Загрузка...
Учебная работа. Реферат: Обработка данных в среде графического программирования Lab VIEW
ТЕХНОЛОГИЧЕСКИЙ ИНСТИТУТ
_____________ЮЖНОГО ФЕДЕРАЛЬНОГО УНИВЕРСИТЕТА в г. Таганроге________
Факультет электроники и приборостроения (ФЭП)
Кафедра автоматических систем научных исследовательских работ и тестов (АСНИиЭ)
ПОЯСНИТЕЛЬНАЯ ЗАПИСКА
к курсовой работе
по дисциплине
«Компьютерные технологии в приборостроении»
на тему:
«Обработка данных в среде графического программирования
Lab
VIEW
»
к.т.н., доцент кафедры АСНИиЭ
Николаев С.В.
___________________________________
(подпись)
Бутов В.В.
____________________________________
(подпись)
Таганрог 2011 г.
Содержание
Введение 2
Подготовка начального изображения
5
Обработка изображений методом поэлементных преобразований
5
Инверсия изображения 6
Линейное контрастирование изображения 7
Построение линейной и кумулятивной гистограмм изображения
10
Бинаризация изображения 11
Вывод 13
Перечень литературы 14
Введение
Цель данного курсового проекта заключается в реализации предлагаемых алгоритмов и способов обработки массивов данных (цифровых изображений) при помощи LabVIEW. LabVIEW являются более приятными и нередко применяемыми для решения разных инженерных вычислительных задач и исследовательских заморочек.
Обработка цифровых изображений является довольно броским и приятным примером преобразования и анализа измерительных данных. Цифровое преобразование изображений обширно употребляют в промышленных системах машинного зрения, измерительных видеосистемах, прикладных телевизионных системах, вещательном телевидении и так дальше.
Предназначение цифрового преобразования изображений состоит в разработке критерий для улучшения восприятия изображения (к примеру, в рентгено- либо ультразвуковой мед диагностике), формировании определенного художественного вида (в телевидении), выделении информативных признаков (в системах определения изображений, измерительных системах, системах мониторинга) и так дальше.
В данном курсовом проекте будут применены такие цифровые преобразования как, импортирование данных из приобретенного файла в массив; инверсия изображения; линейное контрастирование начального изображения; построение линейной и кумулятивной начального и контрастированного изображения; бинаризация приобретенного изображения опосля линейного контрастирования с разными порогами бинаризации; двукратное повышение контрастированного изображения, используя экстраполяцию нулевого порядка и интерполяцию первого порядка для восстановления промежных пикселей изображения; экспортирование контрастированного и восстановленных изображений в bmp файлы.
Следует различать обработку изображений, созданных для зрительного восприятия, и обработку в устройствах автоматического анализа, где на 1-ый план выходят задачки выделения признаков, определения четких текущих координат объекта и формирования данных о количественных свойствах.
Исследуемые изображения отражают закономерности взаимодействия светового и другого электромагнитного излучения с отдельными участками изучаемой сцены. Модуляция лучистого потока происходит как по величине энергии, так и по спектральному распределению и осуществляется в итоге взаимодействия излучения с исследуемым веществом вследствие явлений поглощения, отражения, рассеяния, преломления, поляризации либо интерференции. Конкретно на этих свойствах, как правило, основано внедрение обработки изображений в системах автоматического анализа с целью извлечения количественной инфы о исследуемых объектах.
Естественные изображения имеют некомпьютерное происхождение. В
их практически нет резких цветовых переходов. Компьютерные картинки, как
в прочем и любые остальные, разделяются на два типа: растровые и векторные.
Растровые изображения хранятся как прямоугольная матрица с элементами,
определяющими яркость цветовых составляющих. Векторные изображения
представляют собой последовательность установок для их построения. Пример
команды – круг с центром в какой-нибудь точке и с определенным радиусом,
текстурированный материалом под дерево. Преимущество растровых
изображений – простота проигрывания и реалистичность, недочет –
большенный занимаемый размер, препядствия с масштабированием. У векторных
изображений, напротив, преимущество – маленький занимаемый размер,
легкость масштабирования, а недочет – необходимость подготовительной
обработки перед проигрыванием и трудность сотворения реалистических
изображений. В предстоящем мы будем разглядывать лишь растровые изображения как прямоугольную матрицу.
