Segmentacja obrazu i rozpoznanie obiektów głowicy silnika

ZESZYTY KAUKOTB POIiITECKEIKr SlĄSKIEJ ' S e r i a l AUTOMATYKA S . 75

Zbigniew K. Wójcik

Przemysłowy Instytut Elektroniki Warszawa

SEGMENTACJA OBRAZU I ROZPOZNACIE OBIEKTÓW GŁOWICY SILNIKA.

Streszczenie. Praca przedstawia proces rozpoznawania obrazu składa­

jący się z następujących etapów: usuwania zakłóceń, segmentacji obrazu, wstęp­

nej selekcji obiektów na podstawie ich parametrów globalnych, kodowania gra­

fowego obiektu i identyfikacji.

1. ?step

Najważniejszy: etapem procesu rozpoznawania obrazu binarnego, tj. spro- wadzalnego do obrazu czarno - białego, jest prawidłowa segmentacja, w której

oddzielane są od siebie poszczególne obiekty. Właściwa segmentacja pozwala na niezakłóconą analizę każdego obiektu oddzielnie, np. umożliwia poprawny, automatyczny pomiar jego parametrów globalnych typu powierzchnia i obwód oraz maksimum i minimum współrzędnych obiektu wzdłuż osi Ox i Oy, a następ­

nie pozwala na śledzenie kształtu obiektu.

Prezentowana w pracy segmentacja obrazu polega na wydzielaniu brzegów (konturów) obiektów, śledzeniu brzegu każdego obiektu oddzielnie i na wypeł­

nianiu wnętrza wydzielonego brzegu. W trakcie segmentacji wyznaczane są pa­

rametry globalne każdego obiektu: długość brzegu, powlerzcnnia i rozmiary obiektu w pionie i w poziomie. Parametry te powalają przeprowadzić wstępną selekcję wydzielanych obiektów przez odrzucenie obiektów zbyt dużych oraz znacznie mni0^szych od obiektu poszukiwanego*

Kształt obiektu jest analizowany w końcowym etapie rozpoznawania. Opera­

tor w kształcie koła jest użyty do śledzenia i do kodowania grafowego otiek- tu podłużnego (typu kontur lub linia). Średnica operatora musi być większa od grubości obiektu (tj. od linii lub od konturu). Odcinek linii jest roz­

poznawany w polu operatora jeśli liczba obiektów obliczona na tym polu wy­

nosi jeden (i =l) oraz jeżeli liczba części tła w polu operatora wynosi dwa (i =2 ). Zakończenie linii jest rozpoznawane w polu operatora jeśli Iq=1 oraz I =1. Długość odcinka linii (lub konturu) jest równa w przybliżeniu promie­

niowi operatora. Nachylenie odcinka Unii jest obliczane na podstawie środków ciężkości Xę,Yc spójnych pikseli (tj. elementarnych eodobszarów obrazu) sta­

______ 1S84 Er kol. 811

270 . Zbigniew IŁ» Wójcik

nowiących przecięcie brzegu operatora z badaną linią. Centrum operatora Jest przesuwane do Jednego ze środków ciężkości X ,Y i wszystkie niezbędne

c c

parametry kolejnego odcinka linii są obliczane ponownie, aż liczba I osią­

gnie wartość 0 w trakcie przesmania operatora wzdłuż linii. Dla każdej po­

zycji operatora dla Ig)» 0 generowany Jest węzeł oznaczany nazwą cechy (tj.

relacji zero-argunentowej) rozpoznanej na podstawie liczb oraz 1^, np.

słowami "odcinek" lub "zakończenie"» Wyznaczone parametry i ich wartości (tj. relacje jedno-argumentowe) znaczą łuki przyłączone do odpowiednich wę­

złów. Każde dwa kolejne węzły są łączone za pomocą łuku oznaczanego nazwą relacji dwu-argumentowej i aymetrycznej "sąsiaduje z". Każde dwa kolejne węzły są redukowane do pojedynczego węzła Jeśli nachylenia odpowiadających im odcinków są zbliżone do siebie.

Rozpoznany obiekt (tj. przekształcony w graf) otrzymuje nazwę poszuki­

wanego obiektu, Jeżeli graf otrzymany w wyniku rozpoznania jest identyczny jakościowe z grafem standardowym (wzorcem) poszukiwanego obiektu, tzn. je­

żeli obydwa grafy posiadają taką samą kolejność nazw węzłów i łuków, i obyd­

wa grafy posiadają podobną strukturę ilościową (np. proporcjonalność-dłu­

gości i nachyleń linii).

Przedstawione są komputerowo wydruki wyników rozpoznawania klucza gło­

wicy silnika zgubionego podczas automatycznego montażu.

2. Segmentacja obrazu blnn-magn

Ti7IERDZEHTE 1. Segmentacja obrazu binarnego jest przeprowadzana przez kolejne wykonanie następujących operacji:

a) detekcji brzegów wszystkich obiektów łącznie;

b) śledzenia brzegu każdego obiektu z osobna;,

c) wypełniania wnętrza każdego wyśledzonego brzegu z osobna.

DOTCD. Ponieważ każda z operacji segmentacji opiera się o wynik operacji poprzedniej, przedstawione zostaną i udowodnione te trzy operacje w ich na­

turalnej kolejności:

ZAŁOŻEBTE 1# Elementy obiektów są reprezentowane przez wartości cyfrowe 1 pikseli obrazu, a ich tło przez wartości cyfrowe 0.

ZAŁOŻESIE 2. Dowolny piksel obrazu reprezentuje brzeg obiektu, jeżeli re­

prezentuje on obiekt oraz Jeżeli posiada on w swoim najbliższym cztero-ele- mentowym sąsiedztwie (rys. 1.a) cenajmniej Jeden piksel reprezentujący tło.

Segmentacja obrazu 1 rozpoznanie obiektów..

[BiiAS 1« Brzegi obiekt&z obraza binarnego są ¡wykrywane za pomocą następują­

cego operatora e (X,y) :

e (x,y) = (x,y)a ~ [{X+1 ,y) a (t-1 ,Y) a ^,Y+l) a ^,Y-l)] /1 / 1 tworzą następujący podzbiór C obrazu binarnego Bi

C m {p(xfY)eBs e (XfY) « i} /2/

gdzie B jest tzw. czynnym obszarem całego badanego obrazu graficznego:

B = (p(x,y): 1 < X < H , 1 < Y <h } /3/

gdzie tt, S są wymiarami obrazu (w pikselach) wzdłuż osi Ox i Oy układu od­

niesienia obrazu} (x,y) jest wartością cyfrową piksela p(x,Y).

