Содержание к диссертации
Введение
ГЛАВА 1. Аналитический обзор методов и средств цветового анализа объектов 13
1.1 Методы и средства анализа цвета 14
1.1.1 Визуальный метод. Визуальный колориметр 15
1.1.2. Спектральный метод 18
1.1.2.1. Спектрофотометрия с применением интегрирующей сферы 19
1.1.2.2. Спектрофотометрия с применением волоконных элементов 22
1.1.3 Фотоэлектрический метод 24
1.1.3.1 Фотоэлектрическая колориметрия 24
1.1.3.2. Телевизионная фотоэлектрическая колориметрия 26
1.2 Постановка цели и задач исследований 31
ГЛАВА 2. Теоретические основы цветового анализа минеральных образцов методами технического зрения 33
2.1 Определение минерала 33
2.2 Описание внешних отличительных признаков минеральных образцов
2.2. Цве1 т 34
2.2.2 Блеск 34
2.2.3 Опалесценция (игра цвета) 35
2.2.4 Отражающие и преломляющие свойства 36
2.2.5 Внешний облик 37
2.2.6 Анализ рассмотренных внешних отличительных признаков минеральных образцов применительно к решению задач ОСМС 37
2.3 Моделирование свойств минеральных образцов для системы технического
зрения 40
2.3.1 Различие понятия «цвет» для человека и СТЗ 40
2.3.2 Моделирование цвета минерального образца 42
2.3.3 Свойства блика 49
2.3.4 Моделирование поверхности минерального образца 51
2.3.5 Моделирование процесса искажения и восстановления изображения
2.4 Выделение селективного признака. Методика оценки степени обогатимости минерального сырья 69
2.5 Выводы по главе 78
ГЛАВА 3. Принципы организации и функционирования ОЭС ОСМС 81
3.1 Принципы построения ОЭС ОСМС 81
3.2 Принципы расчета конструкции ОЭС ОСМС 83
3.3 Основные принципы обработки изображений минеральных образцов
3.3.1 Коррекция по фону 89
3.3.2 Шумовая фильтрация импульсного шума 93
3.3.3 Выделение объекта на фоне 99
3.3.4 Сегментация зон цветности на изображении 102
3.4 Выводы по главе 105
ГЛАВА 4 Экспериментальные исследования 107
4.1 Описание разработанного макета ОЭС ОСМС 107
4.2 Результаты моделирования для рудной пробы кварцитов 110
4.3 Результаты расчета степени обогатимости для рудной пробы кварцитов 114
4.4 Выводы по главе 118
Заключение 121
Список литературы
- Спектральный метод
- Отражающие и преломляющие свойства
- Принципы расчета конструкции ОЭС ОСМС
- Результаты моделирования для рудной пробы кварцитов
Введение к работе
Актуальность работы.
Современные технологии технического (иначе – компьютерного или
машинного) зрения представляют значительный интерес для использования в
различных научно-технических сферах деятельности человека:
машиностроении и приборостроении, сфере безопасности, медицине, сфере пищевых технологий, при контроле качества готовой продукции и т.д.
Одной из обширных сфер применения технологий машинного зрения является сортировка: минерального сырья при предварительном обогащении твердых полезных ископаемых, промежуточного сырья при производстве алюминия, фруктов и овощей в пищевой промышленности, при утилизации промышленных и бытовых отходов. В России указанный метод называют «фотометрическим», «цветовым» или «оптическим», за рубежом – «color sorting» или «optical sorting». Наибольшую сложность для оптического метода представляет сортировка минеральных объектов, являющихся комплексными образованиями, сложными по структуре и цвету поверхности.
На рынке обогатительного оборудования, реализующего указанный метод, в настоящее время наиболее широко представлены оптические сортировщики немецких фирм ALIUD GmbH, Allgaier-Group, Tomra Sorting Solutions и др., отличающиеся друг от друга параметрами схемы построения, моделями описания цвета для систем регистрации (RGB, HSL, Yuv, и т.д.), а также алгоритмами принятия решений. Однако результаты анализа, полученные на подобном оборудовании, с точки зрения решения задач, связанных с цветом и анализом цветовой картины, нельзя считать объективными. Это объясняется тем, что в подобном оборудовании осуществляется не анализ цвета минералов как присущей им качественной характеристики, а анализ некоторых цветовых координат их изображений в выбранной модели описания цвета (RGB, YUV, HSL и другие).
