История развития теории цифровой обработки изображений

ФЕДЕРАЛЬНОЕ АГЕНТСТВО ПО ОБРАЗОВАНИЮ

ГОСУДАРСТВЕННОЕ ОБРАЗОВАТЕЛЬНОЕ УЧРЕЖДЕНИЕ ВЫСШЕГО

ПРОФЕССИОНАЛЬНОГО ОБРАЗОВАНИЯ

«РЫБИНСКАЯ ГОСУДАРСТВЕННАЯ АВИАЦИОННАЯ ТЕХНОЛОГИЧЕСКАЯ

АКАДЕМИЯ ИМЕНИ  П. А. СОЛОВЬЁВА»

Кафедра философии, социально-культурных технологий и туризма

РЕФЕРАТ

по истории информационной отрасли  науки

на тему «История развития теории цифровой обработки изображений»

Аспирант (соискатель) Сизов П. В.________

кафедры «Вычислительные системы»

Оценка_______________________________

Подпись преподавателя_________________

Дата_________________________________

Рыбинск

2009

СОГЛАСОВАНО

Научный руководитель

канд. техн. наук, доцент

Паламарь И. Н.

_____________________

ПЛАН РЕФЕРАТА

ПО ИСТОРИИ ИНФОРМАЦИОННОЙ ОТРАСЛИ  НАУКИ

Аспиранта (соискателя) Сизова П. В.

1 Тема реферата

История развития теории цифровой обработки  изображений

2 Перечень подлежащих разработке  вопросов

Введение

1 Описание цифровой обработки  изображений

Определение цифровой обработки изображений; состав дисциплины; связи с другими областями знаний

2 Историческое развитие цифровой  обработки изображений

Периодизация истории цифровой обработки изображений

2.1 Развитие обработки изображений  до появления ЭВМ

2.2 Цифровая обработка изображений  в период появления вычислительной техники

Появление машинного зрения и его  основные проблемы

2.3 Цифровая обработка изображений  в период активного распространения  ЭВМ

Научные школы и организации, работающие в этой области

3 Применение цифровой обработки  изображений

Особенности применения обработки изображений в разные периоды её развития; области применения методов цифровой обработки изображений и машинного зрения; перспективы развития

Заключение

Содержание

Введение

Зрение является важнейшим чувственным  восприятием с точки зрения количества поступающей с ним информации. Зрение — это процесс определения  по изображениям, что именно присутствует в окружающем мире и где находится [4]. При этом именно изображение является источником и носителем этой информации. Осознавая это, люди с древних времён отображали зрительные образы посредством изобразительных искусств, черчения, других различных видов графики. Во время этой деятельности человек часто выполняет действия, совокупность которых сейчас можно назвать обработкой изображений, например, это может выражаться в обрисовывании структур картин, ретушировании фотографий, реставрации предметов искусства. Разумеется, творческий подход художника не может быть описан как сумма технических приёмов, но, тем не менее, некоторые элементы данного процесса, представленные на своём нижнем уровне, поддаются достаточно строгой формализации.

Появление и быстрое развитие средств  передачи и обработки информации в XX веке усилило значение произведений графики как средства трансляции определённых данных, совсем необязательно отличающихся высоким художественным содержанием, например, в журналистике. Возросшие технические возможности позволяли теперь всё больше использовать изображения наравне с текстом, а иногда удобнее передавать данные, которые лучше всего представлять в графическом виде.

Развитие электронных вычислительных машин предопределило, как и во многих других областях, переход методов обработки изображений в цифровую плоскость. Преобразование изображений в электрические сигналы сделало возможным их цифровую обработку, то есть преобразование всей информации на основе математических инструкций в компьютере. Благодаря такому универсальному представлению изображений методы их обработки теперь могли быть объединены в рамках научного направления цифровой обработки изображений, образованного на пересечении математики, теории обработки сигналов, нейрофизиологии и психологии.

В данной работе сначала рассматриваются основные понятия цифровой обработки изображений, состав дисциплины, её задачи и связи со смежными областями знаний (раздел 1). В разделе 2 представлено описание этапов исторического развития данного научно-технического направления и рассказ об основных научных школах, работающих в этой области. Так как стимулом к развитию методов обработки изображений часто являются практические запросы других научных дисциплин и сферы техники, то рассмотрение областей применения данных технологий является необходимым для понимания исторического развития этих систем, этому посвящён раздел 3, также здесь дано описание возможностей развития этой области, связанных преимущественно с всё большим применением методов обработки изображений в интеллектуальных системах.

