ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ Seria: AUTOMATYKA z. 97
_______ 1989 Nr kol. 975
Andrzej ORDYS"
NUMERYCZNE WYZNACZANIE POLA PRĘDKOŚCI NA PODSTAWIE ANALIZY PRZESUNIĘTYCH V CZASIE OBRAZÓW BINARNYCH* ^
Streszozenie. W praoy przedstawiono wyniki badań nad możliwośoią wyznaozanin pola prędkości- na podstawie sekwencji obrazów uzyska
nych za pomocą kamery Micron-Eye i analizowanych za pomocą kompute
ra IBM PC. Metoda, której idea poohodzi z praoy [i] , została opisa
na w [5] • Badania przeprowadzono dla dwóch przypadków:
■O komputerowa symulnoja ruchu obrazu,
2; fotografowanie rzeczywistego ruchu obiektów na scenie.
Uzyskane rezultaty wskazują z jednej strony na możliwość detekoji parametrów ruohu obiektu na podstawie pola prędkośoi, z drugiej strony jednak na duże trudności obliozeniowo wynikające głównie z ograniczeń sprzętowych.
1. Wstęp
Przez pole prędkośoi będziemy rozumieć odwzorowanie przyporządkowujące każdemu punktowi obrazu wektor prędkości tego punktu. Pojęcie to, pocho
dzące z mechaniki klasycznej, pojawia się w teorii rozpoznawania obrazów w związku z problemem- ruchu obiektów na scenie. W praoy [j] wysunięto tezę, że analiza pola prędkości jest meohanizmem umożliwiającym widzenie ruchu ogranizmom żywym. Teza ta sugerowała wykorzystanie analogioznego sposobu postępowania dla układów ze sztuczną inteligencją automatyoznie rozpoznających obrazy.
Uwaga: W literaturze na określanie pola prędkości, stosuje się także czasem pojęcie "przepływ optyozny".
Przeniesienie pojęcia pola prędkości na grunt teorii rozpoznawania obrazów wymaga jego pewnej modyfikacji. Otóż detekcja ruchu możliwa Jest tylko w tych punktach obrazu, w których następuje wyraźna zmiana stopnia szarości. Punkty te to zazwyczaj krawędzie obiektów występujących na scenie. Tak więc pole prędkości może być przyporządkowane tylko punktom krawędzi poruszającego się obiektu. Wynika stąd natychmiast wniosek, że nie jest możliwa detekcja ruchu obiektu wzdłuż swojej krawędzi
X^ Praca finansowana z Centralnego Programu Badań Podstawowoyeh CPBP 02,1
"Układy ze sztuczną inteligencją do maszyn roboczych i pojazdów".
U6 A. Ordys
Problem tem byl omawiany w praoach Ql] , [_**]• W konsekwencji obserwacja przesuniętych w czasie obrazów dostarcza informacji jedynie o składowej wektora prędkości prostopadłej do krawędzi. Wyznaczenie pełnego wektora prędkości wymaga dodatkowych założeń, takich jak na przykład:
- założenie o znajomości wektora prędkości w kilku punktach krawędzi, - założenie o znajomości odpowiedniości punktów na obrazach: pierwotnym
i przesuniętym,
- założenie o maksymalnej gładkości pola prędkości.
Założenia te były omawiane w pracach [jJ , [YJ .
W pracy Q>] przedstawiono propozycję algorytmu wyznaczania pola pręd
kości w układach ze sztuczną inteligencją. Propozycja ta wykorzystywała pewne idee zawarte w pracy [j], dotyczącej mechanizmu detekcji ruchu przez organizmy żywe.
Praca niniejsza stanowi sprawozdanie z prób nad praktyczną implemen
tacją algorytmu przedstawionego w pracy Q>]• Do prób wykorzystywano sta
nowiska złożone z kamery Micron-Eye, połączonej z komputerem IBM-PC.
W celu uzyskania efektii ruohu obiektu stosowano dwie techniki:
- obraz sfotografowany przez kamerę był przesuwany przy użyciu specjalnej procedury komputerowej,
- porównywane były dw'a zdjęcia pochodzące z kamery i przedstawiające dwie fazy ruohu.
Treść pracy jest następująca#
Rozdział drugi zawiera opis algorytmu określania składowej prostopad
łej pola prędkości. Wskazuje też na ograniczenia związane z numeryczną roalizacją algorytmu.