Кроме того, метод часто оказывается несостоятельным при анализе материала, отличающегося малой цветовой контрастностью. Применительно к оптическому методу обогащения этот аспект, фактически, не исследован.
Помимо этого, до сих пор не существует критериев, на основании которых возможно осуществлять хотя бы предварительный выбор в пользу того или иного производителя оптического обогатительного оборудования без проведения испытаний. В силу сказанного, метод оптической сепарации на сегодняшний день не является «прозрачным», понятным для потенциального пользователя/заказчика. Его эффективность занижена, а границы применимости в области обогащения твердых полезных ископаемых сильно сужаются. А поскольку оптические сепараторы минерального сырья отечественного производства на рынке обогатительного оборудования отсутствуют, российский потребитель полностью зависим от зарубежных производителей и вынужден мириться с диктуемыми ими «правилами игры» и доверять их оценкам.
Целью работы является исследование и разработка оптико-электронной системы для экспресс-анализа тврдых полезных ископаемых оптическим методом (далее – ОЭС ОСМС), а также методики оценки степени обогатимости минерального сырья на основании результатов обработки цветных изображений минеральных образцов.
Для достижения указанной цели необходимо решить следующие задачи:
-
Выполнить анализ и составить классификацию известных методов и устройств цветового анализа объектов;
-
Сформулировать и описать внешние отличительные признаки реальных минеральных образцов;
-
Разработать теоретические основы моделирования свойств (признаков) минеральных образцов для системы технического зрения;
-
Разработать принципы моделирования цветовых параметров поверхности минеральных образцов, с учетом характеристик освещения зоны анализа, а также шумовых характеристик фотоприемного тракта;
-
Разработать методику ОСМС;
-
Разработать и реализовать макет ОЭС ОСМС;
-
Провести экспериментальные исследования и апробацию методики оценки степени обогатимости на разработанном макете ОЭС ОСМС.
Методы исследования
В работе применялись методы описания оптических свойств минералов, элементы классической теории цвета и его анализа (в том числе, модели представления и методы преобразования цвета), компьютерные методы моделирования цветовых оттенков и поверхности исследуемых образцов, элементы теории оптимальной фильтрации полезных сигналов от помех в линейных оптико-электронных системах, методы технического зрения и цифровой обработки изображений, методы теории оптических измерений (в том числе требований к созданию схем и методик оптических измерений согласно поставленным задачам).
Научная новизна диссертации
-
Разработаны принципы моделирования цветной псевдоплоской поверхности минерального образца со сложным гранулометрическим составом на основе спектрофотометрических данных о его реальной поверхности.
-
Предложена методика оценки степени обогатимости минеральных образцов оптическим методом.
-
Разработаны принципы построения аналитической оптико-электронной системы для оценки степени обогатимости минеральных объектов оптическим методом.
Основные положения и результаты, выносимые на защиту
1. Принципы моделирования цветовых параметров поверхности
минерального образца, учитывающие ее цвет и отражающие свойства, особенности освещения зоны анализа, а также шумовые характеристики фотоприемного тракта, позволяющие для любой системы технического зрения (СТЗ) спрогнозировать цветовые оттенки минеральных образцов по
спектрофотометрическим данным.
-
Методика оценки степени обогатимости минерального сырья оптическим методом, основанная на результатах обработки цветных изображений минеральных образцов представительной рудной пробы и позволяющая оценить применимость оптического метода для обогащения конкретного вида твердых полезных ископаемых, а также определить наиболее эффективную цветовую модель и пороги разделения.
-
Принципы построения оптико-электронной системы для оценки степени обогатимости минерального сырья, обеспечивающие возможность подстройки под особенности (класс крупности, цветовая контрастность, степень прозрачности) конкретного вида твердых полезных ископаемых.
Практическая ценность работы
-
Предложены методики моделирования цветового оттенка минерального образца и его поверхности с учетом влияния на них шумовых характеристик фотоприемного тракта.
-
Разработан и реализован рабочий алгоритм предварительной обработки изображений минеральных образцов, получаемых системой технического зрения.
-
Разработан и реализован рабочий алгоритм оценки степени обогатимости рудной пробы оптическим методом.
-
Разработан макет ОЭС ОСМС для исследования и оценки степени обогатимости минерального сырья оптическим методом.
