Zbigniew CZAPLA
OCENA PR Z Y D A T N O ŚC I FR A G M EN TA C JI O BRAZU DO ANALIZY O BRAZÓ W Z R E JE ST R A T O R A D A NY CH RU CH O W Y CH
Streszczenie. W artykule przedstawiono ocenę przydatności fragmentacji obrazu do analizy obrazów z rejestratora danych ruchowych. Artykuł zawiera zwięzły opis metody fragmentacji obrazów cyfrowych oraz przedstawia wyniki przykładowej fragmentacji kwadratowej obrazu cyfrowego za pomocą wzorców stopnia drugiego.
U S E F U L N E S S A P P R E C IA T IO N O F IM A G E P A R T IT IO N IN G A T A N A L Y S IS O F D IG IT A L IM A G E S FR O M A R O A D T R A FFIC D A T A R E C O R D E R
Sum m ary. In the paper a usefulness appreciation o f image partitioning at analysis of digital images from a road traffic data recorder has been presented. The paper contains also concise description o f digital images partitioning method and presents the results o f sample digital images quad partitioning using second degree templates.
1. WPROWADZENIE
K om puterow e system y w izyjne m ają zastosow anie do autom atycznego określania param etrów ruchu drogow ego. W system ach tych rejestrow ane dane obrazow e w ykorzystyw ane s ą do określania szeregu w ybranych param etrów ruchu drogow ego [4], N a podstaw ie danych obrazow ych przeprow adzane są, dla ustalonego przekroju drogi, pom iary: liczby pojazdów , prędkości pojazdów , długości pojazdów oraz odstępów m iędzy pojazdam i. D ane obrazow e p o zw alają rów nież na pom iary natężeń ruchu n a skrzyżow aniach, a także w ykorzystania m iejsc parkingow ych. Dane obrazow e m o g ą być w ykorzystyw ane do akom odacyjnego sterow ania ruchem na skrzyżow aniach oraz do nadzoru nad ruchem drogow ym , na przykład na autostradach.
W kom puterow ych system ach w izyjnych, do autom atycznego określania param e
trów ruchu drogow ego, obrazy z danym i ruchow ym i otrzym yw ane są z rejestratorów danych ruchow ych. A kw izycja przeprow adzana je s t z w ykorzystaniem kam ery wideo lub aparatu fotograficznego, a otrzym yw any obraz zazwyczaj je s t ju ż w postaci cyfro
wej (jeżeli nie, to p rzeprow adzana je st konw ersja z postaci analogow ej do postaci
cyfrowej). A naliza obrazu polega na w stępnym przetw orzeniu obrazu, pom iarze cech obrazu oraz na interpretacji otrzym anych w yników ilościow ych [8], [10], Wstępne przetw arzanie obrazu [ 8], [9], [10] m a na celu usunięcie z obrazu zakłóceń oraz nieistotnych elem entów , a także pozw ala na uw ydatnienie w ybranych cech obrazu.
Pom iar cech obrazu pozw ala na określenie w ielkości ilościow ych opisujących charakterystyczne cechy analizow anego obrazu. Interpretacja otrzym anych wyników ilościow ych prow adzi do określenia w ybranych param etrów ruchow ych i w dużym stopniu zależy od przyjętych kryteriów interpretacyjnych.
O brazy cyfrow e, uzyskiw ane z rejestratora danych ruchow ych, przechow yw ane są w plikach graficznych, których rozm iary są zazw yczaj duże. Zm niejszenie rozmiarów plików graficznych m ożliw e je s t w w yniku przeprow adzenia kom presji. Znanych jest wiele m etod kom presji, zarów no bezstratnej, ja k i stratnej [5], [6], [7]. W metodach tych w ykorzystyw ane s ą algorytm y różniące się stopniem skom plikow ania oraz efektyw nością. M ia rą skuteczności kom presji je s t w spółczynnik kom presji. Metody kom presji stratne p o z w a la ją n a uzyskiw anie w spółczynników kom presji o w iększych w artościach niż m etody bezstratne, a je s t to osiągane kosztem utraty części informacji obrazow ej. U trata części inform acji obrazow ej m oże spow odow ać pogorszenie jakości obrazu po rekonstrukcji, naw et w znacznym stopniu. D o kom presji obrazów cyfrowych m o g ą być rów nież stosow ane m etody oparte na tzw . kodow aniu obszaru zainteresow ań (ROI). W m etodach tych bezstratnie kodow any je st ten obszar obrazu, który zawiera istotną m erytorycznie inform ację, natom iast pozostały obszar obrazu kodow any jest stratnie.
