Обробка даних у середовищах MathCAD і LabVIEW

Введення

Мета даного курсового проекту полягає в реалізації пропонованих алгоритмів і методів обробки масивів даних (цифрових зображень) за допомогою середовищ MathCAD і LabVIEW, а так же порівняльний аналіз двох розглянутих додатків, вказавши їх переваги та недоліки, по відношенню один до одного. Слід відзначити середовища MathCAD і LabVIEW є найбільш наочними і часто використовуваними для вирішення різних інженерних обчислювальних завдань і дослідницьких проблем.

Обробка цифрових зображень є досить яскравим і наочним прикладом перетворення та аналізу вимірювальних даних. Цифрове перетворення зображень широко використовують у промислових системах машинного зору, вимірювальних відеосистемах, прикладних телевізійних системах, мовній телебаченні і так далі.

Призначення цифрового перетворення зображень полягає у створенні умов для поліпшення сприйняття зображення (наприклад, в рентгено-або ультразвукової медичної діагностиці), формування певного художнього образу (в телебаченні), виділення інформативних ознак (у системах розпізнавання зображень, вимірювальних системах, системах моніторингу) і так далі.

В даному курсовому проекті будуть використані такі цифрові перетворення як, імпортування даних з отриманого файлу в масив; інверсія зображення; лінійне контрастування вихідного зображення; побудова лінійної та кумулятивної вихідного і контрастувало зображення; бінарізація отриманого зображення після лінійного контрастування з різними порогами бінарізаціі; дворазове збільшення контрастувало зображення, використовуючи екстраполяцію нульового порядку і інтерполяції першого порядку для відновлення проміжних пікселів зображення; експортування контрастувало і відновлених зображень у bmp файли.

Слід розрізняти обробку зображень, призначених для зорового сприйняття, і обробку в пристроях автоматичного аналізу, де на перший план виходять завдання виділення ознак, визначення точних поточних координат об'єкта і формування даних про кількісні характеристики.

Досліджувані зображення відображають закономірності взаємодії світлового та іншого електромагнітного випромінювання з окремими ділянками вивчається сцени. Модуляція променевого потоку відбувається як за величиною енергії, так і по спектральному розподілу і здійснюється в результаті взаємодії випромінювання з досліджуваним речовиною внаслідок явищ поглинання, відбиття, розсіювання, заломлення, поляризації або інтерференції. Саме на ці властивості, як правило, засноване використання обробки зображень в системах автоматичного аналізу з метою витягу кількісної інформації про досліджуваних об'єктах.

Підготовка вихідного зображення

Створення вихідного цифрового зображення шляхом цифрового фотографування і подальшої обробки в редакторі Abode Photoshop. Збереження отриманого зображення в форматі bmp, розміром 300х300 пікселів (Рис п. 1).

Обробка зображень шляхом поелементний перетворень

Результат обробки в будь-якій точці кадру залежить тільки від значення вхідного зображення в цій же точці. Очевидним достоїнством таких процедур є їх гранична простота. Разом з тим, багато хто з них призводять до очевидного суб'єктивному поліпшення візуальної якості. Цим визначається увагу, яка приділяється поелементний процедур. Не перебільшуючи їх ролі, відзначимо, що дуже часто поелементно обробка застосовується як заключний етап при вирішенні більш складної задачі обробки зображення. Часто буває корисним підкреслити, посилити якісь риси, особливості, нюанси спостережуваного зображення з метою поліпшення її суб'єктивного сприйняття.

Представлення отриманого зображення в матричному вигляді

MathCAD

Рис 1а

LabVIEW

Рис 1б

Інверсія зображення

Під інверсією зображення розуміється отримання негативу з початкового зображення і навпаки (Рис 2а, б). При використанні восьми бітового формату зображення градації сірого рівень яскравості кодується 256 рівнями (від 0 до 255). Фактично здійснюється перетворення білого до чорного, з огляду на всі 256 рівнів кодування (Рис п. 2).

MathCAD

Рис 2а

LabVIEW

Рис 2б

Лінійне контрастування зображення

Завдання контрастування пов'язана з поліпшенням узгодження динамічного діапазону зображення і екрану, на якому виконується візуалізація. У розглянутому випадку формату градацій сірого на кодування кожного відліку зображення відводиться 1 байт (8 біт) пристрою, що запам'ятовує, тому рівні можуть приймати одне з 256 значень. Звичайно як робочого використовується діапазон 0 ... 255; при цьому значення 0 відповідає при візуалізації рівнем чорного, а значення 255 - рівню білого. Припустимо, що мінімальна і максимальна яскравості вихідного зображення рівні і відповідно. Якщо ці параметри або один з них суттєво відрізняються від граничних значень яскравості діапазону, то візуалізована картина виглядає як ненасичена, незручна, стомлюються при спостереженні.