Основная часть

1 Описание цифровой обработки  изображений

Математически любое  плоское изображение может быть представлено в виде двухмерной функции  , здесь x и y — координаты в двухмерном пространстве. Значение функции  f  для каждой точки даёт значение интенсивности (яркости, уровня серого). В случае, если величины  f, x, y могут принимать конечное число дискретных значений, то говорят о цифровом изображении. Цифровой обработкой изображений называется обработка цифровых изображений с помощью цифровых вычислительных машин (компьютеров) [2]. Изображение также может быть определено как множество его элементов, называемых пикселами. Представление изображения, сцены совокупностью числовых значений, описывающих только лишь уровни яркости в заранее определённых позициях, то есть в виде растра, является низкоуровневым образом изображения. Такая форма не позволяет ЭВМ непосредственно выделить объекты сцены, определить их параметры и, наконец, вынести какое-либо общее суждение о характере и смысле образа. Все эти способности присущи лишь живым существам. До сих пор лучшей из известных систем обработки изображений является зрительный аппарат человека. Многие технические методы ориентируются на строение и фунционирование глаза. Главной целью систем цифровой обработки изображений всегда будет достижение уровня биологического образца [8].

Задачей методов  обработки изображений является повышение уровня представления, качественный переход к более общим понятиям об изображении, которыми оперирует человек. Также в число этих задач входит обработка изображений таким образом, чтобы подчеркнуть существенные с точки зрения поставленной задачи структуры на изображении так, что дальнейшее их восприятие человеком (оператором) оказалось бы существенно упрощено. В последнем случае методы обработки не выделяют из изображения какой-либо качественно новой информации, то есть и на входе и на выходе системы изображение представлено в одной форме. Иногда цифровую обработку изображений разделяют по этим задачам на собственно обработку изображений и на распознавание образов [6]. Однако такое разбиение видится весьма условным и не соответствующим устройству зрительного аппарата человека, представляющего собой целостную интегрированную систему, не признающую чёткого разделения на уровни восприятия. Эту точку зрения можно подтвердить и при рассмотрении методов, используемых в этих пересекающихся областях. Так задача распознавания образов не может быть успешно решена без учёта на её нижнем уровне обработки условий конкретной задачи, а низкоуровневая обработка изображения должна использовать методы, наилучшим образом выделяющие именно те особенности изображения, которые с позиций исследователя важны для дальнейшей интерпретации.

Теперь перейдём к описанию основных групп методов, составляющих область цифровой обработки  изображений, и решаемых ими задач. Сначала следует разделить их по принципу наличия на выходе качественно  новой информации в форме, отличной от исходного представления [2]. Выделим здесь:

- методы, на входе и на выходе которых имеются изображения (группа 1);

- методы, в которых на вход поступают изображения, а на выходе возникают признаки и атрибуты, выделенные на основе этих изображений (группа 2).

Здесь удобно привести схему (рисунок 1.1), отражающую внутреннюю организацию дисциплины цифровой обработки изображений, состоящую из блоков-групп рассматриваемых проблем и, как правило, применяемых при обработке последовательно (последовательность указана цифрами). Также такая структура часто служит основой для написания книг по данной теме.

Рисунок 1.1 — Основные стадии цифровой обработки изображений

Теперь можно подробнее рассмотреть  выделенные группы методов и связанные  с ними задачи цифровой обработки  изображений.

Регистрация изображений является первым шагом в их преобразовании. Обычно для этого используются различные  приборы ввода графической информации, содержащие в своём составе светочувствительные  элементы. Однако здесь стоит отметить, что одним из немногих преимуществ технических систем обработки изображений над биологическими является возможность использования не только видимого светового излучения, а всего диапазона электромагнитных волн и даже акустических колебаний и изображений, изначально формируемых вычислительными процессами. В задачу регистрации изображения входит преобразование входного воздействия (электромагнитные, акустические колебания) в электрический сигнал, последующие операции дискретизации и квантования этого сигнала. Иногда здесь используются простейшие геометрические преобразования, например, сдвиг, масштабирование, вращение, цель которых в приведении изображения к нормальной, стандартной форме. На выходе этой стадии должно получиться изображение, сохранённое в памяти ЭВМ и пригодное для дальнейшей обработки.

