящим в состав оптической системы.
Следующим распространенным типом приемников изображения являются оптические сканеры, основанные на использовании одномерных линеек фоточувствительных элементов. К ним, в частности, относятся хорошо известныепланшетные сканеры, предназначенные для оцифровки бумажных документов. В таких системах сканируемый документ помещается на неподвижное плоское основание, а затем над ним (или под ним – в зависимости от конструкции сканера) медленно «проезжает» параллельно перемещающаяся сканирующая линейка фоточувствительных элементов, которая «строка за строкой» (или «столбец за столбцом») снимает и сохраняет в памяти цифровое изображение документа. Перемещение сканирующей линейки осуществляется за счет работы шагового электрического двигателя. За каждый шаг линейка смещается на очень небольшую величину сдвига, так как между соседними линиями изображения не может большого расстояния.
Возможна и обратная схема сканирования (реализованная, например, в ряде копировальных аппаратов), когда линейка фотоприемников покоится, а в движение приводится кассета со сканируемым документом. Но и в этом случае механическое движение документа относительно линейки должно быть достаточно медленным и прецизионно равномерным, иначе полученное изображение будет иметь низкое разрешение и серьезные геометрические искажения в направлении сканирования.
Указанная проблема ограничивает применение оптических сканеров на базе сканирующих линеек в тех областях, где требуется не постепенное сканирование, а быстрая мгновенная съемка видоизменяющихся динамических сцен. Однако это не означает, что область применения линейных приемников изображения ограничена только областью сканирования документов. Напротив, линейные камерыпарадоксальным образом находят применение именно в тех областях техники, где требуется максимально быстрая регистрация изображений высокого разрешения. Речь идет о так называемых системах «естественного сканирования» изображений за счет движения объектов съемки. Представьте себе, например, задачу получения высококачественного изображения быстро движущейся конвейерной ленты, на которой расположены подлежащие автоматической инспекции или автоматической сортировке детали. Допустим, необходимое разрешение съемки по одной из координат – 1024 элемента. Конечно, мы могли бы попробовать использовать двумерную матрицу размером 10241024 элемента, но при попытке передать в компьютер снятые этой матрицей мегабайтные (используется также терминмегапиксельные) изображения в темпе, согласованном по скорости с движением ленты конвейера, мы обнаружим, что пропускная способность канала передачи цифровых данных (да и характеристики скорости съемки, обеспечиваемые цифровой камерой высокого разрешения) не позволит нам это сделать. Между тем, установив над конвейером линейную камеру, передающую лишь одну строку из 1024 значений пикселей за один такт, мы легко сможем обеспечить необходимые скорость и качество съемки. Сканирование же (то есть развертка изображения во времени в направлении, перпендикулярном линейке фотоэлементов) будет осуществляться за счет движения самой конвейерной ленты. Аналогичным образом, на базе линейной камеры можно построить, например, систему контроля качества покрытия автомобильных дорог, осуществляющую сканирование дороги под автомобилем-лабораторией, оборудованным такой камерой, за счет движения самого автомобиля. Самолет, с постоянной скоростью летящий над сканируемой местностью, также позволяет сформировать изображение местности при помощи линейной камеры. Наконец, искусственный спутник, предназначенный для дистанционного зондирования Земли из космоса, также может сканировать земную поверхность за счет собственного перемещения по орбите.
И, тем не менее, в подавляющем большинстве современных систем технического и машинного зрения используются двумерные приемники изображений. Их достоинство заключается в универсальности. Они не имеют ограничения на скорость или направление изменения содержания наблюдаемой сцены, поскольку регистрация содержимого всех пикселей двумерного изображения происходит в таких системах одновременно. Наиболее распространенным в настоящее время типом двумерных приемников изображений являютсяCCD-матрицы(ПЗС-матрицы, «приборы с зарядовой связью»). В отличие от фотодиодов, выходной сигнал чувствительных элементов такой матрицы пропорционален не текущей освещенности поверхности элемента, а интегралу энергии излучения, попавшего на элемент за все времяэкспозиции(то есть за время, пока элемент был открыт). Это позволяет, как и в аналоговой фотографии, управлять чувствительностью элементов путем установки времени экспозиции, использовать накопление сигнала и другие подобные приемы. В настоящее времяCCD-матрицы выпускаются производителями в виде готовых микросхем, которые производители камер и сканеров могут непосредственно устанавливать в свои устройства. ИменноCCD-матрицы служат приемниками изображения как в современных бытовых фото- и видеокамерах, так и в видеокамерах для технического зрения, применяемых в самых ответственных промышленных приложениях. Заметим также, что в современных линейных камерах также используются не линейки фотодиодов, аCCD-линейки.
- «Обработка изображений и распознавание образов» Визильтер Юрий Валентинович Методическое пособие-2010
- Раздел 2. Распознавание образов. 165
- 1.1. Задачи и приложения машинного зрения. Примеры практических приложений.
