1. ábra. Kopásnyom mérése "elektronikus vonalzókkal"
| HAZAI MŰSZERÚJDONSÁGOK |
Mérés számítógépes képfeldolgozási módszerekkel
Számítógépes képfeldolgozó rendszereket először az 1960-as években az űrkutatásban és a föld felszínéről készített felvételek kiértékelésére alkalmaztak. Az elmúlt negyven évben a számítógépek kapacitása többszörösére növekedett, és ezzel egyidejűleg a számítógépes képfeldolgozás jelentősége, alkalmazási területeinek köre is rendkívüli mértékben kiszélesedett. Az Internet és a multimédia nagymértékben meggyorsította a képfeldolgozáshoz szükséges eszközök fejlesztését, a bővülő felhasználási igény lehetővé tette a gyártási darabszám nagyságrendekkel való megnövelését, ami jelentős árcsökkenést eredményezett. Ennek köszönhető, hogy ma már otthoni használatra is összeállíthatunk olyan személyi számítógépes képfeldolgozó rendszert, amelyet húsz évvel ezelőtt komoly kutató intézetek is szívesen használtak volna. Csak érdekességként megemlítem, hogy a nyolcvanas évek elején az űrfelvételek kiértékelésére hazai eszközökből létrehozott első számítógépes rendszer egy TPA 1140 számítógépen működött, amely emlékeim szerint 256 Kbájt memóriával, 20 Mbájt (4x5 Mbájt) merevlemezzel és mágnesszalag egységekkel rendelkezett. A képeket egy 3x6 bites 288x384 geometriai felbontású, színes megjelenítőn lehetett megnézni, a berendezés egyébként a színes monitorral együtt egy szekrénnyi helyet foglalt el.
Napjainkban a digitális képfeldolgozással az élet minden területén találkozhatunk, jelen cikkben azonban mérési feladatok képfeldolgozással történő megoldására kívánunk néhány példát mutatni. A képfeldolgozás alkalmazása ezen a területen az igény oldaláról összefügg a gyártási folyamatokban a technológiai követelmények szigorodásával, a minősítési eljárások szabványosításával, a lehetőségek oldaláról pedig a pontosság és megbízhatóság szempontjából egyaránt megfelelő eszközök megjelenésével, és ezen eszközök árának jelentős csökkenésével. A mérési és minőségellenőrzési feladatokat az emberek általában hajlamosak az ipari alkalmazásokhoz kötni, sok esetben az alkalmazási területeket például ipari és orvosi, vagy biológiai alkalmazásokra szétválasztani. Ez abból a szempontból indokolt, hogy az ipari környezetben, különösen a gyártás közbeni minőségellenőrzés és gyártás vezérlés esetén magával a rendszerrel szemben egyedi követelmények merülnek fel (pl. vezérlési feladatok megoldása, sebességi elvárások, környezeti ártalmakra való felkészülés stb.), ugyanakkor viszont képfeldolgozási oldaldalról nincs sok különbség, sőt elmondhatjuk, hogy orvosi és biológiai méréseknél bonyolultabb és érdekesebb problémák merülnek fel. Úgy is fogalmazhatunk, hogy az ipari alkalmazásoknál legtöbbször nem a képfeldolgozási feladat, hanem a megfelelő környezet megteremtése, „a körítés” elkészítése okoz gondot. Bár a PICTRON Kft az ipari alkalmazások területén is tevékenykedik, jelen cikkben éppen azért, mert a képfeldolgozásra kívánjuk a hangsúlyt fektetni, inkább laboratóriumi alkalmazásokat mutatunk be.
A számítógépes képfeldolgozás célja és lényege, hogy a környezetünkből származó képi információt a számítógép segítségével feldolgozzuk és kiértékeljük. Ehhez először a valós világ tárgyainak képét számítógéppel kezelhető adatokká kell átalakítani. Ezt az átalakítást nevezzük digitalizálásnak. A digitalizálás pontos matematikai módszerekkel is leírható, de a későbbiek megértéséhez elegendő, ha azzal tisztában vagyunk, hogy digitalizálás logikailag lényegében három lépésből áll, a leképezésből, a mintavételezésből és a kvantálásból, attól függetlenül, hogy a különböző digitalizáló eszközök ezeket a lépéseket nem feltétlenül elkülönítve valósítják meg.