-
Получены результаты экспериментальных исследований предложенных макета и методики, обеспечивающих возможности анализа рудных проб оптическим методом.
Реализация результатов работы
Результаты настоящей работы отражены в 3 отчетах по НИР, проводимых
коллективом Научно-образовательного центра оптико-электронного
приборостроения Университета ИТМО, что подтверждено актами
использования материалов при выполнении НИР. Также результаты использованы в совместных работах с Институтом геологии Карельского научного центра РАН, что отражено в соответствующем акте.
Развитие исследований в рамках диссертационной работы поддержано грантами правительства г. Санкт-Петербурга 2013, 2014, 2015 гг., а также в 2013 г. – Фондом содействия развитию малых форм предприятий в научно-технической сфере в рамках конкурсной программы «Участник Молодежного Научно-Инновационного Конкурса» (У.М.Н.И.К.). Вклад автора в развитие указанной тематики также был отмечен дипломом за лучшую выпускную научно-исследовательскую работу магистров Университета ИТМО в 2012 г.
Апробация работы
Основные результаты диссертационной работы докладывались и обсуждались на 13 конференциях/профильных семинарах и 1 международной специализированной выставке: X Международная конференция «Прикладная оптика-2012» (Санкт-Петербург, Россия, 2012 г.); XLII–XLIV Научные и учебно-
методические конференции НИУ ИТМО (Санкт-Петербург, Россия, 2013-2015 гг.); II-III Всероссийские конгрессы молодых ученых (Санкт-Петербург, Россия, 2013-2014 гг.); VIII Российский семинар «Технологическая минералогия в оптимизации процессов рудоподготовки и обогащения минерального сырья» (Санкт-Петербург, Россия, 2013 г.); Международная научная школа для молодежи "Методология и организация инновационной деятельности в сфере высоких технологий" (Санкт-Петербург, Россия, 2013 г.); SPIE Optical Metrology (г. Мюнхен, Германия, 2013 г.); VIII Международная конференция молодых ученых и специалистов «Оптика – 2013» (Санкт-Петербург, Россия, 2013 г.); 11-я международная выставка «Недра-2014. Изучение. Разведка. Добыча» (Москва, ВВЦ, Россия, 2014 г.); SPIE Photonics West 2015 (г. Сан-Франциско, Калифорния, США, 2015 г.); 10-й Конгресс обогатителей стран СНГ (Москва, Россия, 2015 г.); X Российский семинар по технологической минералогии "Роль технологической минералогии в получении конечных продуктов передела минерального сырья" (Белгород, Россия, 2015 г.).
Публикации
По теме диссертации опубликовано 23 научных работы, в том числе 8 статей в изданиях из перечня ВАК (из них 3 в изданиях, включенных в системы цитирования Scopus и Web of Science), 2 патента РФ на изобретение, 1 свидетельство о государственной регистрации программы для ЭВМ. Материалы опубликованных работ полностью отражают содержание диссертации.
Структура и объем работы
Диссертационная работа состоит из введения, четырех глав, заключения, библиографического списка из 72 наименований. Общий объем работы составляет 135 страниц, включая 8 таблиц, 65 рисунков и 31 формулу.
Спектральный метод
Приборы данной группы методов измеряют отраженный световой поток от поверхности объекта (для непрозрачных), а также прошедший через объект (для прозрачных и являются наиболее точными [40]. После нахождения характеристик отражения (пропускания) параметры цвета рассчитывают по функциям сложения цветов СКН при известных характеристиках используемого источника освещения.
Данный термин утвержден МКО в 1931 г. Стандартный колориметрический наблюдатель МКО (CIE standard colorimetric observer) - приемник излучения, колориметрические характеристики которого соответствуют функциям сложения в трехцветной колориметрической системе, например х(Я), у(Х), z(X) в принятой системе МКО XYZ 1931 г. Спектрофотометрия с применением интегрирующей сферы Спектрофотометр позволяет определить коэффициент отражения посредством нахождения отношения отраженного от измеряемого образца светового потока к исходному падающему потоку во многих точках видимого спектра:
Значение этого коэффициента выражают в процентах по отношению к совершенному отражающему рассеивателю, коэффициент отражения которого равен 100%. В спектрофотометре отраженный или пропущенный исследуемым образцом свет разлагается на спектральные составляющие. Это позволяет проводить измерения во многих точках по всему видимому спектру. Именно промежуточное разложение света определяет преимущество спектрофотометра по сравнению с простым колориметром.
