Исследование и разработка прикладной телевизионной системы для анализа внутренней поверхности цилиндрических объектов тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Лошкарев Алексей Сергеевич

• Лошкарев Алексей Сергеевич
• кандидат наук
• 2025

Оглавление диссертации кандидат наук Лошкарев Алексей Сергеевич

Введение

Глава 1. Анализ методов построения прикладных телевизионных систем

для контроля внутренней поверхности цилиндрических объектов

1.1 Общие сведения

1.2 Анализ методов построения прикладных телевизионных систем со сверхширокими углами зрения

1.3 Обобщенный алгоритм работы и требования к ПТС для контроля внутренней поверхности цилиндрических объектов

Выводы к главе

Глава 2. Исследование ПТС для контроля внутренней поверхности

цилиндрических объектов

2.1 Анализ тракта формирования и передачи визуальной информации

2.1.1 Модель формирования изображения в ПТС с оптической системой типа «^Ьеуе»

2.1.2 Неравномерность освещенности изображения

2.1.3. Вопросы информативности

2.1.4. Выбор светочувствительного сенсора для датчика изображений

2.1.5. Оценка пространственных характеристик ПТС со сверхширокоугольной оптикой

2.1.5.1. Расчет углового разрешения

2.1.5.2. Расчет частотно-контрастных характеристик

2.1.5.3. Оценка возможностей видеокамер с оптической системой

типа «^Ьеуе»

2.2. Геометрические искажения изображения

Выводы к главе

Глава 3. Разработка методов формирования полного панорамного изображения внутренней поверхности цилиндрических объектов

3.1 Разработка алгоритма формирования панорамного изображения

3.1.1 Математический аппарат построения панорамного изображения одного кадра

3.1.2 Алгоритм формирования панорамного изображения кадра

3.1.3 Вопросы интерполяции и коррекции геометрических искажений

3.2 Разработка алгоритма построения полной панорамы внутренней

поверхности

3.2.1 Коррекция вариаций яркости и контраста

3.2.2 Вопросы сшивки кадров панорамы

3.3 Мониторинг продольного положения видеокамеры внутри цилиндрического объекта

3.3.1 Модели, используемые для определения положения датчика изображений

3.3.2 Вычисление функции отображения

3.3.3 Алгоритм мониторинга продольного положения датчика изображения в цилиндрическом объекте

Выводы к главе

Глава 4. Экспериментальные исследования предлагаемых решений

для создания ПТС

4.1 Практическая реализация ПТС

4.1.1 Аппаратная часть ПТС

4.1.2 Программное обеспечение ПТС

4.1.2.1 ПО цифровой обработки изображений

4.1.2.2 ПО системы перемещения датчика

4.2 Оптимизации процесса поиска особенностей и вычисления параметров совмещения на сшиваемых кадрах

4.3 Экспериментальные исследования мониторинга продольного положения датчика изображений

Выводы к главе

Заключение

Список использованных источников

Приложение А. Свидетельства о государственной

регистрации программ для ЭВМ

Приложение Б. Документы, подтверждающие внедрение

основных результатов диссертационной работы

Приложение В. Главные функции «Программы формирования полного

панорамного изображения внутренней поверхности труб»

Приложение Г. Исходный код «Программа вычисления функции углового разрешения видеокамер с объективом «fisheye»»

Приложение Д. Исходный код «Программа вычисления функции отображения объектива с использованием трубы диаметром 143,5 мм» ... 189 Приложение Е. Исходный код «Программа вычисления

дистанции до дальнего конца трубы диаметром 143,5 мм»

Приложение Ж. Исходный код «Блок инициализации

периферийных устройств контроллера управления»

Приложение З. Исходный код «Основной цикл

программы работы контроллера управления»

Введение диссертации (часть автореферата) на тему «Исследование и разработка прикладной телевизионной системы для анализа внутренней поверхности цилиндрических объектов»

ВВЕДЕНИЕ

Актуальность темы. Основной задачей прикладных телевизионных систем (ПТС) является задача формирования изображений для визуального наблюдения оператором или вычислительным устройством с целью контроля и анализа состояния объектов интереса и решения информационно-измерительных и управляющих задач в различных сферах человеческой деятельности.

Решение задачи визуального анализа внутренней поверхности цилиндрических объектов ведущими компаниями разработчиками оборудования нераз-рушающего контроля OLIMPUS (Япония), jProbe (Япония), Everest VIT (Германия), General Electric (США), Henan Monma Machinery Equipment Co. (Китай) реализуется с помощью эндоскопов или бороскопов с управляемой оптической головкой. Такой прибор вводится в цилиндрический объект, формируя изображения участков внутренней поверхности, которые регистрируются и анализируются.

Однако визуальный контроль внутренностей цилиндрических объектов, типовыми представителями которых является круглая труба или орудийный ствол, удобнее всего производить по сформированному прямоугольному панорамному изображению всей внутренней поверхности. Один из способов формирования такого изображения предполагает использование ПТС с датчиком, представляющим собой видеокамеру, снабженную оптической системой и специальным осветителем, габариты которой позволяют разместить ее внутри объекта таким образом, чтобы внутренняя поверхность попадала в поле зрения. Очевидно, что получить изображение всей внутренней поверхности можно перемещая датчик изображения вдоль продольной оси объекта, регистрируя кадры снимаемой видеопоследовательности и формируя из них полную панораму.

Формирование высокоинформативного и достоверного панорамного изображения требует учета множества факторов, связанных с особенностями его формирования внутри цилиндрического объекта, что требует

дополнительного исследования.

Степень разработанности темы исследования. Теории и практике разработки ПТС различного назначения посвящено достаточное количество фундаментальных научных работ отечественных ученых С.Б. Гуревича, Р.Е. Быкова, П.Ф. Браславца, И.А. Росселевича и А.И. Хромова, А.К. Цицулина и А.А. Умбиталиева, М.М. Мирошникова, Безрукова В.Н. и др. Этим же проблемам посвящены работы известных зарубежных исследователей У. Прэтта (W. Pratt), Р. Гонсалеса и Р. Вудса (R. Gonzalez, R. Woods), Б.К.П. Хорна (B.K.P. Horn), Л. Шапиро и Дж. Стокмана (L. Shapiro, G. Stockman), В. Дамьяновски (V. Damjanovski). Однако в этих работах практически не рассматриваются вопросы формирования изображений с использованием сверхширокоугольной оптики. Вторая группа работ, связанных с темой исследования, посвящена формированию панорамных изображений с углами обзора по азимуту в 360°. Данное направление широко рассматривается в отечественных публикация Толкачева Д.С., Смелкова В.М., Котова В.В., Соломатина В.А., Лазаренко В.П., Цудикова М.Б., Колобова К.В., а также в работах зарубежных авторов G. Krishnan, S.K. Nayar, X. Feng, G.-Il Kweon. В них рассматриваются модели формирования изображения и построения панорам для разных проекций. Однако большинство этих работ не учитывают особенности расположения датчика изображений внутри цилиндрического объекта и не раскрывают сути аппаратных и программных решений.

Объектом исследования является ПТС для визуального контроля внутренней поверхности цилиндрических объектов.

Предметом исследования являются алгоритмы формирования высококачественного полного панорамного изображения внутренней поверхности цилиндрических объектов и методики оценки качественных характеристик ПТС.

Целью диссертационной работы является исследование особенностей и разработка способов создания телевизионной системы для анализа внутренней поверхности цилиндрических объектов.

Основные задачи, решаемые в диссертационной работе для достижения

поставленной цели:

1. Анализ методов построения ПТС для анализа внутренней поверхности цилиндрических объектов и разработка технических требований к ним.

2. Разработка структуры ПТС и анализ тракта формирования и передачи визуальной информации с целью выявления особенностей, связанных с цилиндрической формой объекта исследования и использованием оптических систем типа «^Ьеуе».