DOTOD. Obraz binarny składa się z obiektów i z ich tła, a wnętrza i brzegi obiektów tworzą obiekty. Jeżeli p(x,y) reprezentuje tło, wtedy (X,y) = 0 i dlatego e (X,Y) = 0. Piksel p(X,Y) nie jest wtedy podzbiorem brzegów (krawę­

dzi) C. Jeżeli p (x,y) reprezentuje wnętrze obiektu, wtedy (x,y) = 1 oi-az wszystkie cztery piksele najbliższego sąsiedztwa posiadają wartości cyfrowe

1 i dlatego e(x,Y)= 0, Dlatego p(X,7}^ C. natomiast jeśli conajmniej jeden z elementów najbliższego sąsiedztwa reprezentuje tło, wyrażenie w nawiasie kwadratowym wzoru /1/ otrzymuje wartość 0 i dlatego o(X,y)

że e(X,Y)£C, cbdu.

1*

1, co oznacza

T

/a/

Y

Bys.1.llajbliższe, czteropikse- lcwe sąsiedztwo /e/ i ośmio- pikselawe sąsiedztwo /b/ ele­

mentu o współrzędnych X,Y

2yo.2.Dkład wydzielania brzegów obiektów, w którym użyto dwa rejestry przesuwające M- bitowo oraz cztery rejestry przeauwejące

1-bitowe

272 Zbigniew M. Wójcik

Przedstawiony operator e (x*y) jest wygodny vt użyciu w przypadku detekcji krEwędzi w wyspecjalizowanym układzie cyfrowym (rys. 2j . Krawędzie wydzielona tym operatorem posiadają jednolitą grubość i są pozbawione przerw (rys.3)«

Eatomient krawędzie wydzielane metodami gradientowymi [jt , posiadają roz- maitą grubość i są często poprzerywanego utrudnia ich analizę w następnych

etapach przetwarzania.

TTBMtd' 2. Brzeg pojedynczego obiektu jest śledzony w następujący sp03Ób:

i.» śledzenie brzegu pojedynczego obiektu rozpoczyna się w momencie natra­

fienia przez centrum operatora dzie.vięciopikselowego (rys.1*b) na piksel konturowy}

ii. piksel centralny reprezentujący brzeg jest kopiowany na obraz z wyśle­

dzoną krtarędzią i jest usuwany z obrazu analizowanego}

iii. badane jest istnienie pikseli konturowych w sąsiedztwie ośmiopikselowym centrum operatora. Jeżeli nie ma pikseli brzegowych w sąsiedztwie oś- miopikselewym, śledzenie postępuje z (v)}

iv« operator dziewięciopikselowy jest przemieszczany do położenia pierwszego piksela brzegowego znalezionego w sąsiedztwie ośmiopikselowym. Współrzęd- ,ne wszystkich pozostałych pikseli brzegowych tego sąsiedztwa są zapamię­

tywane. Wszystkie piksele ¿onturowe tego sąsiedztwa są kopiowane na ob­

raz z wyśledzoną krawędzią i są usuwane z obrazu badanego. Siedzenie jest kontynuowane z (iii J}

v. operator dziewięciopikselowy jest przesuwany do kolejnych współrzędnych zapamiętanych w (iv) i śledzenie postępuje z (iii) . Siedzenie brzegu po­

jedynczego obiektu jest zakończone jeśli nie ma już więcej współrzędnych zapamiętanych w (iv).

DOTtED. Przedstawiony powyżej algorytm przemieszcza niewielkie pole (operator dziewięciopikselowy- rys. 1 „b) wzdłuż brzegu dowolnego obiek­

tu i zapisuje ten brzeg na osobny obraz pozbawiony innych obiektów. Analizo­

wane jest sąsiedztwo ośaiopikselowe każdego piksela reprezentującego krawędź.

Operator dziewięciopikselowy jest przesuwany w położenie pierwszego piksela brzegowego znalezionego w sąsiedztwie ośmiopikselowym tego operatora znajda jącego się w poprzednim położeniu. Współrzędne wszystkich nasępnych pikseli brzegowych znalezionych w tym sąsiedztwie są zapamiętywane. Wszystkie pikse­

le krawędziowe znalezione w tym sąsiedztwie są kopiowane n a obraz z wyśle­

dzoną krawędzią i jednocześnie są wymazywane z obrazu pierwotnego. W przypal kufgdy w obszarze sąsiedztwa ośmiopikselowego nie ma żadnych pikseli brz>-e wych, operator jeat przesuwany do kolejnych współrzędnych zapamiętanych P*1?

Segmentacja obrazu i rozpoznanie obiektów . 273

szukaniu następnych pikseli konturowych sąsiedztwa ośmiepikeelowego i pro­

ces śledzenia postępuje jak na początku śledzenia. Siedzenie jest zakończo­

ne^ gdy nie ma już nowych zapamiętanych pikseli brzegowych.

Analiza sąsiedztwa ośmiopikselowego gwarantuje więc, że żaden piksel brzegcwy nie może ulec zagubieniu w trakcie śledzenia» usuwanie wszystkich przeanalizcwanyoh pikseli brzegowych z pola operatora i zapamiętywanie współrzędnych pikseli brzegowych, do których nie następuje bezpośrednie prze- nieszczenle operatora,nie dopuszcza do zapętlenia procesu śledzenia», prze­

suwanie operatora do pozycji pierwszego piksela brzegowego sąsiedztwa oś- Bicpikselowego lub do pozycji pikseli zapamiętanych zapewnia ciągłośó pro­

cesu śledzenia aż do wyczerpania wszystkich pikseli krawędziowych, ponieważ brzeg obiektu wydzielonego operatorem e(x,j) nie ma przerw, cbdu.

Pełny algorytm śledzenia brzegu obiektu obrazu dwuw&rtośclowego jest przedstawiony na rys. 4. W algorytmie tym czyta się kolejne wartości IH(lE,JE) pikseli, obrazu BS. Piksele brzegowe tego obrazu mają wartości 2.