A leképezés azt jelenti, hogy a képalkotó rendszer – például a TV kamera vagy a fényképezőgép a háromdimenziós térben lévő tárgyakról érkező elektromágneses jelekből egy kétdimenziós képet hoz létre. A mintavételezés során a kétdimenziós kép egy-egy kis területéhez (képeleméhez) a fényességtől függő számot rendelünk hozzá. A mintavételezett kép már csak a mintavételi helyeken meghatározott szürkeségi értéknek megfelelő számokat tartalmazza. Ezek a számok nem negatív, valós számok lesznek. Az ún. kvantálási művelet a mintavételezett képet alkotó tetszőleges értékű számértékekhez a megengedett világosságkód értékek valamelyikét rendeli. Például 8 bites monokróm kép esetén 0–255 közötti számok valamelyikét. A digitalizálás eredményeként kapott számhalmazt, a digitális képet a számítógép már tudja kezelni, és a programon múlik, hogy ebből a számhalmazból egy adott probléma esetén, mit és hogyan tudunk kiolvasni. Az is nyilvánvaló, hogy a digitális kép minősége, így a további feldolgozás eredményessége szempontjából alapvető fontosságú a digitalizálás. Értelemszerűen a mintavételezés sűrűségé-nek és a kvantálási szintek számának a növelése javítja a digitális kép minőségét, de egyidejűleg a szükséges tárolóhelyet is növeli. Színes kép esetében a mintavételezés és a kvantálás szín-összetevőnként, egymástól függetlenül valósul meg.
Nem kívánunk a képfeldolgozás elméletével jelen cikkben foglalkozni, miután a későbbiek megértése ezt nem igényli, csak arra akartuk a figyelmet felhívni, hogy a digitalizálás során a kép minősége romlik, amint az már az eddig elmondottakból is kiderül. Joggal felvetődhet a kérdés, hogy akkor meg mi értelme van a számítógépes feldolgozásnak? A választ nem lehet egy mondatban megadni, hiszen az indok esetenként más és más lehet, de három alapvető szempontot azért felsorolunk:
Továbbiakban bemutatunk néhány alkalmazást, remélve, hogy ezek meggyőzik az olvasót a számítógépes képfeldolgozás hasznosságáról.
Számos módszer és eljárás ismert a képminőség javítására, az értékes képrészletek kiválasztására, és a különböző mérési feladatok elvégzésére. Egy képfeldolgozó program fejlesztésénél, az egyik megközelítési lehetőség, hogy a program minél többet tartalmazzon a lehetséges megoldások közül. Sokéves tapasztalatunk alapján azonban az általános célú képfeldolgozó rendszerek nem igazán népszerűek, mivel a felhasználók elvesznek a rendszer által kínált számtalan lehetőség között, és végül a saját problémáikra nem találnak kényelmes megoldást. Bár a PICTRON Kft is kifejlesztett egy – a legfontosabb mérési funkciókat tartalmazó – képfeldolgozó programot (COLIM), amit számos helyen változatlan formában lehet használni, de gyakran ebből kiindulva a felhasználók igényeinek megfelelően egyszerűbb vagy bonyolultabb rendszereket hozunk létre.
Lássunk egy példát. Néha egy mérőrendszerben az egyszerű távolság mérés kézre álló megoldása is nagy segítséget jelent. Például a különböző kenőanyagok tulajdonságainak vizsgálatára koptató padot használnak, és a mérés folyamán egyéb jellemzők gyűjtése és elemzése mellett szükség van a kopás mértékének meghatározására is. A hagyományos megoldás esetén a koptatott tárgyat (csapágygolyót) mikroszkóp alá helyezik, és a mikroszkóp szálkeresztjét először a kopásnyom egyik szélére igazítják, majd a tárgyasztalt elmozgatva a másik szélére állítják. A tárgyasztal elmozdulását digitális kijelzésű mikrométerrel mérik. Az eljárás nehézkessége mellett további hátrány, hogy beállításkor az asztal kis mértékben mindig tovább mozdul. Lényegesen egyszerűbb a mérés a mikroszkópra szerelt kamera képének digitalizálásával és a digitális képen eltolható „vonalzók” beállításával. (1. ábra).