3. Разработка методов оценки качественных характеристик ПТС с оптическими системами типа «^Ьеуе».

4. Разработка и исследование алгоритмов формирования качественного полного панорамного изображения внутренней поверхности цилиндрических объектов.

5. Разработка и исследование алгоритма мониторинга продольного положения датчика изображений в цилиндрическом объекте.

6. Разработка и изготовление действующего макета ПТС для проведения натурных испытаний.

7. Проведение натурных испытаний с целью получения количественных и качественных оценок эффективности разработанных алгоритмов.

Научная новизна. В рамках диссертационной работы получены следующие новые научные результаты:

1. Предложена модель формирования панорамного изображения, отличающаяся тем, что процесс переноса из пространства предметов в пространство изображений разбит на два этапа и использует две координатных системы для пространства предметов и три координатных системы для пространства изображений, что позволило выявить особенности, которые необходимо учитывать при разработке ПТС и описать их аналитически.

2. Разработана методика оценки возможностей ПТС со сверхширокоугольной оптикой для обнаружения объектов заданных размеров, основанная на предложенных способах вычисления пространственных характеристик ПТС (частотно-контрастной и углового разрешения), которые отличаются от суще-

ствующих размещением тест-объектов на внутренней поверхности полусферы.

3. Разработан и исследован алгоритм формирования полного панорамного изображения внутренней поверхности цилиндрических объектов, которое отличается повышенной точностью совмещения с погрешностями менее 4 пикселов и отсутствием яркостных искажений.

4. Предложен способ мониторинга продольного положения датчика изображений в цилиндрическом объекте, основанный на измерении размера изображения выходного отверстия из центральной неиспользуемой области круговой панорамы, и этим отличается от существующих. Разработан алгоритм реализации предложенного способа.

Теоретическая значимость диссертационной работы заключается в развитии методов формирования панорамных изображений внутренней поверхности цилиндрических объектов, методики оценки пространственных характеристик ПТС и методов мониторинга положения датчика изображений внутри цилиндрического объекта.

Практическая значимость заключается:

1. В создании методики оценки пространственных характеристик ПТС со сверхширокоугольными оптическими системами типа «^Ьеуе».

2. В разработке и реализации алгоритма формирования полного панорамного изображения внутренней поверхности цилиндрических объектов.

3. В разработке и реализации алгоритма мониторинга продольного положения датчика изображений в цилиндрическом объекте.

Методы исследования. Использовались теоретические и экспериментальные методы исследований. Теоретические методы базировались на анализе телевизионной системы с использованием теории информации, теории цифровой обработки сигналов и изображений, численных методах. Экспериментальные методы заключались в программной реализации предлагаемых технических решений и оценке их эффективности моделированием на ЭВМ.

Основные положения, выносимые на защиту:

1. Методика оценки возможностей ПТС для обнаружения объектов с

заданными размерами на внутренней поверхности цилиндров, которая основывается на предлагаемых способах измерения углового разрешения и частотно-контрастных характеристик.

2. Модель формирования прямоугольного панорамного изображения внутренней поверхности цилиндрических объектов, которая использует две координатных системы для пространства предметов и три координатных системы для пространства изображений.

3. Алгоритм построения полной панорамы внутренней поверхности цилиндрических объектов, включающий блоки коррекции вариаций яркости, обусловленных неравномерностью освещения и характеристиками оптической системы, блоки формирования прямоугольной панорамы каждого кадра, блоки поиска особенностей на сшиваемых кадрах и вычисления необходимых сдвигов и блоки совмещения кадров с выравниванием яркости и контраста в области совмещения.

4. Способ мониторинга продольного положения датчика изображений, основанный на измерении размера изображения выходного отверстия цилиндрического объекта с известным диаметром и алгоритм его реализации.

5. Результаты экспериментальных исследований.

Достоверность и обоснованность основных результатов по указанным положениям обеспечивается корректным применением теоретических методов исследования, которые подтверждены экспериментально.

Реализация и внедрение результатов работы. Результаты диссертации использованы при выполнении работ по гранту Российского научного фонда № 23-21-10075 по теме: «Исследование и разработка методов компьютерного зрения для объективного контроля качества внутренней поверхности цилиндрических объектов». Основные положения диссертационной работы внедрены в технологические процессы ООО «ИТ-Сервис» г. Самара и в учебный процесс Поволжского государственного университета телекоммуникаций и информатики.

Апробация работы. Основные результаты диссертационной работы доложены и обсуждены на научно-технических конференциях: XXVI и XXIX Российская НТК профессорско-преподавательского состава, научных сотрудников и аспирантов ПГУТИ(Самара, 2019 г., 2022 г.), XVII, XVIII, XIX, XXI Международная НТК «Оптические технологии в телекоммуникациях» (Казань, Самара, 2019-2023 гг.), XXI, XXIII, XXIV Международная НТК «Проблемы техники и технологий телекоммуникаций» (Казань, Самара, Уфа 2019-2022 гг.), XVIII, XIX Международная НТК «Физика и технические приложения волновых процессов» (Самара, 2020-2021 гг.), XXX, XXXI, XXXII Российская НТК «Актуальные проблемы информатики, радиотехники и связи» (Самара, 2023-2025)

Публикации по теме. По теме диссертации опубликовано 25 печатных работ, в том числе 5 статей в изданиях, рекомендованных ВАК, 1 статья в изданиях Scopus и WoS, а также получено 4 свидетельства о государственной регистрации программ для ЭВМ.

Личный вклад автора. Основные теоретические результаты, полученные в работе, сформулированы лично автором. Экспериментальные исследования разработанных алгоритмов и создание действующего макета ПТС выполнялись совместно с соавторами.

Соответствие паспорту специальности. Диссертационное исследование соответствует п.5 «Разработка и исследование алгоритмов, включая цифровые, обработки сигналов и информации в радиотехнических устройствах и системах различного назначения, в том числе синтез и оптимизация алгоритмов обработки», п. 17 «Разработка методов и устройств телевизионных измерений, включая колориметрию, количественную оценку качества формируемой, передаваемой и воспроизводимой видеоинформации» и п. 18 «Разработка радиотехнических и телевизионных устройств и систем для их использования в промышленности, робототехнике, авиации, космонавтике, астрономии, метрологии, информационно-измерительной технике, а также для подземных, подводных и других применений» паспорта специальности 2.2.13.

«Радиотехника, в том числе системы и устройства телевидения».

Структура и объем работы. Диссертация состоит из введения, четырех глав и заключения, изложенных на 157 страницах машинописного текста, списка использованных источников из 111 наименований и 8 приложений на 26 страницах. Общий объем диссертации 196 страниц.

Краткое содержание работы. Во введении обосновывается актуальность диссертационных исследований, их цель и основные задачи, формулируется научная новизна, практическая и теоретическая значимость, основные положения, выносимые на защиту.

Глава 1 посвящена исследованию методов построения ПТС для визуального контроля внутренней поверхности цилиндрических объектов. Основная задача такой ПТС - сканирование внутренней поверхности с помощью датчика изображений и представление результатов в удобном для анализа виде с целью получения информации о количественных и качественных характеристиках объектов, расположенных на этой поверхности. Решение этой задачи требует учета особенностей цилиндрических объектов, которые связаны с широким диапазоном внутренних диаметров Боб (от нескольких десятков миллиметров до нескольких метров) и большой протяженностью продольных размеров Ьоб, причем Ьоб » Иоб.

Реализовать сканирование и формирование результата в виде изображения можно, перемещая датчик вдоль продольной оси цилиндра и регистрируя при этом кадры видеопоследовательности. Показано, что наиболее оправданным является использование датчика сверхширокоугольных изображений. Аналитический обзор методов построения ПТС с такими датчиками показал, что наилучшим образом для решения этой задачи подходит одноканальная ПТС смотрящего типа с оптической системой «1^еуе».