Rozdział trzeci stanowi krótkie omówienie programu komputerowego, który został napisany w języku C.
W rozdziale czwartym przedstawiono wyniki przeprowadzonych badań.
Wreszcie rozdział piąty stanowi podsumowanie i pewną próbę wyciągnię
cia wniosków odnośnie do przydatności prezentowanego algorytmu.
2. Opis algorytmu
W pracy [2] sugeruje się, że użytecznym operatorem przetworzenia wstęp
nego obrazu dla potrzeb detekcji przemieszczeń jest laplasjan z funkcji Gaussa. Laplasjan z dwuwymiarowoj funkcji Gaussa wyraża się wzorem:
l(*,y) = 0 (-"*2-a>'2) [ 1 - a (x2+y2 )] d )
Odpowiada to następującej, przeskalowanej funkcji Gaussa:
( 2 2x nf \ 1 C-ax — ay )
G(x,y) = - ^ e l (2)
Numeryczne wyznaczanie pola prędkości na.. k7
V realizacji komputerowej konieczna jest dyskretyzacja funkcji danej wzo-
składniki splotu mają bardzo niewielki wpływ na wartość sumy i mogą być pominięte. V konsekwencji splot ogranicza się do maski o niewielkim wymia
rze przesuwającej się po obrazie. ¥ programie zastosowano dwa alternaty- ne wymiary maski: 9x9 i 17x17. Z wymiarem maski związany jest zakres przemieszczeń, które są prawidłowo analizowane przez algorytm, W celu ilustracji tego problemu rozważmy uproszczony przypadek Jednowymiarowego obrazu. Splot laplasjanu z funkcji Gaussa z funkcją skoku jednostkowego (obrazującą idealną krawędź obiektu) ma postać:
Zakres przemieszczeń prawidłowo analizowanych przez algorytm rozciąga się między minimum i maksimum funkcji, to znaozy między wartościami:
Jak widać, zakres ten jest zależny od współczynnika a. Z kolei wartość współczynnika a wynika z przyjętego rozmiaru maski, gdyż musi być dobra
na tak, by pomijana część splotu była mała. V przypadku dyskretnym waru
nek ten realizuje się poprzez "zbilansowanie" maski, to znaczy zapewnie
nie, że suma wszystkie]: elementów w masce wynosi zero. Dla masek o wy
miarach 9x9 i 17x17 zakresy prawidłowo analizowanych przemieszczeń wy
noszą odpowiednio:
x t = + 3 pixele, x2 = + 4 pixele (5)
W przeprowadzonych badaniach używano także, dla porównania, innego operatora przetwarzania wstępnego obrazu, a mianowicie operatora uśred
niania. Operator ten zrealizowano za pomocą maski o wymiarach 9x9 pixeli, złożonej z samych jedynek. Można łatwo pokazać, że dla takiego operatora zakres dopuszczalnych przemieszczeń obiektu wynosi:
gdzie d jest rozmiarem maski. Dla d = 9 dopuszczalne były przemiesz
czenia o +_ pixele.
Następnym elementem algorytmu jest wyznaczanie krawędzi obiektów znaj-
tow, w których funkcja obrazu (powstała w wyniku splotu funkcji szarości rem (i) i dokonanie jej splotu z funkcją obrazu. Zakłada się, że odległe
e-at'.2
x e-ax .2
(3)
x
1 1
'm in "
’ Xraax {IZ WA x = + i d,
(
6)
dujących się na scenie. Wstępnie testowane były dwie metody wyznaczania krawędzi opisane w pracy 5 • Pierwsza z nich polega na wyznaczeniu punk-
k8 A. Ordys
z laplasJanem z funkcji Gaussa) przechodzi przez zero (zmienia znak). Ana
liza wzoru (3) prowadzi do wniosku, że wyznaczone w ten sposób punkty na
leżą do krawędzi obiektu. Drugą metodą była metoda uśrednionego gradientu z izotropowymi funkcjami Wagowymi. W metodzie tej przynależność punktu do krawędzi stwierdza się po obliczeniu w tym punkoie splotów funkcji obrazu z dwiema maskami reprezentującymi idealne elementy brzegowe (pozio-j my i pionowy). Po przeprowadzonych testach wybrano drugą z motod określa
nia krawędzi obiektów z następująoyoh powodów:
- punkty krawędzi uzyskano metodą pierwszą zawsze należały do zbioru punktów uzyskanych metodą drugą;
- metoda druga umożliwia jednocześnie z wyznaczeniem współrzędnyoh punktu krawędzi określenia kierunku prostopadłego do krawędzi;
- metoda pierwsza nie nadaje się do przypadku, gdy opornoją wstępnego przetwarzania Jest uśrednianie.
