ОСНОВЫ РАБОТЫ С ИЗОБРАЖЕНИЯМИ В В ПАКЕТЕ IMAGE PROCESSING TOOLBOX СРЕДЫ MATLAB

Решение задач в области цифровой обработки и анализа изображений является обширной средой исследований, требующей использование специализированных алгоритмов и методов, а так же многократное тестирование получаемых результатов на основе большой предметной базы изображений из области исследования. Следовательно, крайне важным является выбор гибкой и интерактивной среды разработки приложений. Отвечающей данным требованиям средой высокоуровневого программирования, численных расчетов и визуализации результатов является MATLAB.

Матричная система компьютерной математики MATLAB позволяет анализировать различнные данные, разрабатывать модели, алгоритмы и приложения, имеет удобные инструменты эффективной обработки изображений, сосредоточенных в пакете расширения Image Processing Toolbox. Пакет представляет широкий набор числовых вычислений и функций для создания, обработки и анализа цифровых изображений. Image Processing, имея гибкий интерфейс, позволяет эффективно манипулировать изображениями, разрабатывать интерактивную графику, визуализировать различные наборы данных. Все файлы приложения Image Processing Toolbox обладают индентичными свойствами, что дает возможность использования в комбинации с файлами других приложений, как Signal Processing Toolbox и Wavelet Toolbox. Image Processing Toolbox включает следующие разделы:

• отображение и исследование изображений DisplayandExploration;
• импорт, экспорт, конвертация изображений Import, ExportandConversions;
•  улучшение качества изображений ImageEnhancement;
• работа с цветом изображений Color;
• регистрация и геометрическая трансформация изображений GeometricTransformationandImageRegistration;
• анализ изображений ImageAnalysis;
• генерация программного кода CodeGeneration[3].

Пакет ImageProcessingToolbox не подходит для оперативной работы с изображениями, как Photoshop, Lightroom, Gimp,но даёт возможность очень детально настраивать отображение изображений. Основной направленностью работы пакета является анализ, исследование и разработка математических алгоритмов и методов обработки и визуализации изображения. Можно создавать отображение с несколькими изображениями в одном окне, снабжать их текстом и графикой и создавать специализированные представления, такие как гистограммы, профили, контурные графики. Гибкость создания алгоритмов совместно с матрично-векторным описанием делают пакет способным для решения практически любых задач по разработке графики[4, с. 60].

Среда MATLAB и пакет ImageProcessingToolbox дают огромные возможности для развития, внедрения новых идей и методов пользователя. Для этого имеется набор сопрягаемых пакетов, направленных на решение всевозможных специфических задач и задач в нетрадиционной постановке. Рассмотрим основные методы работы с изображениями в пакете ImageProcessingToolbox[2, с. 37].

Считывание и отображение изображений.Для считывания изображений из графических файлов используется функция imread. Имя файла должно быть заключено в апострофах.

     I = imread('pout.tif');

     imshow(I)

Функция imread считывает данные из графического формата, представленного как TIFF. Поддерживаются многие графические, в том числе и файлы научных форматов, как HDR, NITF др. Кроме фундаментальной функции отображения imshow, так же используется функция imtool, которая запускает инструментарий ImageTool, предоставляющий интегрированную среду для визуализации изображений и операции по обработке изображений[2, с. 49].

Toolbox располагает множеством функций, объединяющих отображение изображения с визуализацией и вычислением его параметров. Например, считывание изображения pout.tif с вычислением расстояния между точками, выбранными мышкой (рисунок 1):

figure, imshow(‘pout.tif’);

h = imdistline(gsa): api = iptgetapi(h);

fcn = makeConstrainToRectFcn(‘imline’,… get(gca,’XLim’), get(gca,’Ylim’));

Рисунок 1. Отображение файла pout.tif с вычислением расстояния между двумя точками

Улучшение качества изображения. Улучшение качества изображения является важнейшей задачей редактирования и включает алгоритмы изображения размытых, фильтр деконволюции, а также преобразования между точкой распространения и оптических передаточных функций. Эти функции помогают правильно устранить размытости, вызванные несфокусированной оптикой, движением камеры или предмета во время захвата изображения, а также другие факторы[1, с. 54]. Приведенная ниже программа демонстрирует изменение контрастности монохромного и цветного изображений (рисунок 2):

