Основы машинного зрения в среде LabVIEW : учебный курс
Покупка
Новинка
Тематика:
Программирование и алгоритмизация
Издательство:
ДМК Пресс
Год издания: 2017
Кол-во страниц: 89
Дополнительно
Вид издания:
Учебное пособие
Уровень образования:
ВО - Бакалавриат
ISBN: 978-5-97060-533-2
Артикул: 883591.01.99
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.
Тематика:
ББК:
УДК:
ОКСО:
- ВО - Бакалавриат
- 09.03.01: Информатика и вычислительная техника
- 09.03.02: Информационные системы и технологии
- 09.03.03: Прикладная информатика
ГРНТИ:
Скопировать запись
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.