Разглядим главные форматы, используемые в компьютерной обработке
изображений.
. Любой элемент матрицы представлен одним
битом. Если он равен единице, то его отождествляеют с черным цветом, если
равен нулю – с белоснежным. Это самый обычный формат, он применяется при печати
газет, распознавании текстов и подписей.
( градации сероватого). Отличие данного формата от
предшествующего заключается в том, что для всякого элемента матрицы отводится 8
битов (один б). Это дозволяет нам применять 256 уровней сероватого цвета.
Если элемент матрицы равен 0, то имеем белоснежный цвет, с возрастанием
значения элемента до 255 яркость изображения понижается, и при равенстве
значения элемента 255 получаем темный цвет. В промежутке от 0 до 255
уровней будут размещаться сероватые цвета по правилу: чем поближе значение к
255, тем темнее будет сероватый. Данный формат дозволяет получать достаточно
высококачественные черно-белые изображения.
. В этом случае элемент матрицы представлен в виде вектора с координатами применяемой цветовой модели.
Обычно вектор трехмерный, потому что человечий глаз реагирует на три
разные цветовые составляющие. Любой компонент вектора почаще всего
занимает один б памяти.
употребляется для уменьшения размеров
изображения либо для использования определенных цветов. Элемент матрицы
является указателем на таблицу цветов. Число применяемых цветов равно
2K, где K – количество битов памяти, применяемых для хранения элемента
матрицы. цвета в указываемой таблице могут кодироваться остальным числом
битов. к примеру, в 256 цветовых режимах видеоплат выбирается 256
цветов из 262 144 вероятных, потому что избираемые цвета представляются в
RGB-формате и для всякого цветового компонента кодируются шестью
битами.
На всех шагах данного курсового проекта осуществляется обработка
изображений в черно-белом формате либо формате градаций сероватого.
Подготовка начального изображения
Создание начального цифрового изображение методом цифровой фотосъемки и предстоящей обработки в любом графическом редакторе. Сохранение приобретенного изображения в формате bmp, размером 300х300 пикселей (Рис 2).
Обработка изображений методом по элементных преобразований
Итог обработки в хоть какой точке кадра зависит лишь от значения входного изображения в данной нам же точке. Естественным достоинством таковых процедур является их предельная простота. вкупе с тем, почти все из их приводят к тривиальному личному улучшению зрительного свойства. Сиим определяется внимание, которое уделяется поэлементным процедурам. Не преувеличивая их роли, отметим, что весьма нередко поэлементная обработка применяется как заключительный шаг при решении наиболее сложной задачки обработки изображения. Нередко бывает полезным выделить, усилить какие-то черты, индивидуальности, аспекты наблюдаемого изображения с целью улучшения ее личного восприятия.
Разглядим суть поэлементной обработки изображений. Итак, если
изображения имеют формат градации сероватого ( черно-белый формат – его
личный вариант) значения яркости изображений соответствуют элементам
получаемого массива точек кадра, имеющего декартовы координаты i (номер 8 строчки) и j (номер столбца). На рис. 1 приведена часть массива, получаемого
из изображения на Рис 2.
рис. 1
Рис 2.
Инверсия изображения
Под инверсией изображения понимается получение негатива из начального изображения и напротив (Рис 3). При использовании восьми битового формата изображения градации сероватого уровень яркости кодируется 256 уровнями (от 0 до 255). Практически осуществляется преобразование белоснежного в темный, беря во внимание все 256 уровней кодировки (Рис 3).
(Рис 3)
Тогда операцию инверсии изображения математически можно записать последующим образом:
Практически при помощи формулы осуществляется преобразование
белоснежного в темный, беря во внимание все 256 уровней кодировки.
Рис 3.
задачка контрастирования связана с улучшением согласования динамического спектра изображения и экрана, на котором производится визуализация. В рассматриваемом случае формата градаций сероватого на кодирование всякого отсчета изображения отводится 1 б (8 бит) запоминающего устройства, потому уровни могут принимать одно из 256 значений. Обычно в качестве рабочего употребляется спектр 0…255; при всем этом один из их значительно различаются от граничных значений яркостного спектра, то визуализированная картина смотрится как ненасыщенная, неловкая, утомляющая при наблюдении.
