Б.И. ЭРДНИЕВ Национальный исследовательский ядерный университет «МИФИ» ЦИФРОВЫЕ ФИЛЬТРЫ, ОСНОВАННЫЕ НА ОПЕРАЦИЯХ МЯГКОЙ МОРФОЛОГИИ В данной работе представлен алгоритм фильтрации изображений с использованием операций мягкой морфологии. Предложенный алгоритм основан на базовых операциях: мягкой дилатации, мягкой эрозии, отличных от классических операций. Управление фильтрами осуществляется через широкий набор параметров. В задачах распознавания образов очень важным этапом является этап предварительной обработки изображения, результаты которого зачастую оказывают решающее влияние на общий результат всего процесса обработки изображения. Шум на изображении может возникать из-за несовершенства оптической системы и приборов регистрации изображения, отклонений в технологических процессах формирования объектов контроля, приводящих к возникновению на изображении нежелательных элементов, искажающих яркостные, цветовые и геометрические параметры изображения, погрешностей работы предыдущих этапов обработки изображения (сегментации и бинаризации). На сегодняшний день разработано множество фильтров для улучшения изображения, такие как медианные, ранговые фильтры, фильтры на основе преобразований Фурье и т.д. Также широкое применение получили фильтры на базе операций математической морфологии[1]. Главным преимуществом которых является наличие большого количества параметров, позволяющих применять данный фильтр для удаления шумов и меньшего искажения границ сегментов. На данный момент мягкая морфология имеет достаточно проработанную теорию бинарной математической морфологии и может быть приведена к теории полутоновой математической морфологии[2,3].Базовые операции мягкой морфологии — эрозия и дилатация, основаны на объединении, пересечении множеств [4]. A B (A )x A B (A )x x B x B ( A ) { c Z |c a x , a A } x 2 Операции отмыкания и замыкания в классической морфологии обладает свойством идемпотентности: Ψ(Ψ(А))=Ψ(А), т.е. многократное по- вторение операции с одним структурирующим элементом не изменяет результат операции [1]. В теории мягкой морфологии основные операции свойству идемпотентности не удовлетворяют, что позволяет при многократном использовании базовых операций с малым структурирующим элементом добиться удовлетворительного удаления шума. На первом этапе на вход подается полутоновое изображение, производится анализ его содержимого. На следующем этапе в зависимости от искажений объектов в автоматическом (или ручном) режиме происходит выбор параметров: структурирующего элемента, количество проходов фильтра, пороговые значения базовых операций эрозии и дилатации. По окончанию работы фильтра оценивается преобразованная геометрия и расположение объектов. Управление цифровым фильтром осуществляется через параметры: размер и форма структурирующего элемента, набор операций, набор различных структурирующих элементов, пороги мягкой эрозии и дилатации, количество проходов фильтра. На третьем этапе, оценивается качество работы фильтра, и если результат не удовлетворительный (нарушена геометрия объектов, их расположение), то производится корректировка параметров экспертом. На финальном этапе бинарное изображение преобразуется в полутоновое [5], данные из анализа изображения и параметры фильтра заносятся в базу данных, с целью статистических исследований и более оптимального выбора параметров фильтрации. В заключении, разработан алгоритм фильтрации изображений на основе операций мягкой морфологии. Планируется оптимизация работы фильтра по временным и машинным затратам за счет более точного анализа исходного изображения и использования специфичного API. Список литературы 1. Инютин А. Фильтрация изображений с использованием операций мягкой морфологии. //Институт проблем искуственного интеллекта, 2007. - № 3. - P. 217-228. 2. Gasteratos A., Andreadis I. Fuzzy Soft Mathematical Morphology. //VISP(145), No. 1, February 1998, pp. 41-49 3. Bloch I., Maitre H. Fuzzy mathematical morphologies: a comparative study // Pattern Recognit., 1995, 28, (9), pp. 1341–1387. 4. Koskinen L., Astola J., Neuvo Y. Soft morphological filters //Proc. SPIE - Int. Soc. Opt. Eng., 1991, 1568, pp. 262–270. 5. Vardavoulia M., Gasteratos A., Andreadis I. Binary, Gray-Scale, and Vector Soft Mathematical Morphology: Extensions, Algorithms, and Implementations //Proc Advances in imaging and electron physics, vol. 119