I = imread(‘pout.tif'); P = imadjust(I);

subplot(221); imshow(I); subplot(222); imshow(I);

RGB1= imread(‘ball.jpg’);

RGB2= imadjust(RGB1,[.2.3 0;.6.7 1],[]);

subplot(223); imshow(RGB1);

subplot(224); imshow(RGB2);

Рисунок 2. Изменение контрастности изображений

Анализ изображения. Анализ изображений является процессом извлечения значимой информации из изображений, таких как нахождение фигур, подсчет объектов, определение цвета, или измерения свойств объекта[3, с. 145]. ImageProcessingToolbox предоставляет полный набор эталонных стандартных алгоритмов и функций визуализации для задач анализа изображений, таких как статистический анализ, выделение признаков, измерения свойств. Например, представленная программа демонстрирует выделение контуров черно-белого изображения и закрашивание их внутренних областей тремя цветами:

I = imread(‘point.png’); BW = im2bw(I, graythresh(I));

[B,L] = bwboundaries(BW,’noholes’);

imshow(label2rgb(L, @jet, [.5 .5 .5])); hold on

for k = 1:length(B)

           boundary = B{k};

           plot(boundary(:,2),  boundary(:,1), ‘w’, ‘LineWidth’, 2)

end

Геометрические преобразования. Геометрические преобразования полезны для таких задач, как вращение изображения, уменьшая его разрешение, исправляя геометрические искажения . ImageProcessingToolbox поддерживает простые операции, такие как изменение размера, поворот и кадрирование, а также более сложные 2D геометрические преобразования, такие как аффинные и проективные. В следующем примере, выполнение геометрического преобразования, используется makeresampler, для выполнения проективного преобразования шахматного изображения. Можно также использовать его для получения специальных эффектов или пользовательской обработки (рисунок 4):

I = шахматная (20,1,1);

рисунок; imshow (I)

T = maketform( 'проективное', [1 1; 41: 1; 41 41; 41: 1], ...[5 5; 40 5; 35 30; -10 30]);

R = makeresampler( 'кубический', 'круговой');

К = функцииimtransform (I, T, R, 'Размер', [100 100], 'XYScale', 1);

фигура, imshow (K)

Рисунок 4. Преобразование изображения

ImageProcessingToolbox является полностью функционально законченным пакетом расширения среды MATLAB. Для блочного имитационного моделирования систем и устройств обработки изображений служит пакет расширения AcquisitionToolbox. Для организации фильтрации изображений можно использовать взаимодействие с пакетами SignalProcessingToolbox, WaveletToolbox и др.

ImageProcessingToolbox значительно расширяет возможности базовой системы MATLAB, введен ряд новых алгоритмов и функций. Пакет имеет открытый и удобный доступ, множество функций, написанных на высокоуровневом языке программирования MATLAB, используемом миллионами инженеров и ученых по всем миру в качестве языка технических вычислений. Программные коды дают возможность разбора и модификации самим пользователем. Их можно вводить как в командном, так и программном режимах работы. Использование пакета ImageProcessingToolbox обеспечивает решение всех основных задач работы с изображением, как импорт и экспорт файлов, обработка, анализ, визуализация, улучшение качества и ряда других преобразований.

Список литературы:

1. Гонсалес Р., Вудс Р., Эддинс Э. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2012.­– 985 с.
2. Дьяконов В.П. , Абраменкова И.А.MATLAB.Обработка сигналов и изображений. Специальный справочник. – СПб: Питер, 2014. — 608 c.
3. Программный продукт MathLab. [Электронный ресурс]. Режим доступа. – URL:https://www.mathworks.com/products.html/ (дата обращения 15.12.2016).
4. Филист С.А., Томакова Р.А., Горбатенко С.А., Швецова Н.А. Анализ изображений посредством морфологических операторов // Биотехносфера. – 2010. – № 3 (10).– С. 54-60.