ем определенного реального объекта в рассмотренном смысле, оно является некоторым первичным изображением в виде графической, знако-буквенной или иной информации.

§ 1.4. Изображение - объект исследования

Наряду с широким развитием телевидения как способа передачи визуальной информации на расстояние телевизионная техника породила новые научно-технические направления, среди которых наибольшее развитие получило исследование изображений с целью извлечения количественной информации об объектах, явлениях и процессах, протекающих в поле изображения. Изображение стало объектом исследования.

Исследование изображений базируется на их анализе и обработке. Анализ изображения предусматривает изучение отдельных характеристик, составных частей, фрагментов или отдельных объектов в поле изображения. В ряде случаев результат анализа является конечной целью, например в измерительных ТВС таким результатом являются значения функции распределения объектов в поле сканирования по размерам (технологический контроль деталей, измерение размеров клеток в цитологии и т. п.). В других случаях анализ может быть лишь исходной процедурой для формирования признаков (системы распознавания зрительных образов, ро-бототехнические системы и др.)- Конечным результатом анализа и в этом случае может быть распознавание или классификация объектов или изображений в целом.

Обработка изображения, основанная на обработке соответствующих сигналов, предусматривает внесение в формируемое изображение тех или иных изменений по сравнению с оригиналом (увеличение контраста мелких деталей изображения, окраска определенных деталей изображения в условные цвета, перераспределение градаций яркости в изображении и др.). Обработка сигналов изображений часто используется в системах анализа изображений как этап, предшествующий процедуре анализа. Например, в системах анализа интерференционных картин изображение полутоновой интерференционной картины преобразуется в двоичное изображение координат интерференционных полос. Обработанное таким образом изображение подвергается анализу с целью восстановления исходного волнового фронта, измерения параметров интерференционной картины и т. п.

Заметим, что обработка сигналов изображения широко используется не только в процессе исследования изображений, по и в системах вещательного телевидения с целью улучшения качества изображения, формирования определенного художественного воздействия на зрителя, создания спецэффектов и др.

Обработка сигналов изображения может производиться с целью формирования изображений, отображающих те или иные свойства объекта исследования, но физически (как изображение) не суще-

ствующих. в этом случае говорят о реконструкции изображений. На реконструкции изображений базируется вычислительная томография- метод, позволяющий формировать изображения, соответствующие заданной плоскости сечения объемных предметов (рис. 1.2). Вычислительная томография нашла широкое применение в медицинской диагностике и технической дефектоскопии (при исследовании в потоке рентгеновских лучей), в ультразвуковых полях и др.

Системы анализа и обработки изображений можно разделить на два класса:

1) системы телевизионного типа, в которых анализ и обработка

изображения осуществляются за время одного или нескольких кадров; основным достоинством таких систем является возможность анализа динамических изображений в реальном времени;

2) системы, реализующие сложные процедуры обработки, требующие большого объема памяти и времени обработки сигналов, существенно превышающего время телевизионного кадра; такие системы используются главным образом для анализа статических изображений.

Режим реального времени здесь следует понимать как режим, обеспечивающий регистрацию явлений и выработку заданных решений (измерений) без вторжения в динамику явлений, протекающих в поле изображения.

Системы анализа и обработки изображений получили значительное развитие с применением микропроцессоров, больших интегральных схем и матричных фотоэлектрических преобразователей, устройств оперативной и долговременной памяти, ЭВМ. Такие системы широко используются при изучении космического пространства, в навигации, биологии и медицине, в промышленности для автоматизации производственных процессов и в других областях народного хозяйства.

При исследовании изображений в большинстве случаев отпадает необходимость исходить из свойств зрительной системы человека. Описание изображения, предусматривающее выделение его признаков в целом, фрагментов или объектов в поле сканирования, определяется задачами исследования. К таким задачам относятся: классификация изображений, обнаружение объектов с заданными характеристиками в поле сканирования, кодирование сигналов изображения, описание с целью введения количественной меры (измерение).

Рис. 1.2. К пояснению метода вычислительной томографии:

а - объект исследования: б - оеконструированное изображение объекта в плоскости сечения А

в связи с широким использованием анализа и обработки изображений для решения народнохозяйственных задач этому направлению исследований посвящено большое число работ [4, 5 и др.].

В качестве примера приведем несколько характеристик, используемых в системах исследования изображений.

Наиболее часто используется гистрограмма распределения яркости элементов изображения. Эта характеристика является пространственно инвариантной. По оси абсцисс откладываются значения яркости с интервалами AL=

= (Lrr,ax-Lmiu)/b, ГДб 6 - ЧИСЛО f I

разрядов гистограммы. По оси ординат откладывается число элементов щ, имеющих яркость, соответствующую определенному

0,02

O.QI

120 LoTH.ed.

о га но 66 S3 )оо х

Рис. 1.3. Гистограмма распределения яркости элементов изображе-

Рис. 1.4. Гистограмма распределения p(S)

интервалу. Часто гистограмма нормируется, и по оси ординат откладывается нормированное значение, т. е. относительная частота (частоты) Pi = ni/n, где п - общее число элементов изображения.

Пример гистограммы серии киноизображений приведен на рис. 1.3 [6]. Усредненная гистограмма описывает яркость 68 кинокадров, выбранных случайным образом из черно-белых кинофильмов. Как видно из графика, в плоскости изображения преобладают эле.менты с темными участками, а число элементов с увеличенной яркостью убывает обратно пропорционально яркости (\/L).

Приведенные результаты могут быть использованы при построении систем эффективного кодирования для передачи сигналов по каналам связи, систем автоматической классификации изображений, а также при решении задач описания изображений.

Для классификации объектов может использоваться такой признак, как площадь S. На рис. 1.4 приведены гистограммы распределения по площади p(S) для двух форм лейкоцитов: лимфоцитов (/) и моноцитов {2). Приведенные данные использованы при построении автоматического классификатора клеток крови человека [5].