Улучшение изображений представляет собой набор операций, служащих для  подчёркивания в изображении  его составляющих, важных с точки  зрения поставленной задачи, и уменьшение или полное удаление несущественных, избыточных или мешающих деталей. Из определения следует, что в этой задаче важны субъективные оценки, так как понятие «хорошего» изображения может сильно различаться для каждой задачи и не поддаётся чёткой формализации. В эту группу входят методы регулировки контраста, яркости, цветности, гамма-коррекции, повышения резкости изображения или, наоборот, его сглаживания с одновременным подавлением шумов.

Восстановление изображений —  область во многом близкая к улучшению  изображений, которая служит тем  же целям, но отличается от предыдущей группы методов тем, что здесь критерии качества изображения могут быть чётко сформулированы математически, что исключает из исходных данных субъективную оценку человека. Например, если заранее известна функция искажений изображения, то оно может быть успешно восстановлено путём приложения обратной функции, для этого служит инверсная фильтрация.

Обработка цветных изображений  может быть выделена в отдельную  область рассмотрения, так как в последние годы с распространением доступных устройств графического ввода (фото- и видеокамеры, сканеры), способных воспринимать цветовую информацию, и ростом количества цветных изображений, обращающихся в вычислительных сетях, роль цвета в обработке изображений значительно усилилась. Учёт информации о цвете наряду с яркостью позволяет значительно повысить эффективность применения многих методов обработки изображений.

Частотные преобразования изображений  занимают особое место среди методов  обработки. Сами они по сути не изменяют изображение, а лишь меняют форму  его представления, переводя исходный сигнал в сумму его компонент разной частоты и амплитуды. В такой форме бывает значительно проще проводить фильтрацию или усиление отдельных составляющих сигнала. Кроме того, такое представление изображения позволяет выделить на нём важные признаки, выделение которых другими методами менее эффективно или невозможно. Среди частотных преобразований можно выделить: преобразование Фурье, вейвлет-преобразование (кратномасштабное), преобразование Адамара, преобразование Уолша.

Сжатие изображений включает в себя методы уменьшения информационного объёма изображений, например, в условиях недостаточного объёма запоминающих устройств или низкой пропускной способности линий связи. Методы сжатия отбрасывают информацию, потеря которой предположительно не будет заметна для пользователя. Для этой цели наряду с математическими приёмами используются психовизуальные модели восприятия.

Морфологическая обработка изображений  использует информацию о форме объектов, неявно получаемую в самом процессе преобразования. По этой причине методы, относящиеся к этой группе, могут быть использованы для перехода к качественно более высокому уровню представления объектов сцены и всего изображения в целом. К числу морфологических операций относятся: дилатация, эрозия, замыкание, размыкание, нахождение границы объекта, заливка площади и другие. В математической морфологии эти операции в простой форме записываются с помощью теории множеств.

Сегментация изображений есть выделение  на исходном изображении (оригинале) однородных в смысле какого-либо признака областей. Выделение областей сопровождается расчётом их параметров, важных для дальнейшего анализа. Таким образом, именно на этой стадии обработки и происходит переход к более общей форме описания изображения. Теперь оригинал может быть представлен не как совокупность точек изображения, а как сцена состоящая из областей. Однако задача идентификации объектов сцены на этом этапе ещё не решается. Для сегментации также используют в некотором смысле обратный подход — ищут не однородные области, а перепады между этими областями (контуры). Последний приём интересен тем, что согласуется с результатами нейрофизиологических исследований, так как человек при зрительном восприятии бóльшее внимание уделяет перепадам яркости, чем равномерным областям [8].

Представление и описание следуют  сразу за сегментацией и служат для  отображения информации о выделенных областях или контурах в форме, наиболее подходящей для дальнейшей обработки  в условиях конкретной задачи. Это  могут быть определённые статистические или частотные свойства поверхности, находящейся внутри области, либо кодовые последовательности очертаний объекта. В любом случае признаки, выбранные для описания, должны наилучшим образом отражать именно те свойства объектов, которые будут сильно различаться для представителей разных классов (например, окружности и квадрата) и близки для экземпляров одного класса, будучи желательно нечувствительными к размерам объекта, его положению, повороту.

