Анализ зображень: чоловік, або комп'ютер?

Анализ зображень: чоловік, або комп’ютер?

Эрих Гаузер, інженер-програміст (математичні методи обробки даних, програмування), Азер Илиев, специалист-исследователь (мікроскопія і аналіз изображения) В статті розповідають про варіантах аналізу зображень, плюси і мінусах інтерактивного (людського) і автоматичного (комп'ютерного) аналізу. Автори статті створили свою, унікальну методику аналізу, наведені ілюстрації показують результат роботи даної методики.

Хорошо відомо, що як 90% інформації людина має з допомогою зору. І так було, то є, й вочевидь, так буде. І тому дивовижно, що технічний прогрес зачіпає насамперед кошти збирання та опрацювання візуальної інформації.

При всю складність і чутливості ока, його можливості обмежені, і достойна людина здавна прагнув їх розширити. Насамперед, до таких «засобам розширення «ставляться віддавна винайдені мікроскоп і телескоп. Тривалий час надані ними можливості візуальним спостереженням цілком задовольняли дослідників, робити видатні відкриття в галузі як мікросвіту (особливо біології), і у макросвіті, саме, астрономії.

Но прогрес не на місці. Поява комп’ютерів неминуче викликало бажання підключити такий комп’ютер до мікроскопу і телескопа, звільнивши людини від нудного і череватого помилками процесу аналізу та підрахунку різних об'єктів, яких спіткало зору.

Однако, виникла несподівана проблема: комп’ютер — не людина, не бачить, і не розуміє запроваджене нього зображення, це просто набір даних, ніяк які пов’язані між собою. У той самий час людина, коли бачиш будь-яке зображення, практично може виділити у ньому якісь характерні риси, причому відбувається це майже миттєво.

Взаимодействие чоловіки й комп’ютера в зорової області поменшало дуже тісною, але розділилося на два напрями: інтерактивний режим праці та автоматичний.

В інтерактивному режимі комп’ютерні програми перетворять зображення у відповідність до бажанням людини, що дозволяє краще побачити якісь частини, або особливості зображення, виділити потрібні елементи і підрахувати їх кількість чи геометричні параметри. За всіх плюси цього варіанту є й його мінуси: своєю практикою необхідна людини, що у цілому має швидкодія, набагато менше ніж в комп’ютера, який помиляється, і який, нарешті, просто втомлюється. І, ніби між іншим, потребує свого праці.

Автоматический режим передбачає автономну роботу комп’ютера, як у збору інформації (що перестав бути проблемою віддавна), і з її аналізу. І тоді саме проблема у цьому, що у сьогодні немає способів повністю автоматизувати процес аналізу. За всього быстродействии комп’ютерів, і їх величезної пам’яті, неможливо вдається примусити їх робити те, що людина (особливо фахівець у конкретної області) може зробити буквально одним поглядом.

Оба шляхи розвиваються паралельно, хоча прагнення повної автоматизації пріоритетне.

В області інтерактивного аналізу основними помічниками людини стають різні графічні пакети, найвідомішими із яких вважати PhotoFinish (ZSoft), PhotoShop (Adobe), Corel Draw та інших, менш відомих фірм, а найчастіше дуже зручні й придатні. У тому числі багато і безплатних систем, наприклад, дуже вдалий продукт «ImageJ «(«internet.

Эти програми дозволяють провести з зображенням воістину чудові перетворення, від імітації листи олією у стилі певної художньої школи, до анімаційних ефектів, перетворюють одну картину до іншої через ряд проміжних. Про виведення різноманітних статистичних характеристик зображення годі й говорити, це певна річ. З іншого боку, закладені у ці програми алгоритми дозволяють змінювати яскравість, контрастність, різкість, насиченість і ще параметри, і навіть виділяти області й проводити різні математичні операції з зображеннями.

Человек, комбінуючи різні перетворення, домагається ефекту візуального виділення на зображенні необхідної йому інформації. Потреба подібних перетвореннях пов’язана з тим, що зображення, одержувані з допомогою різних відеокамер та інших детекторів, які завжди є якісними і часом містять шуму незгірш від, ніж корисного сигналу. З іншого боку, одержувані зображення часто несуть інформацію з дуже незвичних людині місць і умов, внаслідок він неспроможна коректно аналізувати таке зображення. Тут можна згадати як электронно-микроскопические зображення гірських порід чи нутрощів клітини, а й передані з космосу зображення далеких планет. Для людини ці картини власне чужі незвичні, відтак йому дуже важко правильно їх інтерпретувати.

Получается, що проводити якісний і кількісний аналіз зображень з допомогою настільки чудових програм може лише фахівець дуже високою кваліфікації, має великі знання на даної конкретної області, і навіть великий практичного досвіду. Але таким фахівців мало, стоять вони дорого, і не що є там, де потрібні.

В цій ситуації вельми заманливо побудувати такої системи автоматичного аналізу, яка зависила від характеру самого зображення, а бажано, не була дуже чутливої для її якості. І водночас міг би сама «бачити «на зображенні те й тож і як автор бачить цей специалист-человек.

Автоматический аналіз зображень необхідний і тоді, коли потрібно на часі обробити тисячі кадрів відеозйомки, намагаючись знайти там зображення, наприклад, конкретної людини. Особливо це актуально зараз, коли у світі зростає глобальна злочинство й тероризм, а світ обростає павутинням відеокамер, цілодобово котрі переймаються багатьма тисячами фінансових й головних урядових об'єктів.

Использование людини тут неможливо хоча би за причини величезної кількості таких камер.

