ИСПОЛЬЗОВАНИЕ БИБЛИОТЕКИ “OPENCV” ДЛЯ ОБРАБОТКИ МИКРОСКОПИЧЕСКОГО СНИМКА МИКРОСТРУКТУРЫ ЧУГУНА

АННОТАЦИЯ

 В данной статье рассмотрены основные аспекты цифровой обработки микроструктуры чугуна на основе микроскопических снимков. Программно-реализован программный код с помощью библиотеки “OpenCV”, различных фильтров (Гаусса, оператор Собеля и пороговая фильтрация бинаризация) на микроскопических снимках микроструктуры чугуна в соответствии с ГОСТ 3443-87. Кратко описаны области применения и преимущества библиотеки“OpenCV”.

ABSTRACT

This article discusses the main aspects of digital processing of cast iron microstructure based on microscopic images.    Software-implemented program code using the “OpenCV” library, various filters (Gauss, Sobel operator and threshold filtration binarization) on microscopic images of the cast iron microstructure in accordance with ГОСТ 3443-87. The application areas and advantages of the “OpenCV” library are briefly described.

Ключевые слова: Микроструктура чугуна, микроскопический снимок, “OpenCV”, оператор Собеля, фильтр Гауса, бинаризация изображения, программный код, Visual Studio 2022, язык C++.

Keywords: Cast iron microstructure, microscopic image, “OpenCV”, Sobel operator, Gaussian filter, image binarization, program code, Visual Studio 2022, C++ language.

Введение. Цифровая обработка изображений ­­– сфера, призванная облегчить различные операции над изображениями: улучшение их качества, выделение объектов, автоматический анализ [1]. Существует множество инструментов, позволяющих обрабатывать изображения и один из них, который мы рассмотрим – библиотека компьютерного зрения “OpenCV”.

Области применения и преимущества OpenCV. OpenCV (Open Source Computer Vision Library) – это библиотека компьютерного зрения и обработки изображений с открытым исходным кодом. Она предоставляет набор функций и алгоритмов для работы с изображениями и видео, в областях таких как распознавание объектов, обнаружение лиц, отслеживание движения, сегментация изображений и многое другое [2][3]. Основной язык библиотеки C++, но она так же существует и для других языков программирования, таких как Python, JavaScript, Ruby и т.д. С её помощью можно разрабатывать приложения для платформ Windows, MacOs, Linux, Android и iOS [4].

OpenCV применяется: в робототехнике — для ориентирования робота в пространстве, распознавания объектов и взаимодействия с ними; медицинских технологиях — для создания точных методов диагностики, например 3D-визуализации органа при МРТ; промышленных технологиях — для автоматизированного контроля качества, считывания этикеток, сортировки продуктов и пр.; безопасности — для создания «умных» камер видеонаблюдения, которые реагируют на подозрительные действия, для считывания и распознавания биометрии; мобильной фотографии — для создания различных фильтров; на транспорте — для разработки автопилотов.[5]

Преимуществами OpenCV являются: активное сообщество – множество программистов и компаний по всему миру используют OpenCV, библиотека постоянно обновляется, а материалы по ней можно легко найти; бесплатный доступ – библиотека распространяется по бесплатной лицензии, как для учебных целей, так и для коммерческих, ею может пользоваться любой желающий; обилие алгоритмов – библиотека включает в себя боле 2500 инструментов и алгоритмов, которые можно использовать для решения обширного круга задач; высокая скорость – библиотека работает быстрее, чем тяжелое ПО для математических вычислений; возможность работы в реальном времени – благодаря высокой скорости и кроссплатформенности OpenCV подходит для работы с изображениями в режиме реального времени, что открывает новые возможности для систем компьютерного зрения.

Были изучены возможности OpenCV на практике, базовые функции, такие как ввод и отображение изображения, а также операторы, позволяющие изменять изображение для дальнейшей работы. Для установки библиотеки использовалась программа Visual Studio 2022, язык C++. Получены следующие результаты.