Распознавание объектов состоит уже  в присвоении некоторым областям, выделенным на этапе сегментации и описанным с помощью различных признаков, имён-идентификаторов, определяющих принадлежность к какому-либо классу объектов. Таким образом, на данном шаге изображение уже может быть описано как сцена, состоящая из определённого количества распознанных объектов.

На данном этапе заканчиваются  даже самые широкие определения  цифровой обработки изображений [2, 8] и дальнейшие процедуры обработки уже целиком относят к области искусственного интеллекта. Однако такое разделение видится здесь также совсем необязательным и, вероятно, служащим целям чёткой дисциплинарной организации. Так как задача машинного зрения, то есть максимального приближения вычислительной системы к человеческому чувству зрительного восприятия, не может быть решена без комплексного рассмотрения проблемы. Природные, живые системы не могут быть чётко разделены на нижний и высший уровни восприятия, и точно можно сказать, что они наполнены сетью связей, за счёт которых достигается эффективность, недоступная известным техническим системам.

Теперь рассмотрим связи цифровой обработки изображений со смежными областями знаний. Обработка изображений  изначально развивалась в рамках теории обработки сигналов и, естественно, в полной мере использовала знания математических дисциплин: теории вероятностей, математической статистики, функционального анализа, аналитической геометрии, дифференциального исчисления, методов оптимизации и других. При дальнейшем углублении в суть рассматриваемых проблем стали использоваться знания из оптики, биологии, нейрофизиологии, электрофизиологии, психофизики, а также психологии, придающие теоретическим исследованием более высокий уровень обобщения и достоверности [4]. Обработка изображений имеет тесные связи с компьютерной (машинной) графикой, исследующей обратную задачу — построение фотореалистичных изображений вычислительными методами по имеющемуся абстрактному описанию сцены. Вероятно, компьютерная графика и обработка изображений могут быть объединены в рамках какой-либо более общей области познания [6]. Цифровая обработка изображений сливается с областью искусственного интеллекта в задаче машинного зрения. Хотя, как уже отмечалось, знания искусственного или естественного интеллекта должны учитываться даже при проведении низкоуровневых операций обработки, таких как изменение контраста или фильтрация.

История цифровой обработки изображений  тесно связана с развитием  и применением средств вычислительной техники и преобразования сигналов, так как теоретические идеи могут получить своё экспериментальное подтверждение и развитие только будучи реализованными на определённой элементной базе, удовлетворяющей высоким требованиям функциональности и производительности. В этом аспекте можно дать периодизацию истории цифровой обработки изображений и выделить следующие этапы:

- развитие обработки изображений до появления средств вычислительной техники (вторая половина  IXX века — 40-е годы XX века);

- период, связанный с появлением вычислительных машин, но всё ещё узким, специализированным их применением вследствие относительно слабых характеристик (50-е — 70-е годы XX века);

- развитие цифровой обработки изображений с 80-х годов XX века до настоящего времени, характеризующееся слабеющими ограничениями со стороны средств вычислительной техники и бурным ростом сферы применения систем обработки изображений.

Историю цифровой обработки изображений  можно начинать с того момента, как  изображение впервые удалось преобразовать в электрический сигнал.

С развитием телеграфа в начале IXX века и открытием фотографии  благодаря Ж. Н. Ньепсу и Л. Ж. М. Дагеру в 1839 году [7] наряду с передачей текста  появилось большое желание быстро передавать изображения. Уже в 1866 году после идеи итальянского профессора физики Д. Каселли была построена первая машина, которая благодаря построчному сканированию переводила тексты и изображения в электрические сигналы и передавала эту информацию по проволоке получателю. Отправитель должен был для этого писать или рисовать своё послание непроводящими электрический ток чернилами на тонком оловянном диске. После этого сообщение устанавливалось на вращающийся барабан и сканировалось с помощью тонкой иглы с разрешением 3 строки на миллиметр. При сканировании оловянной подложки возникал электрический импульс, а при прохождении через участки с чернилами импульс не возникал. Эти импульсы направлялись по проволоке получателю. В конструктивно схожей машине этот сигнал переводился обратно в изображение, при этом только отсутствие импульса регистрировались на бумаге. Разработанный «Пантелеграф» уже в первый год использования передал между Парижем и Лионом более 5000 документов. Этот ранний факс-аппарат уже обладал всеми признаками современных устройств графического ввода.