Наиболее удобным для анализа является представление изображения в виде прямоугольной полной панорамы. Приводится обобщенный алгоритм, реализующий цифровую обработку видеопоследовательности, снимаемой с выхода датчика, для формирования панорамного изображения и формулируются

обобщенные требования к ПТС.

Глава 2 посвящена анализу тракта формирования и передачи визуальной информации для выявления особенностей, связанных с использованием оптической системы типа «fisheye» и цилиндрической формой объектов исследования.

Выполнен анализ процесса перехода от трехмерного пространства предметов к двумерному пространству изображений, что позволило выявить особенности формирования изображений на поверхности светочувствительной матрицы, которые необходимо учитывать при разработке ПТС.

Рассмотрены вопросы измерений частотно-контрастных характеристик и характеристик углового разрешения ПТС с объективами типа «fisheye». Рассчитанные характеристики легли в основу предлагаемой методики оценки потенциальных возможностей датчика изображений в плане обнаружения объектов с заданными линейными размерами.

Рассмотрены вопросы появления геометрических искажений в изображениях, снимаемых с выхода датчика.

Приводятся рекомендации по выбору типа светочувствительного сенсора датчика изображений.

Глава 3 посвящена исследованию и разработке алгоритма для формирования полного панорамного изображения внутренней поверхности цилиндрических объектов и вопросу контроля продольного положения датчика изображений.

Вначале подробно рассмотрена модель формирования панорамы одного кадра, использующая цилиндрическую систему координат для пространства предметов и три координатных системы для пространства изображений. Получены математические выражения для реконструкции кругового панорамного изображения с выхода датчика в прямоугольную панораму. Рассмотрены вопросы потери информации при реконструкции и способы их снижения.

Вопросы объединения отдельных кадров панорамы в полное панорамное изображение рассмотрены в подразделе 3.2. Предложен алгоритм формирова-

ния полной панорамы, включающий шаги:

• компенсация вариаций яркости и контраста изображений, возникающих из-за неравномерного освещения внутренней поверхности и особенностей характеристик оптической системы "1^еуе";

• формирование прямоугольной панорамы каждого кадра методом обратной трассировки с коррекцией искажений;

• поиск особенностей на сшиваемых кадрах и вычисление величины необходимых смещений;

• совмещение сшиваемых кадров с минимизацией заметности сшивки.

Вопросы контроля продольного положения датчика изображений внутри

цилиндрического объекта рассмотрены в подразделе 3.3. Такой мониторинг позволяет определить положение датчика в реальной системе координат цилиндрического объекта, что является весьма полезным при его неравномерном перемещении. Предлагается способ реализации такого мониторинга.

Глава 4 посвящена экспериментальной проверке теоретических исследований и практической реализации предлагаемых решений, которые легли в основу создания действующего макета ПТС для контроля внутренней поверхности цилиндрических объектов. Разработанная ПТС является аппаратно-программным комплексом и успешно решает возложенную на него задачу. Приводится описание аппаратной и программной частей комплекса, приводятся его технические характеристики.

Исследуются практические вопросы оптимизации поиска особенностей и вычисления параметров совмещения на сшиваемых кадрах с целью повышения скорости работы программного обеспечения и повышения точности сшивки панорамы. Приводятся характеристики, позволяющие оценить качество панорамного изображения.

В подразделе 4.3 описан алгоритм предлагаемого способа мониторинга продольного положения датчика и результаты его практической реализации.

В заключении сформулированы основные результаты теоретических и экспериментальных диссертационных исследований.

Глава 1. АНАЛИЗ МЕТОДОВ ПОСТРОЕНИЯ ПРИКЛАДНЫХ ТЕЛЕВИЗИОННЫХ СИСТЕМ ДЛЯ КОНТРОЛЯ ВНУТРЕННЕЙ ПОВЕРХНОСТИ ЦИЛИНДРИЧЕСКИХ

ОБЪЕКТОВ

1.1 Общие сведения

Основной задачей прикладных телевизионных систем (ПТС) является задача формирования последовательности изображений для визуального наблюдения оператором или вычислительным устройством с целью контроля и анализа состояния объектов интереса и решения информационно-измерительных и управляющих задач в различных сферах человеческой деятельности. Обобщенная структура ПТС представлена на рис. 1.1.

Рисунок 1.1 - Обобщенная структура прикладной телевизионной системы

Наличие нескольких датчиков позволяет сформировать изображения наблюдаемой сцены в различных диапазонах электромагнитных излучений, например, в рентгеновском, видимом, ближнем и дальнем инфракрасном или радиочастотном, с целью получения максимального количества информации об

объекте интереса. Выбор необходимых изображений или их комплексирование, а также приведение к виду удобному для наблюдения и анализа производится программно-управляемым процессором. Визуальный анализ изображений, снимаемых с выхода видеопроцессора, производится на экране видеоконтрольного устройства. Для автоматизации информационно-измерительных задач, связанных с анализом визуальной информации, используется вычислительная машина с соответствующим программным обеспечением.

Визуальный контроль внутренностей цилиндрических объектов, типовым представителем которых является круглая труба, удобнее всего производить по сформированному с помощью ПТС прямоугольному панорамному изображению внутренней поверхности, которая будет являться объектом интереса. Решение задачи формирования таких изображений требует учета некоторых особенностей. Первая из них обусловлена широким диапазоном поперечных размеров (диаметр объекта - Боб), который может изменяться от нескольких десятков миллиметров до нескольких метров:

Боб = 0,02...3,0 м (1.1)

Вторая особенность связана с протяженными продольными размерами (длиной объекта - Ьоб) многократно превышающими поперечные (диаметр объекта - Боб):

Ьоб » Боб. (1.2)

Один из способов решения этой задачи предполагает использование датчика изображения, представляющего собой видеокамеру, снабженную оптической системой и специальным осветителем, габариты которой позволяют разместить ее внутри цилиндрического объекта таким образом, чтобы внутренняя поверхность попадала в поле зрения. Очевидно, что получить изображение всей внутренней поверхности, с учетом (1.1) и (1.2), можно если перемещать датчик изображения вдоль продольной оси цилиндрического объекта и регистрировать кадры снимаемой видеопоследовательности, как показано на рис. 1.2.

При этом, важным моментом является выбор угла наблюдения датчика изображения. Как следует из рисунка, использование длиннофокусных оптиче-

ских систем (углы наблюдения менее 800) или нормальных (углы наблюдения 80о...120о) является малопригодным из-за небольшой глубины фокуса, малого размера деталей изображения, обусловленного значительной дистанцией до поверхности, попадающей в поле зрения, и сильных перспективных искажений.

Рисунок 1.2 - Принцип формирования полного изображения внутренней поверхности цилиндрического объекта

Наиболее оправданным здесь является использование датчика широкоугольных (углы наблюдения 1200 ... 1600) и особенно сверхширокоугольных (углы наблюдения более 1600) изображений. Тогда минимальная дистанция до поверхности, попадающей в поле зрения, будет определяться внутренним радиусом цилиндрического объекта, что позволит формировать изображения с крупными размерами деталей. Ниже приведен краткий обзор методов построения ПТС со сверхширокими углами зрения, которые используются для решения многих практических и научных задач:

• наблюдение за протяженными объектами;

• наблюдение за небесной сферой в метеорологии для оценки облачного покрова и в астрономии для регистрации метеоров [1, 2];

• наблюдение за земной поверхностью с борта летающего объекта [3];

• контроль окружающей обстановки на пути мобильного робота [4 - 10];

• наблюдение за помещениями небольших размеров;

• осмотр и анализ строительных полостей;

15

• контроль состояния внутренней поверхности промышленных емкостей;

• наблюдение за состоянием подводных частей систем охлаждения реакторов;

• контроль состояния внутренней поверхности цилиндрических объектов, например, трубопроводов и т.п [11, 12, 13]

1.2 Анализ методов построения прикладных телевизионных систем со

сверхширокими углами зрения

В зависимости от конструкции оптического звена и технологии формирования результирующего изображения ПТС со сверхширокими углами зрения можно разделить на несколько типов, представленных на рис. 1.3.

