Книжная полка Сохранить
Размер шрифта:
А
А
А
|  Шрифт:
Arial
Times
|  Интервал:
Стандартный
Средний
Большой
|  Цвет сайта:
Ц
Ц
Ц
Ц
Ц

Основы машинного зрения в среде LabVIEW : учебный курс

Покупка
Новинка
Артикул: 883591.01.99
Доступ онлайн
279 ₽
В корзину
Данная книга представляет собой краткий учебный курс для школьников и студентов по машинному зрению и цифровой обработки изображений в среде визуального программирования LabVIEW с использованием библиотеки IMAQ Vision. Рассматриваются основные аспекты получения, хранения, обработки и анализа цифровых изображений, а также автоматического выделения и распознавания на изображениях различного рода объектов. Приводятся многочисленные примеры практических приложений машинного и компьютерного зрения в таких областях, как автоматизация измерений и технический контроль, видеонаблюдение, биометрия, обработка документов, медицинские приложения.
Белиовская, Л. Г. Основы машинного зрения в среде LabVIEW : учебный курс : учебное пособие / Л. Г. Белиовская, Н. А. Белиовский. – Москва : ДМК Пресс, 2017. - 89 с. – ISBN 978-5-97060-533-2. - Текст : электронный. - URL: https://znanium.ru/catalog/product/2261618 (дата обращения: 19.11.2026). – Режим доступа: по подписке.
Фрагмент текстового слоя документа размещен для индексирующих роботов
Основы машинного зрения 
в среде LabVIEW.  
Учебный курс
Москва, 2017
Л. Г. Белиовская, Н. А. Белиовский


УДК	 373.167.1:004.932LabVIEW+004.932LabVIEW(075.3)
ББК	 32.972.13я721.6
	
Б43
Белиовская Л. Г. , Белиовский Н. А.
Б43	 Основы машинного зрения в среде LabVIEW: учебный курс. – М.: 
ДМК Пресс, 2017. – 88 с.
ISBN 978-5-97060-533-2
Данная книга представляет собой краткий учебный курс для школьников и студентов по машинному зрению и цифровой обработки изображений в среде визуального программирования LabVIEW с использованием библиотеки IMAQ Vision. 
Рассматриваются основные аспекты получения, хранения, обработки и анализа 
цифровых изображений, а также автоматического выделения и распознавания на 
изображениях различного рода объектов.
Приводятся многочисленные примеры практических приложений машинного 
и компьютерного зрения в таких областях, как автоматизация измерений и технический контроль, видеонаблюдение, биометрия, обработка документов, медицинские 
приложения.
УДК 373.167.1:004.932LabVIEW+004.932LabVIEW(075.3)
ББК 32.972.13я721.6
Все права защищены. Любая часть этой книги не может быть воспроизведена в какой 
бы то ни было форме и какими бы то ни было средствами без письменного разрешения владельцев авторских прав.
Материал, изложенный в данной книге, многократно проверен. Но поскольку вероятность 
технических ошибок все равно существует, издательство не может гарантировать абсолютную 
точность и правильность приводимых сведений. В связи с этим издательство не несет ответственности за возможные ошибки, связанные с использованием книги.
	
©  Белиовская Л. Г., Белиовский Н. А., 2017
ISBN 978-5-97060-533-2	
©  Оформление, издание, ДМК Пресс, 2017