Po znalezieniu pierwszego napotkanego piksela kr swędzie*? ego ustawiane są wstępne wartości parametrów procesu śledzenia»

a) U jest indeksem tablic współrzędnych pikseli brzegowych zapamiętywanych podczas śledzenia (tylko pierwszy piksel, krawędziowy sąsiedztwa ośmiopik­

selowego nie jest zapamiętywany)»

b) IQ jest indeksem tych samych tablic używanym przy ich odczytywaniu, tj.

przy skoku do korekcji śledzenia»

e) IP jest liczbą pikseli brzegowych zliczanych w procesie śledzenia»

IP służy jako jeden z parametrów globalnych wyśledzonego obiektu»

d) IA. jest liczbą pikseli wnętrza wyśledzonego obiektu^

IA jest także parametrem globelnym obiektu»

ej ML, HU - minimum i maksimum współrzędnych pikseli konturowych wzdłuż osi Ot układu odniesienia obrazu,poszukiwanych podczas śledzenia»

f) HI, HU - minimum i maksimum współrzędnych pikseli brzegowych wzdłuż osi Oy badanego obrazu»

g) 10, JO - współrzędne pierwszego piksela konturowego znalezionego w cen­

trum operatora dziewlęciopikselcwego. Po zakończeniu śledzenia brzegu pojedynczego obiektu rozpoczyna się poszukiwanie pierwszego

piksela konturowego następnego obiektu z zapamiętanych współrzędnych 10,JO»

h) I,J Bą współrzędnymi pikseli sąsiedztwa ośmiopikselowego»

i) TS,JS są współrzędnymi centrum operatora dziewlęciopikselcwego.

274 Zbigniew Wójcik

_ _ _ _ _ _ _ _ _ - - - --- 0 G e 0 G 0 0 0 G e G 0 G G G 0 G G - 0 G G - G 0 — - 0 0- - - - - ~ - - - - e 0 ¥ « * a « « » G 0 ¥ ¥ « G ^¥ G - 0 G - - - e -

0 G e e 0 « « * G - - - G G - - - 0 * ^¥ 0 G -- - - 6 - G 0 0 - - - 0 - - - G ^¥ G 0 0 0 6-

e G G G G 0 - G G « G - - - - 0 • ^{¥ ¥ ¥} *¥ Q - 0 G G * *¥ ¥ G - - - - 0¥ ¥. ¥ « 0 0- . - _ - _ - - . - - - G 0 ¥ ¥ 0 - - - - G¥ ¥ e e - 0 -

* - - . - - - G^¥ * e - - - - e G - 0 G G -

• - _ p P P - - - 0 ^{¥ ¥} * G - - - G * G¥ « 0 -

- _ - o « « 0 - - - e G G G G G G¥ « ¥ 0 - - G 0 ¥ « ¥ ¥ e -

. - - p • # 0 - - 0 « •w « G G¥ * ¥ ¥ G - e - 0 ¥ ¥ ¥ « Q -

- - . p 0 0 - - - 0 « -*¥ ♦ G G^{9 ¥} * ¥ ¥ 0 - - e 0 ^{¥ ¥ ¥ ¥} * 0 -

0 0 G^{¥ ¥ ¥} 0 - - - - 0 ¥ ¥ ¥ ¥ ¥ 0 -

G « ^¥ * 0 0 « ¥ ¥ « 0 0 G ¥ łł¥ » 0 '

G « « ¥ « G 0 * ¥ ¥ « G 0 G « ¥ ¥ « o -

G « G G G * ¥ ¥ * G G G¥ ¥ 0 f

0 G e G ¥ ¥ ¥ 0 e G O -

0 • 4f¥ ¥ 0 0 « *¥ ¥ e 0 * *¥ 0

- p G « « ^¥ G

- • 0 G G G • « ff¥ e

- e 0 * •¥ ¥ e

- e 0 0 •¥ ¥ 0

- e « G 0 e « 0 G G - - - -- r— -

- e « « 0 G G e - - G G G 0 - - G - - - - -- - ---

_ p * * P - _^- - - - — - - - — - - - - — - - - - -- - - - - G G 0 G - G — G G 0 0 0 0 - p • P _ _ _ _ - _ _ _ - - _ - - - • - - - G G 0 - G ¥ ¥ fl 0 -

_ p « » « 0 0 - 0 G¥ 0 -

p « « « P 0 6-

- 0 « « 0 e g - 0 o -

- G « • G

- P * M 0 ^¥ O 6 -

- P • 0 0 « 0 0 o - -

• 0 0 G • « * 0 0 * 0 -

. P 6 ¥ « « 0 - - - — “ G - '

G¥ « G 0 0 -

0 * • 0 0 e -

G ¥ • G 0 0 -

G « * G 0 0 -

0 ¥ « 0 0 0 -

G « « 0 G 0 *

0 « * G e - -

e e e *Q e 0 * o -

G « « *¥ G G o - -

G * • • 0 G e - 0 -

e G G 0 0 - 0 -

e g - 0 0 - -- - - - . - - - -- - - - • - - - G - • 0 0 -

• _ _ - - _ « - _ P - P - - - -w. - • - - - 0 - 0^¥ 0 -

- - e 0 0 0 0 p G 0 0 g e G e 0 0 G 0 - 0 G * « 0 -

P « e e - - - 0 — ” 0 •

- G » 0 G 0 0 « * # * 0 “

_ P « P P - _ - - - « - - - - — e G * * « « 9 « 0 -

- i * G 0 G 0 • *^¥ * * « ¥« e -

- P * • G g 0 0 0 0 0 0 e s^• «¥ te 0 -

- e « « « G 0 - - - 0 G 0 0 ' -

- p ⁿ • • • « G - - - “ - -

. e « • « e « • • 0 0 - - - -- “ 0 0 -

- e e 0S 0 0 0 0 0 0 0 0 0 0 0 e e & e g 0 0 0 e C 0 0 e 0 G 0 0 0 0 ^{0 0 0 -}

Bys.3. Binarny obraz głowicy silnika e brzegaai obiaktd» wydzielonymi za poaocą operatora e(lfYy

Segmentacja obrazu 1 rozpoznanie obiektów 275 ST'JM.

[jy a

< ik (xs. je)^2>— -ie- ir-=K=IF=iA=0 1 ŁUjaHO*» IO*a 1« IB IfljsiHU» J OsaJssJB

AI^FALSE CALL CP

is=i x(io' js-ł j (ig;

AŁ.PALSE Analiza sąsiedztwa sźaiopikselowego s

CALL SAD

< AI=TBU~B > "T/JC- ?--

l i l i e ____________

Korekcja śledzenia»

IQ*IQ+-1________

Kie

Koniec śledzenia brzegu pojedynczego obiektu.

Wydruk wyśledzonego brzegu obiektu.

Przeprowadzenie operacji na konturze pojedyn­

czego obiektu (np. wypełnianie wnętrza obiek­

tu, obliczanie długości obwodu obiektu).

Wyzerowanie wyśledzonego brzegu obiektu.

