Cтраница 4
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. [46]
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. [47]
Развитие методов теории распознавания ставит вопрос о выборе наилучшего алгоритма из множества известных. В настоящее время интенсивно развиваются и совершенствуются иерархические системы распознавания. В их число входят получившие широкое распространение распознавание по схеме перцептрона [41], по переборной схеме Бонгарда [42] и др. Для данных методов наряду с достоинствами выявлены и недостатки - ограничение бинарными изображениями. [48]
Поскольку наши меры оценки порогового метода основаны только на свойствах однородности и формы, вывод о преимуществе метода Осту не является неожиданным. Метод сохранения моментов оказывается сопоставимым с методом Осту. Характеристики таких методов, как метод Йоханнсена и Билле, Капура и др., почти не уступают характеристикам метода Осту и методов сохранения моментов. Бинарные изображения, полученные с помощью пороговых методов ( перечисленных в табл. 1), являются источником ценной информации о пороговых методах. Мы учитываем эту зрительную информацию в качестве дополнительных данных. Для зрительного анализа представляется разумным рассматривать такие важные признаки, как черты лица и камеру на снимке оператора, края здания на правой части снимка здания, характерные черты лица и волос на изображении модели. Вместе с этими наблюдениями необходимо также принять во внимание степень искажения и потерю информации на изображении, полученном в результате применения к нему пороговой операции. [49]
Эффективный алгоритм выделения связных областей основан на методе построчного сканирования. Он включает в себя процедуры фазового анализа и формирования матрицы связности. На первом этапе определяют пороги яркости объект - фон для бинаризации исходного изображения. На основе бинарного изображения формируется матрица связности, которая содержит в себе информацию о всех связных областях на изображении. [50]
Простой эталон. [51] |
На рис. 7.13 показано схематически, как эту операцию можно выполнить с помощью некоторого эталона. При работе с новым эталоном мы будем считать, что треугольник обнаружен только в том случае, если каждая область эталона закрывает зону изображения, уровень полутонов которой соответствует эталонной разметке. Другими словами, области эталона, помеченные нулем, должны регистрировать только нулевые значения полутонов, а области, помеченные единицей, - только единичные значения. Заметим, что эталон на рис. 7.13 сам является бинарным изображением. [52]