Printer Friendly

Image processing to recognize round shapes in embedded systems/Vaizdo apdorojimas iterptineje sistemoje apvaliai formai atpazinti.

Ivadas

Iterptines sistemos yra viena is placiausiai naudojamu procesoriniu sistemu. Del mazo dydzio, kainos ir pakankamo funkcionalumo jos naudojamos absoliuciai visose su vaizdo signalais susijusiose srityse. Robotinese sistemose daznai naudojami ir asmeniniai kompiuteriai. Jie iterptines sistemas lenkia sparta, taciau atsilieka energetiniu nasumu, kuris yra labai svarbus autonominiu mobiliuju robotu parametras. Del sios priezasties siekiama vaizdu apdorojima ir atpazinima pritaikyti energija taupancioje iterptineje sistemoje.

M. Schauf ir kt. (1998) siulo morfologines funkcijas naudoti segmentuotam vaizdui apdoroti. Tai tinka net triuksmingoms nuotraukoms apdoroti nenaudojant papildomu filtru. Taciau toks metodas yra imlus resursams. N. Hiransakolwong ir kt. (2004) siulo naudoti koreliacija tarp objektu ir lyginti panasumo koeficientus. Siuo atveju reikia tureti ir apdorotu objektu duomenu baze.

Gerus rezultatus gauna S. A. Redfield ir kt. (2001), kai taiko histogramas nesinaudodami vaizdo segmentavimu. Tai idiegta i robota, kurio skaiciavimus atlieka asmeninis kompiuteris, gebantis apdoroti vaizda per 70 ms. Taciau kai susiduriama su kintanciu apsvietimu, kyla atpazinimo problemu.

Tiesiu liniju Hough transformacija (angl. Straight line Hough transformation) naudodami D. S. Pao ir kt. (1992) parodo, kad galima sutapatinti du objektus pagal transformacijos duomenis.

Darbas skirtas apvaliems objektams atpazinti, nesinaudojant kitais objektais ir nelyginant su kitais objektais is sistemos duomenu bazes, o atpazistant pagal esminius pozymius. Jei segmentuotas vaizdas yra pilnaviduris, tada po transformavimo gaunamas informacijos kiekis yra didziulis ir tik po sudetingu ir ilgu duomenu manipuliaciju galima atskirti figuros pobudi. Del dideliu atminties ir spartos reikalavimu iterptine sistema ne visada gali realiu laiku apdoroti duomenis, todel reikia meginti mazinti apdorojamu tasku skaiciu.

Vaizdo apdorojimas

Vaizdui apdoroti skirtos sistemos strukturine schema pateikta 1 pav.

Prie iterptines sistemos jungiama OV9650 kamera atkuria vaizda YCbCr 4:2:2 formatu (Omnivision Technologies Inc. 2005), kuriame dviem taskams naudojamos 2 sviesumo komponentes ir po viena skirtumine (melynos ir raudonos spalvos). Taigi, 320 x 240 dydzio vaizdo masyvui reikia 153 600 baitu atminties.

[FIGURE 1 OMITTED]

OV9650 kamera turi RGB vertimo i YCbCr matrica (Omnivision Technologies Inc. 2004):

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII] (1)

Taikant (1) formule vaizdo masyva galima perskaiciuoti i RGB matrica, kuria bus naudojamasi sprendziant spalvos isskyrimo uzdavini:

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII] (2)

Atimties veiksmai reikalingi zenklui ivertinti.

Segmentuoti pasirinkta didziausios Y vertes YCbCr spalvine gama, is kurios isskiriama sritis, turi sodriausia geltona spalva. Is 2 pav. matyti, kad galima atrasti asis kertancius taskus. Svarbus taskai yra {Cb; Cr}:

--{0; 100} ir {255; 200},

--{0; 200} ir {255; 100},

--taskai su vertikalia tiese. Nelygybes, aprasancios sias salygas, yra:

[MATHEMATICAL EXPRESSION NOT REPRODUCIBLE IN ASCII] (3)

[FIGURE 2 OMITTED]

Pasinaudojus YCbCr spalvine gama, mazinant Y verte buvo nustatyta kritine riba, kai nebelieka geltonos spalvos ir kai geltona spalva yra per tamsi. Kritine riba pasiekiama, kai Y verte yra mazesne kaip 140. Si verte tampa dar viena vaizdo segmentavimo salyga.

Norint kuo tiksliau isskirti spalva, tenka spresti sudetingesnes nelygybes. Tai didina apdorojimo trukme. Del sios priezasties iterptineje sistemoje tikslingiau taikyti kuo paprastesnius skaiciavimus.

Vaizdui filtruoti taikomas gretutiniu tasku filtravimas, kurio metu tiesiogiai tikrinamos centrinio tasko ir gretimu tasku vertes ir pasalinami vienetiniai taskai ar smulkios linijos. Lyginant su adaptyviuoju suminiu filtru gretutiniu tasku filtras del trumpesnes kreipties i atminti (bent vienas netinkamas taskas nutraukia tikrinima) veikia daug sparciau. Adaptyvusis filtras visada tikrina visus taskus ir tik apdorojimo pabaigoje vyksta duomenu atrinkimas. Atlikus tyrimus nustatyta, kad esant tam paciam tasku skaiciui adaptyvusis filtravimas trunka iki 30 kartu ilgiau.

Segmentuotas ir filtruotas vaizdas perduodamas krastu nustatymo funkcijai (3 pav.). Kai vaizdas binarinis, krastu nustatymo uzdavinys yra tik loginis, t. y. norint rasti vaizdo duomenu maksimalius gradientus nereikalinga sudetinga filtravimo sistema, uztenka logini? veiksmu ir papildomos atminties apie praeitos informacijos pobudi.