Nem kell az asztalt mozgatni, így a továbbmozgásból eredő probléma is megszűnik. További előny, hogy megfelelő geometriai segédprogram segítségével a kopásnyom, mindig azonos helyzetbe beállítható, ezért nem szükséges a mikroszkóp alatt a megfelelő helyzetállítással bajlódni. Ebben az esetben további képfeldolgozási funkcióra nem volt szükség, így hiába van a COLIM programban távolságmérés, ami a mérendő távolság két végpontjának megjelölésével működik, az adott problémánál célszerűbb volt az egyéb mérési adatok gyűjtését és kiértékelését is tartalmazó célprogramot kifejleszteni, amely a kopásnyom mérésével együtt a teljes mérési folyamatot, a mérési jegyzőkönyv elkészítésével bezárólag egyetlen rendszerben valósítja meg.
Laboratóriumi gyakorlatban, kísérletek kiértékelésénél gyakran felmerülő probléma területek, területarányok mérése. Még ma is sok helyen a terület mérése például úgy történik, hogy lefényképezik a mikroszkópban látható képet, majd a képre helyezett milliméterpapíron számolják le a fedett terület nagyságát, vagy a mérendő területeket kivágják, és mérlegen mérik meg a kivágott részek súlyát, majd ebből következtetnek a területre. A COLIM (Color Image Measuring) program fejlesztésekor a leggyakrabban felmerülő távolság, fényesség és területmérésre kívántunk egy könnyen kezelhető megoldást adni. A makroszkopikus vagy mikroszkopikus képek bevitelére ipari kamera és digitalizáló kártya, vagy digitális kamera szolgál, de a program BMP formátumú képfájlokat is tud fogadni. Területmérés előtt a mérendő alakzatot, vagy alakzatokat el kell különíteni a háttértől és egymástól. Abban az esetben, ha a mérendő alakzat fényesség alapján jól elkülöníthető a háttértől, akkor ez a feladat egyszerű szintre vágással oldható meg. Ezt a megoldást alkalmaztuk az aszfaltba kevert adalékanyag mennyiségének meghatározásakor. A megfelelő hőmérsékleten tartott mintát mikroszkóp alatt vizsgálják. A 2. ábrán látható, hogy ebben az esetben az adalék szemcsék egyszerű szintre vágással jól elkülöníthetők, ezt követően a terület illetve a területarány, vagy akár a szemcseszám meghatározása már nem jelent gondot.
Sokszor az alakzatok fényesség szerint nem különíthetők el jól, ebben az
esetben szín szerinti képosztályozással választhatjuk el azokat egymástól.
A gyakorlat azt mutatta, hogy felmerült problémák többségében a
szétválasztandó alakzatok színjellemzői jól elkülönülnek, ezért – a könnyű
kezelhetőséget szemelött tartva – csak az ún. legközelebbi szomszéd
módszert valósítottuk meg. A mintaterületek kijelölése az egér
segítségével, három rögzített méretű, négyzet alakú szonda valamelyikével,
történik. Az egy osztályba sorolandó minták száma nem korlátozott, de a
háttérrel együtt összesen 12 osztály jelölhető ki. A program az egyes
osztályokba sorolt alakzatok területét önműködően megméri, és egy fájlban
tárolja az egyéb mérések adataival együtt.
A programot változatlan formában használják az agyi ischémiás elváltozások
és szívinfarktus miatti szövetelhalás mértékének meghatározására kísérleti
állatokon. Ezeknél a feladatoknál a háttéren kívül általában három szín
elkülönítésére (elhalt és egészséges rész, valamint a háttér), és az
elkülönített részek területének mérésére van szükség. A 3. ábrán látható,
hogy milyen mintákat választottunk az egészséges részből, a 4. ábra a szín
szerinti elkülönítés utáni területmérés eredményét mutatja. (Jelen cikkben
– technikai okokból – az ábrákat csak fekete/fehér változatban tudjuk
bemutatni.)
A rendszerrel külön mérhetik a jobb és bal agyféltekét, a képen a bal agyfélteke egészséges részének területét számolja a program. Általában vékony szeleteket készítenek a vizsgált szervből, és a szelet vastagság ismeretében, a szeleteken mért terület arányok összesítésével lehet megkapni a térfogat értékeket. Egy-egy hatóanyag vizsgálatakor sok kísérletet kell végezni, ezért a program jelentős segítséget jelent a kísérlet sorozat kiértékelésében.
Egy másik feladat megoldásához módosítani kellett a programot, hogy alkalmas legyen díszhalak minősítésére. Ebben az esetben sincs három-négy színosztálynál több, de az előírásoknak megfelelően a különböző színű foltok elhelyezkedését is meg kell határozni. További kiegészítő feladat volt a mérés egységesítése érdekében rögzített helyzetbe forgatni a hal képét, valamint az alak leírása közelítő görbével. Ez utóbbira az ún. Bezier-görbét találtuk alkalmasnak. Ezt a görbét egyébként a függvénynek a nevét adó tervező mérnök dolgozta ki Citroen autók tervezéséhez. A görbét meghatározó paraméterek a halak alakjának objektív és mérettől független összehasonlítását teszik lehetővé. Az 5. ábra a görbe egy díszhalra való illesztését mutatja.
