Реферат: Обработка данных в средах MathCAD и LabVIEW

Содержание

 TOC o «1-3» h z u Введение   PAGEREF _Toc167637074 h 1

Подготовка исходного изображения   PAGEREF _Toc167637075 h 3

Обработка изображений путем поэлементныхпреобразований   PAGEREF _Toc167637076 h 3

Представление полученного изображения в матричномвиде  PAGEREF _Toc167637077 h 3

Инверсия изображения  PAGEREF _Toc167637078 h 4

Линейное контрастирование изображения  PAGEREF _Toc167637079 h 5

Построение линейной и кумулятивной гистограммизображения  PAGEREF _Toc167637080 h 6

Бинаризация изображения  PAGEREF _Toc167637081 h 8

Двукратноеувеличение изображений  PAGEREF _Toc167637082 h 9

Экстраполяция нулевого порядка  PAGEREF _Toc167637083 h 9

Интерполяция первого порядка  PAGEREF _Toc167637084 h 12

Вывод   PAGEREF _Toc167637085 h 14

Список литературы    PAGEREF _Toc167637086 h 15

Приложение   PAGEREF _Toc167637087 h 16

Введение

Цель данного курсового проекта заключается вреализации предлагаемых алгоритмов и методов обработки массивов данных (цифровыхизображений) с помощью сред MathCAD и LabVIEW, а так же сравнительный анализдвух рассматриваемых приложений, указав их преимущества и недостатки, поотношению друг к другу. Следует отметить среды MathCAD и LabVIEW являютсянаиболее наглядными и часто используемыми для решения различных инженерных вычислительныхзадач и исследовательских проблем.

Обработка цифровых изображений является достаточноярким и наглядным примером преобразования и анализа измерительных данных. Цифровоепреобразование изображений широко используют в промышленных системах машинногозрения, измерительных видеосистемах, прикладных телевизионных системах,вещательном телевидении и так далее.

Назначение цифрового преобразования изображенийсостоит в создании условий для улучшения восприятия изображения (например, врентгено- или ультразвуковой медицинской диагностике), формированииопределенного художественного образа (в телевидении), выделении информативных признаков(в системах распознавания изображений, измерительных системах, системахмониторинга) и так далее.

В данном курсовом проекте будут использованы такиецифровые преобразования как, импортирование данных из полученного файла вмассив; инверсия изображения; линейное контрастирование исходного изображения;построение линейной и кумулятивной исходного и контрастированного изображения;бинаризация полученного изображения после линейного контрастирования сразличными порогами бинаризации; двукратное увеличение контрастированногоизображения, используя экстраполяцию нулевого порядка и интерполяцию первогопорядка для восстановления промежуточных пикселей изображения; экспортированиеконтрастированного и восстановленных изображений в bmpфайлы.

Следует различать обработку изображений,предназначенных для зрительного восприятия, и обработку в устройствахавтоматического анализа, где на первый план выходят задачи выделения признаков,определения точных текущих координат объекта и формирования данных околичественных характеристиках.

Исследуемые изображения отражают закономерностивзаимодействия светового и другого электромагнитного излучения с отдельнымиучастками изучаемой сцены. Модуляция лучистого потока происходит как повеличине энергии, так и по спектральному распределению и осуществляется врезультате взаимодействия излучения с исследуемым веществом вследствие явлений поглощения,отражения, рассеяния, преломления, поляризации или интерференции. Именно наэтих свойствах, как правило, основано использование обработки изображений всистемах автоматического анализа с целью извлечения количественной информацииоб исследуемых объектах.

Подготовка исходного изображения

Создание исходного цифрового изображение путемцифровой фотосъемки и дальнейшей обработки в редакторе AbodePhotoshop. Сохранение полученного изображенияв формате bmp, размером 300х300 пикселей (Рис п. 1).

Обработка изображений путем поэлементныхпреобразований

Результат обработки в любой точке кадра зависит толькоот значения входного изображения в этой же точке. Очевидным достоинством такихпроцедур является их предельная простота. Вместе с тем, многие из них приводятк очевидному субъективному улучшению визуального качества. Этим определяетсявнимание, которое уделяется поэлементным процедурам. Не преувеличивая их роли,отметим, что очень часто поэлементная обработка применяется как заключительныйэтап при решении более сложной задачи обработки изображения. Часто бываетполезным подчеркнуть, усилить какие-то черты, особенности, нюансы наблюдаемогоизображения с целью улучшения ее субъективного восприятия.