Рисунок 1.3 - Классификация прикладных телевизионных систем со

сверхширокими углами зрения

Принцип работы сканирующих систем основывается на обзоре пространства за счет движения щелей или диафрагм, качания зеркал или призм. При этом узкое поле зрения в пределах требуемого поля обзора перемещается по за-

данному закону описывая прямую, круг, циклоиду или другую фигуру. Одним из первых прототипов сверхширокоугольных сканирующих систем, появившимся в 1884 г., является цилиндрограф Моёссара (Моё88агё) [14]. Сканирование пространства предметов в цилиндрографе производилось поворотом оптической щели вокруг вертикальной оси, как показано на рис. 1.4. Панорамное изображение формировалось на поверхности фотопластинки в виде набора вертикальных одномерных столбцов.

■ ■ а ж

Рисунок 1.4 - Цилиндрограф Моёссара (Моёззагё)

Оптическая щель, направленная радиально, использовалась в системе регистрации облачного покрова, так называемой «облачной камеры» в начале XX века. Формирование кругового панорамного изображения, состоящего из радиально расположенных столбцов, обеспечивается вращением фотопластинки вокруг центра окружности, совпадающим с нижним концом оптической щели (см. рис. 1.5).

Панорамные сканирующие системы, прототипами которых являются системы со щелевым затвором, рассмотренные выше, могут быть реализованы на современной элементной базе. Сканирование пространства предметов производится линейным или круговым перемещением однострочного ПЗС с большим числом элементов, что позволяет формировать панорамные изображения с высоким пространственным разрешением. Примерами таких систем широко использующихся в 70 - 90 годы являются системы спутниковой

съемки поверхности земли, позволяющие получать при ширине сцены равной 18 км разрешение 1 метр [15].

Рисунок 1.5 - Система для регистрации облачного покрова

Сканирование пространства с помощью телевизионной камеры, расположенной на поворотной платформе (рис. 1.6), позволяет формировать последовательность кадров, отображающих поле обзора до 360 градусов по азимуту с высоким разрешением, которое будет определяться характеристиками используемой камеры и объектива. Такие системы нашли широкое применение в купольных камерах ССТУ.

Рисунок 1.6 - Сканирующая система с поворотной ТВ камерой

Получить широкое поле обзора при неподвижной ТВ камере можно с помощью зеркала, осуществляющего сканирование пространства предметов поворотом на угол с заданным шагом. Возникающие при этом искажения в виде повернутых изображений устраняются оптическим компенсатором на основе

Гибкий кабель

Блок управления

Привод

призмы Дове или Аббе. Принцип работы такой системы показан на рис. 1.7. Система позволяет получить изображение с высоким разрешением, определяемым характеристиками используемой камеры.

Рисунок 1.7 - Сканирующая система с поворотным зеркалом и оптическим

компенсатором

Упростить достаточно сложную конструкцию описанной выше системы и значительно уменьшить ее габариты и массу можно, возложив решение задачи компенсации возникающих поворотов изображений на программное обеспечение, как описано в [16]. При этом каждый кадр, сформированный ТВ камерой, подвергается цифровой обработке, которая реализует аффинные преобразования обратного поворота. Структурная схема такой системы показана на рис. 1.8.

Список литературы диссертационного исследования кандидат наук Лошкарев Алексей Сергеевич, 2025 год

Список использованных источников

1. Yang X., Gao X., Song B., Wang N., Yang D. ASI aurora search: an attempt of intelligent image processing for circular fisheye lens / X. Yang, X. Gao, B. Song, N. Wang, D. Yang // Optics Express. 2018. Vol. 26. № 7. P. 7985-8000.

2. Garcia-Gil G., Ramirez J. M. Fish-eye camera and image processing for commanding a solar tracker / G. Garcia-Gil, J. M. Ramirez // Heliyon. 2019. Vol. 5. № 3. P. 25.

3. Gurtner A., Greer D. G., Glassock R., Mejias L., Walker R. A., Boles W. W. Investigation of Fish-Eye Lenses for Small-UAV Aerial Photography / A. Gurtner, D. G. Greer, R. Glassock, L. Mejias, R. A. Walker, W. W. Boles // IEEE Transactions on Geoscience and Remote Sensing. 2009. Vol. 47. № 3. P. 709-721.

4. Barreto J. P., Martin F., Horaud R. Visual Servoing / Tracking Using Central Catadioptric Images / J. P. Barreto, F. Martin, R. Horaud // Experimental Robotics VIII. Springer Verlag, 2003. P. 245-254.

5. Kita N. Evaluation of 3D Analysis Error Caused by SVP Approximation of Fisheye Lens / N. Kita // In Proceedings of the 10th International Conference on Computer Vision Theory and Applications. SCITEPRESS (Science and Technology Publications, Lda.), 2015. P. 357-368.

6. Kita N., Kita Y. Reference Plane based Fisheye Stereo Epipolar Rectification / N. Kita, Y. Kita // In Proceedings of the 12th International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications. SCITEPRESS - Science and Technology Publications, Lda., 2017. P. 308-320.

7. Jaramillo C., Valenti R. G., Guo L., Xiao J. Design and Analysis of a Single-Camera Omnistereo Sensor for Quadrotor Micro Aerial Vehicles (MAVs) / C. Jaramillo, R. G. Valenti, L. Guo, J. Xiao // Sensors. 2016. Vol. 16. № 217. P. 38.

8. Варлашин В. В., Ершова М. А., Буняков В. А., Шмаков О. А. Система кругового обзора с технологией дополненной реальности для управления мобильными роботами / В. В. Варлашин, М. А. Ершова, В. А. Буняков, О. А.

Шмаков // Extreme Robotics. 2018. Т. 1. № 1. С. 442-450.

9. Chow J. C. K., Detchev I., Ang K. D., Morin K., Mahadevan K., Louie N. Robot vision: calibration of wide-angle lens cameras using collinearity condition and k-nearest neighbour regression / J. C. K. Chow, I. Detchev, K. D. Ang, K. Morin, K. Mahadevan, N. Louie // Mid-term Symposium "Innovative Sensing - From Sensors to Methods and Applications". Karlsruhe, Germany, 2018. № XLII-1. P. 93-99.

10. Zhu J., Zhu J., Wan X., Wu C., Xu C. Object detection and localization in 3D environment by fusing raw fisheye image and attitude data / J. Zhu, J. Zhu, X. Wan, C. Wu, C. Xu // Journal of Visual Communication and Image Representation. 2019. Vol. 59. P. 128-139.

11. Куляс О. Л. Проблематика визуального контроля внутренней поверхности труб / О. Л. Куляс, А. С. Лошкарев, К. А. Никитин, П. А. Назаренко // VII научный форум «Телекоммуникации: Теория и Технологии» ТТТ-2023, XXI Международная научно-техническая конференция «Оптические технологии в телекоммуникациях» 0ТТ-2024. 6.11.2023-8.11.2023. С. 109-110.

12. Hansen P. Towards a Visual Perception System for Pipe Inspection: Monocular Visual Odometry / P. Hansen [et al.] // Carnegie Mellon University, 2010. 40 p.

13. Гайдар А. И. Детектирование и распознавание дефектов внутренней поверхности металлических труб / А. И. Гайдар, П. Ю. Якимов, А. Е. Викторенков, А. В. Шустанов // VI Международная конференция и молодёжная школа «Информационные технологии и нанотехнологии» (ИТНТ-2020). С. 741749.

