ОБОСНОВАНИЕ РАЗРАБОТКИ МЕТОДА ЦИФРОВОЙ ОБРАБОТКИ ДВУМЕРНЫХ ИЗОБРАЖЕНИЙ, РЕГИСТРИРУЕМЫХ СИСТЕМОЙ КОМПЬЮТЕРНОГО ЗРЕНИЯ РОБОТИЗИРОВАННОЙ УСТАНОВКИ
DOI:
https://doi.org/10.52167/1609-1817-2025-1-S1-413-422Ключевые слова:
GS1 DataMatrix; шум «соль-перец»; медианный фильтр; билатеральный фильтр; подавление шума; PSNR; компьютерное зрение.Аннотация
В данной статье представлены результаты оценки эффективности методов цифровой обработки двумерных изображений, регистрируемых системой компьютерного зрения роботизированной установки, на примере сравнительной оценки гауссовского, медианного и билатерального фильтров при подавлении шума «соль-перец» на изображениях кода GS1 DataMatrix при SNR = +5 дБ. Качество фильтрации оценивается по метрикам PSNR, RMSE, коэффициенту подавления шума NR и статистическим характеристикам яркостного распределения. Установлено, что медианный фильтр является наиболее эффективным: PSNR = 18,20 дБ, NR = 63,16%. Гауссовский фильтр снижает стандартное отклонение яркости σ на 26,4%, что деструктивно для порогового декодирования бинарных ячеек DataMatrix. Билатеральный фильтр демонстрирует наихудшие показатели (PSNR = 11,85 дБ, NR = 23,54%) вследствие некорректного вычисления фотометрических весов в условиях импульсных помех. Результаты применимы при проектировании систем компьютерного зрения для верификации маркировки фармацевтической и промышленной продукции.
Библиографические ссылки
GS1 General Specifications. Version 23.0. – Brussels: GS1, 2023. – 528 p.
Gonzalez R.C., Woods R.E. Digital Image Processing. – 4th ed. – New York: Pearson, 2018. – 1022 p.
ISO/IEC 16022:2006. Information technology – Automatic identification and data capture techniques – Data Matrix bar code symbology specification. – Geneva: ISO, 2006 (reaffirmed 2021). – 136 p.
Jain A.K. Fundamentals of Digital Image Processing. – Hoboken: Prentice-Hall, 1989 (reprinted 2021). – 592 p.
Ilesanmi A.E., Ilesanmi T.O. Methods for image denoising using convolutional neural network: A review // Complex & Intelligent Systems. – 2021. – Vol. 7. – P. 2179–2198.
Buades A., Coll B., Morel J.-M. A review of image denoising algorithms, with a new one // Multiscale Model. Simul. – 2005. – Vol. 4, № 2. – P. 490–530.
Astola J., Kuosmanen P. Fundamentals of Nonlinear Digital Filtering. – Boca Raton: CRC Press, 1997. – 288 p.
Tomasi C., Manduchi R. Bilateral filtering for gray and color images // Proc. IEEE ICCV. – Bombay, 1998. – P. 839–846.
Wang Z., Bovik A.C., Sheikh H.R., Simoncelli E.P. Image quality assessment: From error visibility to structural similarity // IEEE Trans. Image Process. – 2004. – Vol. 13, № 4. – P. 600–612.
Huynh-Thu Q., Ghanbari M. Scope of validity of PSNR in image/video quality assessment // Electron. Lett. – 2008. – Vol. 44, № 13. – P. 800–801.
Paris S., Kornprobst P., Tumblin J., Durand F. Bilateral filtering: Theory and applications // Foundations and Trends in Computer Graphics and Vision. – 2009. – Vol. 4, № 1. – P. 1–73.
Tian C., Fei L., Zheng W., Xu Y., Zuo W., Lin C.-W. Deep learning on image denoising: An overview // Neural Networks. – 2020. – Vol. 131. – P. 251–275.
Huang T.S., Yang G.J., Tang G.Y. A fast two-dimensional median filtering algorithm // IEEE Trans. Acoust. Speech Signal Process. – 1979. – Vol. 27, № 1. – P. 13–18.
Zhang K., Li Y., Zuo W., Zhang L., Van Gool L., Timofte R. Plug-and-Play Image Restoration with Deep Denoiser Prior // IEEE Trans. Pattern Anal. Mach. Intell. – 2022. – Vol. 44, № 10. – P. 6360–6376.
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Категории
Лицензия
Copyright (c) 2026 Жамбыл Кажиев, PhD, Ассоциированный профессор, магистр технических наук, инженер по информационно-технологическим проектам
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
