КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ
32
УДК 621.3.088.7
Г. А. ПОЛЬТЕ, А. П. САЕНКО
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ
Рассматриваются пути улучшения и оценки качества изображения методами нечеткой логики, в частности, с помощью известного способа определения границ объекта. Ключевые слова: нечеткая логика, обработка изображений.
Введение. Применяемые в настоящее время способы измерения параметров деталей приборов можно разделить на контактные и бесконтактные — по типу взаимодействия с исследуемым объектом. При изготовлении оптических объективов высокого качества любой
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
Количественная оценка качества изображений с использованием методов нечеткой логики 33
контакт с рабочей поверхностью линзы может привести к ухудшению оптических свойств, поэтому в таких случаях предпочтительно использовать бесконтактные методы, основанные на обработке изображений. Так, например, в процессе измерения по такому методу важно правильно определить границы измеряемого объекта, что может быть затруднено из-за недостаточной резкости изображения, наличия теней и шумов. Поэтому одна из важнейших задач исследований заключается в нахождении границ объекта.
Обработка цифровых изображений с помощью методов нечеткой логики. В работах [1, 2] рассмотрены основные принципы обработки изображений с использованием методов нечеткой логики, а также указаны их преимущества перед классическими. Изображение рассматривается как нечеткое множество и обрабатывается методами нечеткой логики (рис. 1).
Рис. 1
Вначале происходит фаззификация изображения — преобразование изображения к нечеткому множеству. Далее степень принадлежности элементов нечеткого множества (иными словами, пикселов изображения) изменяется в соответствии с базой нечетких правил. И, наконец, происходит дефаззификация изображения — преобразование значений функций принадлежности в четкие (реальные) значения яркости.
Определение границ объекта с использованием методов нечеткой логики. В работе [3] описан способ определения границ объекта с помощью методов нечеткой логики, авторы использовали базу нечетких правил, состоящую из 8 элементов, обозначенных на рис. 2 как № 1—8. Входные переменные системы нечеткого вывода принимали одно из двух нечетких значений: „черное“ или „белое“. Выходная переменная также может принимать одно из двух нечетких значений: „граница“ или „не граница“.
№1 №3
(x, y)
№5
№7
№2 №4
№6 №8
Рис. 2
Авторы настоящей статьи предлагают использовать подобный подход с теми же 8 пра-
вилами при обработке изображения, полученного от бесконтактной измерительной системы,
с целью повышения его качества. Возможные значения восьми входных и одной выходной
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
34 Г. А. Польте, А. П. Саенко
переменных сопоставляются нечеткому множеству, состоящему из двух элементов — „черно-
го“ и „белого“ — с Z- и S-образными функциями принадлежности соответственно (рис. 3,
D, у.е.
здесь I — уровень яркости, D — степень принадлеж-
12 0,8
ности цвету: 1 — черному, 2 — белому). Далее системой нечеткого вывода анализи-
руется каждый пиксел изображения, после чего ему
присваивается новое значение яркости в зависимо-
0,4 сти от значений яркости восьми соседних пикселов.
Результат такой обработки приведен на рис. 4 (а, в,
д — исходное изображение; б, г, е — результат об-
0 работки). Из рисунка, в частности, видно, что изображение б, а также фрагмент изображения г и
0 100 200 I, у.е. функция яркости е обладают более высокими значе-
Рис. 3
ниями контрастности и резкости наряду с меньшим
уровнем зашумленности по сравнению с исходным изображением (х — длина обрабатывае-
мого элемента — точки).
а) б)
в) г)
д) I, у.е. 160 120 80 40
0
е) I, у.е. 200
100
20 40 60
80 х, пкс Рис. 4
0
20 40 60
80 х, пкс
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
Количественная оценка качества изображений с использованием методов нечеткой логики 35
Количественная оценка качества изображения методами нечеткой логики. Качест-
во изображения зависит от многих параметров, основными из которых для черно-белого по-
лутонового изображения являются [4]:
— резкость количественно можно оценить как длину перехода в пикселах;
— контрастность количественно можно оценить как разность максимального и мини-
мального значений яркости изображения;
— шум количественно можно оценить как среднее арифметическое разброса значений
яркости на изображении;
— виньетирование количественно можно оценить как контраст между центральной и
периферийной областями одного цвета на изображении;
— кривизна поля изображения количественно можно оценить как разность значений
резкости фрагментов из периферийной и центральной областей.