После данное устройство получает дальнейшее развитие в виде самописца Р. Хелла. Это устройство больше не переносит информацию по проводу, а использует радио. Чтобы достичь при этом как можно большей помехоустойчивости, каждый передаваемый символ разбивается на матрице 7×7 пикселов, эти импульсы тока передаются по очереди и снова  преобразуются на приёмной стороне в разборчивые символы, благодаря поточечной печати на бумаге [8]. Здесь, конечно, речь шла только о бинарных изображениях с двумя цветами.

Дальнейшие технические достижения благоприятствовали развитию  методов  обработки изображений, а именно соединение Европы и Америки трансатлантическим подводным кабелем в начале 1920-х годов этого столетия. Это произошло с внедрением системы «Бартлейн» для передачи изображений по кабелю, что позволило уменьшить время передачи изображений через Атлантику с обычной недельной задержки до менее, чем трёх часов. Основной областью применения этой системы была журналистика.

Ранние экземпляры «Бартлейн» были способны кодировать изображение с использованием пяти градаций серого, имитируя интенсивность цвета с помощью различного количества чёрных точек на единицу площади. В 1929 году эти устройства могли воспроизводить уже 15 уровней яркости. За этот период были внедрены системы, в которых фотопластинка экспонировалась с помощью световых лучей, формируемых закодированной на перфоленте информацией, что позволило значительно улучшить процесс репродукции. Пример изображения, переданного такой системой представлен на рисунке 2.1.

Рисунок 2.1 — Неретушированная фотография генералов Першинга и  Фоша, переданная в 1929 году по кабелю из Лондона в Нью-Йорк с помощью    15-градационного оборудования [2]

В первой половине XX века уже разрабатывались методы обработки изображений, связанные, например, с фильтрацией, распознаванием образов, но все они использовали средства аналоговой техники, из-за чего не могли достигнуть высокого уровня эффективности и применимости. По этой причине они развивались и находили применение лишь в немногих проектах (обычно в военной сфере), финансирование которых могло осуществляться только за счёт государственных расходов. Поэтому можно сказать, что многие теоретические идеи, наталкиваясь на несовершенство элементной базы, должны были ждать своего времени, когда они могли бы получить дальнейшее развитие, пройдя через стадию экспериментальной проверки.

Хотя в вышеприведённых примерах фигурируют цифровые изображения, их нельзя рассматривать как результат цифровой обработки изображений в контексте заданного определения (раздел 1), так как при их получении не использовались компьютеры.

После упомянутых первых важных шагов произошёл большой прорыв в цифровой обработке изображений как самостоятельной дисциплине благодаря началу развития больших ЭВМ в начале второй половины XX века. Действительно, для цифровых изображений требуется такая большая память и вычислительная мощность, что прогресс в области цифровой обработки изображений в значительной степени определяется развитием компьютеров и вспомогательных технологий для хранения, отображения и передачи данных. Именно в это время цифровая обработка изображений выходит на организованный, теоретический уровень исследования.

Теперь для методов, существовавших в непрерывной форме  потребовалось найти их дискретные аналоги. Разработка численных методов  и их ориентация на реализацию средствами вычислительной техники послужили  объединению существовавших разрозненных подходов в рамках теории цифровой обработки изображений.