Отримаємо ненасичені зображення (Рис п. 3), а потім, за допомогою лінійного контрастування, покращимо його якість (Рис 3а, б, Рис п. 4).

MathCAD

Рис 3а

LabVIEW

Рис 3б

Побудова лінійної та кумулятивної гістограми зображення

Для цифрового зображення формату градації сірого, шкала яркостей якого належить цілочисельного діапазону 0 ... 255, гістограма являє собою таблицю з 256 чисел. Кожне з них показує кількість точок у кадрі, що мають дану яскравість.

Лінійна гістограма визначає повний перебір матриці зображення. Значення елементів матриці в свою чергу є індексами масиву гістограми. При виборі будь-якого елемента матриці до відповідного елементу масиву гістограми додається одиниця. У підсумку, після повного перебору матриці кожен елемент масиву відображає загальне число елементів матриці з відповідним рівнем яскравості (Рис 4а, 5а, Рис п. 5а, б).

У кумулятивної гістограми будь-яке значення елемента масиву дорівнює сумі всіх попередніх (Рис 4б, 5б, Рис п. 6а, б).

MathCAD

Рис 4а

Рис 4б

LabVIEW

Рис 5а

Рис 5б

Бінарізація зображення

Перетворення з порогової характеристикою перетворює напівтонове зображення, що містить всі рівні яскравості, в бінарне, точки якого мають яскравості 0 або 255.

Така операція, яка називається іноді бінарізаціей або бінарним квантуванням, може бути корисною, коли для спостерігача важливі контури об'єктів, присутніх на зображенні, а деталі, що містяться всередині об'єктів або всередині фону, не представляють інтересу (Рис 6а, б).

MathCAD

Рис 6а

LabVIEW

Рис 6б

Двократне збільшення зображень

Масштабування зображень є досить важливим завданням при аналізі зображень. Це завдання нерозривно пов'язана з проблемою відновлення даних, тому що при збільшенні фізичних розмірів зображення завжди виникають проміжні пікселі, значення яких не відомо. Визначення рівнів яскравості нових пікселів і є основна розв'язувана задача. Однак обидва пропонованих методу добре застосовні тільки для одновимірних масивів, тому спочатку необхідно провести операцію відновлення даних порядково, ігноруючи рядки тільки з новими пікселями (всіма нульовими значеннями), а потім виконати ту ж операцію для стовпців отриманої матриці.

Екстраполяція нульового порядку

Екстраполяція нульового порядку полягає в прирівнювання новому пікселю значення поточного (Рис 7а, б, Рис п. 7).

MathCAD

Рис 7а

LabVIEW

Рис 7б

Інтерполяція першого порядку

Інтерполяція першого порядку полягає в прирівнювання новому пікселю середнього значення двох сусідніх оригінальних пікселів (Рис 8а, б, Рис п. 8).

MathCAD

Рис 8а

LabVIEW

Рис 8б

Висновок

В даній курсовій роботі були розглянуті два програмні середовища - MathCAD та LabVIEW. Як об'єкт дослідження було використано восьмібітное зображення розміром 300х300 пікселів. У ході дослідження було з'ясовано, що якість кінцевих і проміжних результатів, отриманих за допомогою обох середовищ, виявилося ідентичним. Одним з достоїнств середовища LabVIEW є наочність алгоритму виконання і інтуїтивний зрозумілий інтерфейс, що є суттєвою перевагою в порівнянні з програмою MathCAD. Однак, якщо порівнювати витрачаються ресурси ПК, необхідні для виконання поставлених завдань, то видно, що для одних і тих самих алгоритмів LabVIEW необхідна набагато потужна «машина». Це чітко видно в розділах «інтерполяція» і «Екстраполяція». На мою думку, спектр вирішуваних завдань у середовищі LabVIEW ширше, ніж у середовища MathCAD. Але в рамках даної курсової роботи це побачити не можна. Тому можна зробити висновок, що MathCAD є оптимальною програмою для реалізації поставленого завдання.

Список літератури

1. Керівництво до курсового проектування: Обробка даних у середовищах MathCAD та LabVIEW, Таганрог 2007

Додаток

Рис п. 1

Рис п. 2

Рис п. 3

Рис п. 4

Рис п. 5а

Рис п. 5б

Рис п. 6а

Рис п. 6б

Рис п. 7

Рис п. 8

Для підготовки даної роботи були використані матеріали з сайту http://referat.ru