1933501974

Rysunek 2.2: Przykładowy model wykonany w Simulinku.

zwala przenieść strumień danych do Matlaba, tam wykonać rządane operacje i zwrócić otrzymane wyniki z powrotem do Simulinka i kontynuować pracę aplikacji. W opisywanym projekcie s-funkcji użyto między innymi do implementacji transformacji log- polar.

Kolejnym narzędziem jakie wybrano było odpowiednie dobranie techniki segmentacji. Możemy rozróżnić wiele technik segmentacji, oto kilka z nich:

•    Segmentacja poprzez rozrost obrazu, polega na grupowaniu obrazu w obszary o podobnych właściwościach [9].

•    Segmentacja poprzez podział obrazu, polega na progowaniu, a więc każdy piksel jest porównywany z określoną wcześniej wartością i na tej podstawie jest mu przypisywana wartość 0 lub 1, wynikiem takiej operacji jest więc obraz binarny [9].

W opisywanym projekcie użyto segmentacji poprzez podział obrazu. Ponieważ informacje pochodzące z segmentacji poprzez rozrost obrazu niewiele ułatwiłyby dalszą analizie obrazu. Ta technika pozwoliłaby uzyskać informacje jedynie o ilości podobnych obszarów, co pozostawiłoby wiele niepotrzebnych informacji na temat obrazu. Cecha obrazu znaczący wpływ na skuteczność procesu segmentacji. W opisywanym przypadku wyróżniono kilka głównych cech śledzonych obiektów:

•    kolor,

•    kształt (krawędzie),

•    ruch.

Segmentacja na podstawie koloru przyniosła bardzo dobre efekty. Zielona barwa, którą wyróżnia się śledzony obiekt jest specyficzna i łatwa do wykrycia. Konkretny sposób implementacji tego rodzaju segmentacji przedstawiono w rodziale 4. W efekcie otrzymano obraz binarny o wyraźnie wyróżnionych obiektach. Niestety segmentacja ta jest bardzo wrażliwa na silne zmiany oświetlenia, co nie powinno dziwić, ze względu na fakt, że mocne oświetlenie obiektu powoduje zmianę barwy jaką rejestruje ludzkie oko.

13