Ниже представлена обобщенная схема двухлучевого спектрофотометра (Рисунок 1.2). Приборы такого типа были разработаны в конце 1980-х годов и используются во многих лабораториях мира и сегодня.
Обобщенная схема классического двухлучевого спектрофотометра В качестве источника света используется лампа, которая обеспечивает освещение в сфере, покрытой изнутри светоотражающим материалом, приближенное к стандартному источнику D65. Как правило, используют импульсные ксеноновые лампы, а внутреннюю поверхность покрывают сульфатом бария. Содержание в излучении ультрафиолетовой части спектра контролируется фильтром (используется при исследованиях люминесцирующих объектов). Сам исследуемый объект помещается в измерительное отверстие сферы, там он освещается диффузным светом (падающим под всеми углами). Часть света, которая отражается под углом 8 к нормали, попадает через отверстие к спектральному анализатору. На противоположной части сферы под тем же углом располагается ловушка блеска (зеркальной составляющей света, отраженного от образца). В этой точке (зеркальный порт) часть сферы является заглушкой. Она при необходимости исключения зеркальной составляющей перемещается, тем самым открывая ловушку света. Зеркальная составляющая коэффициента отражения возникает из-за отражения света от глянцевой поверхности. Так, если на исследуемый объект не попадает свет под углом 8 (из-за ловушки блеска), то и нет отраженного под углом 8 света и, в таком случае, отраженный от исследуемого объекта световой поток будет состоять только из диффузно-отраженного света. В результате подобных манипуляций прибор может включать в измеряемый коэффициент отражения зеркальную составляющую или исключать ее.
Второй луч в приборе - это луч сравнения, содержащий только свет, отраженный от стен сферы. Через специальное отверстие он идет к зеркалу и после него направляется в полихроматор. Сравнение этих двух лучей позволяет измерить коэффициент отражения исследуемого объекта по отношению отраженного света к падающему. Далее этот коэффициент возможно использовать для расчетов координат цвета по уравнениям: 700 700 700 Х = кс HxxRxSxAA, Y = kc HyxRxSxAA, Z = kc ЪЛЯЛАЛ, (1.2) 1=400 1=400 1=400 где х ,ТъЧ– функции сложения цветов (спектральная чувствительность глаза), к - множитель; R - коэффициент отражения предмета, S2 - спектральное распределение энергии источника света [41].
Использование двухлучевой схемы более предпочтительно, поскольку в этом случае измерения имеют высокую повторяемость и, в целом, более стабильны. Это обусловлено тем, что измеряется отношение двух величин, а не абсолютных значений. В результате погрешность измерений остается на очень низком уровне. В однолучевом спектрометре также можно измерить коэффициент отражения от анализируемого объекта, однако для этого необходимо вычислить коэффициент коррекции сферы, которая влияет на отраженный от объекта свет.
Методы исследования цветовых параметров объектов, использующие спектральный анализ, непрерывно совершенствуются. Главным образом, это позволяет добиться повышения точности, уменьшения габаритов и стоимости подобных изделий. Одним из наглядных примеров может служить система [42], предложенная П.А. Руевски и СМ. Далласом (Рисунок 1.3).
Отражающие и преломляющие свойства
В процессе роста кристаллов молекулы и ионы всегда образуют закономерную систему - кристалл начинает приобретать правильную геометрическую форму, ограниченную плоскостями граней. Некоторые грани оказываются больше других, в результате чего формируется внешний облик кристалла, или габитус. При кристаллизации вещества могут приобретать различный внешний облик (к примеру призматический, изометрический, таблитчатый и т.д.).
Анализ рассмотренных внешних отличительных признаков минеральных образцов применительно к решению задач ОСМС Для решения задач настоящего диссертационного исследования необходимо оценить потенциальные возможности использования рассмотренных отличительных признаков в СТЗ для анализа минерального сырья. Проанализируем, насколько информативен тот или иной признак для решения задач с помощью ОСМС. Что касается цветового признака, то оптический метод сепарации оперирует цветовыми характеристиками минеральных образцов в реальном времени и позволяет идентифицировать принадлежность образца к определенному классу/типу полезных ископаемых. Таким образом, цвет является важнейшим селективным признаком для анализа минерального сырья с помощью СТЗ.