Po dokonaniu wstępnego przetwarzania obrazu pierwotnego i obrazu prze
suniętego w czasie oraz po wyznaczeniu krawędzi obrazu pierwotnego można przystąpić do obliczenia składowej prostopadłej pola prędkości, k tym ce
lu należy odjąć wartości funkcji obrazu pierwotnego od wartości funkcji obrazu przesuniętego. Wielkość tej różnicy świadczy o chwilowej prędkości obiektu w danym punkcie pod warunkiem, że punkt znajduje się w zakresie liniowości operatora zastosowanego do przetwarzania wstępnego, co znaczy, że znajduje się na krawędzi obiektu lub w jej pobliżu. Szczegóły są opisane w pracy
jjfj
• Dla każdego z punktów krawędzi obrazu pierwotnego długość składowej wektora prędkośoi prostopadłej do krawędzi oblicza się ze wzoru:v = - 3 f
r (x,y) - f/x,y)
- - T T 1 U r „ V I' (7)
|V f( x , y ) | A t . | V f1(x,y;|
gdzie:
f'1(x,y) - funkcja obrazu pierwotnego, f2(x,y) - funkcja obrazu przesuniętego,
|Vf1(x,y)| - wielkość gradientu funkcJi obrazu pderwotnogo na kierunku prostopadłym do krawędzi,
At - przesunięcie w czasie między analizowanymi obrazami.
3. Program komputerowy
Program realizujący opisany wyżej algorytm został napisany w języku C na komputer osobisty UJM PC. Program umożliwia wybór fragmentu obrazu, który zostanie poddany dalszej analizie oraz wybór jednej z trzech opisa
nych wyżej funkcji przetwarzania wstępnego obrazu.
Numeryczne wyznaczanio pola prędkości na.
Program realizuje następującą sekwencję operacji:
a) wyznaozenie krawędzi na wybranym fragmencie obrazu pierwotnego oraz wyznaczenie w każdym punkcie krawędzi kierunku prostopadłego do kro- wędzi}
b) splot wybranego fragmentu obrazu pierwotnego z wybraną maską}
c) dyskretyzaoja krawędzi uzyskanych w punkoie a}
d) obliczenie gradientu funkcji obrazu pierwotnego na kierunku prostopad
łym do krawędzi w punktach zdyskretyzowanej krawędzi}
o) splot odpowiedniego fragmentu obrazu przesuniętego z wybraną maską}
f) odjęoie funkoji obrazu pierwotnego od funkoji obrazu przesuniętego'}
g) obliczenie i narysowanie składowej prostopadłej pola prędkości w punk
tach zdyskretyzowanej krawędzi.
Uwaga 1: Dyskretyzaoja krawędzi, o której mowa w punkoie o, polega na eli- rninaoji pewnych punktów krawędzi tak, by pozostałe były równo
miernie rozłożone wzdłuż brzegu obiektu. Ma to na celu ułatwie
nie wizualnego odbioru narysowanego pola prędkości, Dyskretyzac- Ja została przeprowadzona zmodyfikowaną metodą hiererohiozną analizy skupień.
Uwaga 2: V grafioe stosowanej na komputerach IBM PC punkty w osi poziomej są około 2.3 raza bardziej zagęszozone niż punkty w osi pionowej.
Rezultatem tego jest deformacja rysowanych kątów. Zdeoydowono się nie usuwać tego efektu w programie, gdyż uważano, że wartość kąta na rysunku Jest wielkością wtórną, natomiast wielkością podstawową jest rzeozywisty kierunek przemieszczenia obiektu,
4. Opis przeprowadzonych badań
Stanowisko badawcze składało się z kamery Micron-Eye połąozonej z kom
puterem IBM PC. Kamera przesyła do komputera obraz, który jest umieszczo
ny w pamięci ekranu. Wymiary obrazu mogą być różne, jednakże we wszyst
kich przeprowadzonych doświadczeniach stosowano maksymalny wymiar, który wynosi 640x128 pixełi.
