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 G9 ¥ * ¥ ¥ 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 a ----- — 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 G0 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 G0 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 G0 0 0 a - - a a G G G G0 G a - - - - - - - - - - - a a 0 0 0G a - -
_
* . - - - - - - - - - - a a G G a - - a a 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
_
* * - - a - -- - - - - - a .a- - - - - - - a 0 a a - -- - -a 0 0 a - - - - - a 0 0 a - - - - - a GG a - -- . - a 0 0 Ga - - - - a G0 0a - - - - a GGa - - - - - a G0 a - - - - - a G G a - - - - - a G a - - - - -- a a.T— — “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
0 «- - - — - - “ - - - « « “ ft - “ « 0 0 0 « - - - -
- - - “ “ - - - « ft - « ft - - « 0 0 0 « - - -
« 0 0 ft - - -
« ~ • 0
ft
- - * 0 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
0 0 0ft
«*
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 0ftr* 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
- H H H H e H H H G____
- - -ft - H 0 H H ---____
- - -ft
« 0 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 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
_
Ana 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 --- ---
(
X,Y/ , wartość piksela \ D C E S Aoontralnego 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.