Блеск определенных участков некоторых минералов применительно к решению задач ОСМС можно использовать как информационный признак «блик», присущий некоторым специальным типам минералов. Блик в изображении минеральных образцов – случай, преимущественно, зеркального отражения поверхностью минерального образца (или отдельных ее участков) потока излучения от источника освещения. Ниже свойства блика применительно к анализу минерального сырья будут рассмотрены более подробно.
Опалесценция не является информативным признаком для СТЗ анализа минерального сырья, поскольку «игру цвета» уловить возможно лишь в динамике при малых отклонениях угла наблюдения с помощью цифровой камеры или при визуальном анализе. Поскольку данный признак не является наблюдаемым на изображении при статичном положении опалесцирующего образца, то для СТЗ данный признак (при его наличии) будет схож с бликом. Таким образом, при разработке ОЭС ОСМС использовать его нецелесообразно.
Отражающие и преломляющие свойства минералов не являются информативными на стадии обработки изображений минеральных образцов. Однако свойство прозрачности важно учитывать при разработке принципов построения ОЭС ОСМС, поскольку прозрачные (полупрозрачные) образцы целесообразно исследовать на просвет, а не на отражение. Кроме того, спектрофотометрические данные об отражении и пропускании минеральных образцов необходимы на стадии разработки методики ОСМС для оценки достоверности результатов моделирования признаков минералов для СТЗ [49].
Внешний облик (габитус) не является информативным признаком для анализа минерального сырья оптическим методом, поскольку не содержит никаких данных, которые могли бы быть входными при разработке принципов построения ОЭС ОСМС и методики ОСМС. Тем не менее, данное свойство минералов, предположительно, может быть использовано для решения задачи анализа и разделения кристаллических структур с помощью СТЗ. Однако это выходит за рамки данной работы. Эффект же повышения селективности при решении поставленной в работе задачи с помощью данного признака в качестве дополнительного представляется крайне незначительным.
Таким образом, в результате проведенного анализа установлено, что из всех рассмотренных признаков для решения задачи ОСМС целесообразно использовать селективные признаки «цвет» и «блик». При этом свойство прозрачности минеральных образцов необходимо учитывать при разработке принципов построения ОЭС ОСМС и проектировании соответствующего макета системы, поскольку подходы к исследованию полупрозрачных и прозрачных образцов различны.
Поскольку ОЭС ОСМС основана на технологиях машинного зрения, необходимо уделять внимание характеру получаемых цветовых характеристик цифровых изображений, которые от камеры к камере могут значительно отличаться [50]. Кроме того, настройки видеотракта цифровых камер и шумовые характеристики электронного тракта также оказывают непосредственное влияние на получаемые данные и, как следствие, результаты последующего их анализа. Разумеется, к камерам подобных СТЗ должны предъявляться более жесткие требования, чем к фотокамерам и средствам телевизионного вещания.
Для внесения определенности в процесс получения и анализа цветного изображения минеральных объектов с помощью СТЗ предлагается выполнить моделирование свойств минералов для СТЗ, а также процесса искажения и восстановления получаемого изображения.
Принципы расчета конструкции ОЭС ОСМС
По рисунку видно, что цветовые оттенки соседних ячеек в большинстве случаев также отличаются друг от друга. Однако в случае с микроклином количество различных оттенков составляет 40 шт., в то время как у моделируемой поверхности белой бумаги, вследствие ее высокой однородности – 4 оттенка. Полученная цветовая картина по сложности характерна для реальных минеральных объектов со сложным гранулометрическим составом и низкой цветовой однородностью поверхности.
Как видно из результатов, моделируемые цветовые оттенки имеют корреляцию с реальными цветами минерального образца. Таким образом, предложенный математический аппарат позволяет по спектрофотометрическим данным моделировать цветовые оттенки, получаемые любой СТЗ, а также строить двумерные плоские поверхности анализируемых минеральных образцов и анализировать их цветовую палитру с целью поиска селективных признаков.
Реальные процессы идентификации объектов с помощью СТЗ, особенно в высокопроизводительных системах реального времени, в обязательном порядке подразумевают воздействие шума на точность обнаружения и анализа в электронном тракте аппаратно-программных комплексов. Поэтому учет шумовых составляющих и анализ возможностей их устранения - необходимая часть процесса моделирования отличительных признаков минеральных объектов для СТЗ.
