Обработка данных в средах MathCAD и LabVIEW

    Дисциплина: Программирование
    Тип работы: Курсовая
    Тема: Обработка данных в средах MathCAD и LabVIEW

    Содержание
    TOC o \"1-3\" h z u
    Введение
    PAGEREF _Toc167637074 h
    Подготовка исходного изображения
    PAGEREF _Toc167637075 h
    Обработка изображений путем поэлементных преобразований
    PAGEREF _Toc167637076 h
    Представление полученного изображения в матричном виде
    PAGEREF _Toc167637077 h
    Инверсия изображения
    PAGEREF _Toc167637078 h
    Линейное контрастирование изображения
    PAGEREF _Toc167637079 h
    Построение линейной и кумулятивной гистограмм изображения
    PAGEREF _Toc167637080 h
    Бинаризация изображения
    PAGEREF _Toc167637081 h
    Двукратное увеличение изображений
    PAGEREF _Toc167637082 h
    Экстраполяция нулевого порядка
    PAGEREF _Toc167637083 h
    Интерполяция первого порядка
    PAGEREF _Toc167637084 h
    Вывод
    PAGEREF _Toc167637085 h
    Список литературы
    PAGEREF _Toc167637086 h
    Приложение
    PAGEREF _Toc167637087 h
    Введение
    Цель данного курсового проекта заключается в реализации предлагаемых алгоритмов и методов обработки массивов данных (цифровых изображений) с помощью сред MathCAD и LabVIEW, а
    так же сравнительный анализ двух рассматриваемых приложений, указав их преимущества и недостатки, по отношению друг к другу. Следует отметить среды MathCAD и LabVIEW являются наиболее
    наглядными и часто используемыми для решения различных инженерных вычислительных задач и исследовательских проблем.
    Обработка цифровых изображений является достаточно ярким и наглядным примером преобразования и анализа измерительных данных. Цифровое преобразование изображений широко
    используют в промышленных системах машинного зрения, измерительных видеосистемах, прикладных телевизионных системах, вещательном телевидении и так далее.
    Назначение цифрового преобразования изображений состоит в создании условий для улучшения восприятия изображения (например, в рентгено- или ультразвуковой медицинской
    диагностике), формировании определенного художественного образа (в телевидении), выделении информативных признаков (в системах распознавания изображений, измерительных системах,
    системах мониторинга) и так далее.
    В данном курсовом проекте будут использованы такие цифровые преобразования как, импортирование данных из полученного файла в массив; инверсия изображения; линейное
    контрастирование исходного изображения; построение линейной и кумулятивной исходного и контрастированного изображения; бинаризация полученного изображения после линейного
    контрастирования с различными порогами бинаризации; двукратное увеличение контрастированного изображения, используя экстраполяцию нулевого порядка и интерполяцию первого порядка для
    восстановления промежуточных пикселей изображения; экспортирование контрастированного и восстановленных изображений в
    файлы.
    Следует различать обработку изображений, предназначенных для зрительного восприятия, и обработку в устройствах автоматического анализа, где на первый план выходят задачи
    выделения признаков, определения точных текущих координат объекта и формирования данных о количественных характеристиках.
    Исследуемые изображения отражают закономерности взаимодействия светового и другого электромагнитного излучения с отдельными участками изучаемой сцены. Модуляция лучистого потока
    происходит как по величине энергии, так и по спектральному распределению и осуществляется в результате взаимодействия излучения с исследуемым веществом вследствие явлений поглощения,
    отражения, рассеяния, преломления, поляризации или интерференции. Именно на этих свойствах, как правило, основано использование обработки изображений в системах автоматического
    анализа с целью извлечения количественной информации об исследуемых объектах.
    Подготовка исходного изображения
    Создание исходного цифрового изображение путем цифровой фотосъемки и дальнейшей обработки в редакторе
    Abode
    Photoshop
    . Сохранение полученного изображения в формате
    , размером 300х300 пикселей (Рис п. 1).
    Обработка изображений путем поэлементных преобразований
    Результат обработки в любой точке кадра зависит только от значения входного изображения в этой же точке. Очевидным достоинством таких процедур является их предельная простота.
    Вместе с тем, многие из них приводят к очевидному субъективному улучшению визуального качества. Этим определяется внимание, которое уделяется поэлементным процедурам. Не преувеличивая
    их роли, отметим, что очень часто поэлементная обработка применяется как заключительный этап при решении более сложной задачи обработки изображения. Часто бывает полезным подчеркнуть,
    усилить какие-то черты, особенности, нюансы наблюдаемого изображения с целью улучшения ее субъективного восприятия.
    Представление полученного изображения в матричном виде
    MathCAD
    Рис 1а
    LabVIEW
    Рис 1б
    Инверсия изображения
    Под инверсией изображения понимается получение негатива из исходного изображения и наоборот (Рис 2а, б). При использовании восьми битового формата изображения градации серого
    уровень яркости кодируется 256 уровнями (от 0 до 255).
    Фактически осуществляется преобразование белого в черный, учитывая все 256 уровней кодирования (Рис п. 2).
    MathCAD
    Рис 2а
    LabVIEW
    Рис 2б
    Линейное контрастирование изображения
    Задача контрастирования связана с улучшением согласования динамического диапазона изображения и экрана, на котором выполняется визуализация. В рассматриваемом случае формата
    градаций серого на кодирование каждого отсчета изображения отводится 1 байт (8 бит) запоминающего устройства, поэтому уровни могут принимать одно из 256 значений. Обычно в качестве
    рабочего используется диапазон 0...255; при этом значение 0 соответствует при визуализации уровню черного, а значение 255 – уровню белого. Предположим, что минимальная и максимальная
    яркости исходного изображения равны и соответственно. Если эти параметры или один из них существенно отличаются от граничных значений яркостного диапазона, то визуализированная
    картина выглядит как ненасыщенная, неудобная, утомляющая при наблюдении.
    Получим ненасыщенное изображение (Рис п. 3), а потом, с помощью линейного контрастирования, улучшим его качество (Рис 3а, б, Рис п. 4).
    MathCAD
    Рис 3а
    LabVIEW
    Рис 3б
    Построение линейной и кумулятивной гистограмм изображения
    Для цифрового изображения формата градации серого, шкала яркостей которого принадлежит целочисленному диапазону 0...255, гистограмма представляет собой таблицу из 256 чисел.
    Каждое из них показывает количество точек в кадре, имеющих данную яркость.
    Линейная гистограмма определяет полный перебор матрицы изображения. Значение элементов матрицы
    в свою очередь являются индексами массива гистограммы. При выборе какого-либо элемента матрицы к соответствующему элементу массива гистограммы добавляется единица. В итоге, после
    полного перебора матрицы
    каждый элемент массива отражает общее число элементов матрицы
    с соответствующим уровнем яркости (Рис 4а, 5а, Рис п. 5а, б).
    У кумулятивной гистограммы любое значение элемента массива равно сумме всех предыдущих (Рис 4б, 5б, Рис п. 6а, б).
    MathCAD
    Рис 4а
    Рис 4б
    LabVIEW
    Рис 5а
    Рис 5б
    Бинаризация изображения
    Преобразование с пороговой характеристикой п...

    Забрать файл

    Похожие материалы:


ПИШЕМ УНИКАЛЬНЫЕ РАБОТЫ
Заказывайте напрямую у исполнителя!


© 2006-2016 Все права защищены