Microsoft Word Уч пособие 22 09. doc

Состав основных операций бинарного анализа

В соответствии с назначением операций бинарного анализа можно определить состав его основных операций. К ним относится, прежде всего, выделение признаков, по которым можно выделить объект на фоне. В связи с этим перед бинарными операциями выполняются полутоновые преобразования, позволяющие усилить признаки объекта. Следующая задача связана с определением порогов для выполнения бинаризации. Пороговая бинаризация полутоновых изображений в соответствии с амплитудными характеристиками, рассмотренными в п. 5.3, позволяет получить бинарное изображение объекта. На рисунке 7.2 представлен пример бинаризации цветного изображения.
а)б)в)
Рисунок 7.2 а) Изображение цветка; б) цветоразностный (Cb) компонент этого изображения; в) бинарное изображение цветка.
Поскольку отличительной характеристикой объекта в этом примере является красный цвет цветка и зеленый цвет его ножки, бинаризация может производиться по Cb компоненту. На рисунке 7.3 представлена бимодальная гистограмма значений Cb компонента исходного
изображения. Одна мода соответствует цветку (значения  115 ), другая –
фону.
Бинарное изображение неизбежно включает области, обусловленные помехами, поэтому разработаны операции, позволяющие исключить или уменьшить влияние помехи. Эти операции относятся к морфологическим операциям бинарных изображений. Они позволяют разделить соединенные объекты или соединить разорванные части объекта, заполнить дырки внутри областей объекта, исключить отдельные шумовые объекты. После выполнения таких операций по полученному бинарному изображению выполняется операция, называемая селекцией связных компонентов [47],
позволяющая представить каждый отдельный пространственно связанный объект номером.
Рисунок 7.3 Гистограмма значений Cb компонента.
По бинарному изображению можно определить и проанализировать каждую связную область. Входным изображением для операции «селекция связных компонентов» является бинарное изображение. На выходе формируется изображение меток областей. Каждый отсчет изображения имеет значение номера связной области, которой он принадлежит, либо значение, равное нулю, если элемент принадлежит фону. Операция позволяет исключить из рассмотрения области, имеющие площади, находящиеся вне заданных пределов интересующих размеров объектов. В обработке изображений это приводит к формированию полутонового изображения, каждый уровень яркости которого соответствует номеру связной области (объекта). По изображению связных компонентов и исходному полутоновому изображению осуществляется оценка признаков изображения. В приведенном примере обнаружено 202 объекта. Объекты с площадью, меньшей 17 элементов, исключены как принадлежащие шуму. Наконец, последней операцией, необходимой для выполнения бинарного анализа, является оценка признаков объекта. На рисунке 7.4 представлен фрагмент яркостных и геометрических характеристик выделенных оранжевых клеток, изображенных на рисунке 7.1.в).
К геометрическим характеристикам относятся: X _ц.т.,Y_ц.т. - координаты центра тяжести объекта, Площ. – площадь объекта, Перим. – периметр объекта, Коэфф. форм - коэффициент формы, оцениваемый как

отношение квадрата периметра области объекта к ее площади,
^Dmin ^,

D_max , Эксц., Угол – характеристики эллипса рассеяния: размер его малой и большой осей, эксцентриситет, оцениваемый как отношение малой оси эллипса к большой, и угол наклона большой оси. Яркостные характеристики представлены значением средней яркости по области и СКО яркости в этой области.

Рисунок 7.4 Оценка яркостных и геометрических признаков формы клеток.

3.