Turint objekto, esancio vaizde, krastus, vaizdas perduodamas tiesiu liniju Hough transformacijai, kuria yra parametrizuojamas. Parametrizuoti duomenys dedami i kaupikli. Kaupiklyje po transformacijos esantys duomenys analizuojami siekiant rasti tiesiu kieki masyve ir didziausi? tiesiu ilgi.

[FIGURE 3 OMITTED]

4 pav. pateikti daugiakampio ir elipses atvaizdu testavimo Hough transformacija rezultatai.

Is testavimo rezultatu akivaizdziai matyti, kad jei tarpe tarp krastu nustatymo yra 4 taskai, tai elipse turi daugiausia 9 taskus vienoje tieseje, o daugiakampyje, turinciame ivairaus ilgio krastines vienoje tieseje, yra 27 taskai. Sie duomenys sudaro atpazinimo pagrinda.

Is 4 pav. grafiku matyti, kad rezultatu analize turi buti pradedama, tik kai maksimali verte virsija 4, nes mazesniu reiksmiu yra beveik tiek, kiek kaupiklyje tasku.

[FIGURE 4 OMITTED]

Rezultatai

Iterptiniu sistemu, skirtu apvaliems objektams atpazinti, nesinaudojant ir nelyginant su objektais is sistemos duomenu bazes ir apvalu objekta atpazistant pagal esminius pozymius, tyrimo rezultatai pateikti 5, 6 ir 7 pav.

[FIGURE 5 OMITTED]

[FIGURE 6 OMITTED]

[FIGURE 7 OMITTED]

Apdorojus realaus baliono vaizda pagal aprasyto algoritmo zingsnius, gauname panasu rezultata kaip ir su testuotu elipses vaizdu, kai tiesiu ilgiai yra trumpi ir kunas neturi ryskiu kampu.

Isvados

1. Nenaudojant sudetingu morfologiniu ar kitu skaiciavimo technologiju, pateikiamas paprastas budas atpazinti apvalius objektus vaizde. Ivertinant iterptines sistemos pajegumus (72 MHz taktinis procesoriaus daznis), buvo pasiektas iki vieno kadro per sekunde greitis, kuri tokioms iterptinems sistemoms galima laikyti patenkinamu.

2. Loginis objekto krastu nustatymas segmentuotame vaizde del paprastumo ir greito veikimo geriausiai tinka iterptinems sistemoms.

3. Hough transformacijoje kampams skaiciuoti geriau tinka naudoti sinusu, kosinusu lenteles. Tai sumazina sistemos resursu poreiki.

4. Metodo tiksluma apriboja objekto dydis ir jo centro koordinaciu nuotolis nuo transformacijos asies pradzios. Si parametra butina ivertinti ir idiegti papildomu apribojimu sistemoje.

Literatura

Hiransakolwong, N., et al. 2004. Shape recognition based on the medial axis approach, in IEEE International Conference on Multimedia and Expo, 2004. ICME '04, 257-260.

Omnivision Technologies Inc. 2004. OV9650 Color CMOS SXGA (1.3MegaPixel) CameraChip [TM] Implementation Guide [interaktyvus], [ziureta 2010 m. balandzio 21 d.]. Prieiga per interneta: http://www.dragonwake.com/download/arm9download/OV9650.pdf

Omnivision Technologies Inc. 2005. OV9650 Color CMOS SXGA (1.3 MegaPixel) CameraChip [TM] with OmniPixel [TM] Technology [interaktyvus], [ziureta 2010 m. vasario 2 d.]. Prieiga per interneta: http://www.arm9board.net/download/ OK6410/docs/datasheets/OV9650.pdf

Pao, D. C. W.; Li, H. F.; Jayakamur, R. 1992. Shape recognition using the straight line Hough transform: theory and generalization, IEEE Transaction on Pattern Analysis and Machine Intelligence 11(14): 1076-1089. http://dx.doi.org/10.1109/34.166622

Redfield, S. A., et al. 2001. Efficient object recognition using color, in Florida Conference on Recent Advances in Robotics, 2001. Florida, 101-110.

Schauf, M.; Aksoy, S.; Haralick, R. M. 1998. Model-based shape recognition using recursive mathematical morphology, in Proceedings of the 14th International Conference on Pattern Recognition, Brisbane, Qld. Australia, 202-204.

doi: 10.3846/mla.2012.03

Donatas Mulskis

Vilniaus Gedimino technikos universitetas

El. pastas r2d2.lt@gmail.com
COPYRIGHT 2012 Vilnius Gediminas Technical University
No portion of this article can be reproduced without the express written permission from the copyright holder.
Copyright 2012 Gale, Cengage Learning. All rights reserved.

Article Details
Printer friendly Cite/link Email Feedback
Author:Mulskis, Donatas
Publication:Science - Future of Lithuania
Article Type:Report
Geographic Code:4EXLT
Date:Feb 1, 2012
Words:1072
Previous Article:Optimization of segmentation quality of integrated circuit images/Integriniu grandynu vaizdu segmentavimo kokybes optimizavimas.
Next Article:Malicious botnet survivability mechanism evolution forecasting by means of a genetic algorithm/Kenkejisku botnet tinklu isgyvenamumo mechanizmu...
Topics:

Terms of use | Privacy policy | Copyright © 2019 Farlex, Inc. | Feedback | For webmasters