Segm entacja obrazu cyfrow ego polega n a w ydzielaniu obszarów obrazu. Piksele w ydzielanych obszarów obrazu m u sz ą spełniać ustalone kryteria jakościow e. Seg
m entacja je s t istotnym elem entem analizy logicznej sceny i pozw ala na wyodrębnienie obiektów zaw artych w analizow anym obrazie. F ragm entacja [1] obrazu cyfrowego rów nież prow adzi do w ydzielenia obszarów obrazu, a piksele w ydzielanych obszarów nie m u szą ściśle spełniać kryteriów jakościow ych. F ragm entacja obrazów jest stosow ana w kom presji obrazów , m ożliw e je s t rów nież w ykorzystanie fragmentacji w analizie obrazów .
D o fragm entacji obrazów zaw ierających dane m chow e zastosow ano metodę fragm entacji w yk o rzy stu jącą w zorce [2], [3], Im plem entacja i badania num eryczne przeprow adzone zostały dla w zorców stopnia drugiego. W yniki przeprow adzonych badań num erycznych p o zw ala ją na dokonanie ogólnej oceny przydatności zastoso
wanej m etody fragm entacji do analizy obrazów otrzym yw anych z rejestratora danych m chow ych.
2. METODA FRAGMENTACJI
W zastosow anej m etodzie fragm entacji poddaw any je st obraz cyfrow y A, achro- m atyczny z p oziom am i szarości, o rozdzielczości przestrzennej N x M pikseli, okre
ślony przez d y sk retn ą funkcję w artości pikseli g przyporządkow ującą każdem u punktow i obrazu (pikselow i) liczbę całkow itą określającą poziom szarości w tym punkcie. O braz cyfrow y A dzielony je s t (dokonyw ana je st je g o fragm entacja) na nA rozłącznych prostokątnych obszarów A (l> w taki sposób, że sum a teoriom nogościow a w szystkich w ydzielonych obszarów A (JI tw orzy obraz A. R ozdzielczość przestrzenna poszczególnych w ydzielonych obszarów A ('] w ynosi 7V, x M„ a zatem
A = g( x, y) , \ < x < N , \ < y < M (1)
A (l) = g( x, y) , ni < x < N i + n i - \ , mi < y < M i +mi - 1 (2) oraz
A = J j A (i) (3)
i=l
Z biór w zorców W = {W (l), W (2), ..., W (?)} zaw iera q standardow ych struktur W w Oprócz zbioru w zorców u stalane je s t rów nież p rz e k sz ta łc e n ie ^ , które odw zorow uje w zorzec W w na strukturę w ydzielanego obszaru A {,) obrazu A. W ydzielany obszar A u>
obrazu A określony będzie jed n o zn a czn ie przez w spółczynniki p rz e k sz ta łce n ia /; oraz przez różnow artościow y zbiór w artości pikseli P, w ydzielanego obszaru A {"
A i 0 = f i (w<J>,Pl ) 7 6 { 1 q ) (4)
a uw zględniając, że sum a teoriom nogościow a w szystkich w ydzielonych obszarów A " ! stanowi obraz A
i=i
P rz e k sz ta łc en ie /; je s t przekształceniem afinicznym , będącym złożeniem obrotu f R, skalow ania f s oraz przesunięcia/;^ , a zatem
f i ~ fiT ° f i S °f i R (6)
oraz
(7)
>< = U / /r { / is [ / « ( w a ) . ^ ) ] } y e { l . - . ? } (8)
i=i ' '
K ażdy z w ydzielonych obszarów obrazu opisany je st przez param etry sterujące oraz przez param etry inform acyjne. Param etry sterujące określają w zorzec i sposób jeg o przekształcenia, natom iast param etry inform acyjne określają w artości pikseli
w ydzielonego obszaru obrazu.
W zorce w ykorzystyw ane do fragm entacji są sym bolicznym i m acierzam i kwa
dratow ym i i o k reślają struktury w zajem nego rozm ieszczenia pikseli wydzielanych obszarów obrazu.