Przeprowadzone próby można podzielić na dwie grupy.
Grupa, pierwsza obejmuje'te doświadozenia, w których analizowany obraz był przesuwany przy użyoiu spoojalnej procedury komputerowej. Eliminuje
to wszelkie zakłócenia pojawiające się w torze wizyjnym. Obraz sfotografo
wany przez kamerę umieszczany był w pamięci komputera, a następnie prze
syłany na dyskietkę. W tym momenoie kończyła się rola kamery. Następnie wywoływany był program, który wykonywał kopię obrazu poohodząoego z dys
kietki, jednakże z przesunięciem o zadany wektor. Uzyskane w ten sposób dwa obrazy stanowiły obraz pierwotny oraz obraz przesunięty i były infor- maoją wejśoiową dla programu wyznaczania pola prędkości.
Grupa druga obejmuje te doświadozenia, w których zarówno obraz pier
wotny jak i obraz przesunięty poohodziły z kamery. V tym przypadku obraz sfotografowany przez kamerę umieszozany był na dyskietoe i stanowił obraz pierwotny. Po pewnym czasie, w którym następowało przemieszczenie
50 A. Ordys
pevnyoh obiektów na soenie, wykonywano ponownie fotografię za pomocą ka
mery i uzyskany obraz zapamiętywano na dyskietce jako obraz przesunięty.
We wszystkioh doświadczeniach zastosowano wstępnie uśrednianie i pro- gowenie obrazu w celu zmniejszenia wpływu zakłóceń w torze wizyjnym. Ob
razy zapamiętywane na dyskietce miały dwa poziomy szarości 0 — 1. Wynika to z możliwości grafioznych komputera IBM PC i z własności kamery Micron- -Eye.
Rysunki od 1 do 8 ilustrują pierwszą wersję doświadczenia — z przesu
nięciem obrazu symulowanym przez komputer. Cały obraz został przesunięty o jeden pixel pionowo w górę. Rysunek 1 przedstawia obraz pierwotny z za
znaczonym fragmentem, który podlegał dalszemu przetwarzaniu. Na rys. 2 pokazano krawędzie wyznaozone przez program w wybranym fragmencie obrazu.
Te same krawędzie w powiększeniu widzimy na rys. 3. Rysunki 4 i 5 przed**
stawiają wynik dyskretyzaoji krawędzi. Pola prędkośoi zaznaozono na ry
sunkach 6,7,8. Rysunek 6 przedstawia przypadek, gdy do wstępnego przetwa
rzania obrazu zastosowano laplasjan z funkcji Gaussa w masce o wymiaraoh 9x9. Efekt zastosowania maski 17x17 przedstawia rys. 7. Wreszcie na rys.8 pokazano pole prędkości dla przypadku, gdy obraz został spleciony z maską o wymiaraoh 9x9, złożoną z samyoh Jedynek. Jak widać, uzyskane wyniki są niemal identyczne. Przesunięcie mieściło się w zakresie dopuszczalnyoh przesunięć dla każdego z operatorów. Sposób prowadzenia doświadczenia
wykluczył możliwość zakłóceń. Uzyskane pole prędkości odpowiada oczekiwa
niom wynikającym z rozważań, teoretycznych.