Содержание
 Урок 1
Компьютерное зрение. Введение.............................................................................5
А.	 Компьютерное зрение пришло в школу ........................................................................5
B.	 Задачи машинного зрения...............................................................................................6
С.	 Модульная парадигма Д. Марра обработки изображений..........................................7
D.	 Предисловие ...................................................................................................................8
 Урок 2
Регистрация цветного изображения с USB-камеры.........................................10
A.	 Доступные для программирования камеры ................................................................10
B.	 Захват изображения....................................................................................................... 11
C.	 Отображение изображения на лицевой панели ........................................................15
D.	 Запись и чтение изображения из файла .......................................................................17
E.	 Оцениваем время захвата изображения......................................................................18
 Урок 3
Обработка цветных изображений..........................................................................21
A.	 Цветные изображения. Цветовая модель RGB.............................................................21
B.	 Распознавание цвета пикселя RGB-изображения .......................................................23
C.	 Программа автоматического распознавания цвета пикселя  
RGB-изображения ..........................................................................................................26
D.	 Распознавание цвета пикселя HSL-изображения ........................................................27
 Урок 4
Обработка изображений градаций серого и бинарных  
изображений...................................................................................................................32
A.	 Изображения в градациях серого................................................................................32
B.	 Бинаризация изображений............................................................................................34
C.	 Выделение объекта на бинарном изображении.........................................................36


Содержание
 Урок 5
Распознавание объектов на сцене..........................................................................39
A.	 Распознавание кругов на сцене....................................................................................39
B.	 Создание шаблонов для распознавания объектов......................................................41
C.	 Поиск на сцене объекта по заданному шаблону.........................................................44
 Урок 6
Гистограммная обработка изображений..............................................................47
A.	 Гистограмма. Построение гистограмм ........................................................................47
B.	 Адаптивное линейное преобразование......................................................................50
C.	 Эквализация изображения.............................................................................................53
D.	 Гистограммная обработка цветного изображения......................................................55
 Урок 7
Обработка QR-кодов...................................................................................................58
A.	 QR-код. Типы QR-кодов .................................................................................................58
B.	 Распознавание QR-кодов...............................................................................................59
 Урок 8
Наши проекты..................................................................................................................63
A.	 Автономный мобильный сельскохозяйственный робот с машинным зрением  
для точечного уничтожения вредителей на сельскохозяйственных полях................64
B.	 Робот с машинным зрением для сортировки металлических объектов....................68
C. BiosBox автоматизированная система для проведения экспериментов  
с растениями...................................................................................................................70
D.	 Программно-аппаратный комплекс с машинным зрением «Антитеррор»  
для автоматического слежения за объектом................................................................73
E.	 Программно-аппаратный комплекс с машинным зрением  
для автоматического слежения за объектом................................................................75
F.	 Автоматическая кормушка с машинным зрением для домашних животных..............76
G.	 Система с распределенным интеллектом, использующая машинное зрение, 
для транспортировки мусора в современном городе ..............................................79
H.	 Робот-казначей с машинным зрением .........................................................................84
Список литературы........................................................................................................87


Компьютерное зрение пришло в школу   5
УРОК
В этом уроке изложены вопросы:
A.  Компьютерное зрение пришло в школу
B.  Задачи машинного зрения
C.  Модульная парадигма Д. Марра обработки изображений
D.  Предисловие
А.  Компьютерное зрение пришло в школу 
Компьютерное зрение стало популярным еще в 1960-х годах, но сейчас оно 
находится в особой точке своего развития. Компьютерное зрение пришло 
в школу. Сейчас появилась возможность создания полезных программ обработки изображений для проведения исследований в школе. 
Реализация компьютерного зрения столь привлекательна для исследователей по той причине, что аппаратные возможности в данной области 
достигли такого уровня, что они уже во многом приближаются к «техническим характеристикам» зрения человека. Разрешение многих сенсоров для 
получения видеоинформации практически соответствует числу клеток 
сетчатки глаза человека, а возможности компьютеров и специальных процессоров близки к характеристикам «вычислительных мощностей» мозга. 
Процесс снятия изображения недеструктивен, достаточно прост и недорог 
на сегодняшний момент. И становится уже реально в школе не визуально, 
«на глазок» оценивать развитие исследуемого процесса, а дать более точную его оценку по цифровым изображениям.
У информационного содержания цифрового изображения нет какойлибо «причинной» или динамической модели формирования, оно не подвластно только каким-либо общим физическим законам и сложным математическим уравнениям. Оно представляет из себя бесконечное разнообразие 
яркостно-геометрических структур [1]. И на первый взгляд может показаться, что обработка таких «несложных объектов» не требует особых знаний 
и умений. Следует учесть, что компьютерное зрение – это пограничная область знаний. Для извлечения полезной информации надо уметь применять 
статистические методы, использовать модели, построенные с  помощью 
геометрии, физики и теории обучения. В этой области знаний нет непререкаемых авторитетов, на которые можно сослаться, многие полезные идеи 
не имеют под собой теоретической основы, а некоторые теории бесполезны 
Компьютерное зрение. 
Введение


