Фильтрация изображений с целью выделения эллипсов
Разработан алгоритм фильтрации изображений с целью выделения эллипсов. Данный алгоритм используется в системе бесконтактного определения разновысотности головок ТВС (СБОР), находящихся в водной среде в активной зоне реактора энергоблока 1 Волгодонской АЭС. Розроблений алгоритм фільтрації зображень...
Збережено в:
| Дата: | 2008 |
|---|---|
| Автор: | |
| Формат: | Стаття |
| Мова: | Російська |
| Опубліковано: |
Інститут проблем штучного інтелекту МОН України та НАН України
2008
|
| Теми: | |
| Онлайн доступ: | https://nasplib.isofts.kiev.ua/handle/123456789/7491 |
| Теги: |
Додати тег
Немає тегів, Будьте першим, хто поставить тег для цього запису!
|
| Назва журналу: | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| Цитувати: | Фильтрация изображений с целью выделения эллипсов / М.В. Хисамутдинов // Штучний інтелект. — 2008. — № 4. — С. 429-437. — Бібліогр.: 6 назв. — рос. |
Репозитарії
Digital Library of Periodicals of National Academy of Sciences of Ukraine| _version_ | 1859821562185646080 |
|---|---|
| author | Хисамутдинов, М.В. |
| author_facet | Хисамутдинов, М.В. |
| citation_txt | Фильтрация изображений с целью выделения эллипсов / М.В. Хисамутдинов // Штучний інтелект. — 2008. — № 4. — С. 429-437. — Бібліогр.: 6 назв. — рос. |
| collection | DSpace DC |
| description | Разработан алгоритм фильтрации изображений с целью выделения эллипсов. Данный алгоритм
используется в системе бесконтактного определения разновысотности головок ТВС (СБОР),
находящихся в водной среде в активной зоне реактора энергоблока 1 Волгодонской АЭС.
Розроблений алгоритм фільтрації зображень з ціллю виділення еліпсів. Даний алгоритм використовується
у системі безконтактного визначення різновидності головок ТВС (СБОР), які знаходяться у водному
середовищі активної зони реактора енергоблоку 1 Волгодонської АЕС.
The algorithm of the filtration of images for the purpose of the isolation of ellipses is developed. This
algorithm is used in the system of the noncontact determination of the variation in height of heads TVS,
which are located in the aqueous medium in the reactor core of the power unit of 1 Volgadonsk AES.
|
| first_indexed | 2025-12-07T15:26:32Z |
| format | Article |
| fulltext |
«Штучний інтелект» 4’2008 429
4Х
УДК 004.932.4
М.В. Хисамутдинов
НИИ многопроцессорных вычислительных систем имени академика А.В. Каляева
ЮФУ, г. Таганрог, Россия
L-V-P@yandex.ru
Фильтрация изображений с целью выделения
эллипсов
Разработан алгоритм фильтрации изображений с целью выделения эллипсов. Данный алгоритм
используется в системе бесконтактного определения разновысотности головок ТВС (СБОР),
находящихся в водной среде в активной зоне реактора энергоблока 1 Волгодонской АЭС.
Введение
Одним из приоритетных направлений в области бесконтактного определения и
измерения геометрических параметров объектов является создание телеметрических
систем контроля, позволяющих получать изображение измеряемых объектов при помощи
видеокамеры и производить их анализ при помощи методов цифровой обработки
сигналов, реализованных на базе персонального компьютера. Это направление реали-
зовано в системах компьютерного (машинного) зрения и отражено в научных трудах
В.А. Сойфера [1], Э. Прэтта [2], К.Е. Румянцева, В.А. Зиброва и С.Л. Балабаева [3], а также
зарубежных изданиях [4], [5].
Объектом разработки является система бесконтактного определения разновысот-
ности головок ТВС, находящихся в водной среде в активной зоне реактора.
Предметом разработки является алгоритм фильтрации изображения с целью
выделения эллипсов.