14. Sturm P., Ramalingam S., Tardif J.-P., Gasparini S., Barreto J. Camera models and fundamental concepts used in geometric computer vision / P. Sturm, S. Ramalingam, J.-P. Tardif, S. Gasparini, J. Barreto // Foundations and Trends in Computer Graphics and Vision. Now Publishers, 2011. P. 181.

15. Умбиталиев А. А., Цыцулин А. К. Теория и практика космического телевидения / под ред. А. А. Умбиталиева, А. К. Цыцулина. СПб.: НИИ телевидения, 2017. 368 с.

16. Котов В. В. Система технического зрения робота с панорамным обзором / В. В. Котов, Н. А. Котова, Е. В. Ларкин // Известия ТулГУ. Технические науки. 2009. № 2. С. 161-166.

17. Прудников Н. В. Панорамные оптико-электронные устройства кругового и секторного обзора / Н. В. Прудников, В. Б. Шлишевский // Вестник СГУГиТ. 2016. № 1(33). С. 148-161.

18. Шахов Н. Глаз, ввинченный в небо / Н. Шахов, В. Бурлакин, Б. Паршиков // Армейский сборник. 2022. № 11. С. 72-78.

19. Овчинников А. В. Алгоритм выделения характерных элементов на изображениях полусферических видеокамер / А. В. Овчинников, Ч. Х. Фан // Известия ТулГУ. Технические науки. 2013. № 1. С. 233-245.

20. Cheng D., Gong C., Xu C., Wang Y. Design of an ultrawide angle catadioptric lens with an annularly stitched aspherical surface / D. Cheng, C. Gong, C. Xu, Y. Wang // Optical Society of America. 2016. Vol. 24. № 3. P. 64-77.

21. Соломатин В. А. Панорамная видеокамера / В. А. Соломатин // Фотоника. 2009. № 4. С. 26-28.

22. Ma T., Yu J., Liang P., Wang C. Design of a freeform varifocal panoramic optical system with specified annular center of field of view / T. Ma, J. Yu, P. Liang, C. Wang // Optical Society of America. 2011. Vol. 19. № 5. P. 43-53.

23. Kose E., Perline R. K. Double-mirror catadioptric sensors with ultrawide field of view and no distortion / E. Kose, R. K. Perline // Applied Optics. 2014. Vol. 53. № 4. P. 528-536.

24. Wang J., Liang Y., Xu M. Design of panoramic lens based on ogive and aspheric surface / J. Wang, Y. Liang, M. Xu // Optical Society of America. 2015. Vol. 23. № 15. P. 89-99.

25. Barone S., Neri P., Paoli A., Razionale A. V. Structured light stereo catadioptric scanner based on a spherical mirror / S. Barone, P. Neri, A. Paoli, A. V. Razionale // Optics and Lasers in Engineering. 2018. Vol. 107. P. 1-12.

26. Nayar S. K., Peri V. Folded Catadioptric Cameras / S. K. Nayar, V. Peri // Panoramic Vision. 2001. P. 103-119.

27. Бороскопический зонд Opto Engineering PCBP012 1/2" f/16 с креплением C [Электронный ресурс]//Режим доступа: https: //machinevisiondirect.com/products/opto-pcbp012?srsltid=AfmBOopmiN3D9-IibeM 1 HqWVUV6NFreYiXloGr5zPCW4WeApx-e0d0E3 (дата обращения: 21.08.2025).

28. Wood R. Fish-eye views, and vision under water / R. Wood // Philosophical Magazine Series 6. 1906. Vol. 12. № 68. P. 159-162.

29. Wood R. W. Physical Optics / R. W. Wood. New York: The Macmillan Company, 1911. P. 66-68.

30. Thibault S., Gauvin J., Doucet M., Wang M. Enhanced optical design by distortion control / S. Thibault, J. Gauvin, M. Doucet, M. Wang // Proc. of SPIE. 2005. Vol. 5962.

31. Thibault S., Konen P., Roulet P., Villegas M. Novel Hemispheric Image Formation: Concepts & Applications / S. Thibault, P. Konen, P. Roulet, M. Villegas // Proc. of SPIE. 2008. Vol. 6994.

32. Computar Fisheye [Электронный ресурс] // Режим доступа: https://www.computar.com/category/fisheye (дата обращения: 10.07.2025).

33. AstrHori [Электронный ресурс] // Режим доступа: https://www.astrhori.cn (дата обращения: 10.07.2025).

34. CHANCCTV [Электронный ресурс] // Режим доступа: https://www.opticslens.com/ru/ (дата обращения: 10.07.2025).

35. Krishnan G., Nayar S. K. Cata-Fisheye Camera for Panoramic Imaging / G. Krishnan, S. K. Nayar // IEEE Workshop on Applications of Computer Vision. Copper Mountain, CO, USA, 2008. P. 1-8.

36. Li W., Li Y. F. Single-camera panoramic stereo imaging system with a fisheye lens and a convex mirror / W. Li, Y. F. Li // Optical Society of America. 2011. Vol. 19. № 7. P. 55-67.

37. Zhang Y., Yi H., Gong W., Yu H., Wang W. Multimodal omnidirectional camera / Y. Zhang, H. Yi, W. Gong, H. Yu, W. Wang // Imaging and Applied Optics. 2017. P. 4.

38. Грязин Г. Н. Системы прикладного телевидения: учеб. пособие для вузов / Г. Н. Грязин. СПб.: Политехника, 2000. 277 с.

39. Куляс О. Л., Лошкарев А. С., Назаренко П. А., Никитин К. А. Измерение характеристик и оценка возможностей видеокамер со сверхширокоугольной оптикой / О. Л. Куляс, А. С. Лошкарев, П. А. Назаренко, К. А. Никитин // Физика волновых процессов и радиотехнические системы. 2020. Т. 23. № 1. С. 89-99. DOI: 10.18469/1810-3189.2020.23.1.89-99.

40. A Flexible Architecture for Fisheye Correction in Automotive Rear-View Cameras. Altéra Corporation [Электронный ресурс] // Режим доступа: https://www.intel.com/content/dam/www/programmable/us/en/pdfs/literature/wp/wp-01073-flexible-architecture-fisheye-correction-automotive-rear-viewcameras.pdf (дата обращения: 13.08.2025).

41. Заказнов Н. П., Кирюшин С. И., Кузичев В. Н. Теория оптических систем / Н. П. Заказнов, С. И. Кирюшин, В. Н. Кузичев. М.: Машиностроение, 1992. 448 с.

42. Слюсарев Г. Г. Расчет оптических систем / Г. Г. Слюсарев. Л.: Машиностроение, 1975. 640 с.

43. Волосков Д. С. Фотографическая оптика. Теория, основы проектирования, оптические характеристики / Д. С. Волосков. М.: Искусство, 1978. 543 с.

44. Fisheye Lenses from Shanghai Optics [Электронный ресурс] // Режим доступа: https://www.shanghai-optics.com/assembly/fisheye-lenses/ (дата обращения: 01.04.2025).

45. Лебедев Д. С., Цуккерман И. И. Телевидение и теория информации / Д. С. Лебедев, И. И. Цуккерман. М.: Энергия, 1965. 220 с.

46. Гуревич С. Б. Эффективность и чувствительность телевизионных систем / С. Б. Гуревич. М.; Л.: Энергия, 1964. 344 с.

47. Гуревич С. Б. Теория и расчет невещательных систем телевидения / С. Б. Гуревич. Л.: Энергия, 1970. 236 с.

48. Секен К., Томпсет М. Приборы с переносом заряда / К. Секен, М. Томпсет. М.: Мир, 1978.

49. Хромов Л. И. и др. Твердотельное телевидение / Л. И. Хромов и др. М.: Радио и связь, 1986.