Попытки створення систем автоматичного аналізу робляться в усьому світі, вже давно, власне, відтоді, як навчилися вводити зображення на комп’ютер. З математичних способів обробки зображень стала вельми поширеною отримав метод швидких перетворень Фур'є (ШПФ). Його застосування дозволяє їм отримати спектр зображення (спектр цей не призначений для людського сприйняття), застосувати щодо нього різні фільтри, і потім зворотним перетворенням отримати знову зображення, але вже настав відкориговане, яким чоловік і проводить візуальний аналіз. І ось усе завдання дослідників зводиться практично до вибору потрібного фільтра, а вони часто й створенню свою власну відповідно до конкретної завданням.

Эта методика демонструє свою успішність у багатьох практичних цілях, проте вона потребує величезних обчислювальних ресурсів, тепер доступних не скрізь і всім, а найголовніше, на 100% виходить із самого факту застосування комп’ютерів. Інакше кажучи, ця методика року має нічого спільного про те, як мозок самої людини проводить аналіз цього ж зображення.

Имеет це значення? Безперечно, має. Насамперед, розробка фільтрів для ШПФ як така є їх украй складним завданням, бо мозок людини змушений виконувати чужу йому роботи й фактично моделювати у собі комп’ютерне сприйняття. Постає запитання, а чи не правильней було б навпаки, на комп’ютері моделювати роботи й сприйняття мозку?

Ведь як зазначалося вище, людина спроможна проводити аналіз майже миттєво, при цьому залежність від конкретного завдання виділяти на зображенні ті чи інші характерні риси. Зрозуміло, така рутинна робота, як підрахунок числа елементів чи визначення їх форми (наприклад, на підставі крові), у комп’ютера завжди виходитиме краще, ніж в людини. І швидше, і надійніше. Але аналіз зображення, його осмислення — тут поки що жоден комп’ютер не порівняти з людиною.

Исследования мозковий діяльності проводяться в весь світ багато років. У сфері цієї досягнуто неабиякі успіхи, хоча у сутності чоловік — ще далекий від розуміння засад роботи його власного мозку. Спроби моделювання людського сприйняття візуальних образів робляться у різних наукових центрах світу, але що ніде і був оголошено, що таке розуміння досягнуто. Вочевидь, що сприйняття грунтується на комбінації багатьох чинників і критеріїв, розуміння хоча б декого з тих може істотно просунути людство вперед.

Когда в 97 року наша дослідницька група зайнялася створенням програми аналізу зображень, були випробувано різні підходи. Зрозуміло, передусім спробували звернутися до загальновідомим методикам, аналізуючи гистограмму зображення застосовуючи до неї різні математичні операції. Поруч із для зображення також застосовувалися стандартні алгоритми виділення областей, нарощування і видалення крапок і т.д.

Все ці засоби давали певний результат, але й про яку автоматизації і бути були, а у тому, що така підхід виглядав явно штучним.

Сама завдання полягало в аналізі зображень гірських порід, здобутих у сканирующем електронному мікроскопі (SEM), внаслідок такого аналізу потрібно давалися різні петрофизические характеристики досліджуваного зразка (пористість, проникність тощо.).

В принципі, нині завдання вирішуються на світі багатьма, але вони досліджують не грубу поверхню (відкол породи), а гладкий тонку спеціально приготовлений шліф (зріз). Зрозуміло, що з виготовленні такого шлифа як порушується цілісність породи на мікрорівні, а й спотворюється саме сприйняття аналізованого об'єкта із утратою тривимірності інформації. Та найголовніше, що що існують методи і програми розраховані на інтерактивний режим роботи із його зазначеними вище вадами.

Все це досить швидко наштовхнуло нас стало на думку відмовитися від стандартних підходів і підійти до вирішення завдання з боку моделювання людського сприйняття, що дозволить працювати над інтерактивному, приміром у автоматичному режимі.

Изображения, одержувані з електронного мікроскопа, є сірими, тобто. там присутні лише компоненти яскравості і контрастності. У той самий час, наприклад, космічні фотографії містять і колір, і його роль щонайменше значущою, ніж роль яскравості.

За час нами було проведено дуже велике робота в галузі як експериментів, і у питаннях теоретичних. Через війну створена єдина методику та розроблений комплекс алгоритмів, що дозволяють проводити аналіз стану і обробку зображення повністю (!) в автоматичному (!) режимі.

Пока, на жаль, це стосується безпосередньо лише у сірим зображенням, хоч і у сфері кольорових зображень нас також є багато ідей напрацювань. Проблеми, звісно ж, перебувають у площині фінансування й технічного забезпечення.

Практической реалізацією розробленого нами методу стала програма, які потребують для своєї роботи ні сотень мегабайтів пам’яті, ні ще будь-яких суперресурсов. По програмі було виконано (і не так на сучасних комп’ютерах) сотні аналізів як тестових зразків породи, і безпосередньо дослідницьких аналізів керна (і навіть шламу), із отриманням докладних і достовірних даних про поровой системі досліджуваних об'єктів.

Результаты аналізів було використано різними нафтові компанії в практичні і жодних нарікань з боку висловлено був.

Разумеется, методика потребує подальшому вдосконаленні і розширенні інші галузі досліджень, проте які у її основі алгоритми обробки зображення є за своєю сутністю універсальними і відбивають саме людське сприйняття, у разі, у сфері. А застосування її можливо у геології, металургії, медицині чи астрономії, а й у такий сфері, як, наприклад, технічне зір роботів, тим паче, що ця сфера зараз бурхливо розвивається…

Приведенные ілюстрації містять SEM-изображения кернів (з великою і з малої пористість) доі після аналізу. Також додається зображення, отримане з космосу (фото знайдено в інтернеті), у якому дана методика дозволила чітко вирізнити ядро вибуху. Аналіз проводився цілком у автоматичному режимі!

Список литературы

Для підготовки даної праці були використані матеріали із російського сайту internet.