Rys. 1. Symulacja przesunięcia obrazu w komputerze. Obraz pierwotny, wy
bór fragmentu
Fig. 1. Simulątion of imago displaoement in the oomputer. Primary image, oholce of a fragment
Numeryozne wyznaozanie pola prędkości n a , , 51
Rys. 2. Symulacja przesunięoia obrazu w komputerze. Krawędzie w wybranym fragmencie
Fig, 2. Simulation of image displaoement in the oomputer, Edges in chosen fragment
Rys. 3. Symulaoja przesunięcia obrazu w komputerze. Powiększenie krawędzi Fig. 3. Simulation of image displaoement in the computer. Edges zoning
52 A, Ordys
Symulacja przesunięcia obrazu w komputerze. Dyskretyzacj a krawędzi
Fig. b. Simulation of image displaceraent in the C o m p u t e r . Edges discreti- zatlon
Rys. 5. Symulacja przesunięcia obrazu w komputerze. Dyskretyzaoja krawę
dzi - powiększenie
Fig. 5. Sinrulation of image displaoement in the oomputer. Edges discreti- zation-zooraing
Rys. 6. Symulacja przesunięcia obrazu w komputerze Pole prędkości dla maski 9x9 laplasjan z funkoji
Gaussa
Fig. 6, Simulation of image displacement in the computer. Velooity field for the 9x9 Laplaoian
mask of the Gauss function
Rys. 7. Symulaoja przesunięcia obrazu w komputerze Pole prędkości dla maski 17x17 laplasjan z funkoji
Gaussa
Fig. 7. Simulation of image displacement in the computer. Velooity field for the 17x17 Laplasian
mask of the Gauss funotion
Numerycznewyznaczaniepolaprędkośoina
A. Ordys
Rys. 8. Symulaoja przesunięcia obrazu w komputerze. Pole prędkości dla maski 9x9 uśrednianie
Fig. 8. Simulation of image displacement in the computer. Velocity field for the 9x9 averaging mask
Rys. 9. Badania dwóch rzeczwyistych obrazów. Obraz pierwotny, wybór frag
mentu
Fig. 9. Investigation of two real images. Primary image, the choice of the 9x9
Numeryczno wyznaczanie pola prędkości na... 55
Rys, 10, B a d a n i e d w ó o h r z e o z y w i s t y c h obrazów. K r a w ę d ź w w y b r a n y m
V
f r a gm en ci eig. 10. I n v e s t i g a t i o n of two re al images. A n ed ge i n the o h o s e n f ragment
Rys. 11. Bada ni e d w ó c h r z e c z y w i s t y c h obrazów. P o w i ę k s z e n i e k r a w ę d z i Fig. 11. I n v e s t i g a t i o n of two r e a l images. Z o o m i n g of the edge
56 A. Ordys
Rys. 12. B a da ni e d w ó o h r z e c z y w i s t y o h obrazów. D y s k r e t y z a c ja k r a w ęd zi Fig. 12. I n v e s t i g a t i o n of two rea l images. Edges d i s c r e t i z a t i o n
♦ ♦ ł 4 4
* « * 4ł 4 4 4 4 4 4
4 4
4 4
ł * 1 ♦ , . 4 4 4 4 4 ł ł 4 4 ł ł 4 .4
4 4 4 4
♦ ♦ 4 4 4
4 4 4 4
4
ł 4
4 4
4 4
Rys. 13. Badanie dwóch rzeczywistych obrazów. Dyskretyzaoja krawędzi - po
większanie
Fig. 13. Investigation of two real images. Edges disoretizatlon-zooming
Numeryczne wyznaczanie pola prędkości na.. 57
Rys, 14. Badanie dwóch rzeczywistych obrazów, Pole prędkości dla maski 9x9 laplasjan z funkcji Gaussa
Fig, -|if. Investigation of two real images. Velocity field for the 9x9 La- plaoian mask of the Gauss function
Rys, 15, Badania dwóch rzeczywistych obrazów. Pole prędkości dla maski 17x17 Laplasjan z funkoji Gaussa
Pig. 15. Investigation of two real images. Velocity field for the 17x17 Laplaoian maski of the Gauss function
58 A. Ordys
Rys. 16. Badanie dwóoh rzeozywistyoh obrazów.Pole prędkośoi dla maski 9x9 uśrednianie
Fig. 1 6. Investigation of two real images. Velooity field for 9x9 avera
ging mask
Rysunki Od 9 do 16 ilustrują drugą wersję doświadczenia - z rzeczywis
tym przesunięoiem obiektu na soenie. Soena została sfotografowana dwu
krotnie, przy ozym w czasie między pierwszą i drugą fotografią obiekt widoozny ponad koronami drzew wykonał obrót o kąt około 3° wokół punktu • umieszozonego w pobliżu swojego prawego brzegu. Kierunek obrotu był zgodny z ruohera wskazówek zegara.
Rysunek 9 przedstawia fragment obrazu pierwotnego wybrany do dalszego przetwarzania. Kolejne rysunki: 10, 11, 12, 13 obrazują krawędź i jej dyskretyzaoJę. Następnie pokazane je3t pole prędkośoi dla trzech stoso- wanyoh w doświndozeniu masek:
Rysunek 1*ł - laplasjan z funkcji Gaussa - maska 9x9, Rysunek 15 — laplasjan z funkąji Gaussa — maska 17x17, Rysunek 16 - uśrednianie - maska 9x9.