В данном случае подразумевается восстановление полученных изображений, фильтрация и прочие процедуры, которые позволяют улучшить изображение в заранее определенном смысле. В некотором роде, это является реконструкцией данных, искаженных ранее факторами (или явлениями), о которых имеется определенная теоретическая информация. Таким образом, различные методы восстановления, как правило, основываются на моделировании вышеуказанных искажающих процессов и подразумевают использование обратных процессов для конечной реконструкции исходных изображений [53].
Процесс ухудшения изображения (Рисунок 2.14) смоделирован в виде искажающей функции, которая совместно с шумом влияет на исходное изображение f(x,y). При этом появляется искаженное изображение g(x,y). g(x,y) = H\f(x,y)] + rj(x,y). (2.15) Задача восстановления изображения заключается в нахождении некоторого приближенного к исходному изображения f(x,y). Как правило, в основе восстанавливающих процедур лежит обработка с помощью различных фильтров или их комбинаций.
Будем полагать, что оператор H – тождественный, и в таком случае имеют место только искажения, вызванные наличием шума. Процесс получения, предобработки и передачи изображения сам по себе привносит основной шум в его содержание. Качество многоэлементных приемников оптического излучения (сенсоров камер), температура, условия работы, а также внешние условия работы – основные факторы, влияющие на уровень шума в изображении.
Для построения модели шума будем считать, что шум не зависит от координат пикселя изображения и никак не связан с самим изображением (корреляция отсутствует). Условимся также, что далее речь идет о модели шума в пространственной области, т.е., когда его описание основано на статистических свойствах значений яркости. Данные значения могут быть рассмотрены как случайные величины, которые описываются функцией плотности распределения вероятностей.
Рассмотрим подробнее импульсный тип шума, известный как «соль и перец». Функция плотности распределения вероятностей биполярного импульсного шума задается следующим выражением [53]: p(z)= Ра при z = a; Pb при z = b; 0 в остальных случаях (2.16) где z - значение яркости. При условии Ъ а пиксель с яркостью Ъ выглядит, как светлая точка на изображении, а пиксель с яркостью а выглядит как темная точка. Данный тип шума является униполярным в случае, если одна из вероятностей ( РаилиPь) равна нулю. Если же Ра Ръ, то данный шум видится как крупинки соли и перца, «рассыпанные» по изображению.
Рассмотрим (Рисунок 2.15, 2.16, соответственно) этап искажения на примере воздействия импульсного шума на цветные изображения моделей поверхности образцов белой бумаги (Рисунок 2.12) и микроклина (Рисунок 2.13).
Результат воздействия на исходное изображение моделируемой поверхности микроклина импульсного шума «соль и перец»
Данная операция реализована с помощью функции imnoise пакета Image Processing Toolbox среды программирования MATLAB (версия R2008a). Воздействие произведено с аргументом плотности шума d = 0,2, т.е., количество пикселей с шумом составляет 0,2 от площади всего изображения. При размере изображения 1000800 это значение составит 160000 пикселей.
Оценим, насколько в изображении поверхности бумаги утратится информация, позволяющая судить о белизне образца, а в изображении поверхности микроклина - о полезности минерального образца.
Сначала выделим белые оттенки на исходном смоделированном изображении поверхности белой бумаги (Рисунок 2.12) и определим пороги различения цветовых оттенков белого цвета в изображении, используя специально разработанное автором ПО в среде LabView. Они составили для R-канала: 253-255; для G: 253-255; для В: 253-255. Затем найдем количество пикселей в исходном изображении моделируемой поверхности бумаги, цветовые координаты которых попадают в диапазоны пороговых значений, и выделим их на изображении белым цветом, остальные пиксели отметим черным цветом (Рисунок 2.17). В данном случае это количество составляет 640 000 пкс. при суммарной площади изображения 800 000 пикселей.
Результаты моделирования для рудной пробы кварцитов
В ОЭС ОСМС независимо от качества получаемых изображений объектов анализа необходимо использовать методы цифровой обработки изображений [70]. Этот процесс условно делится на два этапа: этап предварительной обработки изображений и целевой этап решения задачи. Первый используется для улучшения/коррекции изображений. Второй – для решения поставленной задачи (распознавание и анализ объектов в соответствии с выбранным алгоритмом).
Рассмотрим подробнее указанные процедуры цифровой обработки изображений, реализованные в макете ОЭС ОСМС. 3.3.1 Коррекция по фону
Коррекцию по фону необходимо использовать в тех случаях, когда на краях или некоторых участках изображения наблюдается неравномерная засветка или теневые сцены. Пример такого изображения представлен на Рисунке 3.7.