Целью является разработка и внедрение алгоритма фильтрации изображений в
систему бесконтактного определения разновысотности головок ТВС, находящихся в
водной среде в активной зоне реактора энергоблока 1 Волгодонской АЭС.
1. Получение изображения
Исходными для алгоритма обработки изображения являются цифровые данные,
полученные с помощью СТС («Диаконт») и представленные в виде файлов полутоновых
изображений с разрешением 768×576 пикселей при 256 градациях яркости (рис. 1).
Полутоновое изображение состоит из пикселей, которые могут принимать одно
из 256 значений градаций яркости. Это один из наиболее распространенных типов
изображений. В большинстве случаев используется глубина яркости 8 бит на элемент
изображения.
2. Применение детектора краев Кэнни
Данный этап предполагает выделение на изображении множества точек, соответ-
ствующих верхним краям цилиндров головок ТВС. Для этого осуществляется преобра-
зование изображения к бинарному и выделение на нем контуров объектов детектором
краев Кэнни (рис. 2).
Хисамутдинов М.В.
«Искусственный интеллект» 4’2008 430
4Х
Рисунок 1 – Исходное изображение
.
Рисунок 2 – Выделение контуров объектов детектором краев Кэнни
3. Выделение эллипсов
Поскольку верхние края цилиндров головок ТВС на изображении, в общем случае,
представлены кривыми линиями второго порядка, алгоритмом предусмотрен поиск на
изображении множеств точек (пикселей), для описания которых используются уравнения
кривых второго порядка. Все точки, не удовлетворяющие указанному критерию, также
исключаются из дальнейшего рассмотрения. В результате этого, на изображении оста-
ются только пиксели, соответствующие эллипсам.
На данном этапе также удаляются строго вертикальные и горизонтальные отрезки.
Данная фильтрация является обоснованной, так как данные отрезки на изображении в
большинстве случаев представляют собой боковые грани ТВС и для дальнейших этапов
Фильтрация изображений с целью выделения эллипсов
«Штучний інтелект» 4’2008 431
4Х
не требуются. Несмотря на то, что при удалении отрезков могут быть удалены некоторые
существенные части изображения, данный фильтр значительно ускоряет работу после-
дующих этапов обработки изображения при незначительных потерях точности.
Исходное изображения, а также изображение, полученное в результате фильтрации,
приведены на рис. 3 и 4 соответственно.
Рисунок 3 – Изображение, подаваемое на вход фильтра
Рисунок 4 – Изображение, полученное в результате применения фильтра
4. Поиск и удаление мелких фрагментов
Для определения разновысотности необходимы только линии, соответствующие
верхним краям цилиндров головок ТВС. Для этого в алгоритме предусмотрено удаление
«лишних» фрагментов (рис. 5). Прежде всего удаляются фрагменты изображения, имею-
щие небольшие размеры (менее 100 пикселей).
Хисамутдинов М.В.
«Искусственный интеллект» 4’2008 432
4Х
Удаление с карты краев объектов малых размеров необходимо для того, чтобы
«разгрузить» алгоритм от выполнения операций над объектами, несущими в себе мало
полезной информации, и обработка которых приведет к существенному увеличению
временных затрат на обработку изображения в целом.
Рисунок 5 – Изображение сцены после удаления «лишних» элементов
Для этого необходимо проанализировать этот массив, выделив в нем связанные
пиксели и объединив их в группы. Связанными будут являться два пикселя, сопри-
касающиеся сторонами или углами. Связанные пиксели должны быть объединены в
группы, которые, в свою очередь, пронумерованы.
В результате анализа бинарного изображения создается матрица L размером
768×576, каждый элемент которой соответствует пикселю изображения с такими же
координатами. Значение элемента определяется номером соответствующей группы
связанных пикселей.
5. Поиск и удаление узловых точек объектов
Под узловыми точками подразумеваются такие точки (пиксели) объекта, которые
имеют 3 и более соседних пикселей, принадлежащих этому же объекту. После обнаруже-
ния краев детектором Кэнни в общем случае получаются восьмисвязные объекты толщи-
ной в один пиксель. Из-за теней, бликов и прочих факторов на карте краев появляются
участки объектов, не принадлежащих фактическим дугам. В качестве примера рас-
смотрим рисунок .