Powrót do początku śledzenia:

IEwIO

_____________ JB-JP---

Tak

Tak

< Z 5 Z >

Jsie cre-Js^l

< H Z I >

O i e

/a/ ®

Rys.4. Algorytm segmentacji obrazu binarnego: a) algo­

rytm organizujący śledzenie brzegówj b) procedura SAD ana­

lizy sąsiedztwa ośmiopikselo- wegof c) procedura CP analizy każdego piksela tego sąsiedztwa

fstartl Nie Tak

ITwIT+1 ^{a i}-t r u b LI en1)«!] I&.I l j(i t)«j JE-J

TT \

¡ J e ś l i I > CT, t'3w l J e ś l i J < NL, ITL»J ( J e ś l i J > KO, inj»J

IP -IP + 1 T V ( I , J ) . 0 IN C I-J l - I

f lH ° 5

tfeIS£D ł

< M 0 ^ 2

¿Tak i'CAŁ| CPI

• UajSl .

< a u i i L-2> Nie ,.Tąk iC I Ł T PPi

(1 3 3 3 1

<iy(i.j)-2>- Nle

¿Tak

< ! E Z i Z P > - ^ n

¡Tak ICALL CPj f i 3 3

¡Trik tm o r i fŚtOPl. t

/ W

/«/

276 Zbigniew. IV Wójcik

IH-30 IV-26 IP » 90 Ift” 0

* * * -

- - - « • « i--- - * ~

IH*16 IV*1B IP * 68 IA * 0

«

« « - « * ---

« « ---

* - * * » #

IH- 4 IV* 4 IP* 10 IA* 0

« *

* - « - « «

* * » --

IH= 3 IV=16 IP* 31 IA= 0

IM- 8 IM- B IP * 22 IA- 0 p y * .5. p i ę ś p ie iw -

--- " szych brzegów

• » ---

---

obiektów obrazu binarnego z rys. 3 wyśledzonych za pomocą algorytmu przedstawionego na rys. 4 (patrz I K U T 2)

* » # - - -

Segmentacja obrazu i rozpoznanie obiektów . 277

IH-14 IV»35 IP*113 IA= 0 |IH» 2 IV» 3 IP* 3 Ift«' . 0

« « » * - * - * * * * « *

* « « - « *

* - » « - *

* * - * «

: ---

IH« 1 XV» 1 IP“ 1 IA» 0

IH"10 IVa15 IP* 33 IA® 0

« * ---- , - a * - *

---

* * - * * *

« *

- « « # * * --- « « --- u

- - - «

« # * « « « « « « *

- _

- — a -

« - - -

IH»34 IV=11 IPa 72 IA* 0

-- - t t - n --- ----

---

* « « a --

RyB. 5 - cd

Każdy piksel sąsiedztwa oiaioplkeelcwego (rye.l.b) Jest analizowany przez procedurę CP (rys.4.c). Analiza ta przebiega Jedną z dwóch dróg, w zalet-

278 Zbigniew- IŁ. Wójcik

naści ad wartości wskaźnika Al. Wartość AI=TRUE oznacza, że w sąsiedztwie ośmiopikselcwym znaleziony Już został piksel konturowy, natomiast AI=FALSE oznacza, że bieżący"' piksel Jest pierwszym pikselem brzegowym tego sąsiedz­

twa. Jeżeli AI*=TRUE, współrzędne bieżącego piksela konturowego są zapamię­

tywane w tablicach LI oraz ŁJ przy zwiększonej o 1 wartości wskaźnika ET.

Jeżeli AI=FALSE, centrum operatora otrzymuje nowe współrzędne I,J pierwsze­

go piksela konturowego, a Al otrzymuje wartość TRUE.

Procedura CP analizuje także współrzędne każdego piksela brzegowego w celu wyznaczenia minimai tych i maksymalnych współrzędnych śledzonego kontu­

ru. Procedura ta usuwa także każdy wyśledzony piksel konturowy przez przypi­

sanie Hl(l,j) =0 oraz kopiuje każdy piksel konturowy na obraz prześledzo­

nego brzegu przez przypisanie d(l,j)=1. Jednocześnie zwiększana Jest liczba IP prześledzonych pikseli : zegowych.

W trakcie śledzenia badane Jest całe sąsiedztwo ośmiopikselowe przez nadawanie odpowiednich wartości współrzędnym IrJ. Po zakończeniu analizy całego Bąsiedztwa następuje przesunięcie operatora do współrzędnych IS=IB=I, JS=JB=J, Jeśli Al miało wartość FALSE (tzn. do współrzędnych I,J pierwszego napotkanego piksela brzegowego] albo odbywa się korekcja śledzenia ze współ­

rzędnych IS,JS pamiętanych w tablicach LI, U .

Rys. 5 przedstawianoJedyncze kontury (brzegi) obiektów z rys. 3 prze*—

Śledzone za pomocą opisanego powyżej algorytmu. IH, IV są rozmiarami wyśle­

dzonych obiektów odpowiednio w poziomie i w pionie.

Trzecim i ostanim etapem automatycznej segmentacji obrazu binarnego Jest wypełnianie wnętrza każdego wydzielonego brzegu. Wypełnianie ma na ce­

lu całkowite odtworzenie analizowanego obiektu na osobnym obrazie na podsta­

wie prześledzonego brzegu i obrazu wejściowego. Wynikiem wypełniania Jest obiekt odseparowany.

Dla zaoszczędzenia czasu wypełnianie odbywa się dla współrzędnych I,J spełniających następujące nierówności:

M U > I > UL /4.s/

EU ^ J ^ EL /4*V

LECAT 3. Wypełnianie wnętrza obiektu wzdłuż dowolnej kolumny pikseli obrazu Jest następujące:

i, odczytywany Jeet pierwszy piksel kolumny obrazu zawierającego wyśledzony brzeg;

ii. Jeżeli piksel ten nie reprezentuje konturu, następuje skok do (v)j

Segmentacja obraza i rozpoznanie obiektów ... 279

■ijjy odczytywany Jest następny piksel tej kolumny. Jeżeli nie reprezentuje wnętrza obiektu, następuje skok do (ii) : odbywa się poszukiwanie

następnego piksela konturowego}

iv„ następuje wypełnienie konturu tym pikselem i skok do (iii)}

v. trwa poszukiwanie piksela konturowego przez odczyt następnego piksela kolumny. Jeżeli wszystkie piksele kolumny zostały Już przeanalizowane, wypełnianie tej kolumny jest zakończone, w przeciwnym przypadku następuje skok do (u).