N a w zorcach przeprow adzane s ą operacje. O peracje obrotu i skalow ania prze
prow adzane s ą w lokalnym układzie w spółrzędnych, a operacji przesunięcia od
pow iada zam iana w spółrzędnych lokalnych na w spółrzędne podstaw ow ego układu w spółrzędnych. Po w ykonaniu w szystkich operacji na w zorcu w artości symboliczne w zorca zam ieniane s ą n a odpow iadające im w artości pikseli.
3. IMPLEMENTACJA I WYNIKI FRAGMENTACJI
Do fragm entacji obrazów cyfrow ych z rejestratora danych ruchow ych wyko
rzystano im plem entację przep ro w ad zo n ą dla fragm entacji kw adratow ej, zgodnej ze strukturą drzew a czw órkow ego, z w ykorzystaniem pełnego zestaw u w zorców stopnia drugiego. W zorce stopnia drugiego s ą sym bolicznym i m acierzam i kw adratow ym i W 2W i określają struktury, o rozm iarze 2 x 2 , w zajem nego rozm ieszczenia pikseli wy
dzielanych obszarów obrazu.
Zestaw w zorców stopnia drugiego przedstaw iony został na rys. 1 (elem enty wzorca oznaczone tą sa m ą literą odp o w iad ają częściom obszarów zaw ierającym piksele o tych samych w artościach).
Liczba bajtów inform acyjnych zależy od w zorca użytego do opisu wydzielonego obszaru obrazu i zaw iera się w zakresie od jed n eg o (dla w zorca W 2(0)) do czterech (dla w zorca W 2(6)).
a a a a
a a a b
W 2(0) W 2l(V
a a b c
a b c a
W ■(4)
w2
(S)a a b b
a b b a
W2'(21
w2
(3)a b c d
W2{(6)
Rys. 1. Zestaw wzorców stopnia drugiego Fig. 1. Second degree set o f templates
W ynik fragm entacji przykładow ych obrazów rzeczyw istych, ja k ie m o g ą być otrzym ane z rejestrato ra danych ruchow ych (całe obrazy lub ich części), przedstaw iono na rys. 2, 3, oraz na rys. 4, 5. S ą to obrazy cyfrow e o rozdzielczości poziom ów jasności 8 bpp i rozdzielczości przestrzennej 256 x 256 pikseli. Fragm entacji poddane zostały części obrazów , o rozm iarze 128 x 128 pikseli, części te zaznaczono białym i liniami.
Sposób oznaczenia obszarów w ydzielonych w w yniku fragm entacji zależy od stopnia zróżnicow ania p ik seli w ydzielonego obszaru. O bszary o m ałym stopniu zróżnicow ania pikseli (w ydzielone w zorcam i W2(0), W2(1), W2(2), W2(3)) zaznaczone zostały ja k o białe, obszary o średnim stopniu zró żnicow ania pikseli (w ydzielone w zorcam i W2(4), W2(5)) ja k o jasn o szare, n ato m iast obszary o dużym stopniu zróżnicow ania pikseli (w ydzielone
w zorcem W 2(6)) ja k o ciem noszare.
F ragm entację obrazu o pełnej rozdzielczości poziom ów jasności (256 poziom ów szarości) p rz ed staw iają rys. 2 i 4. W ynik fragm entacji w skazuje na duże zróżnicow anie w artości p ik seli obrazu (w w yniku fragm entacji otrzym ano w yłącznie obszary o rozm iarze 2 x 2 piksele), a zw iązek m iędzy zaw artością obrazu a w ynikiem frag
m entacji je s t niezauw ażalny. R ysunki 3 i 5 przedstaw iają obrazy po zredukow aniu liczby poziom ów szarości do czterech. Po naw et tak znacznym zredukow aniu poziom ów szarości zachow ana została czytelność obrazu, a zw iązek zaw artości obrazu z w ynikiem fragm entacji je s t bardzo w yraźny.