Справа более темным показан участок дуги эллипса, являющегося контуром
верхней поверхности ТВС, а слева (светлее) – паразитный участок края, появившийся на
карте краев вследствие блика (рис. 6а). Очевидно, что в матрице L оба участка (полезный
и паразитный) будут принадлежать одному объекту, однако только пиксели первого
необходимы для определения разновысотности.
Для разделения подобных участков будем удалять точки, соединяющие эти
участки. Такие точки всегда имеют три и более соседних пикселя, принадлежащих тому
же объекту, что и они сами. Для отделения от полезных участков контура паразитных
необходимо удалить с карты краев эти узловые точки и повторить операцию удаления
небольших объектов.
Фильтрация изображений с целью выделения эллипсов
«Штучний інтелект» 4’2008 433
4Х
При удалении узловых точек соответствующие им элементы матрицы BW также
обращаются в 0 (рис.6б).
а) б)
Рисунок 6 – Паразитный участок объекта и узловая точка
После удаления всех узловых точек на бинарном изображении остаются
элементы краев изображения в виде прямых и дуг. Для измененного изображения
вновь пересчитывается матрица L и определяются крайние (концевые) элементы.
6. Выбор дуг
Среди многих сегментов контура изображения сначала необходимо иденти-
фицировать те, которые могут быть частью эллипса. Для этого требуется вписывать
эллипс в короткие сегменты дуг. Вписывание эллипса во множество точек, покрывающих
очень маленький угол, очень неустойчиво. Вместо этого предпочтительней вписывать
окружности, которые локально хорошо аппроксимируют эллипс, и процесс их вписыва-
ния значительно быстрее и более устойчив.
Разбиению контуров на дуги должна предшествовать нумерация пикселей внутри
каждой группы. Обычно нумерация пикселей внутри группы осуществляется слева
направо, сверху вниз. Нумерация необходима для того, чтобы при разбиении дуг на
сегменты в новую подгруппу не попали не связанные с ней пиксели.
7. Поиск конечных точек сегментов дуг
При поиске концевых точек нужно учитывать, что изображение содержит
восьмисвязные объекты толщиной в один пиксель. Все точки объектов, кроме двух
концевых, имеют по два соседних пикселя, принадлежащих тому же объекту. Концевые
точки имеют по одному соседу, что делает их исключительными и облегчает процесс их
обнаружения. Пиксель, связанный только с одним пикселем, принадлежащим этому же
объекту, считается концевым и его координаты записываются в массив концевых точек.
В результате выполнения описанного этапа алгоритма дополнительно формируется
массив данных о координатах двух крайних точек в каждой группе пикселей.
Хисамутдинов М.В.
«Искусственный интеллект» 4’2008 434
4Х
8. Группировка дуг
На данном этапе группы формируются последовательным добавлением дуг,
для которых выполняются условия группировки [6], это требование не является
осуществимым, т.к. в процессе группировки необходимо осуществить N2 операций
проверки условий группировки, где N – число всех дуг. В рисунках, представленных
в наборе N = 100, следовательно, такой перебор осуществить невозможно. В лучшем
случае за приемлемое время можно проверять все группы по 2 и 3 дуги, но в этом
случае снижается точность построения эллипсов. Поэтому был предложен новый,
модифицированный алгоритм группировки дуг.
Данный алгоритм предполагает формирование двух множеств, описывающих
группы с последующим анализом пересечения полученных множеств. Первое множество
строится на основании анализа вписываемых окружностей, аппроксимирующих дуги, а
второе на основании пересечения касательных на концах дуг. Алгоритм группировки дуг
на основании пересечения касательных является реализацией модифицированного
алгоритма, описанного в работе [6]. В результате были получены хорошие группы для
этапа вписывания эллипсов за полиномиальное время.