50. Кузнецов Ю. А., Шилин В. А. Микросхемотехника. БИС на приборах с зарядовой связью / Ю. А. Кузнецов, В. А. Шилин. М.: Радио и Связь, 1988.

51. Дамьяновски В. Библия видеонаблюдения - 3, 5-е дополненное переиздание: пер. с англ. / В. Дамьяновски. М.: Секьюрити Фокус, 2024. 558 с.

52. Безруков В. Н., Беляев В. С., Дерибас Г. Т. и др. Проектирование и техническая эксплуатация телевизионной аппаратуры / В. Н. Безруков, В. С. Беляев, Г. Т. Дерибас и др. М.: Радио и связь, 1994. 360 с.

53. Безруков В. Н., Балобанов В. Г. Системы цифрового прикладного и вещательного телевидения: учеб. пособие для вузов / В. Н. Безруков, В. Г. Балобанов. М.: Горячая линия - Телеком, 2015. 608 с.

54. Цыцулин А. К., Адамов Д. Ю., Манцветов А. А., Зубакин И. А. Твердотельные телекамеры: накопление качества информации / А. К. Цыцулин, Д. Ю. Адамов, А. А. Манцветов, И. А. Зубакин. СПб.: Изд-во СПбГЭТУ «ЛЭТИ», 2014. 234 с.

55. Твердотельная революция в телевидении: телевизионные системы на основе приборов с зарядовой связью, систем на кристалле и видеосистем на кристалле / В. В. Березин, А. А. Умбиталиев, Ш. С. Фахми, А. К. Цыцулин, Н. Н. Шипилов; под ред. А. А. Умбиталиева и А. К. Цыцулина. М.: Радио и связь, 2006. 312 с.

56. Electronic Shutter Types [Электронный ресурс] // Режим доступа: https://docs.baslerweb.com/electronic-shutter-types (дата обращения: 02.04.2025).

57. EMVA DATA OVERVIEW [Электронный ресурс]. - Режим доступа: https://assets-

ctf.baslerweb .com/dg51 pdwahxgw/1 hcLdj 4BXRUzhnOL2gaNIm/ 49ab7 d8bea7cbcd 72c1ce75a79adde48/BAS2304_EMVA_Data_Overview_A4_EN_SAP0136_No_15_ web.pdf (дата обращения: 03.04.2025).

58. Modern CMOS Sensors and Their Use in Fluorescence-Based Applications [Электронный ресурс]. - Режим доступа: https://assets-ctf.baslerweb.com/dg51pdwahxgw/2CtB9OL2O3fV1yflniaovU/57264612795a15ef0 c35f63f7a4a1127/BAS1711_White_Paper_CCD-CMOS_Fluorescence.pdf. (дата обращения: 03.04.2025).

59. Креопалова Г. В. Исследование и контроль оптических систем / Г. В. Креопалова, Д. Т. Пуряев. - Москва : Машиностроение, 1978. - 224 с.

60. Вендровский К. В. Фотографическая структурометрия / К. В. Вендровский, А. И. Вейцман. - Москва : Искусство, 1982. - 270 с.

61. Фризер Х. Фотографическая регистрация информации / Х. Фризер. -Москва : Мир, 1978. - 672 с.

62. Мирошников М. М. Теоретические основы оптико-электронных приборов : учебное пособие для вузов / М. М. Мирошников. - Ленинград : Машиностроение, 1977. - 600 с.

63. Куляс М. О. Использование шумового поля для оценки частотно-контрастных характеристик телевизионных систем [Текст] / М. О. Куляс, О. Л. Куляс, К. А. Никитин // Физика волновых процессов и радиотехнические системы. - 2008. - Т. 11. - № 4. - С. 53-59.

64. Burns P. D. Slanted-Edge MTF for Digital Camera and Scanner Analysis / P. D. Burns // Proc. PICS Conf. - 2000. - P. 135-138.

65. ISO 12233:2000 Photography - electronic still picture cameras -resolution measurements. - ISO, 2000.

66. ISO 12233:2024 Digital cameras — Resolution and spatial frequency responses. - ISO, 2024.

67. Roland J. K. A study of slanted-edge MTF stability and repeatability // IS&T/SPIE Electronic Imaging. - International Society for Optics and Photonics, 2015. - Vol. 9396. - Article 93960L. - 9 p.

68. Xie X., Fan H., Wang H., Wang Z., Zou N. Error of the slanted edge method for measuring the modulation transfer function of imaging systems // Applied Optics. - 2018. - Vol. 57, № 7. - P. B83-B91.

69. Poulin-Girard A.-S., Parent J., Thibault S., Désaulniers P. Dedicated testing setup for panoramic lenses // Proceedings of SPIE. - The International Society for Optical Engineering, 2010. - August.

70. Программа вычисления функции углового разрешения видеокамер с объективом «fisheye» : свидетельство о государственной регистрации программы для ЭВМ № 2025616221 от 13.03.2025.

71. Куляс О. Л., Лошкарев А. С., Назаренко П. А., Никитин К. А. Измерение характеристик и оценка возможностей видеокамер со сверхширокоугольной оптикой // III Научный форум Телекоммуникации: Теория и Технологии ТТТ-2019. Оптические технологии в телекоммуникациях ОТТ-2019 : материалы XVII Международной научно-технической конференции, Казань, 18-22 ноября 2019 г. - Казань : КНИТУ-КАИ, 2019. - Т. 2. - С. 43-46.

72. Куляс О. Л., Назаренко П. А., Никитин К. А., Лошкарев А. С. Формирование изображений внутренней поверхности труб // IV Научный форум телекоммуникации: теория и технологии ТТТ-2020 : материалы XVIII Международной научно-технической конференции «Оптические технологии в телекоммуникациях» ОТТ-2020, Самара, 17-20 ноября 2020 г. - Самара : ПГУТИ, 2020. - С. 85-86.

73. Куляс О. Л., Лошкарев А. С., Назаренко П. А., Никитин К. А. Реконструкция изображений в системах видеоаналитики со сверхширокоугольной оптикой // III Научный форум телекоммуникации: теория и технологии ТТТ-2019. Оптические технологии в телекоммуникациях ОТТ-2019 : материалы XVII Международной научно-технической конференции, Казань, 18-22 ноября 2019 г. - Казань : КНИТУ-КАИ, 2019. - Т. 2. - С. 46-47.

74. Лошкарев А. С., Куляс О. Л. Вопросы формирования панорамного изображения внутренней поверхности труб // VI научный форум «Телекоммуникации: Теория и Технологии» ТТТ-2023 : материалы XXI Международной научно-технической конференции «Оптические технологии в телекоммуникациях» ОТТ-2023, Казань, 22-24 ноября 2023 г. - Казань : КНИТУ-КАИ, 2023. - С. 204-205.

75. Kulyas O. L., Loshkarev A. S., Nazarenko P. A., Nikitin K. A. Reconstruction of images in video analytics systems with ultra-wide angle optics // Proc. of SPIE. - 2019. - Vol. 11516. - Article 115161C. - P. 1-9.

76. Snyder J. P. Flattening the Earth: Two Thousand Years of Map Projections. - Chicago : University of Chicago Press, 1993.

77. Snyder J. P. Map Projections: A Working Manual. - Washington : U. S. Government Printing Office, 1987. - (U. S. Geological Survey Professional Paper ; 1395).

78. Weisstein E. W. Map Projection [Электронный ресурс] // MathWorld : A Wolfram Web Resource. - Режим доступа: http://mathworld.wolfram.com/MapProjection.html (дата обращения: 19.08.2025).

79. Лошкарев А. С., Куляс О. Л. Типы проекций для формирования панорамных изображений // XXIX Российская научно-техническая конференция профессорско-преподавательского состава, научных сотрудников и аспирантов университета с приглашением ведущих ученых и специалистов родственных вузов и организаций, 22-25 марта 2022 г. - [Б. м.] : [б. и.], 2022. - С. 126-127.