Данное изображение получено ПЗС-камерой Basler acA-1300gc при освещении белой бумаги двумя светодиодными линейками длиной 30 см. (светодиоды белого «холодного» свечения с расстоянием между отдельными элементами 24 мм). Теневые зоны на краях изображения обусловлены характеристиками объектива, а также невысокими показателями равномерности освещения рабочей зоны.
На Рисунке 3.8 представлено изображение минерального образца микроклина, снятое на белом фоне при тех же параметрах подсветки. Рисунок 3.8 – Необработанное изображение образца микроклина на белом фоне
В изображении видно наличие нескольких периодических теневых контуров, а также тени по краям кадра. Первые обусловлены тем, что высота образца – порядка 4 см, а дискретность расположения светодиодов в линейке осветителя – 24 мм, поэтому каждый теневой контур является результатом тени при освещении от каждого дискретно расположенного светодиода. Кроме того, участки с тенью перекрываются с контурами образцов, а это, в частности, может привести к сложностям при определении границ контуров образца в изображении.
В общем случае теневые зоны в изображении всегда препятствуют дальнейшей обработке (выделению объекта, сегментации и т.д.) изображений, поэтому важной задачей является формирование максимально качественного изображения еще на стадии его получения камерой. В таком случае, помимо соответствующей настройки видеотракта камеры, необходимо реализовать равномерную освещенность образца в зоне анализа, настроить параметры расположения объекта анализа/фона/камеры наилучшим образом для наблюдения за конкретным объектом анализа.
Однако, в силу ряда причин (например, большая крупность и сложная топология минеральных образцов, дискретность пространственного расположения отдельных излучающих элементов в ИО и т.д.) даже тщательный подбор элементов для макета ОЭС ОСМС и их настройка могут оказаться недостаточными для получения изображения с высокими четкостью и оптическим контрастом объекта к фону. В таком случае возможно улучшить изображение с помощью процедуры нормализации по фону.
Произведение Адамара, также известное как произведение Шура – операция, которая из двух матриц одинаковых размеров получает другую матрицу (не изменяя размерность), где каждый элемент i,j является продуктом элементов i j оригинальных двух матриц (другими словами, поэлементное умножение, а не умножение по правилу умножения матриц друг на друга) [71]. Названо в честь французского и немецкого математиков Жака Адамара и Иссая Шура. Операция широко используется в программировании, имеет встроенный синтаксис «. » – в языках MATLAB, Gauss; « » – в Fortran, Mathematica (Wolfram Language) и др. представляет интереса, поскольку является промежуточным результатом, который иногда необходимо использовать для некоторых приложений обработки цифровых изображений.
Но главным обстоятельством является то, что улучшить исходное изображение образца при использовании данного фона возможно, что само по себе представляет большой интерес, поскольку все операции обнаружения и идентификации производятся с изображениями анализируемых объектов. Пусть
Применяя к исходному изображению образца микроклина (Рисунок 3.8) данный алгоритм коррекции, получим улучшенное изображение (Рисунок 3.10).
На рисунках видно, что тени у краев изображений значительно минимизированы после коррекции. От периодических теней контуров образцов избавиться не удалось, однако это не препятствует процедурам порогового выделения изображения из фона (рассмотрены в Разделе 3.3.3).
В Разделе 2.3.5 была рассмотрена возможность фильтрации применительно к моделируемым изображениям поверхности белой бумаги и образца микроклина. Поскольку импульсный шум является одним из характерных типов шума в СТЗ, а также является некоррелированным по координате в изображении, рассмотрим возможность использования медианной фильтрации, как одного из основных и быстрых алгоритмов коррекции импульсного шума на примере образца микроклина. Также количественно оценим результаты цветовой сегментации искомых пикселей заданной цветности до и после воздействия импульсного шума на изображение.
Будем считать, что в соответствии с описанием в образце микроклина наиболее ценный компонент имеет коричневый окрас (Рисунок 3.11, зоны выделены контуром зеленого цвета). Рисунок 3.11– Изображение образца микроклина с обозначением цветовых зон, которые характеризуют полезный компонент С помощью разработанного автором ПО выделим несколько таких областей и сформируем на их основе диапазон порогов различения искомого цвета (Таблица 3.1).