итування вже наявного.
Попередня обробка спрямована на поліпшення зображення, відсікання зайвої інформації і складається з декількох кроків:
) Перетворення в півтонове зображення.
Так як колір не несе для нас значимої інформації, можна перевести його в напівтонове, замінивши значення RGB для кожного елемента матриць на значення інтенсивності яскравості. Це прискорить процес обробки, так як програмою або функції, що працює з матрицею зображення, необхідно буде оперувати з одним значенням для кожного елемента.
) Вирівнювання освітлення (компенсація різниці освітлення).
Більшість зображень фацій має нерівномірне висвітлення, що викликає проблеми в процесі подальшої обробки. Компенсацію різниці будемо проводити за допомогою алгоритму Single scale retinex (SSR).
Принцип роботи даного алгоритму:
Початкове зображення (рис.2)
Отримуємо наближене зображення освітлення шляхом низькочастотної фільтрації (рис.3) - матриця згортки низькочастотного фільтра
Відновимо зображення за формулою (рис.4)
) згладжує фільтрація (усунення шумів).
Як правило, фільтрація здійснюється шляхом згортки матриці зображення з маскою, що представляє фільтр. У нашому випадку будемо використовувати фільтр Гаусса. Фільтр Гаусса є результатом операції розмиття зображення функцією Гаусса. Даний підхід широко застосовується в графічних редакторах, як правило, для зменшення зашумленности зображення і згладжування різких країв. Також Гаусове згладжування використовується в якості оператора етапу попередньої обробки в багатьох системах розпізнавання образів.
З точки зору математики, застосування фільтра Гаусса рівносильно згортку зображення з функцією Гаусса (також даний підхід відомий як двовимірне перетворення Вейєрштрасса). Механізм роботи фільтра полягає в розрахунку функції Гаусса для кожного пікселя зображення. Рівняння гауссовой функції для одного виміру має наступний вигляд:
, (1)
де x - координата об'єкта в одномірному просторі;
?- Середньоквадратичне гауссово відхилення.
У двовимірному випадку двічі здійснюється розрахунок функції Гаусса (1) для кожного з вимірів:
, (2)
де x, y - координати об'єкта в двовимірному просторі;
?- Середньоквадратичне гауссово відхилення.
Формула (2) дає поверхню, обмежену концентричними колами, розподіленими щодо центральної точки по Гауса. Значення, обчислювані на основі цього розподілу, використовуються для побудови конволюціонной матриці, яка застосовується до вихідного зображення.
1) Виділення країв.
Виділення країв буде здійснюватися детектором кордонів Канні. Його переваги перед іншими детекторами:
а) Гарне виявлення, тобто мінімальна ймовірність пропуску реального перепаду яскравості і мінімальна ймовірність помилкового визначення перепаду (максимізація вихідного відношення сигнал/шум).
б) Хороша локалізація (пікселі, визначені як пікселі краю, повинні розташовуватися наскільки можливо ближче до центру істинного краю).
в) Тільки один відгук на один край.
Вишеперечісле?? ниє критерії були записані у вигляді рівнянь, які були вирішені чисельно, і був визначений шляхом моделювання вид оптимального (в сенсі зазначених вище критеріїв) оператора виділення краю.
Принцип роботи детектора:
. Згортка зображення з ядром - похідною від фільтра гауса.
. Пошук значення й напрямку градієнта.
. Виділення локальних максимумів.
Утоньшение смуг в кілька пікселів до одного пікселя.
. Зв'язування країв і обрізання по порогу.
Визначаємо два пороги: нижній і верхній
Верхній поріг використовуємо для ініціалізації кривих
Нижній поріг використовуємо для продовження кривих
Приклад роботи детектора кордонів Канни представлений у вигляді початкового зображення (рис.6) і обробленого зображення (рис.7)
Процес розпізнавання лини й розрахунок їх радіальних і тангенціальних складових можна об'єднати в одну операцію. Для цього розділимо зображення крісталлограмми на кілька сегментів (рис.8). У межах кожного сегмента ведемо радіус із заданим кутом зсуву, якщо на його шляху буде зустрічатися лінія, проектуємо її на радіус і нормаль до нього, повертаємо радіус на заданий кут і повторюємо операцію.
Проекція на радіус буде являти собою радіальну скл...