Алгоритм группировки дуг на основе анализа
вписываемых окружностей
Входными данными рассматриваемого алгоритма являются группы координат
точек, представляющие собой неразрывные отрезки на изображении. Данный
формат входных данных был выбран по той причине, что группировка дуг на изо-
бражении предполагает использование нескольких алгоритмов группировки, в связи
с чем выбор неразрывных отрезков на изображении каждым алгоритмом приведет к
повторному выполнению одной и той же задачи, а также, в худшем случае, может
привести к рассогласованию в нумерации неразрывных отрезков изображения.
Алгоритм формирует список групп дуг, включающий в себя группы из одного
и более отрезков изображения. При построении данного списка используется сле-
дующий алгоритм.
1. Инициализация списка.
На данном этапе в список групп дуг включаются номера всех подаваемых на
вход алгоритма отрезков изображения. Таким образом, по завершении данного этапа
список будет содержать все группы дуг, состоящих из одной дуги.
2. Расширение списка дуг.
На данном этапе осуществляется дополнение списка групп дуг новыми
группами, содержащими две и более дуги. На этом этапе формируется список новых
дуг, который включается в итоговый список групп. Это повторяется до тех пор, пока
сформированный список будет содержать хотя бы одну группу дуг. Операция фор-
мирования нового списка групп осуществляется следующим образом.
2.1. Из сформированного списка выбирается набор групп дуг, таких, что
количество дуг, входящих в каждую группу, будет максимальным среди всех групп
списка.
2.2. Во все группы дуг из полученного списка последовательно добавляются
все дуги, поданные на вход алгоритма.
Фильтрация изображений с целью выделения эллипсов
«Штучний інтелект» 4’2008 435
4Х
2.3. В результате такого комбинирования дуг, количество получаемых групп
катастрофически возрастает и может привести к так называемому «экспоненциаль-
ному взрыву». Чтобы избежать данной ситуации, из списка исключаются все группы,
не удовлетворяющие эвристическому правилу определения возможности вписыва-
ния эллипса в группу на основе анализа вписываемых окружностей, описанному
далее.
2.4. В случае, если полученный в результате комбинирования список групп
содержит хотя бы одну группу, этап 2 повторяется для списка, содержащего как
группы, полученные на предыдущих этапах, так и сформированный список групп.
3. Анализ итогового списка дуг.
На данном этапе из полученного списка дуг исключаются все группы дуг,
содержащие только одну дугу. Группы, содержащие одну дугу, мало пригодны для
вписывания эллипсов в последующих этапах, так как ни одна дуга исходного
изображения не может обеспечивать развертку эллипса более, чем на 180 градусов.
Таким образом, попытка вписывания эллипсов в группу из одной дуги приведет к
получению эллипсов с неточными параметрами и лишь замедлит выполнение после-
дующих этапов.
Правило определения возможности вписывания эллипса
в группу на основе анализа вписываемых окружностей
Данное правило является эвристическим и может быть впоследствии изменено.
Определение возможности вписывания эллипса осуществляется путем после-
довательной проверки выполнения условий, накладываемых на полученную группу
дуг. Данные правила основаны на анализе предварительно вписываемых в каждую
дугу окружностей. Окружности вписываются в соответствии с алгоритмом, предло-
женным в [1].
К правилам проверки возможности вписывания эллипса относятся:
1. Проверка пересечения окружностей.
Данная проверка позволяет проверить близость дуг, входящих в рассмат-
риваемую группу. Группы, состоящие из дуг, расположенных на большом удалении
друг от друга, будут отфильтрованы при проверке данного условия.
2. Проверка на близость размеров радиусов вписанных окружностей.
Данная проверка позволяет удалить из списка группы, содержащие дуги, ра-
диусы окружностей которых значительно отличаются.
3. Проверка на близость точек, принадлежащих разным дугам.
Данная проверка позволяет удалить из списка группы, содержащие дуги, при-
надлежащие внутреннему и внешнему радиусам одного и того же ТВС и находя-
щиеся близко друг от друга.
