Описание текстуры поверхности.

Один из методов, с помощью которых система машинного зрения “конструирует” объект из мешанины данных о его внешнем изображении, – анализ текстуры – применяется и при распознавании предметов. Конкретная текстура поверхности представляется в массиве уровней серого определенными комбинациями значений яркости. Резкие изменения текстуры чаще всего указывают на переходы от одной физической поверхности к другой, например, от луга к лесу на аэрофотоснимках. Плавные же изменения текстуры могут дать ключ к распознанию трехмерной формы объекта.

Для описания текстуры поверхности применяются два основных метода: структурный и статистический анализы. При структурном анализе система ищет характерные особенности, или приметы, объекта и соотношения между ними. При выявлении примет система обычно пользуется для нахождения линий раздела методом поиска контуров в массиве уровней серого.

Статистический подход применяется для анализа поверхностей, в текстуре которых трудно выделить характерные приметы, или изображений, в которых такие детали не видны, как, например, при получении некоторых изображений со спутников. Здесь внимание концентрируется на соотношении яркостей данного пиксела и его окружения в массиве уровней серого, и в результате определяется вероятность того, что данный пиксел близок по яркости своим соседям. Например, статистический анализ изображения меха должен показать, что по яркости более близки соседние пикселы по вертикали, чем по горизонтали. Текстура меха с его тонкими набегающими друг на друга волосками обладает свойством направленности.

Выявление цвета.

Основная трудность, с которой сталкиваются системы машинного зрения при попытках распознать объект только по его цвету, обусловлена освещением: воспринимаемый цвет сильно зависит от освещения, а оно в реальном мире непрерывно меняется. Даже такая вроде бы простая задача, как отличить яблоко от апельсина, становится сложной, если оба фрукта сильно затенены.

Всякий цвет обладает тремя независимыми признаками: собственно цвет, т.е. то, что обычно описывают словами “красный”, “оранжевый”, “синий” и т. д., интенсивность, или степень яркости, и насыщенность, показывающая, насколько цвет чистый. Освещение изменяет интенсивность и насыщенность воспринимаемого цвета, тогда как сам цвет относительно независим от освещения.

Телекамера в системах машинного зрения в состоянии регистрировать только красный, зеленый и синий компоненты света (RGB). Таким образом, чтобы распознать собственно цвет объекта, система должна сначала преобразовать информацию о яркости трех основных компонентов в данные о цвете, интенсивности и насыщенности. Информацию о цвете изображения можно представить в виде куба, в котором будет отражена интенсивность каждого из 3-х цветов. Чистые красный, зеленый и синий цвета расходятся вдоль трех ребер куба из общей черной вершины, в которой значения яркости всех трех цветов нулевые. Так называемая “ось интенсивности” проходит по диагонали куба от черного (не освещено) – через все варианты серого – до белого (максимальная освещенность).

Чтобы установить основной оттенок предмета, система машинного зрения должна, прежде всего, определить яркость и насыщенность цвета точки поверхности, выраженного в тройке значений интенсивностей красного, зеленого и синего. Здесь показана тройка КЗС некоторой точки. Взяв среднее от этих трех значений, система находит общую интенсивность и откладывает ее на оси интенсивности. Затем через полученную точку проводится плоскость, перпендикулярная оси интенсивности, на которой отмечается положение точки КЗС.

После того, как данное значение тройки КЗС отмечено на плоскости, определяется расстояние от него до центра (уровень серого на оси интенсивности), которое соответствует насыщенности - чистоте цвета. Затем, измеряя угол между линией насыщенности и одной из базовых линий, проведенной, например, из красной вершины в центр, находят оттенок.