Метод коррекции дисторсии в задачах обработки изображений этикеток

Цель исследования. В работе объектом исследования являются методы и алгоритмы автоматического получения и улучшения качества цифровых изображений в контроллерах для систем этикетирования и систем обработки и распознавания изображений. Цель работы – разработка новых методов улучшения качества и обработки изображений для использования в оптико-электронных устройствах и системах технического зрения. Отмечена актуальность научно-технической задачи по расширению функцио-нальных возможностей и повышению качества функционирования вычислительных устройств в системах управления и контроля качества этикетирования объектов, в частности, отмечена необходимость выделения изображения этикетки с целью определения нарушения качества ее нанесения. В качестве основной корректируемой особенности получаемых изображений выбрана дисторсия.

Методы. Рассмотрены основные подходы, используемые при определении и коррекции дисторсии, выяв-лены их недостатки, проведен анализ основных методов, описанных в литературе. В работе использо-вались аппарат аналитической геометрии, теория распознавания образов, методы обработки и анализа растровых изображений.

Результаты. Разработан метод обработки изображений для улучшения их качества, программное обе-спечение для обнаружения и обработки изображений этикеток и документов. Предложен вариант определения радиальной дисторсии при смещении наблюдения в различных направлениях. Выполнено моделирование разработанного метода с помощью специально созданного программного обеспечения. Проведены экспериментальные исследования созданного программного обеспечения. Приведены их результаты и отмечены достоинства и недостатки.

Заключение. Разработанный метод может использоваться в устройствах получения и обработки изо-бражений, функционирующих в автоматическом режиме и применяемых в системах технического зрения и контроля качества этикетирования.

1. Панищев В.С., Решетникова В.П., Чернецкая И.Е. Блок управления автоматизированной системой нанесения этикеток на подвижный объект // Известия высших учебных заведений. Приборостроение. 2010. Т. 53. № 9. С. 5862.

2. Панищев В.С., Славкова О.Б. Схема управления шаговым двигателем для автоматизированной системы нанесения этикетки на подвижный объект // Известия высших учебных заведений. Приборостроение. 2012. Т. 55. № 2. С. 4346.

3. Панищев В.С., Славкова О.Б. Алгоритм работы автоматической системы нанесения этикетки на подвижный объект // Информационно-измерительные диагностические и управляющие системы. Диагностика 2011: сборник материалов II Международной научно-технической конференции. Курск, 2011. С. 152155.

4. Devernay F., Faugeras O. Straight lines have to be straight // MVA. 2001. N13(1). P. 1424.

5. Beyer H. Accurate calibration of CCD-cameras //Proc. International Conference on Computer Vision and Pattern Recognition, Urbana Champaign. IEEE CS Press, Piscataway, June 1992.

6. Tsai R. A versatile camera calibration technique for highaccuracy 3D machine vision metrology using offtheshelf TV cameras and lenses // IEEE Robotics Autom, 1987. N3(4), P. 323–344.

7. Faugeras O. Toscani G. Structure from Motion using the Reconstruction and Reprojection Technique // IEEE Workshop on Computer Vision, Miami Beach, November-December, IEEE CS Press, Piscataway, 1987. P. 345–348.

8. Lavest J., Viala M., Dhome M. Do we really need an accurate calibration pattern to achieve a reliable camera calibration // Proceedings of the 5th European Conference on Computer Vision. Vol. 1 of Lecture Notes in Computer Science, Freiburg, Germany. Springer, Berlin Heidelberg New York, June 1998. P. 158–174.

9. Brown D. Closerange camera calibration // Photogrammetric Engineering, 1971, N37(8), P. 855–866.

10. Deriche R., Vaillant R., Faugeras O. From noisy edge points to 3D reconstruction of a scene: A robust approach and its uncertainty analysis // Proceedings of the 7th Scandinavian Conference on Image Analysis, Alborg, Denmark, August 1991. P. 225–232.

11. Shah S., Aggarwal J.K. Intrinsic parameter calibration procedure for a (highdistortion) fisheye lens camera with distortion model and accuracy estimation // Pattern Recognition, N29(11). P. 1175–1788.

12. Devernay F. A nonmaxima suppression method for edge detection with subpixel accuracy // Technical report RR 2724, NRIA, 1995.

13. Otsu N. A Threshold Selection Method from GrayLevel Histograms // IEEE Trans. Syst . Man Cybern. 1979. Vol. 9, No.1. P. 6266.

14. Коростелев С.И. Программа для распознавания образов // Молодежь и XXI век: матер. XXXV межвузовской научно-технической конференции студентов и аспирантов в области научных исследований: в 2 ч. Курск, 2007. Ч.1. С. 2021.