80. Куляс О. Л., Никитин К. А., Назаренко П. А., Лошкарев А. С. Потери информации при формировании панорамных изображений // XXX Российская научно-техническая конференция «Актуальные проблемы информатики, радиотехники и связи», Самара, 28 февраля - 3 марта 2023 г. - Самара : ПГУТИ, 2023. - С. 170-171.

81. Лошкарев А. С., Куляс О. Л., Соловых Д. А. Оценка геометрических характеристик объектов при использовании интерполяции для преобразования полярных координат в декартовы // XXXII Российская научно-техническая конференция «Актуальные проблемы информатики, радиотехники и связи» : материалы, Самара, 25-28 февраля 2025 г. - Самара : ПГУТИ, 2025. - С. 301303.

82. Ибрагимов И. И. Методы интерполяций функций и некоторые их применения. - М. : Высшая школа, 1971. - 520 с.

83. Keys R. Cubic convolution interpolation for digital image processing // IEEE Transactions on Acoustics, Speech, and Signal Processing. - 1981. - Vol. 29, № 6. - P. 1153-1160. - DOI: 10.1109/TASSP.1981.1163711.

84. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде Matlab / пер. с англ. В. В. Чепыжова. - М. : Техносфера, 2006. - 616 с.

85. Шапиро Л., Стокман Дж. Компьютерное зрение = Computer Vision [Электронный ресурс] : учебник / пер. А. А. Богуславского, С. М. Соколова. - 4-е изд. (эл.). - М. : Лаборатория знаний, 2020. - 763 с. : ил. - (Лучший зарубежный учебник). - Электрон. текстовые дан. - Режим доступа: https://lib.rucont.ru/efd/443608.

86. Прэтт У. Цифровая обработка изображений. - М. : Мир, 1982. - Кн. 2. - 480 с.

87. Szeliski R. Image alignment and stitching: a tutorial // Foundations and Trends in Computer Graphics and Computer Vision. - 2006. - Vol. 2, № 1. - 104 p.

88. Лошкарев А. С. Формирование панорамного изображения внутренней поверхности трубы // Физика волновых процессов и радиотехнические системы. - 2024. - Т. 27, № 2. - С. 45-55.

89. Harris C., Stephens M. A combined corner and edge detector // 4th Alvey Vision Conference. - 1988. - Vol. 15, Issue 50. - P. 147-151. - DOI: 10.5244/c.2.23.

90. Shi J., Tomasi C. Good features to track // IEEE Conference on Computer Vision and Pattern Recognition. - 1994. - P. 593-600. - DOI: 10.1109/CVPR.1994.323794.

91. Smith S., Brady J. SUSAN - a new approach to low level image processing // International Journal of Computer Vision. - 1997. - Vol. 23, № 1. - P. 45-78. - DOI: 10.1023/A:1007963824710.

92. Lindeberg T. Feature detection with automatic scale selection // International Journal of Computer Vision. - 1998. - Vol. 30, № 2. - P. 77-116. - DOI: 10.1023/A:1008045108935.

93. Haralick R. Ridges and valleys on digital images // Computer Vision, Graphics, and Image Processing. - 1983. - Vol. 22, № 1. - P. 28-38. - DOI:

10.1016/0734-189X(83)90094-4.

94. Краснобаев Е.А., Чистобаев Д.В., Малышев А.Л. Сравнение бинарных дескрипторов особых точек изображений в условиях искажений // Компьютерная оптика. - 2019. - Т. 43, № 3. - С. 434-445.

95. Куляс О.Л., Лошкарев А.С., Назаренко П.А., Никитин К.А. Алгоритмы поиска особых точек на изображениях // XXX Российская научно -техническая конференция «Актуальные проблемы информатики, радиотехники и связи», 28.02.2023-3.03.2023, ПГУТИ, Самара. - С. 175-176.

96. Куляс О.Л., Лошкарев А.С. Методы поиска особенностей для формирования панорамных изображений внутренней поверхности труб // VII научный форум «Телекоммуникации: Теория и Технологии» ТТТ-2023, XXI Международная научно-техническая конференция «Оптические технологии в телекоммуникациях» 0ТТ-2024, 6.11.2023-8.11.2023. - С. 100-101.

97. Hernandez-Matas C., Zabulis X., Argyros A.A. Retinal image registration as a tool for supporting clinical applications // Computer Methods and Programs in Biomedicine. - 2020. - DOI: 10.1016/j.cmpb.2020.105900.

98. Gonzalez C., Woods R.E., Eddins S.L. Digital Image Processing Using MATLAB. Philadelphia: Gatesmark Publishing, 2020. - 1009 p.

99. Пэдхем Ч., Сондерс Дж. Восприятие света и цвета. - М.: Мир, 1978. - 256 с.

100. Lotto R.B., Williams S.M., Purves D. An empirical basis for Mach bands // Proc Natl Acad Sci USA. - 1999. - Vol. 96, № 9. - P. 5239-5244.

101. Куляс О.Л., Лошкарев А.С., Никитин К.А., Назаренко П.А. Определение координат объектов при анализе внутренней поверхности труб // V Научный форум телекоммуникации: теория и технологии ТТТ-2021: материалы XIX Международной научно-технической конференции «Оптические технологии в телекоммуникациях» 0ТТ-2021, 23-26 нояб. 2021, ПГУТИ, Самара. - С. 109-110.

102. Лошкарев А.С., Куляс О.Л. Контроль поперечного положения видеокамеры при анализе внутренней поверхности труб // Материалы XXXI

Российской научно-технической конференции «Актуальные проблемы информатики, радиотехники и связи». - 2024. - С. 247-249.

103. Куляс О.Л., Лошкарев А.С. Мониторинг продольного положения видеокамеры при телевизионном контроле внутренней поверхности труб // Приборы и системы. Управление, контроль, диагностика. - 2024. - № 1. - С. 1018.

104. Сивков С.В., Никитин К.А., Назаренко П.А., Лошкарев А.С. Блок линейного перемещения для системы телевизионного контроля внутренней поверхности трубопровода // V Научный форум телекоммуникации: теория и технологии ТТТ-2021: материалы XXIII Международной научно-технической конференции «Проблемы техники и технологий телекоммуникаций» ПТиТ-2021, 23-26 нояб. 2021, ПГУТИ, Самара. - С. 219-220.

105. Ревич Ю.В. Программирование микроконтроллеров AVR: от АМшпо к ассемблеру. - СПб.: БХВ-Петербург, 2020. - 448 с.

106. Куляс О.Л., Лошкарев А.С., Назаренко П.А., Никитин К.А., Сивков С.В. Программное обеспечение контроля внутренней поверхности трубопровода // V Научный форум телекоммуникации: теория и технологии ТТТ-2021: материалы XIX Международной научно-технической конференции «Физика и технические приложения волновых процессов» ФиТПВП-2021, 23-26 нояб. 2021, ПГУТИ, Самара. - С. 78-79.

107. Куляс О.Л., Никитин К.А., Лошкарев А.С., Назаренко П.А. Программа построения телевизионных панорамных изображений с использованием сверхширокоугольных объективов : свидетельство о государственной регистрации программы для ЭВМ № 2020611679 от 06.02.2020 / Федеральная служба по интеллектуальной собственности.

108. Назаренко П.А., Куляс О.Л., Никитин К.А., Лошкарев А.С., Сивков В.С. Программа телевизионного контроля внутренней поверхности трубопроводов : свидетельство о государственной регистрации программы для ЭВМ № 2021681918 от 27.12.2021 / Федеральная служба по интеллектуальной собственности.

109. Назаренко П.А., Куляс О.Л., Никитин К.А., Лошкарев А.С., Захарова О.И. Программа формирования полного панорамного изображения внутренней поверхности труб : свидетельство о государственной регистрации программы для ЭВМ RU 2023688742 от 25.12.2023 / Федеральная служба по интеллектуальной собственности.

