Главная / Наука о пчелах / Цифровая обработка

Цифровая обработка изображений экстерьерных признаков насекомых, на примере крыла Apis mellifera M (пчела медоносная)

Цель данной работы - реализовать цифровую обработку изображения выбранного объекта (крыло пчелы) соответствующими методами. Эта работа является важным этапом в разработке автоматизированной экспертной системы определения породности пчел по экстерьерным признакам. Из-за не идеальности съема информации: помех при считывании, неоднородностей бумаги и других подобных причин получаемое изображение может иметь различные отклонения, часть из которых носит систематический, а часть - случайный характер. На этапе предварительной обработки осуществляется утоньшение линий полученной картинки, что необходимо для ее последующей, правильной обработки.

Независимость конечного результата о цветовой градации и относительная простота реализации алгоритмов обработки бинарных изображений по сравнению с полутоновыми дает возможность упростить задачу обработки данных посредством бинаризации. В данном, конкретном случае было реализовано несколько методов бинаризации (ранговые, разностные) для дальнейшего сравнительного анализа их эффективности. Выбрав конкретный пороговый метод [2] (в нашем случае наиболее эффективным оказался ранговый метод, с использованием масок 3x3 и 5x5), пользователь сам может варьировать порог, добиваясь тем самым наилучшего результата.

Процесс фильтрации изображения необходим для устранения помех и шумов, которые могут повлиять на структуру и форму выделенных объектов. Процедура подавления шумов реализуется с помощью методов фильтрации, для бинарного изображения - «логические» фильтры. Неодинаковость ширины линий относится к систематическим отклонениям. К числу отклонений, носящих случайный характер, относятся незначительные выступы и впадины по длине линий, различные отростки - так называемая «бахрома». Эти искажения также необходимо удалять при предварительной обработке. Другим видом случайных отклонений являются пустоты, т. е. группы не зачерненных элементов внутри линий, в предельном случае, когда размер «пустоты» совпадает с шириной линии, возникает разрыв. Пустоты и разрывы - весьма нежелательные явления, поэтому в процессе предварительной обработки они должны заполняться.

Для их устранения вышеперечисленных отклонений были реализованы следующие методы фильтрации:

Метод «удаления шумов». В этом методе используется окно 3x3. Берется исходный пиксел а и восемь соседних и определяется их цвет. Далее проводится сортировка всех цветов. Исходной точке присваивается среднее значение. Как дополнительная возможность: использование не цвета, а яркости.

Метод «стирание “бахромы”». В данном методе осуществляется четыре прохода изображения в разных направлениях и используется фильтр 3x3. Следующим этапом обработки изображения является процедура выделения «остова» («скелета») изображения или его утоньшение. Утоньшение - это преобразование изображения, удовлетворяющее следующим условиям: после преобразования все линии имеют толщину в один элемент (пиксел); преобразование не нарушает топологию символа, т. е. линиям и узлам исходного изображения соответствуют линии и узлы в преобразованном изображении.

Процедура скелетизации не только понижает размерность исходного образа, но и сохраняет основную топологическую, геометрическую, морфометрическую и структурную информацию, что существенно облегчает составление алгоритмического описания распознаваемого изображения.

Примеры действия методов бинаризации и скелетизации

Входное изображение:
правое переднее крыло пчелы
в серых полутонах.
I. Результаты действия некоторых методов бинаризации
1. Разностное изображение по яркости с использованием порога (по умолчанию 3000)
2. Обращение по яркости с использованием порога (по умолчанию 57000)
3. Обращение по рангу цвета с использованием окна 3x3 или 5x5 и порога (по умолчанию 5 или 14 соответственно)
с использованием окна 3*3 с использованием окна 5*5
II. Удаление шумов позволяет сгладить изображение
исходное изображение после удаления шумов
III. Получение скелета изображения
черно-белое изображение скелет полученный после стирания "бахромы"

Исходные изображения обладают значительной информационной емкостью, выполнение каждого из вышеперечисленных этапов цифровой обработки приводит к существенному сокращению объема информации.

Информативность «скелета» определяется тем, что он сохраняет ряд значимых свойств исходного изображения: связность, ориентацию главной оси, симметрию. «Скелет» дает возможность восстановить структуру объекта, т. е. пространственную конфигурацию частей объекта, но не сохраняет полностью их локальные свойства.

Из проведенного анализа методов предварительной обработки изображений был сделан выбор наиболее оптимальных методов фильтрации, бинаризации и аппроксимации. Данная работа была необходима для дальнейшей, эффективной работы с изображением выбранного объекта, а именно: распознавание морфометрического признака и определение по нему породы.

Литература

  1. Ломаев Г.В., Колбина Л.М., Хан Н.В, Непейвода С.Н., Бондарева Н.В. Динамика изменения экстерьерных признаков пчел Прикамья//Пчеловодс- тво. - 2004. - № 2. - С. 14-15.
  2. Павлидис Т Алгоритмы машинной графики и обработки изображений. - М.: Радио и связь, 1986. - 399 с.

Н.В. Хан ГОУ ВПО «Ижевский государственный технический университет»