A humán- és állatgyógyszer kutatásban egyaránt fontos terület az antibiotikumok hatásvizsgálata. Ez részben a különböző antibiotikumok, részben azok különböző hígítású változatainak vizsgálatára terjed ki. A vizsgálat során megfelelő méretű üvegtálcára táptalajt visznek fel, amelyet valamilyen baktériummal oltanak be. Ezt követően, rendezett módon (általában 8x8-as rácspontokban) a táptalajból kör alakú részeket emelnek ki, és a vizsgálandó antibiotikumokat különböző hígításban becseppentik a kiemelt táptalaj helyére. A hatóanyagra adott válasznak megfelelően a baktérium rövidebb, vagy hosszabb idő alatt elpusztul, és ennek megfelelően kisebb vagy nagyobb átmérőjű körben a táptalaj színe megváltozik (világosabb lesz), és ezért keskenyebb vagy szélesebb körgyűrű, vagy ahogyan szakszerűen mondják különböző méretű gátlási zóna alakul ki. Képfeldolgozási szempontból a 6. ábrán láthatóan hol jobb, hol rosszabb minőségű külső kör átmérőjét kell meghatározni.
A feladat akkor vált kezelhetővé, amikor sikerült biztosítani az egyenletes megvilágítást. Ez azért nem volt egyszerű, mert a megfelelő pontosság elérése érdekében szükséges volt pozíciónként képet venni, és a mérést elvégezni, ami azt jelentette, hogy X-Y irányban a kamerát a gátlási zónák fölé kellett mozgatni. Végül az üvegtálca alá helyezett és a kamerával együttmozgó megvilágítással, és az egész mozgató mechanika beburkolásával sikerült a megfelelő kép-felvételi körülményeket biztosítani. A 7. ábrán látható a mérőrendszer mechanikai része az X-Y irányban mozgó kamerával és a megvilágítással a védőburkolat eltávolítása után.
Ezt követően az átmérő meghatározása a következő módon történt. Első lépésben a feltételezett középponton átmenő 4 átló mentén kiszámított fényesség-profilok súlypontjának segítségével a tényleges elhelyezkedésnek megfelelő körközéppontot határoztuk meg. Ezt követően a középpontból kiindulva 32-72 sugár mentén az él-átmenet meghatározásával a kör kerületének pontjait számítottuk ki. A megtalált körpontok által meghatározott körcikkek területének kiszámításával számítottuk ki az alakzat területét, majd ebből számoltuk ki az azonos területű kör átmérőjét. A gátlási zónák átmérője alapján, a gyógyszerkönyvi előírások szerint meghatározható a vizsgált antibiotikum hatáserőssége. Az eljárás kicsit körülményesnek tűnhet, de tudni kell, hogy az antibiotikum elhelyezésére szánt lyukak kivétele kézzel történik egy rajz alapján, szemmel történő „rávezetéssel”, így a kiinduló körök pozíciója jelentős szórást mutat. Továbbá a baktériumok sem mindig teljesen szabályos köralakban pusztulnak el, ezért a kialakuló körgyűrűk sem mindig körgyűrűk. A kidolgozott eljárás viszont ezekben az esetekben is elfogadható értéket ad az antibiotikum hatásának mérésére.
A feladat megoldására a MIKROBI elnevezésű célrendszert fejlesztettük ki, a rendszer jelentős részét teszi ki a mérőasztal vezérlése, a gyógyszerkönyv szerinti kiértékelés, a megfelelő antibiotikumok jellemzőit tartalmazó adatbázis kezelése, és a mérési jegyzőkönyv elkészítése.
Általában úgy tartják, hogy laboratóriumi alkalmazásoknál az idő nem igazán okoz problémát, és az eddig bemutatott példák is ezt támasztják alá. Ezt cáfolandó lássunk két érdekes problémát.