R ó w n i e ż w tym p r z y p a d k u u z y s k a n e w y n i k i są w z as a d z i e zg odne z r o z w a ż a n i a m i • teoretycznymi. P o j a w i a j ą s ię jednak pewno bł ęd y grube, w y n i k a j ą c e z
zakł ó ce ó w torze wizyjnym. S zc ze g ól ni e w y ra źn e są te b łędy dla operatora
" la pl a sj an z f u n k c j i Gaussa", g d y ż f u nk cj a obrażu jest w t ym przypadku b ardzo stroma w pobliżu k r a w ę d z i obiektu. Na rys. 15 kilka punktów zdyskre t yz owanej kr aw ę d z i nie pojawia się. W y j a ś n i e n i e tego f aktu jest n a s t ę p u jące: do ko na n ie splotu f u n k c j i szar o śc i o b razu z m a s k ą o wy mi a r z e dxd powoduje zmn ie j sz en ie w y n i k o w e g o obrazu o d-1 w k aż de j osi. V re zu l ta ci e gdy r o z m i a r maski jest duży, n iektóre punkty k r a w ę d z i z n a j d u j ą s ię poza z a k r es em w y ni ko we g o obraz u i nie mo g ą b y ó anal i zo wa ne .
Numeryczno wyznaozanie pola prędkości na,,, 59
5. Vnloaki
Przeprowadzono doświadczenie wskazują na możliwość zastosowania przed
stawionego algorytmu do wyznaczania pola prędkośoi, a w konsekwencji pa
rametrów ruchu obiektów poruszająoyoh się na scenie obrazu. Sugerują Jed
nak także konieczność dalszych prao, takich Jak:
- eliminowanie błędów grubych,
- dobór operacji przetwarzania wstępnego odpowiednich dla danego obrazu.
Odnośnie do drugiego punktu można już podać pewne wnioski dotyczące maski typu laplasjan z funkcji Gaussa, a mianowicie:
- funkcja ta jest bardzo wrażliwa na zakłócenia (wynika to z jej stromoś- ci w pobliżu krawędzi obiektu)}
- funkcja ta daje prawidłowe wyniki tylko dla bardzo małych przemieszczeń (wynika to z jej zakresu liniowości), W celu zwiększenia zakresu prze
mieszczeń należałoby zwiększyć wymiar maski, co jednak wywołuje niepożą
dane efekty opisano w zakończeniu rozdziału 4}
- funkoja ta nadaje się do analizy małych przemieszczeń dla obiektów, których krawędzie położone są blisko siebie (interakcja sąsiadujących krawędzi jest wówczas minimalna).
Należy także stwierdzić, że uzyskiwanie prawidłowych pól prędkości dla rzeczywistyoh przemieszozeń jest na granicy możliwości zastosowanego sprzętu, a zwłaszoza kamery Micron-Eye. Ilustrują to rysunki 17—22, stano
wiące dokumentaoję eksperymentu zakończonego niepowodzeniem, V doświadcze
niu dokonano dwóch zdjęć poruszająoyoh się samochodów. Obraz pierwotny po
kazuje rysunek 17. Na obrazie przesuniętym samochód umieszczony z lewej strony był przemieszczony w lewo, natomiast samochód umieszczony z prawej strony był przemieszczony w prawo, Przemieszozenie samochodu z lewej stro
ny było większe. Rysunki 18-21 pokazują kontur i jego dyskretyzacJę. Nato
miast na rysunku 22 przedstawiono pole prędkości (dla przypadku maski 9x9 złożonej z samych jedynek). Jak widać, rysunek ten pokazuje ogólne tenden
cjo (kierunek ruchu samochodów, większa prędkość samochodu z lewej strony, nieruchoma ściana budynku), Jednakże duży jest udział błędów grubych, a także wektory prędkości zostały przypisane nieruchomemu podłożu. Przy
czyną takiego stanu rzeczy są własności kamery Micron-Eye. Progowanie realizowane wewnątrz kamery przypisuje pewnym punktom podłoża poziom szarośoi 1, innym 0. Chwilowa zmiana oświetlenia powoduje zmianę tego Przypisania i w konsekwencji efekty takie Jak na rysunku 22.
60
A . O rdy !Rys.
Fig.