Rys. 2. Fragmentacja obrazu rzeczywistego: a) obraz z 256 poziomami szarości; b) wynik fragmentacji zaznaczonej części obrazu
Fig. 2. Partitioning o f real image: a) 256 grey level image b) partitioning result of marked part of image
a) b)
Rys. 3. Fragmentacja obrazu rzeczywistego: a) obraz z 4 poziomami szarości; b) wynik fragmentacji zaznaczonej części obrazu
Fig. 3. Partitioning o f real image: a) 4 grey level image b) partitioning result o f marked part of image
Rys. 4. Fragmentacja obrazu rzeczywistego: a) obraz z 256 poziomami szarości; b) wynik fragmentacji zaznaczonej części obrazu
Fig. 4. Partitioning o f real image: a) 256 grey level image b) partitioning result o f marked part o f image
Rys. 5. Fragmentacja obrazu rzeczywistego: a) obraz z 4 poziomami szarości; b) wynik fragmentacji zaznaczonej części obrazu
Fig. 5. Partitioning o f real image: a) 4 grey level image b) partitioning result o f marked part o f image
4. OCENA PRZYDATNOŚCI FRAGMENTACH
O cenę przydatności fragm entacji przeprow adzono pod kątem zastosow ań w sys
tem ach autom atycznego określania param etrów ruchu drogow ego. M ożliw e obszary zastosow ania fragm entacji to kom presja danych obrazow ych oraz analiza obrazu.
R ozdzielczość przestrzenna 256 x 256 pikseli ułatw ia w ykorzystanie struktury bajtow ej, co po zw ala na uproszczenie stosow anych algorytm ów . O brazy z rejestra
torów danych ruchow ych m ają zazw yczaj w ięk szą rozdzielczość przestrzenną niż 256 x 256 pikseli, n a przykład rozdzielczość przestrzenna obrazów z wideorejestratora w ynosi 720 x 576 pikseli. N ie m a to w iększego znaczenia w przypadku kompresji (m ożna zastosow ać w stępny po d ział obrazu i kom presow ać każdy z tak wydzielonych obszarów obrazu oddzielnie), je d n a k stanow i istotne utrudnienie w przypadku analizy obrazu, gdzie niew łaściw ie przeprow adzony w stępny podział obrazu będzie wpływał na w ynik przeprow adzonej analizy. W zastosow aniach fragm entacji do analizy obrazu celow e w ydaje się zatem stosow anie algorytm ów pozw alających na fragmentację obrazów , których rozdzielczość przestrzenna je s t w iększa niż 256 x 256 pikseli.
Obrazy otrzym yw ane z rejestratora danych ruchow ych charakteryzują się dużym zróżnicow aniem w artości pikseli. D uże zróżnicow anie w artości pikseli je st typowe dla tzw. obrazów z natury, a do takiej kategorii należy zaliczyć obrazy otrzymywane z rejestratora danych ruchow ych. D odatkow o, zróżnicow anie w artości pikseli może w zrosnąć z pow odu relatyw nie m ałej rozdzielczości na poziom ie akw izycji, a także w w yniku w ystępow ania różnego rodzaju zakłóceń.
Przy pełnej rozdzielczości poziom ów jasności zw iązek m iędzy zaw arto ścią obrazu a w ynikiem fragm entacji je s t trudny lub niem ożliw y do określenia. Po przepro
w adzeniu redukcji poziom ów jasn o ści w yznaczenie zw iązku m iędzy zawartością obrazu a w ynikiem fragm entacji je s t zazwyczaj m ożliw e, a w w ielu przypadkach zw iązek ten je s t bardzo wyraźny. Stopień redukcji poziom ów jasn o ści pozw alającej na określenie zw iązku m iędzy zaw arto ścią obrazu a w ynikiem fragm entacji zależy od stopnia zróżnicow ania w artości pikseli, przy czym, naw et po znacznej redukcji poziom ów jasn o ści, czytelność obrazu zostaje zachow ana.
N a w yniki analizy obrazów w istotny sposób w pływ a jak o ść analizow anych ob
razów. Jakość obrazów otrzym yw anych z rejestratora danych ruchow ych zależy od w arunków , w ja k ic h przeprow adzana je s t akw izycja. Pogorszenie jak o ści otrzymy
wanych obrazów m oże być spow odow ane w ielom a czynnikam i. N a ja k o ść obrazów z rejestratora danych ruchow ych m o g ą w pływ ać takie czynniki, jak : zm iany ośw ietle
nia, zm ienne w arunki atm osferyczne czy też zanieczyszczenia osłony obiektywu kamery.
Jakość otrzym yw anych obrazów m oże być polepszona przez stosow anie różnych metod przetw arzan ia obrazów . Podstaw ow e grupy m etod przetw arzania obrazów to:
przekształcenia geom etryczne, przekształcenia punktow e, przekształcenia za pom ocą filtrów cyfrow ych, p rzekształcenia w idm ow e oraz przekształcenia m orfologiczne.