Ненасыщенное изображение можно получить из начального с помощью
последующего выражения:
Получим ненасыщенное изображение (Рис. 4а), а позже, при помощи линейного контрастирования, улучшим его свойство (Рис. 4b) .
Рис . 4a
Рис 4b
При линейном контрастировании употребляется поэлементное преобразование вида:
Рис 4
Построение линейной и кумулятивной гистограмм изображения
Для цифрового изображения формата градации сероватого, шкала яркостей которого принадлежит целочисленному спектру 0…255, гистограмма представляет собой таблицу из 256 чисел. Каждое из их указывает количество точек в кадре, имеющих данную яркость.
Линейная гистограмма (Рис 5a) описывает полный перебор матрицы изображения.
У кумулятивной гистограммы (Рис 5b) хоть какое
Рис 5.
Рис 5а
Рис 5b
Бинаризация
изображения
Преобразование с пороговой чертой превращает полутоновое изображение, содержащее все уровни яркости, в бинарное, точки которого имеют яркости 0 либо 255. Таковая операция, именуемая время от времени бинаризацией либо бинарным квантованием, быть может полезной, когда для наблюдающего важны очертания объектов, присутствующих на изображении, а детали, содержащиеся снутри объектов либо снутри фона, не представляют энтузиазма (Рис 5). Математическую формулировку процесса бинаризации можно
представить последующим выражением:
Главный неувязкой при проведении таковой обработки является
определение порога P (я брал порог=140), сопоставление с которым яркости начального изображения дозволяет найти
Плотность вероятности, описывающая распределение яркости такового изображения, может содержать два отлично разделяющихся пика. Интуитивно понятно, что порог бинарного квантования следует выбирать посредине провала меж этими пиками. Подмена начального полутонового изображения бинарным решает две главные задачки. Во-1-х, достигается бульшая наглядность для зрительного восприятия, чем у начального изображения. Во-2-х, осязаемо сокращается размер памяти для хранения изображения, так как для бинарного формата запись каждой точки изображения просит только 1 бит памяти, в то время как для полутонового изображения – 8 бит. Пример бинаризации начального изображения приведен на Рис 6.
Рис 6
Рис 6
Вывод
В данной курсовой работе была рассмотрена программная среда — LabVIEW. В качестве объекта исследования было применено восьмибитное изображение размером 300х300 пикселей. Исследуемые изображения отражают закономерности взаимодействия светового и хоть какого другого электромагнитного излучения с отдельными участками изучаемого изображения. Модуляция лучистого потока происходит как по величине его энергии, так и по спектральному распределению и осуществляется в итоге взаимодействия ее излучения с исследуемым веществом за счет поглощения, отражения, рассеяния, преломления, поляризации либо интерференции. Конкретно на этих свойствах, как правило, основано внедрение обработки изображений в системах автоматического анализа с целью извлечения количественной инфы о исследуемых объектах.
Одним из плюсов среды LabVIEW является наглядность метода выполнения и интуитивный понятный интерфейс. По моему воззрению, диапазон решаемых задач в среде Lab VIEW весьма широкий.
Перечень литературы
1. Управление к курсовому проектированию: Обработка данных в средах MathCAD и LabVIEW, Таганрог 2007 г.
2. Жарков Ф.П., Каратаев В.В, Никифоров В.Ф, Панов В.С.
Внедрение виртуальных инструментов LabVIEW /Под ред.
К.С. Демирчяна и В.Г. Миронова. – М.: Радио и связь, 1999. – 268 с.
3. Тревис Дж. LabVIEW для всех /Пер. с англ. Н.А. Клушина – М.: ДМК
Пресс ; Приборкомплект, 2004. – 544 с.
4. Пейч Л.И., Точилин Д.А., Поллак Б.П. LabVIEW для новичков и
профессионалов. – М.: Жгучая линия – Телеком, 2004. – 384 с.
Жарков Ф.П., Каратаев В.В, Никифоров В.Ф, Панов B.C. Внедрение виртуальных инструментов LabVIEW /Под ред. К.С. Демирчяна и В.Г. Миронова. — М.: Радио и связь, 1999. — 268 с.
]]>