Одновременно с появлением первых компьютеров и началом  разработки вычислительных методов  обработки изображений появились  первые идеи о наделении ЭВМ качествами зрительного восприятия человека. История  машинного зрения началась со статьи профессора Массачусетского технологического института О. Селфриджа «Глаза и уши для компьютера», опубликованной в 1955 году. В ней автор выдвинул теоретическую идею оснащения компьютера средствами распознавания звука и изображений [1]. В это же время предпринимаются первые попытки моделирования нейронной деятельности человеческого мозга для решения проблем в области компьютерного зрения. Этот подход ставил своей целью построение системы распознавания на основе имитации способностей человека к распознаванию, то есть путём выявления эвристических бесперебойных приёмов обработки и анализа информации, свойственных зрительной системе человека, и использования этих эвристик, их вариантов и обобщений в качестве алгоритмов распознавания [4]. Работа в этой области требовала глубоких исследований в психофизиологии и психофизике восприятия. Первый успех в области машинного зрения можно смело связать с разработкой психолога Корнеллской лаборатории аэронавтики Ф. Розенблатта — персептроном (от perception — восприятие). Персептрон был впервые смоделирован на универсальной ЭВМ IBM-740 в 1958 году. Аппаратный вариант персептрона — Mark I Perceptron был изготовлен в 1960 году и предназначался для распознавания зрительных образов. Его рецепторное поле состояло из 400 точек (матрица 20×20 элементов), и он был способен решать ряд несложных задач, в частности, распознавать печатные буквы [5]. Однако сложности, возникшие в процессе решения проблемы распознавания изображений на основе аксиоматизации понятия «образ», ограниченность сведений о сущности процесса распознавания у человека, предоставляемых психологией и физиологией, а также необходимость решать прикладные задачи — всё это вкупе отодвинуло на второй план применение в распознавании изображений методов эвристического программирования, не говоря уже о попытках создать подлинную теорию образов. Эти же проблемы лежат и в основе трудностей других областей искусственного интеллекта, явно замедляя их развитие. Во многом по этим причинам внимание исследователей в этой области переключается на решение задач, требующих меньшего уровня теоретизации, с большим привлечением методов из обработки одномерных сигналов. Довольно часто «обработка» здесь сводится к измерению и воспроизведению сигнала, а основными математическими средствами продолжают служить спектральный анализ и различные разновидности статистических фильтров. В результате решение внутренних технических задач полностью доминировало и выдавалось за продвижение к конечной цели — разработке систем машинного зрения (иначе — автоматизированных систем обработки изображений (АСОИЗ)) [4].

В начале 1960-х годов  основным стимулом к разработке методов  цифровой обработки изображений  стали задачи, связанные с космическими исследованиями. Совместно с прогрессом в области электроники направление обработки изображений получило тогда бурное развитие. Естественно, речь здесь  не шла о построении полноценных АСОИЗ, важнее пока были чисто прикладные технические задачи, связанные с исправлением геометрических искажений, обусловленных конструкцией бортовой телевизионной камеры летательного аппарата, коррекцией параметров цвета, обеспечением наиболее информационно-насыщенного представления снимков. Кроме того, эти изображения нуждались в обработке и анализе с целью решения различного рода навигационных задач — таких как определение места площадок, пригодных для посадки спускаемых космических аппаратов. Опыт, накопленный при обработке первых космических изображений, послужил основой для разработки усовершенствованных методов восстановления и улучшения изображений. Стремительный рост возможностей электроники и вычислительных систем способствовал повышению качества получаемых и обработанных изображений. Также появились датчики, способные улавливать электромагнитное излучение за пределами видимого диапазона.

Параллельно с космическими исследованиями в конце 1960-х —  начале 1970 годов методы цифровой обработки  изображений стали активно применяться  в медицине, дистанционном исследовании земных ресурсов. В этот период была изобретена рентгеновская вычислительная томография, называемая также компьютерной томографией (КТ), что стало важнейшим событием в области применения обработки изображений для медицинской диагностики [2].

В силу высокой технической  оснащённости (устройства ввода, формирования и дискретизации изображений, вычислительная техника, в том числе специализированные вычислительные системы для обработки изображений, графические дисплеи и т. д.) наиболее успешные продвижения в области цифровой обработки изображений были сделаны в США — было решено множество конкретных прикладных задач анализа изображений и, кроме того, было предложено несколько интересных эвристических методов, а также созданы и исследованы программы анализа и понимания изображений, что в целом сыграло существенную роль в осмыслении требований к теории распознавания изображений и путей её развития и приложений.

Этот период связан с  активной деятельностью научного коллектива Лаборатории искусственного интеллекта Массачусетского технологического института, в который входили такие известные в этой области учёные как П. Уинстон, Б. Хорн, Д. Марр, М. Минский, С. Пейперт и другие.

Стоит отметить, что на данном этапе развития, также как  и на предыдущем (подраздел 2.1), многие теоретические представления, связанные  уже с областями машинного зрения и распознавания образов, не могли быть реализованы или широко применены на практике по той же причине — недостаточной степени развития элементной базы.