- Уровни и методы машинного зрения
- Растровое изображение Изображение как двумерный массив данных
- Алгебраические операции над изображениями
- Физическая природа изображений
- Изображения различных диапазонов длин волн
- Изображения различной физической природы
- Тип пикселя
- Возможности и особенности системыPisoft
- Базовые средства просмотра и анализа изображений и видеопоследовательностей
- Алгебра изображений
- Геометрические преобразования изображений
- Устройства оцифровки и ввода изображений
- Линейки и матрицы, сканеры и камеры
- Геометрия изображения
- Цифровые и аналоговые устройства
- Пространственное разрешение
- Программное обеспечение
- Обработка цветных изображений
- Цветовая модельRgb
- Цветовая модель hsv
- Цветовая модель yuv
- Цветовая сегментация изображения
- Гистограмма и гистограммная обработка изображений
- Профиль вдоль линии и анализ профиля
- Проекция и анализ проекции
- Бинаризация полутоновых изображений
- Сегментация многомодальных изображений
- Выделение и описание областей
- Выделение связных областей на бинарных изображениях
- 1. Отслеживающие алгоритмы на примере алгоритма обхода контура.
- 2. Сканируюющие алгоритмы.
- 1.3. Фильтрация. Выделение объектов при помощи фильтров
- Оконная фильтрация изображений в пространственной области
- Фильтрация бинарных изображений Модель шума «соль и перец»
- Структура оконного фильтра
- Логическая фильтрация помех
- Бинарная медианная фильтрация
- Бинарная ранговая фильтрация
- Взвешенные ранговые фильтры
- Анизотропная фильтрация
- Расширение-сжатие (простая морфология)
- Стирание бахромы
- Нелинейная фильтрация полутоновых изображений
- Ранговая оконная фильтрация
- Минимаксная фильтрация
- Задача выделения объектов интереса
- Бинарные фильтры для выделения объектов
- Метод нормализации фона
- Скользящее среднее в окне
- Гауссовская фильтрация
- Преобразование Фурье. Линейная фильтрация в частотной области
- Преобразование Фурье
- Комплексное представление преобразования Фурье
- Быстрое преобразование Фурье
- Двумерное преобразование Фурье
- Свертка с использованием преобразования Фурье
- Фильтрация изображений в частотной области
- Вейвлет-анализ
- Пирамида изображений
- Вейвлет-преобразование
- Операторы вычисления производных
- Операторы вычисления векторов градиентов
- Операторы Марра и Лапласа
- Постобработка контурного изображения Локализация края
- Утончение контура
- Сегментация полутоновых изображений
- Пороговая и мультипороговая сегментация
- Методы слияния, разбиения и слияния/разбиения областей
- Способы описания выделенных областей
- Текстурные признаки
- 1.6.Морфологические методы анализа сцен (по ю.П. Пытьеву) Методы обнаружения объектов, заданных эталонами
- Согласованная фильтрация.
- Корреляционное обнаружение.
- Морфологический подход ю.П. Пытьева.
- Форма изображения как инвариант преобразований изображений, отвечающих вариациям условий регистрации
- Сравнение изображений по форме
- Выделение отличий изображений по форме
- Обнаружение объекта по его изображению и оценка его координат
- *Морфология на базе кусочно-линейной интерполяции
- Преобразование Хафа для поиска прямых
- *Различные способы параметризации прямых
- Преобразование Хафа для поиска окружностей
- Анализ аккумулятора при поиске геометрических примитивов
- Обобщенное преобразование Хафа
- *Специализированная процедура голосования для поиска эллипсов
- *Рекуррентное преобразование Хафа в скользящем окне
- 1.8.Математическая морфология (по ж. Серра)
- Морфологические операции на бинарных изображениях
- Морфологические операции на полутоновых изображениях
- Морфологическое выделение «черт» и объектов
- Морфологический спектр
- Морфологические скелеты. Непрерывная бинарная морфология Непрерывная бинарная морфология
- Непрерывное гранично-скелетное представление изображения
- Обработка и использование скелета
- *Обобщенные скелетные представления бинарных фигур
- Алгоритмы утончения дискретного бинарного изображения
- *Регуляризация скелетов
- Типы нерегулярностей скелета
- Устранение нерегулярностей
- Регуляризация скелета по Тихонову
- *Селективные морфологии
- 1.9. Анализ движения. Выделение движущихся объектов. Разность кадров. Вычитание фона. Анализ оптических потоков. Слежение за движущимися объектами. Корреляционное слежение.
- Обучение с учителем. Детерминированные методы, основанные на «близости». Линейные решающие правила. Метод построения эталонов. Метод ближайшего соседа. Методkближайших соседей.
- Линейные решающие правила
- Метод построения эталонов
- Методы ближайших соседей
- Параметрические и непараметрические методы
- Дискриминантные и моделирующие методы обучения
- Способность распознавателя к обобщению. Регуляризация.
- Байесовская теория решений. Случай двух классов. Классификаторы, разделяющие функции и поверхности решений. Вероятности ошибок. Разделяющие функции для случая нормальной плотности.
- Дискриминантный анализ. Линейный дискриминант Фишера. Персептронная функция критерия. Линейный дискриминантный анализ (lda,дискриминант Фишера)
- Персептрон Розенблатта
- Анализ свидетельств
- Байесовское объединение свидетельств
- Структурное распознавание
- Автоматизированное конструирование алгоритмов обнаружения объектов на основе преобразований модельных описаний объектов.
- Нейросетевое распознавание
- Нейронные сети ассоциативной памяти. Сети Хопфилда.
- Многослойные персептроны. Оптимизационное обучение. Метод обратного распространения ошибки.
- Многослойные персептроны. Правило Хебба.
- *Связь с байесовским распознаванием
- Сети встречного распространения. Самоорганизующиеся сети.