Компьютерное зрение. Введение
на практике [2]. Пока нет единого математического формализма и единой 
общепризнанной методики разработки алгоритмов анализа изображений. 
Переживая период бурного роста, наука об обработке изображений все 
еще находится на одной из начальных стадий своего развития. Разработка 
и  использование моделей, пригодных для эффективного решения задачи 
обнаружения соответствующих объектов на изображении, в значительной 
степени остается на грани науки и искусства и зачастую основывается на 
многолетнем опыте исследований частных задач [1].
Приведем предложенную в [1] классификацию понятий «зрение роботов» (robot vision), «компьютерное зрение» (computer vision), «обработка 
изображений» (image processing), «понимание изображений» (image understanding). 
Компьютерное зрение представляет собой научную дисциплину, изучающую теорию и базовые алгоритмы анализа изображений и сцен. 
Машинное зрение следует рассматривать как более комплексную и технологическую область научных и инженерных знаний, охватывающую все 
проблемы разработки практических систем: выбор схем освещения исследуемой сцены, выбор характеристик датчиков, их количества и геометрии 
расположения, вопросы калибровки и ориентирования, выбор или разработка оборудования для оцифровки и процессорной обработки, разработка собственно алгоритмов и их компьютерная реализация – то есть весь 
круг сопутствующих задач. 
Зрение роботов предлагаем трактовать как более узкую область технологий машинного зрения, а именно ту их часть, которая обеспечивает 
функционирование систем машинного зрения в  условиях жестких временных ограничений. К этому понятию, безусловно, относятся проблемы 
разработки основанных на изображениях информационных систем, входящих в состав систем управления сложными динамическими объектами 
(самолет, автомобиль, системы контроля технических и технологических 
процессов на производстве), так как необходимость формирования обратных связей по результатам обработки входных изображений в системах 
управления, очевидно, требует их быстрого анализа в режиме реального 
времени. 
B.  Задачи машинного зрения
Машинное зрение имеет огромное число потенциальных областей применения, таких как промышленная инспекция и контроль качества, робототехника, навигация и транспортировка, дистанционное зондирование, медицина и биомеханика, инженерный труд, автоматизация проектирования, 
новые технологии обработки документов, биометрия и множество других. 
Мы будем использовать его для организации зрительной обратной связи 