4. Проверка точек по совпадениям в пределах одного октанта.
В случае обнаружения точек двух разных дуг, принадлежащих одинаковым
октантам, проводится проверка, гарантирующая, что из списка групп будет удалена
группа, содержащая дуги, принадлежащие одновременно предполагаемой ТВС и
одной из прилежащих к ней ТВС.
В случае выполнения всех этих условий считается, что в рассматриваемую
группу возможно вписать эллипс на последующих этапах.
Хисамутдинов М.В.
«Искусственный интеллект» 4’2008 436
4Х
9. Вписывание эллипсов
Для дальнейшей обработки каждой такой группе пикселей ставится в соот-
ветствие уравнение эллипса, описывающее множество его точек на изображении.
При этом использовались стандартные функции открытой библиотеки компью-
терного зрения Intel OpenCV cvFitEllipse.
Полученные в результате эллипсы ранжируются по степени совпадения (число
совпавших пикселей, деленное на длину замкнутой кривой эллипса). Каждая гипотеза
эллипса с меньшим рангом, имеющая общую дугу с гипотезой более высокого ранга,
отсекается, поскольку каждая дуга должна быть частью только одного эллипса. Среди
оставшихся гипотез эллипсов окончательно в качестве «хороших» эллипсов выбираются
те, которые имеют ранг значительно выше среднего. Пример эллипса, наложенного на
исходное изображение, показан на рис. 7.
Рисунок 7 – Изображение с наложенными эллипсами
Уравнение каждого эллипса позволяет определить центр и размеры полуосей.
Их значения заносятся в выходной массив, чем завершается обработка изображения с
текущего ракурса и осуществляется переход для получения следующего изображения.
Заключение
Разработан алгоритм выделения эллипсов на изображении используемого в
бесконтактном методе определения разновысотности головок тепловыделяющих
сборок активной зоны реактора АЭС на основе реконструкции трехмерных изобра-
жений. В работе приводится подробное описание всех этапов алгоритма фильтрации
изображения.
Фильтрация изображений с целью выделения эллипсов
«Штучний інтелект» 4’2008 437
4Х
Предполагается, что разработанный метод будет использован при создании
систем бесконтактного определения разновысотности головок ТВС на энергоблоках
АЭС с реактором типа ВВЭР России, стран СНГ и за рубежом. Внедрение подобных
систем будет обеспечивать экономический эффект не менее 24 млн рублей в год,
повысит безопасность эксплуатации ядерного реактора и позволит обрабатывать
данные в режиме реального времени.
Литература
1. Методы компьютерной обработки изображений / Под ред. В.А. Сойфера. – 2-е изд., испр. – М.:
ФИЗМАТЛИТ, 2003. – 784 с.
2. Прэтт Э. Цифровая обработка зображений: Пер. с англ. / Под ред. Д.С. Лебедева. – М.: Мир, 1982. –
Кн. 1. – 312 с.
3. Балабаев С.Л., Зибров В.А., Румянцев К.Е. Бесконтактное измерение геометрических размеров изделий
прокатно-металлургического производства: Монография / Под ред. К.Е. Румянцева. – Шахты: Изд-во
ЮРГУЭС, 2004. – 154 с.
4. Форсайт Д.А., Понс Ж. Компьютерное зрение. Современный подход: Пер. с англ. – М.: Издательский
дом «Вильямс», 2004. – 928 с.
5. Шапиро Л. Компьютерное зрение / Л. Шапиро, Дж. Стокман: Пер. с англ. – М.: БИНОМ. Лаборатория
знаний, 2006. – 725 с.
6. Методы бесконтактного определения разновысотности головок ТВС и их описание/ С.Л. Балабаев,
К.Е. Румянцев, В.Г. Радецкий, В.В. Коробкин / Отчет «Разработка и внедрение системы бесконтактного
определения разновысотности головок ТВС в активной зоне реактора энергоблока 1 Волгодонской
АЭС» – Таганрог: ТРТУ, 2006. – 102 с.