17. B a d a n i e d w ó c h r z e o z y w i s t y c h o b r a z ó w - e k s p e r y m e n t z a k o ń c z o n y nie
p o w od z en ie m. O b r a z pi er wo t n y , w y b ó r f r a g m e n t u
17. Inwestigation of two real images. Experiment finished by the fai
lure. Primary image, ohoice of the fragment
ł i P '
I <
3
s > V . s r a M r i B S i a f j sa s
r WJ r a tB a g s
i S i s t f l
s n s w
¡ m m * -
Rys. 1 8. Badanie dwóoh rzeozyvistych obrazów - eksperyment zakończony nie
powodzeniem, Krawędzie w wybranym fragmenoie
Fig. 18. Investigation of two real images. Experiment finished by the fai
lure, Edges in the chosen fragments
•W-hiv SSji
$ :' m 0 m IM
sti'31
p t t S l f H i l ' S i H t a t o n
łfóid!
I P »
S " :
"i s
Murceryozne wyznaczanie pola prędkości na... 6l
Rys. 19. Badanie dwóch rzeozywistyoh obrazów — eksperyment zakończony nie
powodzeniem, Powiększenie krawędzi
Rig. 19. Investigation of two real images. Experiment finished by the failure. Ed g es z o o m i n g
Rys. 20. Badanie dwóch rzeczywistych obrazów - eksperyment zakończony nie
powodzeniem. Dyskretyzacja krawędzi
Rig. 20. I n v e s t i g a t i o n of two r e a l images. E x p e r i m e n t f i n i s h e d b y the failure. Edges d i s c r e t i z a t i o n
62 A. ,0rdy<
Rys. 21. B a d a n i e d w ó c h r z e c z y w i s t y c h o b r a z ó w - e k s p e r y m e n t z a k o ń c z o n y nie p ow od z e n i e m . D y s k r e t y z a c j a k r a w ę d z i - p o w i ę k s z e n i e
Fig. 21. I n v e s t i g a t i o n of two rea l images. E x p e r i m e n t f i n i s h e d by the failure. Edges d i s c r e t i z a t i o n - z o o m i n g
Rys. 22. B a d a n i e d w ó c h r z e c z y w i s t y c h o b r a z ó w - e k s p e r y m e n t z a k o ń c z o n y nie- po w od zeniem. Pole p r ę d k o ś c i d la m a s k i 9 x9 u ś r e d n i a n i e
Pig. 22. I n v e s t i g a t i o n of two r ea l images. E x p e r i m e n t f i n i s h e d b y the failure. V e l o c i t y f ie ld f o r the 9 x9 a v e r a g i n g m a s k
Numeryczne w y z n a c z a n i e p o l a p r ę d k o ś c i na.. 63
6. Z a ko ńc z e n i e
Praca s t a n o w i n u m e r y c z n ą w e r y f i k a c j ę a l g o r y t m u o b l i c z a n i a pola p r ę d k o ś ci p r z e d s t a w i o n e g o w p r a c y [5]. W p r a c y o m ó w i o n o w ł a s n o ś c i al go ry t mu , przedst a wi on o b u d o w ę p r o g r a m u k o m p u t e r o w e g o r e a l i z u j ą c e g o a l g o r y t m i p o dano w y n i k i p r z e p r o w a d z o n y c h d o ś w i a d c z e ń . Y/yniki te r e p r e z e n t u j ą dwa r o dzaje d o ś w i a d c z e ń - k o r z y s t a n i e z s y m u l o w a n e g o pr z ez k o m p u t e r p r z e s u n i ę cia obraz u p i e r w o t n e g o i k o r z y s t a n i e z d w ó c h o b r a z ó w r z e c z yw is t yc h.
P r z e p r o w a d z o n e d o ś w i a d c z e n i a p o z w o l i ł y s t w i e r d z i ć p r z y d a t n o ś ó a l g o r y t mu do w y z n a c z a n i a pola p r ę d k o ś c i o r a z umożliwiłyj p o d a n i e p e w n y c h w n i o s k ó w przyda tn y ch do d a l s z y c h badań.
Pod zi ękow an ie
Autor p r a g n i e p o d z i ę k o w a ć Panom: d ro wi inż. K.'.Vojciechowskiemu i mgrowi inż. A. P o l a ń s k i e m u za r a d y pomocne! w b u d o w i e a l g o r y t m u oraz drowi inż. K.Y/ojciechowskiemu za p r z e c z y t a n i e r ę k o p i s u i c en ne uw ag i merytoryczne.