Результаты количественной оценки указанных параметров для исходного изображения
и полученного после обработки, а также оценка соответствующих характеристик по десяти-
балльной шкале (0 — наихудший показатель, 10 — наилучший) приведены в табл. 1.
Таблица 1
Исходное изображение
Результат обработки
абсолютное
оценка
абсолютное
оценка
значение
(0—10)
значение
(0—10)
Резкость
13 7 12 9
Контрастность
224 6 235 9
Шум
2,22 6 2,07 7
Виньетирование
142 3 131 5
Кривизна поля изображения
0,5
5
0,5
5
Качество изображения (0—5)
2,67
4,23
Основные параметры изображения используются в качестве входных переменных сис-
темы нечеткого вывода для оценки его качества. При этом каждая переменная описывается
одним из трех термов: П — „плохо“, У — „удовлетворительно“, Х — „хорошо“. Выходная
переменная „качество изображения“ также описывается одним из трех указанных термов. В
табл. 2 приведены некоторые правила для определения взаимосвязей между входными и вы-
ходной переменными.
Таблица 2
№ Резкость Контраст Шум Виньетирование Смещение Качество
фокуса изображения
1Х
ХХ
Х
ХХ
2П
ПП
П
ПП
3У
УУ
У
УУ
4П
ХХ
Х
ПУ
Например, в пакете прикладных программ MatLab правила задаются в виде матрицы следующего вида [5]:
ruleList = [...
x1 x2 … xn y1 y2 … yn W O ]; при этом x1 x2 … xn — индексы функций принадлежности для соответствующих входных переменных, y1 y2 … yn — индексы функций принадлежности для соответствующих выходных переменных, W — вес правила, O — логический оператор „И“ или „ИЛИ“. Так, правила, приведенные в табл. 2, задаются следующим образом:
ruleList = [...
33333311
11111111
22222211
1 3 3 3 1 2 1 1 ].
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
36 Г. А. Польте, А. П. Саенко
Результат работы системы нечеткого вывода для количественной оценки качества данных изображений (по пятибалльной шкале от нуля — наихудшего, до пяти — идеального значения качества изображения) составляет 2,67 для исходного и 4,23 — для получившегося изображений.
Выводы. Методы нечеткой логики являются мощным инструментом для представления и обработки знаний в виде правил вида „если—то“, системы нечеткого вывода разрабатываются быстрее и получаются более простыми по сравнению с четкими аналогами, в них легко внедряются экспертные знания. Нечеткая логика может быть успешно применена при решении задач обработки изображений, например, для повышения качества изображения и его количественной оценки, что и было продемонстрировано.
СПИСОК ЛИТЕРАТУРЫ
1. Kerre E., Nachtegael M. Fuzzy techniques in image processing. Physica-Verlag, 2000.
2. Tizhoosh H. R. Fuzzy-Bildverarbeitung: Einführung in Theorie und Praxis. Springer, 1998.
3. Alshennawy A. A., Aly A. A. Edge Detection in Digital Images Using Fuzzy Logic Technique. World Academy of Science, Engineering and Technology. 2009. N 51.
4. Bovik A. C. Handbook of Image and Video Processing. Elsevier, 2005.
5. Штовба С. Д. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб: БХВ-Петербург, 2005.
Галина Александровна Польте Алексей Петрович Саенко
Сведения об авторах — аспирант; Санкт-Петербургский государственный университет ин-
формационных технологий, механики и оптики, кафедра мехатроники; E-mail: galinkan@rambler.ru — аспирант; Санкт-Петербургский государственный университет информационных технологий, механики и оптики, кафедра мехатроники; E-mail: alexey.saenko@gmail.com
Рекомендована кафедрой мехатроники
Поступила в редакцию 05.10.10 г.