DOSOD. Algorytm wypełniania wyśledzonego brzegu, pojedynczego obiektu obra­

zu binarnego jest przedstawiony na rys. 6. Dla każdej kolumny IC obrazu IN zawierającego wyśledzony brzeg zwiększany jest o Jedność wskaźnik JC będący rzędną badanego piksela, aż odczytany zostanie pikBel brzegowy (tzn, aż IN (lC,Jc)=l) . Jeżeli następny piksel tej samej kolumny o rzędnej JC=JC+1 należy do wnętrza obiektu obrazu wejściowego (tzn. jeśli BI (iC, JC) =l), nastę­

puje wypełnienie brzegu: pikselowi o rzędnej JfeJC+1 przypisywana jest włas­

ność wnętrza obiektu przez podstawienie IH(I0, jc)=1. Jeżeli kolejny piksel o rzędnej JC=JC+1 nie reprezentuje wnętrza obrazu wejściowego oznacza to, że albo wypełnianie brzegu zostało zakończone albo poszukiwanie przebiega wzdłuż brzegu, W pierwszym przypadku odczytywane Jest IB(lC,JC)=0 1 nastę­

puje powrót do początku procesu wypełniania, a w drugim przypadku odczyty­

wana jesrt wartość IN (iC.JCy =1: odbywa się wtedy ponowne zwiększenie rzędnej JC o jedność i ponowny odczyt piksela o rzędnej JC=JC+1. Zwiększanie rzęd­

nej JC i wypełnianie kolumny IC obrazu z konturem ustaje, gdy JC przekro­

czy maksymalny wymiar KTJ wyśledzonego brzegu w kierunku osi rzędnych. Nastę­

puje wtedy wypełnianie następnej kolumny obrazu przez zwiększenie indeksu IC o jedność i powrót do początku wypełniania.

Tak więc, aby nastąpiło wypełnienie wnętrza wyśledzonego brzegu, musi zaistnieć koincydencja dwóch faktów: najpierw musi nastąpić przecięcie tego brzegu wzdłuż badanej kolumny, a następnie musi być stwitfdzona obecność wnę­

trza obiektu za tym brzegiem w obrazie wejściowym, eryli wejście do środka wyśledzonego brzegu pojedynczego obiektu. Znajdując się we wnętrzu brzegu,

badana jest tylko obecność wnętrza obiektu w obrazie wejściowym dla pikseli o tych samych współrzędnych (zauważmy, że obraz w e j ś c i a składa się z brze­

gów reprezentowanych przez watrońoi 2 pikseli oraz z wnętrz o wartościach 1 oikseli - por. rys.j), aż wnętrze przestanie być odczytywane. Czynność ta powtarza się aż do zakończenia analizy dowolnej kolumny pikseli obrazo, cbdu*

280 Zbigniew M. Wójcik

Rys*6. Algorytm wypełniania wyśledzonego brzegu pojedynczego obiektu obrazu binarnego

Na rys. 7 są przedstawione brzegi obiektów z rys. 5 z zastosowaniem opisa­

nego powyżej algorytmu.

LEMAT 4-. Wyniki wszystkich trzech kolejnych etapów segmentacji obrazu bi­

narnego: detekcji brzegów wszystkich obiektów, śledzenia brzegu każdego o - hiektu z osobna i wypełniania wnętrza każdego wyśledzonego brzegu spełniają

podstawowy warunek reprezentowania zdarzeń lub obrazów ¡4, yj.

DOTOD. Wyniki te są zgodne z podstawowym warunkim reprezentowania zdarzeń, ponieważ:

1. Każdy z tych wyników reprezentuje badaną cechę lub obiekt: wyniki dzia­

łania operatora e(x,y] (wzory /1/ i /2/J reprezentują brzegi obiektów (por.

rys. 3 )} wyniki działania algorytmu śledzenia (tSlAiT 2 1 rys.4) są brzega­

mi pojedynczych obiektów (por. rys.5 ) a wyniki algorytmu wypełniania wyśle­

dzonych brzegów (LEKA2' 3 i rys.6) są pojedynczymi, wypełnionymi obiektami (por. rys.7 ). Zgodnośó nazw, reprezentujących wyniki rozpoznawania, z tymi wynikami rozpoznawania, jest przedmiotem LiijtHW 1, 2 i 3;

2. Każdy z tych wyników Jest niezmienny względem grupy możliwych przemiesz­

czeń i obrotów analizowanego obrazu w polu obserwacji systemu rozpoznając®*

Segmentac^a obrazu i >pspoznanie obiefclftw .

1H-30 IV-26 I P ' 90 IA- 79

231

a a a a a a a a a a a a a a --- —

--- » * 0 0 0 0 0 0 0 » --- --- • • « • « 6 0 S « --- * * --- - « a « ---— - a - --- --- _________________________a a a a a a - a a e » ---

--- * » » 0 O 0 0 a ---

* * 0 0 *

---

--- . --- ---a 8 0 a --- ________ » --- --- --- a e e o a - - . - -

. _ _ . --- * 0 0 0» --- _________________________________________________ ___________ .\a 000 0 a --- --- --- --- a 0 0000 a ---

____________________ t 5 ! t a ■ •

- » 0 0 0 0 * - -

. . . a 0 0 8 0 * ---

_

___________________________________________________ a 0 00 a --- ________________________________________ '--- a e 00 0 a --- --- ;--- a 0 0 0 0 a - - - __________________________________________________________ a 0 00 a --- __________________________________________ a O 0 0 * --- ____________________________________________ a 0 00 0 a --- ____________________________________________ a 0 00 O a --- _________________________________________________________ a 0 0 0 a ---

; ______

______ a a a ----a a a a ---

IH-16 IV '1 8 I P ' 68 IA-119

IH- 4 IV- « IP - 10 lA-

« -- - - - - - - - -

« _ a a a a - a a a - a a - - - a a - - - - « 0 0 0 ^a 0 0 G a - a a - - - a - “

- - - a 0 0 0G G G G a a - - - - a “ “

- - - - a 0 0 ^{G G}0 G G0 a a a a a - -

- _ - a G G G G G G G G G G0G G a - -

• - - ^- a 0 ^{G G G G G}0 G G0G a a - - _ - - a G G G G G G G G G a a - a - - a G G G G0 G G a - a a a - - a G G G G G0 G G a G G a - - a a 0 G G0G G G G G G a - - a - a G G G G0 G0 0G a - - a a 0 G G G G g G0G a - - a 0 0 ^{G G G}0 0 0 ^{a - -} a a G G G G0 G a - - - - - ^- - ^- - ^- - a a 0 0 0^{G a - -}