Модульная парадигма Д. Марра обработки изображений  7
при работе управляемых устройств, манипуляторов или мобильных роботов в изменчивой среде.
Основные задачи машинного зрения могут быть сформулированы следующим образом: 
1)  обнаружение объектов и изменений в сцене наблюдения;
2)  описание сцены и идентификация объектов;
3)  слежение за объектами;
4)  калибровка сенсоров, самоориентация и самопозиционирование;
5)  реконструкция поверхностей и обнаружение трехмерных структур;
6)  высокоточные измерения элементов сцены;
7)  организация зрительной обратной связи при работе управляемых 
устройств, манипуляторов или мобильных роботов в  изменчивой 
среде.
В данной книге мы рассмотрим только первую задачу. Но и даже ее решение позволит нам реализовать многие интересные проекты. 
С.  Модульная парадигма Д. Марра 
обработки изображений
В алгоритмическом аспекте последовательность действий по обработке 
изображения принято рассматривать в согласии с так называемой модульной парадигмой, информационной теорией зрения Дэйвида Марра (он работал в Лаборатории искусственного интеллекта Массачусетского технологического института, США), получившей в настоящее время широкую 
известность [3]. Суть теории Д. Марра состоит в том, что в основе зрительного восприятия лежат процессы сбора, представления, обработки и рас
Компьютерное зрение. Введение
познавания информации, отражающей свойства наблюдаемого человеком 
реального мира. Зрение – это процесс определения по изображениям, что 
именно присутствует в окружающем мире и где именно оно находится, т. е. 
зрение сводится к решению задач обработки информации. Обработка изображений должна опираться на несколько последовательных уровней: от 
представления объектов (растровое изображение, неструктурированная 
информация) к их символическому представлению (данные в структурированной форме). Исходя из этого, в области машинного зрения принято 
выделять следующие основные этапы обработки данных:
••
предобработка изображений;
••
сегментация;
••
выделение геометрической структуры;
••
определение относительной структуры и семантики.
Мы будем применять модульную парадигму Д. Марра в обработке изображений.
Традиционный термин «обработка изображений» чаще употребляется 
в последние годы для обозначения обработки нижнего уровня, когда результатом обработки изображения снова является изображение. В то же 
время термин «понимание изображений» употребляется для обработки 
верхнего уровня, часто в контексте применения методов искусственного 
интеллекта. Методы обработки высокого уровня, относящиеся собственно 
к «пониманию изображений», по-прежнему представляют собой «вызов» 
для сообщества исследователей в  области компьютерного зрения и  искусственного интеллекта. Безусловно, перспектива создания будущих поколений «интеллектуальных машин» в основном зависит от дальнейшей 
разработки именно этого круга алгоритмов.
Сегодня теории обработки изображений во многом превратились в технологии, мы гораздо более скромно говорим о технической дисциплине 
под названием «машинное зрение». Это не означает, что в области обработки и анализа изображений не осталось открытых проблем, их огромное 
количество. Но признаком несомненной зрелости прикладной науки является то, что теперь эти вопросы всегда ставятся в практической плоскости, 
с учетом обязательных и близких перспектив технического внедрения.
D.  Предисловие 
В данной книге описан один из понятных и самых простых путей обработки изображений. Этот путь может освоить любой из школьников. Рассматривается подробно процесс захвата и обработки изображений в соответствии с модульной парадигмой Д. Марра. Учитель сможет найти в книге 
уроки с подробным описанием обработки изображений в инженерной графической среде программирования LabVIEW. Подробного описания ос
Предисловие   9
нов программирования в LabVIEW в этой книге нет. Тем, кто незнаком 
с программированием в этой среде, рекомендую прочитать книгу «Узнайте, как программировать на LabVIEW». В ней уроки для 5–6-го классов, 
все предельно лаконично и понятно. 
В этой новой книге, как обычно в наших работах, подробно приведены 
пути поиска пиктограмм функций и схемы итоговых программ. У вас все 
получится! Не сомневайтесь. В разделе «Наши проекты» приведены темы 
и краткие описания проектов, которые выполнены нами в школе с ребятами 5–11-х классов.. 
На сайте издательства размещена демоверсия библиотеки средств 
обработки и  анализа изображений IMAQ Vision блока Vision and 
Motion в среде LabVIEW. 
Особую благодарность выражаю  Михееву Павлу Михайловичу .
Михеев П. М., кандидат физико-математических наук, был доцентом 
физического факультета МГУ имени М. В. Ломоносова, организатором 
и руководителем одного из старейших и лучших академических центров 
National Instruments в России, в настоящее время – «Центр измерительных технологий и  промышленной автоматизации» на базе Лазерного 
центра МГУ. Именно он открыл для меня около 10 лет назад интересный, 
сложный и такой, с помощью LabVIEW, простой в работе мир цифровой 
обработки изображений [4].
А теперь попробуйте и вы. И у вас все обязательно получится.


Доступ онлайн
279 ₽
В корзину