Számos kutatás során vizsgálják a véráramlási viszonyokat, elsősorban az áramlási sebességet élő állatokban. Ezeknél a kísérleteknél a kísérleti állat erekkel átszőtt szervét megfelelő előkészítés után mikroszkóp alá helyezik. Megfelelő megvilágítás és nagyítás esetén láthatóvá válik az erekben áramló vér. A vizsgálatok célja a véráramlás körülményeinek vizsgálata bizonyos jelenségek, anyagok hatására. A gond abból adódik, hogy az alkalmazott nagyítás miatt a képernyőn észlelt mozgás igen gyors, a képminőség meglehetősen gyenge és a jelenség nehezen vagy egyáltalán nem ismételhető. A sebességmérésen kívül további mérésekre is szükség van, ezek kezelői közreműködéssel végezhetők el. Az igazi problémát a sebesség mérése jelentette, erre két módszert alkalmaztunk.
Sebességmérés képről képre
Az egyik vizsgálatnál a beállított nagyítás mellett maguk a vörösvérsejtek váltak láthatóvá, ahogyan az érben, mint egy csőben végigszáguldanak. Ebben az esetben az vezetett eredményre, hogy az egész kísérletet képmagnóval szalagra rögzítettük. Számítógéppel vezérelhető képmagnót alkalmaztunk, és így megfelelő programmal az egész folyamatot le lehetet lassítani, minden képet (frame-t) külön digitalizálva megkaptuk az egymást követő képkockákat. A megfelelő képsorozat kiválasztása után a kiértékelő személy az egyes képkockákon ki tudta jelölni a gyorsan haladó vörösvérsejtet, így néhány egymást követő frame alapján, a frame-k közötti idő ismeretében, a sebesség meghatározható volt.
Sebességmérés korrelációs módszerrel
Más vizsgálatoknál az erek párhuzamosan futó, esetenként elágazó csövekként, csőrendszerként jelentek meg, a vörösvérsejtek nem voltak elkülönülve megfigyelhetők. A véráramlás úgy jelentkezett ezeken a képeken, mint egymást követő sötétebb és világosabb „csomagok”, ahogyan például egy átlátszó műanyag csőben a levegőbuborékokkal megszakított folyadék mozgása látszik. Ebben az esetben az erekre helyezett ablakokban, vagy kijelölt vonal mentén változó fényesség értékek korrelációjának vizsgálata vezetett eredményre. Azt kellett figyelni, hogy az ér két szakaszán megjelenő értékek mennyi idő után jeleznek szoros korrelációt. Elfogadható képminőség esetén, és a paraméterek megfelelő beállításával elérhető, hogy a korreláció jelezze, hogy egy korábban megfigyelt „csomag” érkezett a második mérési pontra. Az eltelt idő mérésével a sebesség kiszámítható. Egy képen egyszerre több mérési ablakot is kijelölhetünk, így bonyolultabb keringési folyamatok is nyomon követhetők. Ez a mérés azonban nagyon gyors számítógépet igényel, de a jelenleg kapható eszközök felső kategóriájával megoldható.
Egy másik izgalmas feladat a spermiumok motilitásának mérése. Ennek a mesterséges megtermékenyítés esetén van jelentősége, hiszen csak egészséges, határozott mozgással haladó spermium esetén van esély a megtermékenyítésre. A mikroszkóp alá helyezett mintát vizsgálva, hihetetlenül gyorsan változó kép tárul elénk, csak megfelelő hígítás esetén van arra esély, hogy a spermiumokat megkülönböztessük, és mozgásukat kövessük. A feladat megoldásához olyan digitalizáló kártyát alkalmaztunk, amely 25 képet tud másodpercenként rögzíteni. A 8. ábrán egyetlen képet mutatunk be.
Az elgondolás az volt, hogy a spermiumok mozgási sebessége alapján az egészséges spermiumok egy képváltás közbeni 1/25 s alatt annyit mozdulnak el, hogy a két pozíció közötti kapcsolat még felismerhető. Ehhez természetesen az kellett, hogy ne túl sűrűen legyenek a spermiumok, ezért higított mintákat lehet csak alkalmazni. A 9. ábra több egymást követő kép összeadásával készült, jól látható, hogy az egészséges spermiumok jellegzetes füzérszerű útvonalat rajzolnak fel.
A feladat megoldása teljesen egyedi algoritmusok kidolgozását és program kifejlesztését igényli. Jelenleg a program automatikus üzemmódban az objektumok 95 százalékát helyesen azonosítja. Az ezt követő kézi korrekció után történik a sebesség és egyéb (pl. élő/holt arány) kiszámítása.
SZABÓ JÓZSEF
A laprendszer készítője: UFE Bt.