Представление полученного изображения в матричномвиде

MathCAD

<img src="/cache/referats/27869/image002.gif" v:shapes="_x0000_i1025">

Рис 1а

LabVIEW

<img src="/cache/referats/27869/image004.jpg" v:shapes="_x0000_i1026">

Рис 1б

Инверсия изображения

Под инверсией изображения понимается получение негатива изисходного изображения и наоборот (Рис 2а, б). При использовании восьми битовогоформата изображения градации серого уровень яркости кодируется 256 уровнями (от0 до 255). Фактическиосуществляется преобразование белого в черный, учитывая все 256 уровнейкодирования (Рис п. 2).

MathCAD

<img src="/cache/referats/27869/image006.gif" v:shapes="_x0000_i1027">

Рис2а

LabVIEW

<img src="/cache/referats/27869/image008.jpg" v:shapes="_x0000_i1028">

Рис2б

Линейное контрастирование изображения

Задача контрастирования связана с улучшениемсогласования динамического диапазона изображения и экрана, на которомвыполняется визуализация. В рассматриваемом случае формата градаций серого накодирование каждого отсчета изображения отводится 1 байт (8 бит) запоминающегоустройства, поэтому уровни могут принимать одно из 256 значений. Обычно вкачестве рабочего используется диапазон 0...255; при этом значение 0соответствует при визуализации уровню черного, а значение 255 – уровню белого.Предположим, что минимальная и максимальная яркости исходного изображения равныи соответственно. Если эти параметры или один из них существенно отличаются отграничных значений яркостного диапазона, то визуализированная картина выглядиткак 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

<img src="/cache/referats/27869/image010.gif" v:shapes="_x0000_i1029">

Рис 3а

LabVIEW

<img src="/cache/referats/27869/image012.jpg" v:shapes="_x0000_i1030">

Рис 3б

Построение линейной и кумулятивной гистограммизображения

Для цифрового изображения формата градации серого,шкала яркостей которого принадлежит целочисленному диапазону 0...255,гистограмма представляет собой таблицу из 256 чисел. Каждое из них показываетколичество точек в кадре, имеющих данную яркость.

Линейная гистограмма определяет полный перебор матрицыизображения. Значение элементов матрицы в свою очередь являются индексами массива гистограммы.При выборе какого-либо элемента матрицы к соответствующему элементу массивагистограммы добавляется единица. В итоге, после полного перебора матрицыкаждый элемент массиваотражает общее число элементов матрицы с соответствующим уровнем яркости (Рис 4а, 5а, Рис п.5а, б).

У кумулятивнойгистограммы любое значение элемента массива равно сумме всех предыдущих (Рис4б, 5б, Рис п. 6а, б).

MathCAD

<img src="/cache/referats/27869/image014.gif" v:shapes="_x0000_i1031">

Рис 4а

<img src="/cache/referats/27869/image016.gif" v:shapes="_x0000_i1032">

Рис 4б

LabVIEW

<img src="/cache/referats/27869/image018.jpg" v:shapes="_x0000_i1033"><img src="/cache/referats/27869/image020.jpg" v:shapes="_x0000_i1034">

Рис 5а

<img src="/cache/referats/27869/image022.jpg" v:shapes="_x0000_i1035"><img src="/cache/referats/27869/image023.gif" v:shapes="_x0000_i1036">

Рис 5б

Бинаризация изображения

Преобразование с пороговой характеристикой превращаетполутоновое изображение, содержащее все уровни яркости, в бинарное, точкикоторого имеют яркости 0 или 255.

Такая операция, называемая иногда бинаризацией илибинарным квантованием, может быть полезной, когда для наблюдателя важны очертанияобъектов, присутствующих на изображении, а детали, содержащиеся внутри объектовили внутри фона, не представляют интереса (Рис 6а, б).