_

IH- B IV - 8 I P ' 22 IA- 32

_ _ a 0 0 a - - a 0 0 a ---

IH- 3 IV-16 IP - 31 IA- 20

_ _ - » » * * * » - -

a 0^{„ „ . ,}0 0 0 0 - --- R y B * 7. TTypeł- 0 0 0 0 0 0 a - - nione brsegi

» D 0 0 0 0 0 » - - z TJB. 5

» 8 8 0 0 0 0 * - -

» 0 0 0 0 0 0 » - - - a O 0 0 a a ---

--

- - - - r ** • - "

a a a

_

282

IH«14 IV=35 IP«113 IA= 33 IH= 2 IV= 3 IP= 3 Ift" O

_____ Zbigniew Łi. Wójcik

* -- --- ■ • t - i e i t ' * - — » ---

— # - » * e « — ---

: « « « — . —

- — - * * - « * —

_ _ — , ---

--- « Q • « - - I H« 1 I V« i I P » 1 I A= o

* 0 * - -

IH«=10 IV»15 IP= 33 Ift= 30

** « - - - _____ - - -

ft ft

ft

- - - — - - “ - - - « « “ ft - “ « 0 0 0 « - - - -

- - - “ “ - - - « ft - « ft - - « 0 0 0 « - - -

« 0 0 ft - - -

« ~ • 0

ft

* ft - * « 0 0 « ” ~ ft 0 0 ft - -

- - - ft - - « 0 0 0 « - - _ _ _ _ _ _ ft 0 0 ft - -

- - - - •* * - - • ft 0 0 0 0 ft - - * ft 0 0 ft - -

- - - * # 0 0 0 0 0 0 ft - - ft 0 0 ft - - -

- - - - 9 • «1 0 0 0 0 0 0 0 0 * ~ _ _ - - - ft 0 0 « - - - - - « • • • « * *# ft 0 0 0 0 * “ - - - - _ ft ft « 0 0 « - - - - - - - - -- - ft « ft * ~ “ " ft 0 0 0 0 ft

- - - - - ~ “ -- - - “ - - ft “ “ - -

ft

ft

*

ft ft

IH n34 IV*11 I P " 72 JA 1 0 Ć

. . _ _ _ _ ft ft _ _ _ _ _ - _ - _ _ ---- --- - - - « « ft « « ft ft * 0 • 0 » • ft

ft

- - « 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 •ft * - - « e 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 G 0

ft ft

- - « 5 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 « ft - • ft 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 * - - *_b 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ft _ - * e 0 0 a 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 ft *

- - «₀ 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 * - - - - - - ft e 0 0 0 0^ftr* 0 0 0 e 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 * * --- - - « * « « * ft * « « ft « « « « « « ft « ft ft ft « « ft « ft « ft « » f t » » * - -

Eja. 7 - cd gof ponieważ:

a) wartość operatora e(X,Y) (tzn. wynik Jego działania ~ wzór /1/) dies- sienna względea obrotów badanego obrazu wokół piksela centralnego tego

Segmentacja obrazu i rozpoznanie obiektów 283 operatora oraz wszystkie piksele obrazu B są badane za jego pomocą;

b) śledzenie brzegu każdego obiektu (LEMAT 2 i rys. 4) odbywa się za pomocą operatora dziewięciopikselowego, symetrycznego względem swojego środka, Prze­

szukiwany jest także cały obraz B z tą różnicą, że w przypadku natrafienia na obiekt, analizowany jest najpierw brzeg obiektu wy-zielony.operatorem

e spełniającym podstawowy warunek reprezentowania zdarzeń i obrazów;

c) wypełnianie wyśledzonego brzegu (lEŁŁS 3 i ry3. 6) odbywa się kolumna­

mi (ew. wierszami) obrazu. Wszystkie piksele obrazu są badane, a wypełnia­

nie rozpoczyna się i kończy na pikselach brzegowych wyśledzonych algorytmem, ki.orego wyniki spełniają podstawowy warunek reprezentowania obrazów,

cbdu.

Ponieważ spełnienie podstawowego warunku reprezentowania zdarzeń przez te trzy kolejne etapy jest jednocześnie warunkiem koniecznym i wystarcza­

jącym g f7], udowodniona została prawidłowość procesu segmentacji binarnego obrazu graficznego, co kończy dowód TWIERDZENIA 1.

3. Bozpnwna-nfa obiektu w kształcie półplerśclenifi-

Wydzielone obiekty mogą być wstępnie segregowane na podstawie liczby IP pikseli konturowych, liczby U pikseli wnętrza obiektu (lub na podstawie łącznej powierzchni IA+IP obiektu), szerokości MD-KImIH oraz wysokości KO-HŁ=IV wydzielonego obiektu. Obiekt przedstawiony na nys* 8*a »ostał od~

separowany na podstawie założonych wstępnie minimalnych i maksymalnych wartości tych parametrów. Obiekt ten został poddany procesowi śleuzenaa za

pomocą operatora kolistego. Rys. 8 przedstawia kolejne etapy śledzenia pćł- pierścienia. W pierwszych dwóch krokach (rys. 8.b,c) operetor jest umiesz­

czany na śledzonym obiekcie. W następnych krokach robione są wydruki bieżą - cyeh obliczeń parametrów przecięcia brzegu operatora z obiektem. Parametry te są atrybutami kolejnych węzłów grafu reprezentującego ten obiekt. Kolejno drukowane są: liczby spójnych pikseli brzegu operatora, otrzymanych jako wy­

nik przecięcia z obiektem; pozycje tych spójnych grup pikseli brzegu opeia- tora, nachylenia wykrytych wie Inków linii, w kolejnym wierszu drukowana jest cyfra 1, jeśli wykryty jest odcinek linii oraz cytra 2, jeśli wykryty jes.

koniec linii, w ostatnim wierszu drukowana są długości wykrytych segmentów linii. Stała zmiana nachylenia w Jednym tylko kierunku (zobacz ostatni wiersi

rya.8. j) i całkowita zmiana nachylenia (równa 2,11rd) stanowią podstawę do zidentyfikowania pćłpierścienia. Zmiany nachylenia są obliczane na pod­

stawie wygładzonych nachyleń (pierwszy wiersz pod obrazkiem z rys.e.j).