L I T E R A T U R A
[1] H i l d r e t h E . C . : The M e a s u r e m e n t of V is ua l M o t io n, M I T Press 1984, C a m b r i d g e M a s s a c h u s e t t s .
[2] Marr .D -1, H i l d r e t h E. C. : T h eo r y of edge d etection. Proc. of the Royal S o c i e t y of Londo n, B . 207, 1980.
[3] Marr D. , U l l m a n S . : D i r e c t i o n a l S e l e c t i v i t y and its Use in E a rl y Visual P r o c e s s i n g , Proc. of the R o y a l S o c i e t y of London, B . 211, 1981.
[4j Ordys A . , W o j c i e c h o w s k i K . : M e t o d y w y z n a c z a n i a pola p r ę d k o ś c i na p o d s ta w ie s e k w e n c j i obrazów. P rs c a p r z y j ę t a do d r u k u w Z N Pol. SI.
[5] Ordys A., W o j c i e c h o w s k i K. : Y/ybrane a l g o r y t m y p r z e t w a r z a n i a w s t ę p n e g o lobrazu w z a g a d n i e n i u w y z n a c z a n i a pola prędkości. Praca p r z y ję ta do druku w ZN Pol. SI.
R ec en z e n t : Doc. dr hab. inż. M a r i u s z N i e n i e w s k i
Wpłynęło do R e d a k c j i 3 - 1 1 - 1 9 8 7 r.
64 A. Ordys
MAfflHHHOE OnPEflEJIEHHE. nOJIH- CKOPOCTH
HA OCHOBE AHAJIH3A I1EPEMEIHEHHHX BO BPEMEHH 0B P A 30B
P e 3 b u. e
B p a f i o r e n p eA C iaajiH B T C fl; p e 3 y j i b T a m HCCJieAOBaHHft H a s b o s m o s c h o c tb b o n p e A e - JieK H a n o jia C K o p o c ia H a o c n o B e n o c A e A O B a T e jib H o c iH o t5 p a3 0B n o a y y e H H H X n p a hom oiiih K aM ep n M h k p o h -E S h aH ajiH 3H pyeM H X n p n n e p o o n a u x tH o r o K o u n t B i e p a IB M PC.
M e io A , H fle a K o i o p o r o b o c x o a h t k p a f i o i e [ l ] , o n a c a H a b p a f i o i e Q s l . H c c a s a o - BaHHH npOB6A6HbX RJIS1 AByX O Jiy H aeB !
K ou nb BTepHaa HMHTaHi;nH A B H x e H H H o0pa3a,
2} $OTorpa<i>HpoBaHHe AeHciBHiejibHoro Ab h x s h h h ofibeKia Ha cqeHe.
n o Jiy a e H H iie p e s y j i b i a i H no K a3 U B aB T H a B osuoscH O C T b A eTeKUHH n a p a u e i p o B ABHk s h h h o fib e K T a H a ocH O B e noA H C K o p o o iH , h o T a ic ie h H a CoA bU H e p a o a e T H u e TpyA H O C T H , B03HHKaBDXHe 0 C pa30 M H 3 - 3 a HOXBaTKH C O O TB eTCTByB m eTO o fio p y A O - BaHHH«
N U M E R I C A L A S S I G N M E N T OP T H E V E L O C I T Y F I E L D B A S I N G ON T H E A N A L Y S I S OP I M AG ES D I S P L A C E D I N T I M E
S u m m a r y
In the paper r e su lt s of i n v e s t i g a t i o n s of thee p o s s i b i l i t y of in v e l o c i ty fi elds a ss ig nm e nt b a s i n g on the i mages s eq u e n c e s obtained by the c a m e ra M i c r o n - E y e and analized on the IBM PC are presented. Two cases Bre i n v e s t i g a t e d :
1) Com p ut er s im u la t i o n of the image m o t i o n 2) P h o t o g r a p h i n g real plant mot ie n s on the scene
Obtained r e s ul ts i n d ic at e the p o s s i b i l i t y of d e t e c t i o n of the m o t i o n p a r a meters b a s i n g on the v e l o c i t y field as w e l l as g re at d i f f i c u l t i e s r e s u l ting m a i n l y of the e qu ipment constraints.