Cтраница 3
В даной работе изложены результаты дальнейших обобщений или расширений ДП в двух различных направлениях. Первое из них, обобщенное дистанционное преобразование цифрового бинарного изображения ( ОДПБ, Б обозначает бинарное изображение), определяется при помощи последовательности операторов утончения с различными конфигурациями окрестностей. Подробно исследуется семейство ОДПБ, заданных с помощью последовательности фильтров по локальному минимуму с различными конфигурациями окрестностей. Обобщенный остов определяется как некоторая разновидность набора точек локального максимума дистанционого изображения. Доказана теорема о восстановлении, описывающая способ восстановления исходного бинарного изображения по его обобщенному остову, дистанционным значениям на нем и последовательности конфигураций окрестностей, используемых в соответствующем дистанционном преобразовании. [31]
С другой стороны, при некоторых условиях наше предположение относительно суммы 22g2 выполняется в точности. Например, предположим, что у нас имеется бинарное изображение, и пусть белое соответствует 1, черное соответствует-1, но не нулю, как обычно. Тогда сумма квадратов значений функции интенсивности по любой области фиксир о-ванного размера постоянна, и взаимная корреляция имеет максимальное значение именно тогда, когда функция Е2 минимальна. Использование взаимной корреляции в качестве критерия сходства имеет также свои корни в некоторых похожих, но не идентичных задачах классификации образов и обнаружения сигналов. Взаимную корреляцию до сих пор еще часто применяют, возможно, потому, что известно много случаев ее эффективной реализации. Как мы убедились, однако, использование взаимной корреляции для сравнения с эталоном влечет за собой неявное предположение о том, что энергия функции интенсивности внутри любого окна приблизительно одна и та же. [32]
Следует отметить два новых обобщения ДП применительно к преобразованию бинарного изображения. Одно из них состоит в дистанционном преобразовании линейного объекта ( ДПЛО), определяемого на бинарном объекте, все участки которого имеют единичную ширину, в то время как ранее ДП применялось всегда к бинарному объекту некоторой конечной ширины с целью его утончения. Другое обобщение ДП сводится к построению остова, а не самой бинарной фигуры. [33]
Существенными преимуществами по сравнению с методами первого и второго типов, в смысле снижения трудоемкости вычислительной реализации бортовых алгоритмов, обладают методы, использующие в качестве характерных признаков контурные препараты эталонного и текущего изображений. Применение методов типа контурной корреляции, согласованной фильтрации контуров при сравнении соответствующих бинарных изображений сцены с низкой объектовой насыщенностью может привести к снижению трудоемкости вычислительной реализации ( в основном потребного быстродействия) на один, два порядка. [34]
Аргументы команды DeclareGraphicsRule. [35] |
Расширение файла, который должен быть считан для определения размера графического материала. Оно может совпадать с аргументом ext, но в случае использования сжатых или бинарных изображений, которые ГЛТ Х не умеет распознавать, метрическая информация ( размер обрамляющего бокса) обычно помещается в отдельный файл. [36]
В даной работе изложены результаты дальнейших обобщений или расширений ДП в двух различных направлениях. Первое из них, обобщенное дистанционное преобразование цифрового бинарного изображения ( ОДПБ, Б обозначает бинарное изображение), определяется при помощи последовательности операторов утончения с различными конфигурациями окрестностей. Подробно исследуется семейство ОДПБ, заданных с помощью последовательности фильтров по локальному минимуму с различными конфигурациями окрестностей. Обобщенный остов определяется как некоторая разновидность набора точек локального максимума дистанционого изображения. Доказана теорема о восстановлении, описывающая способ восстановления исходного бинарного изображения по его обобщенному остову, дистанционным значениям на нем и последовательности конфигураций окрестностей, используемых в соответствующем дистанционном преобразовании. [37]
Для того чтобы удовлетворить этим условиям, нужен оператор, который будет заменять изолированные нули и единицы их логическими дополнениями и оставлять другие части изображения неизменными. Такой оператор целесообразно применять при борьбе с так называемым шумом типа соль и перец, чье действие на бинарное изображение сводится к случайной замене некоторых элементов их логическими дополнениями. [38]
Книга организована следующим образом. Выделяются четыре вида таких данных, в общем, соответствующие тоновым изображениям ( класс 1), двухуровневым, или бинарным изображениям. [39]
Пример оптической схемы, реализующей логические операции с использованием жидкокристаллического ПВМС с управляемой решеткой, дан на рис. 5.17. В ней два бинарных изображения совмещаются на входе ПВМС, а положение фильтрующей апертуры в частотной плоскости задает выполняемую логическую функцию. Помимо базисных логических функций описываемый прибор позволяет реализовать полный цифровой сумматор. В этом случае на вход схемы помимо суммируемых массивов подается массив сигналов переноса. Сигналы разрядов суммы считываются в положительных порядках дифракции считывающего света, а сигналы переноса - в отрицательных. Введение обратной связи в такую систему позволяет выполнять в ней операции последовательной логики, а организация связей между различными участками ПВМС превращает ЭтОт прибор в сложную оптическую логическую схему. [40]
Сначала рассмотрим простой пример построения икона. Иконический образ, соответствующий некоторому изображению, можно построить посредством получения двухуровневого ( бинарного) изображения на основе исходного. Бинарное изображение после уменьшения размеров превращается в иконический образ. Пример приведен на рис. 12.1. На рис. 12.1 а представлено исходное изображение, а на рис. 12.1 6 и в-два типа полутоновых изображений. [41]
Легко убедиться, что эта логическая функция обладает нужными качествами. Преимущество логического сглаживания по сравнению с регуляризацией заключается в том, что логическое сглаживание позволяет задавать более сложные условия, при которых значение элемента должно меняться. Более того, регуляризация ( для бинарных изображений) - это частный случай логического сглаживания, так как численные операции регуляризации также могут определяться с помощью булева выражения. Можно построить и другие булевы операторы, предназначенные специально для борьбы с особыми видами помех или для использования предварительных знаний об изображениях, с которыми предполагается работать. [42]
В данной статье предложено обобщение дистанционного преобразования цифровых изображений в двух различных направленяих. Подробно рассмотрен подкласс ОДПБ, названный семейством фильтров по локальному минимуму ( ФЛМ-ОДПБ), характеризуемый с помощью последовательности фильтров по локальному минимуму с переменными окрестностями. Для преобразований из ФЛМ-ОДПБ введено понятие остова бинарного изображения и показано, что любое бинарное изображение может быть восстановлено в точности по информации о его остове и дистационным значениям на нем. Затем дано обобщение полутонового взвешенного дистанционного преобразования ( ПВДП) на более общий случай, обозначаемое как ОПВДП, путем введения произвольного начального изображения. После вывода основного уравнения ОПВДП н нахождения его решения доказано, что произвольное полутоновое изображение порождается посредством итеративного применения ОПВДП по однозначно заданному элементарному изображению и последовательности начальных изображений. [43]
Формула ( 2) задает обычное евклидово расстояние между двумя векторами. Определение ( 3) иногда называется метрикой L. Заметим, что эти определения относятся не только к бинарным изображениям, хотя, как мы видели выше, определение метрики может иметь особенно простую интерпретацию, если ограничиться бинарными изображениями. [44]
При решении многих задач анализа сцен анализирующая система сталкивается с той или иной формой следующего простого вопроса: содержит ли сцена изображение заранее заданного объекта. Метод, традиционно используемый для ответа на вопросы этого типа, называется сравнением с эталоном. Рассмотрим сначала сравнение с эталоном на простых примерах с бинарными изображениями, а затем распространим наше обсуждение на общий случай. [45]