Апаратні засоби та методи обробки і аналізу зображень плоских фігур

В другому розділі розглянуто принципи паралельного функціонування пристроїв обробки і розпізнавання зображень в середовищі КАНА.

Процес розпізнавання зображення плоскої фігури здійснюється шляхом перетворення її на вході пристрою до вигляду, найбільш зручного для виділення необхідних ознак, і формування з них вектору V ознак. Даний процес подається наступною моделлю

 

 ,

 

де   – початкове зображення на вході пристрою;   – початкове зображення, що записане в електронному багатопроцесорному матричному середовищі;   – множина зображень  , кожне з котрих призначено для отримання інформації про вибрану ознаку; V – вектор, що містить необхідні ознаки для отримання найбільш повної інформації про зображення, котре розпізнається;

T0 – операція перетворення початкового зображення I в зображення середовища КАНА  ; T1 – операція перетворення   у множину зображень  = , форма котрих сприяє найбільш ефективному визначенню відповідної ознаки; TM – множина операцій над множиною зображень  , котрі орієнтовані на визначення відповідної ознаки.

Отриманий вектор V порівнюється з еталонним і визначається його приналежність до того або іншого класу, а також зсередини класу. Точність розпізнавання залежить від вибору усієї сукупності необхідних ознак, а також точності визначення їх кількісних характеристик. Вектор ознак, необхідних для розпізнавання зображень має вигляд

 

 ,

 

де S – площа фігури на вході системи., яка вимірюється у відповідних розмірностях одиничних дискретів середовища; N – кількість вершин фігури на вході системи і вимірюється у відповідних розмірностях одиничних дискретів середовища; li, i+1 – відношення між i-ю та (i+1) -ю вершинами, котре виражається довжиною з урахуванням геометричних розмірів одиничного дискрета середовища;   – кут між двома сусідніми сторонами в i-й вершині  .

Для точного виділення елементів контуру фігури використовується модель вигляду

 

 ,

 

де   – елементи середовища, що належать околиці елемента  ;  - відношення, що задається між дискретним відрахунком   і елементами  .

Сторона подається як множина точок, що належать контуру, між двома сусідніми вершинами

 

 ,

 

де   – точки, що належать контуру зображення між сусідніми m-ю та (m+1) -ю вершинами. Вершина подається як

 

 .

 

Зображення фігури, приклад якої подано на рис. 1 може бути подане множиною відношень , що подають контур фігури у матричному вигляді

 

 ,

 

 

Розглянуті алгоритми визначення вершин зображення фігури в КАНА, а також дані визначення вершин при різних підходах.

Визначення 1. Вершиною зображення плоскої фігури, спроектованої в середовище КАНА, є ПЕ, що подає точку контуру, при умові, що сума значень сусідніх ПЕ-ів, які подають внутрішню область фігури не дорівнюється сумі значень сусідніх ПЕ-ів, що не належать зображенню.

 

 ,

 

де  ,   – елементи середовища, які належать околиці ПЕi, j і, приймають значення, відповідно, логічних “1” і “0”;   – елементи околиці ПЕi, j, що належать контуру;   – значення ПЕi, j в вершині

Але дане визначення справедливе у випадку наявності двох сусідніх клітин контуру. Для залитих фігур справедливим також є наступне визначення.

Визначення 2. Вершиною зображення плоскої фігури, спроектованої в середовище КАНА, є ПЕ, що подає точку контуру при умові, що сума значень сусідніх ПЕ-ів, які подають внутрішню область фігури дорівнювалась одиниці.

 

 .

 

Для визначення опуклої та ввігнутої вершин вводяться наступні визначення

Визначення 3. Клітина є опуклою вершиною, коли сума значень усіх восьми сусідніх клітин середовища, які належать околиці Мура менше п’яти.

 

Визначення 4. Клітина є ввігнутою вершиною у випадку, коли сума значень усіх восьми сусідніх клітин середовища, які належать околиці Мура більше п’яти.

 

При врахуванні аліайзінгу для точного виділення вершин вводиться доповняльний шар (рис. 2) і використовуються наступні моделі.

Клітина С є вершина, котра визначається у другому шарі, в тому випадку, якщо виконується наступна умова.

 

Клітина В (А) є вершина, котра визначається у першому шарі, в тому випадку, якщо виконується наступна умова.

 

 .

 

Приклад виділених вершин подано на рис. 3.

За результатами операцій попередньої обробки зображень можлива поява завад, які діляться на одиночні, зв’язані та контурні. Кожна з них подається логічною моделлю, в залежності від околу, що застосовується. Враховуючи це подані моделі та алгоритми видалення завад в КАНА.

Одиничні завади видаляються шляхом реалізації наступного логічного виразу

 

Видалення зв’язаних завад є визначення суми значень сусідніх клітин, що описується моделлю

 

 .

 

Контурні завади визначаються наступним чином.

Визначення 5. Клітина Р є контурна завада в тому випадку коли:

 вона сусідня до двох клітин контуру (одна з цих клітин збуджена) по вертикалі та