284 Zbigniew M. Wójcik

H H H H H H H H

H H H H H H H H H

H H H H --- --- H H H H --- --- H H H H ---

H H H H --- H H H H _ _ _ - - - - - H H H H - - - — H H H H H H _ - - - H H H H H H _ - - H H H H H H - - - H H H H

- - - - " - ~ “ “ —

—

" : : : :

W

« * *

- - - --- « - - - * - - --- — — ~ - _ - * _ H H - « - --- --- _ - - - • - - H* H H •

• H H H 0 H ft 0 e H H H

H H H H H H H H --- H H H H --- H H H H ---

H H H H --- --- -- - H H H H

H H H H H H H H H H

- - - - H H H HH H - - - H H H H H H - - - H H H H

- - - --- - - “ - - “ — — - - - — “

/c/ ' Bys.8. Kolejne etapy śledzenia obiektu w kształcie linii za pomocą operatora kolistego

0 0 « ft H H H

ft

* H H H H H *

ft

____

____

ft

H H H H H H H H H H --- H H H H H H --- H H H H H H ---H H H H - --- ' ~ “ ~ ~ — "" —

" : : : : : : ~ :

A /

numbers o f connected p e rip h e rie s

2 2

POSITIONS X»Y OF THE CONNECTED PERIPHERIES 10.00 11.50

4.33 11.-75 SLOPES ¿IN RAD)

i*DENOTES LIN E SEGMENT» 2 DENOTES LIN E TIP

LEN6TS OF1LIN E SEGMENTS (IN P IX E L NUMBERS) 3.38 2.27

H H - H H H ---h h h g o » - - _________________H O H H H « - _________________« H H H H - » _________________« - H H H H »

________ «- HHHH*

___________________ « H H H 8 - ______________________e e o H - ___________________ H H H H - -

_

--- H H H H H H --- --- H H H H H H --- --- H H H H H H --- H H H H ---

4. Techniku »suwania zakłóceś zachowująca brzegi obiektów

Zakłócenia obrazu binarnego, np. widoczne na rys.3, nogą być usiane przed procesem segmentacji za poaocą wirującego sąsiedztwa. W pracy tej użyto osiem pozycji dwupikselcwego sąsiedztwa (rys.S), wirującego w są­

siedztwie 24-pikselowyra. Technika ta została opracowana przez Z. Wójcika

¿3* 1)1546 lit6I7 A* B r ***H pikseli na xys. 9 wskazują przyna­

leżność tych pikseli do poszczególnych pozycji wirującego sąsiedztwa. Są-

Segaentaeja obrezu i rozpoznsnie oblekt'ôvr ■» » /

NUMBERS OF CONNECTED PERIPHERIES ' NUMBERS OF CONNECTED PERIPHERIES

2 2 1 2 2 1 1

POSITIONS X»T OF THE CONNECTED PERIPHERIES POSITIONS X»r OF THE CONNECTED PERIPHERIES

10.00 11.50 11.00 10.00 11.50 11.00 8.78

6.33 11.75 13.14 6.33 11.75 13.44 13.44

SLOPES (IN RAD) SLOPES (IH RAD)

1.21 1.43 -1.28 1.21 1.43 -1.28 -0.73

1 DENOTES LINE SEGMENT» 2 DENOTES LINE TIP 1 DENOTES LIHE SEGMENT. 2 DENOTES LIHE TIP

1 1 1 1 1 1 1

LENSTS OF LINE SEEMENTS (IN PIXEL NUMBERS) LEHGTB OF LINE SEGMENTS (IH PIXEL NUMBERS)

3.38 2.27 1.77 3.38 2.27 1.77 2.77

- — — - — — — - — - — — — — — — -

---h h --- !---h h ---

--- H H H H H 9 * * ---

---h h h h h h --- ---H H H 8 H K - » - --- - ----h h h h h h --- ---- H H K H H C » * - - - --- ' ' ---- H H H H --- --- ---- H H H H - --- . . . --- ;— v «. _im. » am mm » m m> ~ m ** » ■" —

/«/ ^{f t /}

NUMBERS DF CONNECTED PERIPHERIES HUMBERS OF CONNECTED PERIPHERIES

2 2 1 1 1 2 2 1 1 ’• 0

POSITIONS X»Y OF TIC CONNECTED PERIPHERIES POSITIONS X.T OF THE CONNECTED PERIPHERIES 10.00 11.50 11.00 S.78 6.30 10.00 11.50 11.00 8.78 6,30 4.33

6.33 11.75 13.44 15.44 16.70 6.33 11.75 13,44 15.44 16.70 17,67

SLOPES (IN RAD) SLOPES (IN RAD)

1.21 1.43 -1.28 -0.73 -0.47 1.21 1.43 -1.2S -0,73 -0,47 0.00 1 DENOTES LINE SEGMENT » 2 DENOTES LIHE TIP 1 DENOTES LINE SEGMENT* 2 DENOTES I In! (IP

1 1 1 1 1 1 1 1 1 1 2

LENSTS OF LINE SEGMENTS (IN PIXEL NUMBERS) LENSTS OF LINE SEGMENTS (IN PIXEL NUMBERS) 3.38 2.27 1.77 2.77 2.78 3,38 2.27 1,77 2,7¥ 2.78 2.17

--- H H H --- ---

* * f

* # *

7£/

By*. £ «•e£

286 Zbigniew '.Tólclk

«UMBERS OF CONNECTED PERIPHERIES

2 2 1 1 1 0

POSITIONS X?Y OF THE CONNECTED PERIPHERIES 8.37 10.00 11.50 11.00 8.78 6.30 6,33 5.63 6.33 11.75 13.46 13.44 16.70 17.67 SLOPES <IH RAD)

0.56 1.21 1.43 -1.28 -0.73 -0.47 0.00 1 PE NOTES LIKE SEGMENT > 2 DEMOTES LIHE TIP

1 1 1 1 1 1 2

LEMSTE OF LIME SEGMENTS (IN PIXEL NUMBERS) 1.69 3.38 2.27 1.77 2.99 2.78 2.19

NUMBERS OF CONNECTED PERIPHERIES

0 2 2 2 1 1 1 0

POSITIONS X.Y OF THE CONNECTED PERIPHERIES 8.37 8.57 10.00 11.30 11.00 8.78 6.30 4.33 5.43 5.43 6.33 11.73 13.44 13.44 16.70 17.67 SLOPES (IN RAD)

0.00 0.56 1.21 1.43-1.28-0.73-0.47 0.00 1 DENOTES LINE SEGMENTr 2 DENOTES LINE TIP.

