1. Постановка задачи обработки видеоизображений

Большинство алгоритмов идентификации по видеоизображению основаны на использовании цветовых признаков в качестве информативных. Обработка изображений определяется цветовой моделью, например RGB, и тем самым выбор цветовой модели оказывает определенное влияние на производительность программ, на точность и чувствительность выделения признаков. Значительный круг задач связан с черно-белыми изображениями систем видеонаблюдения на базе цифровых видеокамер, достигнутые параметры которых по чувствительности, спектру, динамическому и статическому диапазону создают предпосылки построения эффективных систем автоматического управления.

Следует отметить продуманную политику развития технологий NI по управлению большинством типов аналоговых и цифровых видеокамер без программирования на уровне регистров.

Однако, основной пакет обработки изображений NI Vision с набором функций для работы с цветным, черно-белым, бинарным изображением не в полной мере соответствует современным требованиям.

В частности, функция "IMAQ RGBToColor 2", предусматривающая преобразование модели RGB в CIE L*a*b, обратное не выполняет. Более того, функции чтения и записи графических файлов ограничены форматами BMP, PNG и JPEG, которые не поддерживают модель CIE L*a*b. Отчасти это можно объяснить тем, что перед средой графического программирования LabVIEW не ставилась задача поддержания полноценного графического редактирования.

Гибкость программирования LabVIEW позволяет решить целый ряд задач преобразования изображений: черно-белых в цветное, улучшения качества цветных изображений (реставрация) или улучшения алгоритмов построения графиков интенсивности.

2. ВУЗ, кафедра или предприятие, на котором внедрено решение

Представляемое решение используется на кафедре теоретических основ радиотехники Таганрогского технологического института Южного Федерального университета при проведении лабораторных работ по мультимедийным дисциплинам, при дипломном и курсовом проектировании, в научных исследованиях.

3. Описание решения

Достаточно полный функциональный набор функций модулей NI Vision, IMAQ, IMADdx, Vision Assistant и Vision Development позволил создать систему машинного зрения, включающую персональный компьютер, плату ввода видеопотока с видеокамеры по интерфейсу IEEE 1394 с единым программным управлением и обработкой в среде LabVIEW. Программа позволяет выполнять захват, фильтрацию, обработку изображения и управлять видеокамерой, решать задачи обнаружения и слежения за движущимися объектами.

Используемые в LabVIEW графики и таблицы интенсивности с регулируемой цветовой раскраской имеют недостатки, связанные с ограниченным диапазоном количества цветов (до 256) и сложностью подбора цветовой палитры.

Восстановление цвета по серой шкале, имеющей равноконтрастный вид, требует свою цветовую модель, т.к. все существующие цветовые модели не определяют равноконтрастное цветовое пространство.

Яркость и цветовой тон являются зависимыми параметрами. Любые цвета и оттенки независимо от их цветового тона можно сравнить по яркости, то есть определить, какой из них темнее, а какой светлее. Яркость является качеством для хроматических и ахроматических цветов и это используется при преобразовании цветных изображений в черно-белые или полутоновые.

Цветовая модель XYZ Международной колориметрической системы не обладает метрическими свойствами. Базовые цвета в аддитивной цветовой модели RGB имеют самое высокое значение насыщенности и при произвольном смешивании дают большое число комбинаций.

Предлагается использовать модель цветового пространства CIE L*а*Ь, которая наиболее близка к реальному восприятию цвета человеком и обеспечивает наилучший коэффициент неравномерности соотношений по цвету.

Предварительно был создан виртуальный прибор (Рис.1), преобразующий параметры L, a, b в компоненты RGB на основе известных аналитических соотношений.

Рис. 1. Преобразование L*a*b в RGB

Параметр L численно определяет светлоту цвета и может служить эквивалентом серой шкалы. Подбирая в данном приборе параметры L, а, Ь, визуально были заданы цвета на основе модели RGB. Обратный анализ определил образцовую серую шкалу с однозначной привязкой к цветам. Наличие регулировок позволяет уточнять используемую двумерную модель и разрабатывать трехмерную для задач обработки и преобразований видеоизображений.

Полученная регулируемая серая шкала явилась основой для построения виртуального прибора преобразования черно-белого графического файла в полноцветный (Рис.2).

Рис. 2. Преобразование черно-белого рисунка в полноцветный

Особенностью прибора является использования массивов регулировок по параметрам L,a,b. Наличие схем интерполяции между точками регулирования повысило точность установок и расширило диапазон регулируемых цветов и оттенков до 64 тысяч. Использование черно-белой видеокамеры высокой четкости дало возможность улучшить информативное восприятие изображения путем преобразования его в полноцветное.

Включение данного виртуального прибора в видеосистему позволяет обрабатывать черно-белые фотографии, телевизионные и мультимедийные кадры.

4. Перспективы внедрения и развития решения

Среда программирования LabVIEW и технологии NI позволяют строить системы видеонаблюдений реального времени с реалистической цветовой раскраской для черно-белой видеокамеры.

Возможным является расширение визуализируемого света в инфракрасную часть спектра.

Наиболее перспективным следует считать применение системы для реставрации цветных фото и киноматериалов или преобразования черно-белых фильмов в полноцветные.

5. Используемое оборудование и программное обеспечение National Instruments

Оборудование: реконфигурируемая плата ввода/вывода PCI-8254R с интерфейсом IEEE 1394; видеокамеры Sony XCD-X710 в видимом и инфракрасном диапазонах.

Программное обеспечение: LabVIEW 8.2, Nl Vision, Vision Assistant, Vision Development Module, IMAQdx, MAX.