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
УДК 621.3.088.7
Г. А. ПОЛЬТЕ, А. П. САЕНКО
КОЛИЧЕСТВЕННАЯ ОЦЕНКА КАЧЕСТВА ИЗОБРАЖЕНИЙ С ИСПОЛЬЗОВАНИЕМ МЕТОДОВ НЕЧЕТКОЙ ЛОГИКИ
Рассматриваются пути улучшения и оценки качества изображения методами нечеткой логики, в частности, с помощью известного способа определения границ объекта. Ключевые слова: нечеткая логика, обработка изображений.
Введение. Применяемые в настоящее время способы измерения параметров деталей приборов можно разделить на контактные и бесконтактные — по типу взаимодействия с исследуемым объектом. При изготовлении оптических объективов высокого качества любой
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
Количественная оценка качества изображений с использованием методов нечеткой логики 33
контакт с рабочей поверхностью линзы может привести к ухудшению оптических свойств, поэтому в таких случаях предпочтительно использовать бесконтактные методы, основанные на обработке изображений. Так, например, в процессе измерения по такому методу важно правильно определить границы измеряемого объекта, что может быть затруднено из-за недостаточной резкости изображения, наличия теней и шумов. Поэтому одна из важнейших задач исследований заключается в нахождении границ объекта.
Обработка цифровых изображений с помощью методов нечеткой логики. В работах [1, 2] рассмотрены основные принципы обработки изображений с использованием методов нечеткой логики, а также указаны их преимущества перед классическими. Изображение рассматривается как нечеткое множество и обрабатывается методами нечеткой логики (рис. 1).
Рис. 1
Вначале происходит фаззификация изображения — преобразование изображения к нечеткому множеству. Далее степень принадлежности элементов нечеткого множества (иными словами, пикселов изображения) изменяется в соответствии с базой нечетких правил. И, наконец, происходит дефаззификация изображения — преобразование значений функций принадлежности в четкие (реальные) значения яркости.
Определение границ объекта с использованием методов нечеткой логики. В работе [3] описан способ определения границ объекта с помощью методов нечеткой логики, авторы использовали базу нечетких правил, состоящую из 8 элементов, обозначенных на рис. 2 как № 1—8. Входные переменные системы нечеткого вывода принимали одно из двух нечетких значений: „черное“ или „белое“. Выходная переменная также может принимать одно из двух нечетких значений: „граница“ или „не граница“.
№1 №3
(x, y)
№5
№7
№2 №4
№6 №8
Рис. 2
Авторы настоящей статьи предлагают использовать подобный подход с теми же 8 пра-
вилами при обработке изображения, полученного от бесконтактной измерительной системы,
с целью повышения его качества. Возможные значения восьми входных и одной выходной
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
34 Г. А. Польте, А. П. Саенко
переменных сопоставляются нечеткому множеству, состоящему из двух элементов — „черно-
го“ и „белого“ — с Z- и S-образными функциями принадлежности соответственно (рис. 3,
D, у.е.
здесь I — уровень яркости, D — степень принадлеж-
12 0,8
ности цвету: 1 — черному, 2 — белому). Далее системой нечеткого вывода анализи-
руется каждый пиксел изображения, после чего ему
присваивается новое значение яркости в зависимо-
0,4 сти от значений яркости восьми соседних пикселов.
Результат такой обработки приведен на рис. 4 (а, в,
д — исходное изображение; б, г, е — результат об-
0 работки). Из рисунка, в частности, видно, что изображение б, а также фрагмент изображения г и
0 100 200 I, у.е. функция яркости е обладают более высокими значе-
Рис. 3
ниями контрастности и резкости наряду с меньшим
уровнем зашумленности по сравнению с исходным изображением (х — длина обрабатывае-
мого элемента — точки).
а) б)
в) г)
д) I, у.е. 160 120 80 40
0
е) I, у.е. 200
100
20 40 60
80 х, пкс Рис. 4
0
20 40 60
80 х, пкс
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
Количественная оценка качества изображений с использованием методов нечеткой логики 35
Количественная оценка качества изображения методами нечеткой логики. Качест-
во изображения зависит от многих параметров, основными из которых для черно-белого по-
лутонового изображения являются [4]:
— резкость количественно можно оценить как длину перехода в пикселах;
— контрастность количественно можно оценить как разность максимального и мини-
мального значений яркости изображения;
— шум количественно можно оценить как среднее арифметическое разброса значений
яркости на изображении;
— виньетирование количественно можно оценить как контраст между центральной и
периферийной областями одного цвета на изображении;
— кривизна поля изображения количественно можно оценить как разность значений
резкости фрагментов из периферийной и центральной областей.