2 1 1 1 1 1 1 2

LENGTS OF LINE SEGMENTS (IN PIXEL NUMBERS) 0.00 1.69 3.38 2.27 1.77 2.99 2.78 2.19

• H H H a H H -

/i/ / ¿ /

Bys». 8. -Cd FINAL SLOPES SMOOTHED

0.00 0.56 1.11 1.48 -1.23 -0.80 -0.47 0.00 ALL LENGTH“ 17.07 ALL CHANGE IN SLOPES“ 2.11 CHANGE IN SLOPE OF LINE SEGMENTS

0.00 0.00 0.34 0.38 0.41 0.43 0.34 0.00 śledztwo w swojej pozycji n jest jednorodne z pikselem centralnym p(xrx) ope­

ratora 25-pikeelowego , jeśli wszystkie piksele tego sąsiadztwa mają tę sa­

mą wartość cyfrową co piksel centralny p(x,y). Dodatkowo badana jest jedno­

rodność czteropikeelowego sąsiedztwa oznaczonego literami I względem piksela p(x,v). Wartość cyfrowa O albo 1 piksela centralnego p(x,y) jest zamieniana

_

na przeciwną, Jeżeli nie aa żadnego eą- ? --- — --- r~

. , D C o

oiedztwa Jednorodnego z p(X,Y/» Jeżeli ■ B ^

istnieje przynajmniej jedno s ą s i e d z t w o --- ---

(

oontralnego jeet pozostawiana bez zmian. jjj ---“

E T *' / \ T A

Rya.10 przedstawia wydruk obrazu blnar- y D D p(l,TJ jj jj nego z rya.3 z usuniętymi z a k ł ó c e n i a m i --- ---

v t G H

tła obiektów, 1 _ _

L ¥ '•>

Do usuwania zakłóceń można takie --- — --- -

^ 0 H

zastosować wirujące sąsiedztwo Jedno- £ G

pikselowe i usuwanie Jest wtedy szybsze,... ..

ale usuwane. są mniejsze zakłócenia. Rys.9.Dziewięć pozycji wirującego

D c B

C B A

D C

1 C E

B A E

D I r‘

D ^p(x,y) r A

n A n Tr I G

F H 0 F

E 0

y

H G X

Segmentacja obrazu i rozpoznanie obiektów

* *

« -

« «

* «

« * * - - - - -

« ~ « « « « « « « -

# * -- « « * 4» 41 « « --- -

* 4» a --- # * 4 » 4 » ' 4 * 4 » * 4 * - --- -

______ - i » # * » » « » » --- . - :---* « * * 4 » * « * ---

. '--- » » * « * * * * ---

. ^ - ---

.

---

« # - - - *

* * - - - ■

* » ---

* « ---

« * * ---

« « « -

» « ---

* « -

- VI

• -

Cf * *

«

* «

- - » «

* - 4» - - - * 4* * - - -

* * - - -

» « - - -

w - — -

* ----

* #

« «

* 4»

- 4»

„ - «

« tt 41 4»

- - - # - - 41 4»

- 0

• «

»« # - • *

„ i » «

,» - - - - * m

- 0

M - - - -

• 4, - - - “ «

# * - ~ -

« « “

H - - « - - -

# “ “

. . . - - *

4» - - - “

« « • --

* » » * »

« # « • *

* « 0 0 «

« * * * *

0 « « « •

• « « « *

« * • * •

» ___

* - - - -

* « ---

# « « -

i « • ---

Ryo. 10. Obraz wejicicry gł«icy ollnika (binarny) z uauniętymi zakłócenia*

288 Zbigniew ui.W6.1cik

5. Podsumowanie

Analizs obrazu graficznego przez’wykonanie następujących operacji:

a) wydzielenie obiektów o stopniu szarości /lub jasności/ przewyższającym pewien próg kwantowania /ust8lony ręcznie przez operatora lub automatycz­

nie przez komputer [2,(3/ lub zswartym pomiędzy pewnymi dwiema wartościami progowymi;

b) wydzielenie brzegów tych obiektów;

o) śledzenie brzegu każdego obiektu z osobna i wypełnianie y/nętrza tego brzegu;

d) porównanie parametrów globalnych zmierzonych w trakcie segmentacji z wielkościami wzorcowymi i wydzielenie na tej podstawie obiektów zbliżo­

nych do poszukiwanego;

e) śledzenie wydzielonych obiektów za pomocą kolistego operatora i zidenty­

fikowanie na podstawie parametrów trasy tego operatora obiektu poszukiwanego, jest stosunkowo prostym i precyzyjnym procesem.

Oprócz zastosowań w robotyce, przedstawiona w tej pracy metoda rozpoz­

nawania obrazów powinna także znaleźć zastosowanie w metalografii ilościo­

wej.

LITERATURA

[1] Rosenfeld A.,Kek C.A.t Digital picture processing. Acad. Press, 1966.

[2] Wójcik Z.M.: Metoda detekcji i rozpoznawania konturów obrazu. Rozpra­

wy Elektrotechniczne, nr 3, 1933, ss.959-935.

[3] Wójcik Z.ii.i Automatic detection of semiconductor mask defects.

Microelectronics and Reliability, v.15,Perg.Press, 1976.

£4] Wójcik Z.H.: Prakseologiczne badania współczesnych narzędzi człov;ieka zs pomocą podstawowego warunku reprezentowania zdarzeń. Prakseologia,.

PAN, nr 3, 1930.

[5j Wójcik Z.M.j' Automatyczne rozpoznawanie położeń przedmiotów przez robo- ty-manipulatory, ZN Politechniki śląskiej,s.Automatyka,nr 46, Gliwice 1978.

[6] Wójcik Z.U.t An approach to recognition of contours and line-shaped objects. Computer'Vision,Graphics and Xmsge Processing, 1934 /w druku/.

[7] Wójcik Z.LS. vjlonclusiveness of natural languages and recognition of images. Cybernetics and Systems - An International oournal, Hemisphere Publishing Corporation, Ho 1, 19B5, pp.1-31.

[8] Wójcik Z.li.: Wyspecjalizowane procesory przetwarzania obrazów. Prace

’ PIE, 1933.

Recenzent: Prof.dr inż.Henryk Kowalewski Wpłynęło do Redakcji do 3 0 . 0 3 . 19S4r. .

Segmentsc.ja obrazu i rozpoznanie obleittôw 289

C E raEH TA IS S 0EPÀ3A H PACH03HABAHHE OEMKTOB t KOPnyGA flBHTATEJIH

P e a » m e

B patSoie noica3HBae-rcH npouecc pacno3HaBaHaa 0(5pa3a, KOTopafi c o c t o h i

23 cmejiynnKX STanoB: ycTpaaeaiie n o a ex , cerMSHTanaa oOpasa,EaaaJiBHOft co p -

•nspoBKK oiBeiraoB Ha ocaoBe hx pjioôajiBHHX napaaei-poB, rpa$oro KD^HpoEaHKa H HfleHTB^EKaQHH.

PICTURE SEGMENTATION AND PATERN RECOGNITION FOR A MOTOR HEAD

S u m m a r y

Patern recognition process is presented including following stages:

disturbance rejections, picture segmentation, introductory selection of plants, graph coding and identification.