М.В. Хісамутдінов
Фільтрація зображень з ціллю виділення еліпсів
Розроблений алгоритм фільтрації зображень з ціллю виділення еліпсів. Даний алгоритм використовується
у системі безконтактного визначення різновидності головок ТВС (СБОР), які знаходяться у водному
середовищі активної зони реактора енергоблоку 1 Волгодонської АЕС.
M.V. Hisamutdinov
The Filtration of Images for the Purpose of the Isolation of Ellipses
The algorithm of the filtration of images for the purpose of the isolation of ellipses is developed. This
algorithm is used in the system of the noncontact determination of the variation in height of heads TVS,
which are located in the aqueous medium in the reactor core of the power unit of 1 Volgadonsk AES.
Статья поступила в редакцию 17.07.2008.
|
| id | nasplib_isofts_kiev_ua-123456789-7491 |
| institution | Digital Library of Periodicals of National Academy of Sciences of Ukraine |
| issn | 1561-5359 |
| language | Russian |
| last_indexed | 2025-12-07T15:26:32Z |
| publishDate | 2008 |
| publisher | Інститут проблем штучного інтелекту МОН України та НАН України |
| record_format | dspace |
| spelling | Хисамутдинов, М.В. 2010-03-31T15:48:12Z 2010-03-31T15:48:12Z 2008 Фильтрация изображений с целью выделения эллипсов / М.В. Хисамутдинов // Штучний інтелект. — 2008. — № 4. — С. 429-437. — Бібліогр.: 6 назв. — рос. 1561-5359 https://nasplib.isofts.kiev.ua/handle/123456789/7491 004.932.4 Разработан алгоритм фильтрации изображений с целью выделения эллипсов. Данный алгоритм используется в системе бесконтактного определения разновысотности головок ТВС (СБОР), находящихся в водной среде в активной зоне реактора энергоблока 1 Волгодонской АЭС. Розроблений алгоритм фільтрації зображень з ціллю виділення еліпсів. Даний алгоритм використовується у системі безконтактного визначення різновидності головок ТВС (СБОР), які знаходяться у водному середовищі активної зони реактора енергоблоку 1 Волгодонської АЕС. The algorithm of the filtration of images for the purpose of the isolation of ellipses is developed. This algorithm is used in the system of the noncontact determination of the variation in height of heads TVS, which are located in the aqueous medium in the reactor core of the power unit of 1 Volgadonsk AES. ru Інститут проблем штучного інтелекту МОН України та НАН України Распознавание образов. Системы цифровой обработки сигналов и изображений Фильтрация изображений с целью выделения эллипсов Фільтрація зображень з ціллю виділення еліпсів The Filtration of Images for the Purpose of the Isolation of Ellipses Article published earlier |
| spellingShingle | Фильтрация изображений с целью выделения эллипсов Хисамутдинов, М.В. Распознавание образов. Системы цифровой обработки сигналов и изображений |
| title | Фильтрация изображений с целью выделения эллипсов |
| title_alt | Фільтрація зображень з ціллю виділення еліпсів The Filtration of Images for the Purpose of the Isolation of Ellipses |
| title_full | Фильтрация изображений с целью выделения эллипсов |
| title_fullStr | Фильтрация изображений с целью выделения эллипсов |
| title_full_unstemmed | Фильтрация изображений с целью выделения эллипсов |
| title_short | Фильтрация изображений с целью выделения эллипсов |
| title_sort | фильтрация изображений с целью выделения эллипсов |
| topic | Распознавание образов. Системы цифровой обработки сигналов и изображений |
| topic_facet | Распознавание образов. Системы цифровой обработки сигналов и изображений |
| url | https://nasplib.isofts.kiev.ua/handle/123456789/7491 |
| work_keys_str_mv | AT hisamutdinovmv filʹtraciâizobraženiiscelʹûvydeleniâéllipsov AT hisamutdinovmv fílʹtracíâzobraženʹzcíllûvidílennâelípsív AT hisamutdinovmv thefiltrationofimagesforthepurposeoftheisolationofellipses |