MathCAD

<img src="/cache/referats/27869/image025.gif" v:shapes="_x0000_i1037">

Рис 6а

LabVIEW

<img src="/cache/referats/27869/image027.jpg" v:shapes="_x0000_i1038">

Рис 6б

Двукратноеувеличение изображений

Масштабирование изображений является весьма важнойзадачей при анализе изображений. Эта задача неразрывно связанна с проблемой восстановленияданных, так как при увеличении физических размеров изображения всегда возникаютпромежуточные пиксели, значение которых не известно. Определение уровнейяркости новых пикселей и есть основная решаемая задача. Однако оба предлагаемыхметода хорошо применимы только для одномерных массивов, поэтому сначаланеобходимо произвести операцию восстановления данных построчно, игнорируястроки только с новыми пикселями (всеми нулевыми значениями), а затем проделатьту же операцию для столбцов полученной матрицы.

Экстраполяция нулевого порядка

Экстраполяция нулевого порядка заключается вприравнивании новому пикселю значения текущего (Рис 7а, б, Рис п. 7).

MathCAD

<img src="/cache/referats/27869/image029.gif" v:shapes="_x0000_i1039">

Рис 7а

LabVIEW

<img src="/cache/referats/27869/image031.jpg" v:shapes="_x0000_i1040">

<img src="/cache/referats/27869/image033.jpg" v:shapes="_x0000_i1041">

Рис 7б

Интерполяция первого порядка

Интерполяция первого порядка заключается вприравнивании новому пикселю среднего значения двух соседних оригинальныхпикселей (Рис 8а, б, Рис п. 8).

MathCAD

<img src="/cache/referats/27869/image035.gif" v:shapes="_x0000_i1042">

Рис 8а

LabVIEW

<img src="/cache/referats/27869/image037.jpg" v:shapes="_x0000_i1043">

<img src="/cache/referats/27869/image039.jpg" v:shapes="_x0000_i1044">

Рис 8б

Вывод

В данной курсовой работе были рассмотрены двепрограммные среды — MathCAD и LabVIEW.В качестве объекта исследования было использовано восьмибитное изображениеразмером 300х300 пикселей. В ходе исследования было выяснено, что качествоконечных и промежуточных результатов, полученных с помощью обеих сред,оказалось идентичным. Одним из достоинств среды LabVIEW является наглядность алгоритмавыполнения и интуитивный понятный интерфейс, что является существеннымпреимуществом по сравнению с программой MathCAD. Однако, если сравниватьзатрачиваемые ресурсы ПК, необходимые для выполнения поставленных задач, товидно, что для одних и тех же алгоритмов LabVIEW необходима гораздо мощная«машина». Это отчетливо видно в разделах «интерполяция» и «экстраполяция». Помоему мнению, спектр решаемых задач в среде LabVIEW шире, чем у среды MathCAD.Но в рамках данной курсовой работы это увидеть нельзя. Поэтому можно сделатьвывод, что MathCAD является оптимальной программой для реализации поставленнойзадачи.

Список литературы

1.Руководство к курсовому проектированию:Обработка данных в средах MathCAD и LabVIEW,Таганрог <st1:metricconverter ProductID=«2007 г» w:st=«on»>2007 г</st1:metricconverter>.

Приложение

<img src="/cache/referats/27869/image041.jpg" v:shapes="_x0000_i1045">

Рис п. 1

<img src="/cache/referats/27869/image042.gif" v:shapes="_x0000_i1046">

Рис п. 2

<img src="/cache/referats/27869/image043.gif" v:shapes="_x0000_i1047">

Рис п. 3

<img src="/cache/referats/27869/image044.gif" v:shapes="_x0000_i1048">

Рис п. 4

<img src="/cache/referats/27869/image046.gif" v:shapes="_x0000_i1049">

Рис п. 5а

<img src="/cache/referats/27869/image048.jpg" v:shapes="_x0000_i1050">

Рис п. 5б

<img src="/cache/referats/27869/image050.gif" v:shapes="_x0000_i1051">

Рис п. 6а

<img src="/cache/referats/27869/image052.jpg" v:shapes="_x0000_i1052">

Рис п. 6б

<img src="/cache/referats/27869/image054.jpg" v:shapes="_x0000_i1053">

Рис п. 7

<img src="/cache/referats/27869/image056.jpg" v:shapes="_x0000_i1054">

Рис п. 8

еще рефераты
Еще работы по программированию, базе данных