Ввод изображения осуществляется с помощью функции imread. На входе она получает путь до нужного изображения и сохраняет изображение в переменную типа Mat, которая представляет собой матрицу.

Для вывода изображения используется функция imshow. На входе она получает переменную типа Mat и выводит изображение, содержащееся в этой переменной. Так же предварительно можно создать пустое окно. Если такое имеется, функция imshow вставит изображение в него (рис. 1).

Рисунок 1. Пример кода ввода и вывода изображения

Применение фильтра Гаусса. После ввода изображения, над ним можно выполнить различные операции. Применим фильтр Гаусса для устранения шума. Его можно применить, используя функцию GussianBlur. На входе она принимает переменную с изображением и на выходе выводит обработанное изображение в указанную переменную. Так же можно указать, какую матрицу выбрать для обработки изображения: 3 х 3 или 5 х 5 (рис. 2).

Рисунок 2. Пример кода фильтра Гаусса

Результат работы (рис.3-5):

Рисунок 3. Исходное изображение микроструктуры чугуна

Рисунок 4. После применения фильтра 3 на 3

Рисунок 5. После применения фильтра 5 на 5

Как можно заметить, качество изображения заметно улучшилось, и оно пригодно к дальнейшей обработке и анализу.

Применение оператора Собеля. Оператор Собеля один из стандартный операторов в библиотеке OpenCV, позволяющий выделять границы на объектах изображения (рис.6).

Рисунок 6. Пример кода оператора Собеля

Результат работы (рис.7-8):

Рисунок 7. Исходное изображение микроструктуры чугуна

Рисунок 8. Применение оператора Собеля

Оператор пороговой фильтрации. Пороговая фильтрация – это метод обработки сигналов, при котором отсекаются все значения сигнала, которые находятся ниже определенного порогового уровня (рис. 9) , а результат работы применения пороговой фильтрации приведены в рис.10-12:

Рисунок 9. Пример кода оператора пороговой фильтрации

Рисунок 10. Применение пороговой фильтрации над изображением в рис.3

Рисунок 11. Применение пороговой фильтрации над изображением в рис. 10 при значении порога 131

Рисунок 12. Применение пороговой фильтрации над изображением в рис. 10 при значении порога 108

Заключение. В ходе исследования были рассмотрены основные этапы цифровой обработки микроскопических снимков, включая предварительную обработку, выделение границ, устранение шума, а также бинаризация. Продемонстрировано, что использование библиотеки “OpenCV”, может значительно улучшить автоматизацию обработки, сократить время и процесс анализа микроструктуры чугуна необходимое для получения результатов на основе микроскопических снимков. Результаты данной работы могут быть использованы в областях металлургии, материаловедения и производства.

Список литературы:

1. Буланова Ю.А., Садыков С.С., Самандаров И.Р., Душатов Н.Т., Миратоев 3.М. Исследования методов повышения контраста маммографических снимков // Oriental renaissance: Innovative, educational, natural and social sciences. -2022-. Vol. 2. No. 10. -С. 304-315.
2. Буланова Ю.А., Садыков С.С., Самандаров И.Р., Душатов Н.Т., Миратоев 3.М. Исследование методов фильтрации шума на маммографических снимках // Oriental renaissance: Innovative, educational, natural and social sciences. -2022-. Vol. 2. No. 10. -С. 177-191.
3. Bulanova Yu.A., Sadykov S.S., Samandarov I.R., Malikov M.N., Mansurov Sh.T. Research on the choice of algorithms for recognizing neoplasms on mammograms // Zibaldone. Estudios Italiano. -2023- Vol.X, Issue 2. -С. 502-511.
4. Самандаров И.Р., Маншуров Ш. Т., Душатов Н. Т., Миратоев З.М., Мустафин Р. Р. Обработка изображений в С++ с помощью библиотеки OpenCV // Universum: технические науки.-2023- №5(110).
5. Самандаров И.Р., Маншуров Ш. Т., Душатов Н. Т., Миратоев З.М., Абдухошимов Ж. У. Алгоритмы распознования отдельных и наложенных реальных плоских объектов // Universum: технические науки.-2023- №5(110).