Результаты количественной оценки указанных параметров для исходного изображения
и полученного после обработки, а также оценка соответствующих характеристик по десяти-
балльной шкале (0 — наихудший показатель, 10 — наилучший) приведены в табл. 1.
Таблица 1
Исходное изображение
Результат обработки
абсолютное
оценка
абсолютное
оценка
значение
(0—10)
значение
(0—10)
Резкость
13 7 12 9
Контрастность
224 6 235 9
Шум
2,22 6 2,07 7
Виньетирование
142 3 131 5
Кривизна поля изображения
0,5
5
0,5
5
Качество изображения (0—5)
2,67
4,23
Основные параметры изображения используются в качестве входных переменных сис-
темы нечеткого вывода для оценки его качества. При этом каждая переменная описывается
одним из трех термов: П — „плохо“, У — „удовлетворительно“, Х — „хорошо“. Выходная
переменная „качество изображения“ также описывается одним из трех указанных термов. В
табл. 2 приведены некоторые правила для определения взаимосвязей между входными и вы-
ходной переменными.
Таблица 2
№ Резкость Контраст Шум Виньетирование Смещение Качество
фокуса изображения
1Х
ХХ
Х
ХХ
2П
ПП
П
ПП
3У
УУ
У
УУ
4П
ХХ
Х
ПУ
Например, в пакете прикладных программ MatLab правила задаются в виде матрицы следующего вида [5]:
ruleList = [...
x1 x2 … xn y1 y2 … yn W O ]; при этом x1 x2 … xn — индексы функций принадлежности для соответствующих входных переменных, y1 y2 … yn — индексы функций принадлежности для соответствующих выходных переменных, W — вес правила, O — логический оператор „И“ или „ИЛИ“. Так, правила, приведенные в табл. 2, задаются следующим образом:
ruleList = [...
33333311
11111111
22222211
1 3 3 3 1 2 1 1 ].
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3
36 Г. А. Польте, А. П. Саенко
Результат работы системы нечеткого вывода для количественной оценки качества данных изображений (по пятибалльной шкале от нуля — наихудшего, до пяти — идеального значения качества изображения) составляет 2,67 для исходного и 4,23 — для получившегося изображений.
Выводы. Методы нечеткой логики являются мощным инструментом для представления и обработки знаний в виде правил вида „если—то“, системы нечеткого вывода разрабатываются быстрее и получаются более простыми по сравнению с четкими аналогами, в них легко внедряются экспертные знания. Нечеткая логика может быть успешно применена при решении задач обработки изображений, например, для повышения качества изображения и его количественной оценки, что и было продемонстрировано.
СПИСОК ЛИТЕРАТУРЫ
1. Kerre E., Nachtegael M. Fuzzy techniques in image processing. Physica-Verlag, 2000.
2. Tizhoosh H. R. Fuzzy-Bildverarbeitung: Einführung in Theorie und Praxis. Springer, 1998.
3. Alshennawy A. A., Aly A. A. Edge Detection in Digital Images Using Fuzzy Logic Technique. World Academy of Science, Engineering and Technology. 2009. N 51.
4. Bovik A. C. Handbook of Image and Video Processing. Elsevier, 2005.
5. Штовба С. Д. Нечеткое моделирование в среде MATLAB и fuzzyTECH. СПб: БХВ-Петербург, 2005.
Галина Александровна Польте Алексей Петрович Саенко
Сведения об авторах — аспирант; Санкт-Петербургский государственный университет ин-
формационных технологий, механики и оптики, кафедра мехатроники; E-mail: galinkan@rambler.ru — аспирант; Санкт-Петербургский государственный университет информационных технологий, механики и оптики, кафедра мехатроники; E-mail: alexey.saenko@gmail.com
Рекомендована кафедрой мехатроники
Поступила в редакцию 05.10.10 г.
ИЗВ. ВУЗОВ. ПРИБОРОСТРОЕНИЕ. 2011. Т. 54, № 3