Dobór m eto d p rzetw arzan ia obrazów , otrzym yw anych z rejestratora danych ru
chowych, w ynika z charakteru oraz intensyw ności w ystępujących zakłóceń, a ich stosowanie pozw ala n a ograniczenie w pływ u zakłóceń na otrzym yw ane obrazy.
O graniczenie w pływ u zakłóceń pozw ala na zw iększenie skuteczności analizy obrazów z rejestratora danych ruchow ych.
5. PODSUMOWANIE
N a podstaw ie p rzeprow adzonych rozw ażań teoretycznych oraz rezultatów w y
konanych badań num erycznych m ożna stw ierdzić, że fragm entacja obrazu w yko
rzystująca w zorce m oże być stosow ana w analizie obrazów z rejestratora danych ruchowych, a w yniki fragm entacji b ęd ą korelow ały z zaw artością obrazu w różnym stopniu, zależnym od w ielu czynników .
Z astosow anie fragm entacji do obrazów nieprzetw orzonych w stępnie, tak jak w wielu innych m etodach, nie da zadow alających rezultatów . Fragm entacja obrazów, zastosow ana do p rzetw orzonych w stępnie obrazów z rejestratora danych ruchow ych, pozw ala n a określenie w yraźnego zw iązku m iędzy w ynikiem fragm entacji a zaw ar
tością obrazu, a zatem m oże być przydatna do indeksacji obiektów do analizy logicznej scen oraz do w yod ręb n ian ia obiektów .
Literatura
1. Czapla Z.: M etody fragmentacji obrazów cyfrowych. Zeszyty Naukowe Politechniki Śląskiej, s. Transport, z. 30, Gliwice 1998, s. 137-147.
2. Czapla Z.: Reprezentacja obrazów cyfrowych wykorzystująca fragmentację determi
nowaną wzorcem kwadratowym poczwórnym. Zeszyty Naukowe Politechniki Śląskiej, s. Transport, z. 38, Gliwice 1999, s. 151-159.
3. Czapla Z.: Fragmentacja obrazów cyfrowych z rejestratora danych mchowych. Materiały konferencyjne: II Konferencja, Telematyka i Bezpieczeństwo Ruchu Drogowego, Katowice - Ustroń Jaszowiec, 25-26.10.2002, s. 137-143.
4. D atkaS., Sucharzewski W., Tracz M.: Inżynieria ruchu. Wydawnictwa Komunikacji i Łączności, Warszawa. 1999.
5. Salomon D.: Data Compression, The Complete Reference. Springer Verlag, New York 2000.
6. Sayood K.: Kompresja danych - wprowadzenie. Wydawnictwo RM, Warszawa 2002.
7. Skarbek W. (red.): Multimedia - Algorytmy i standardy kompresji. Akademicka Oficyna Wydawnicza PLJ, Warszawa 1998.
8. Tadeusiewicz R., KorohodaP.: Komputerowa analiza i przetwarzanie obrazu, Wydaw
nictwo Fundacji Postępu Telekomunikacji, Kraków 1997.
9. W atkinsC. D., SadunA ., M arenkaS.: Nowoczesne metody przetwarzania obrazu.
Wydawnictwa Naukowo-Techniczne, Warszawa 1995
10. Woźnicki J.: Podstawowe techniki przetwarzania obrazów. Wydawnictwa Komunikacji i Łączności, Warszawa 1996.
Recenzent: Dr hab. inż. Dariusz Badura, prof. UŚ
Abstract
R oad traffic data recorders are applied in com puter vision system s to automatic determ ining o f ro ad traffic param eters. In the p ap er the usefulness o f partitioning to partitioning o f im ages from a road traffic data recorder has been appreciated.
The p ap er includes concise description o f digital im ages partitioning m ethod using tem plates. In this m eth o d an im age is divided to regions w hich each o f them is described by p aram eters determ ining tem plate, the w ay o f tem plate transform ation and pixels value. Several sam ples o f partitioning using second degree tem plates on pictures w ith full num ber o f grey levels and on pictures w ith lim ited num ber o f grey levels has been m ade. The sam ples show connection betw een an digital im age and a result o f it partitioning. In the p ap er the influence on an im age partitioning result such param eters as digital im age size, num ber o f grey levels and differences o f pixels value was considered.
The obtained results indicate the usefulness o f im age partitioning at object labelling, scene analyses and object extracting.