110. Лошкарев А.С. Сегментация изображений с помощью кластеризации // Инфокоммуникационные технологии. - 2017. - Т. 15, № 4. - С. 388-393.

111. Лошкарев А.С., Тимофеев И.А. Исследование процесса бинаризации изображений с использованием локальных значений порога // Прикладная информатика. - 2021. - Т. 16, № 6. - С. 54-65.

ПРИЛОЖЕНИЕ А Свидетельства о государственной регистрации программ для ЭВМ

ПРИЛОЖЕНИЕ Б Документы, подтверждающие внедрение основных результатов диссертационной работы

итст;

ООО «ИТ-Сесвис» 443001, г Самаоа ул. Ульяновская/Ярмарочная, д.52/55

7(а-ЗВ) 212-00-39

ЭФФЕКТИВНЫЙ ИНЖИНИРИНГ

■ |1 I I I Д А ИНН В315602413 КПП В3150Ю01 ОГРН ЮгВЗОО962005

Акт внедрения

АКТ

об использовании результатов диссертационной работы ЛОШКАРЕВА Алексея Сергеевича

«ИССЛЕДОВАНИЕ И РАЗРАБОТКА ПРИКЛАДНОЙ ТЕЛЕВИЗИОННОЙ СИСТЕМЫ ДЛЯ

АНАЛИЗА ВНУТРЕННЕЙ ПОВЕРХНОСТИ ЦИЛИНДРИЧЕСКИХ ОБЪЕКТОВ», представленной на соискание ученой степени кандидата технических наук, в технологических процессах, выполняемых в ООО «ИТ-Сервис»

Научно-техническая комиссия а соствве

- исполнительного директора Усачева Александра Игоревича;

- руководителя проектов Берковича Глеба Михайловича,

- руководителя департамента ИТ Якимова Павла Юрьевича,

рассмотрев результаты исследований Лошкарева А С, отраженных в его диссертации, отмечает следующее

- резработкв прикладной телевизионной системы для визуализации внутренней поверхности цилиндрических обьектое является актуальной и востребованной задачей при производстве и ремонте труб различного назначения, а формируемое полное панорамное изображение может служить паспортом качества изделия;

в процессе диссертационных исследований были исследован алгоритм

формирования полной панорамы внутренней поверхности и предложены способы его реализации, существенно улучшаощие качество изображения,

- указанный алгоритм успешно используется в технологическом процессе на стенде для контроля внутренней поверхности трубы в ООО «ИТ-Сервис».

предложенный в диссертации алгоритм мониторинга продольного положения датчика изображений был опробован и может быть использован для решения задач позиционирования видеокамеры в цилин

Руководитель департамента ИТ

Исполнительный директор

Руководитель проектов

С.__

к.т.н., доцент В.А. Ружников

ВО ПГУТИ

2025 г.

АКТ

о внедрении результатов диссертационной работы Лошкарева A.C.

«Исследование и разработка прикладной телевизионной системы для анализа внутренней поверхности цилиндрических объектов» в учебный процесс Поволжского Государственного Университета Телекоммуникаций и Информатики

Комиссия в составе:

Лиманова Н.И., зав.каф. «Информационных систем и технологий»,

д.т.н., доцент;

Богомолова М.А, декан факультета №2, к.т.н., доцент;

Буранова М.А. - проректор по учебной работе, д.т.н., доцент, составила настоящий акт о том, что в ПГУТИ внедрены в учебный процесс по кафедре «Информационные Системы и Технологии» (ИСТ) следующие результаты диссертационной работы Лошкарева A.C.:

• методика расчета пространственных характеристик датчиков для формирования изображений со сверхширокими углами зрения;

• алгоритм формирования полного панорамного изображения;

• алгоритм мониторинга продольного положения датчика внутри цилиндрического объекта.

Комиссия отмечает, что результаты работы Лошкарева A.C. используются в учебном процессе при подготовке студентов по направлению 09.03.02 «Информационные Системы и Технологии».

Зав.каф. ИСТ Декан факультета №2 Начальник УОУП

Лиманова Н.И. Богомолова М.А. Буранова М.А.

АКТ

об использовании результатов диссертационной работы Лошкарева A.C. «ИССЛЕДОВАНИЕ И РАЗРАБОТКА ПРИКЛАДНОЙ ТЕЛЕВИЗИОННОЙ СИСТЕМЫ ДЛЯ АНАЛИЗА ВНУТРЕННЕЙ ПОВЕРХНОСТИ ЦИЛИНДРИЧЕСКИХ ОБЪЕКТОВ» в работах, выполненных по гранту РНФ №23-21-10075 «Исследование и разработка методов компьютерного зрения для объективного контроля качества внутренней поверхности цилиндрических объектов»

Рассмотрев результаты диссертационных исследований Лошкарева

Алексея Сергеевича подтверждаю:

- в диссертационной работе рассматриваются вопросы, связанные с исследованием и разработкой телевизионной системы, формирующей высококачественное полное панорамное изображение внутренней поверхности цилиндрических объектов, актуальность и востребованность которых подтверждается поддержкой гранта РНФ №23-21-10075.

- разработанный по результатам диссертационных исследований действующий макет прикладной телевизионной системы для анализа внутренней поверхности цилиндрических объектов использовался для экспериментальных исследований методов обнаружения и классификации дефектов на внутренней поверхности цилиндрических объектов, предусмотренных грантом

РНФ №23-21-10075.

- Лошкарев A.C. являлся членом научного коллектива и принимал непосредственное участие в выполнении работ по гранту РНФ №23-21-

10075.

Руководитель работ по гранту РНФ №23-21-10075, к.т.н., доцент

Захарова О.И.

ПРИЛОЖЕНИЕ В

Главные функции «Программы формирования полного панорамного изображения внутренней

поверхности труб»

Функция «Raw video» для вывода кругового изображения внутренней поверхности цилиндрического объекта в интерфейс программы

def rawVideoScaled():

# Объявляем глобальные переменные, используемые в функции global videoCapture,mode,currentVideoMode,videoSign global imageTK,imageRGB,imagePIL,frame

global videoPanel1,scrollBar1 global sfHeight,sfWidth,h1,w1

# Устанавливаем режим работы видео mode=1

itemMode10.set(mode) camera=None

# Если камера ещё не инициализирована, создаём и настраиваем её if videoSign==0:

videoSign=1

# Ожидаем, пока камера не будет успешно создана while camera==None:

camera = py-lon.InstantCamera(pylon.TlFactory.GetInstance().CreateFirstDe-vice())

camera.Open() # Открываем соединение с камерой camera.MaxNumBuffer = 25 # Максимальное количество буферов converter = pylon.ImageFormatConverter() # Создаём конвертер формата

#изображения

converter.OutputPixelFormat = pylon.PixelType BGR8packed # Устанавливаем

#выходной формат BGR8

# Выравнивание бит

converter.OutputBitAlignment = pylon.OutputBitAlignment_MsbAligned

# Запускаем захват кадров по одному

camera.StartGrabbing(pylon.GrabStrategy OneByOne)

# Отключаем автоматические настройки камеры camera.GainAuto.SetValue("Off")

camera.AutoFunctionROIUseWhiteBalance.SetValue(False) camera.AutoFunctionROIUseBrightness.SetValue(False) camera.ExposureAuto.SetValue("Off") camera.BalanceWhiteAuto.SetValue("Off")

# Включаем предустановки источника света

camera.BslLightSourcePresetFeatureEnable.SetValue(True)

# Отключаем цветовую коррекцию

camera.BslColorAdjustmentEnable.SetValue(False)

gs=False

# Получаем первый кадр, ожидая успешного захвата while gs==False:

grabResult = camera.RetrieveResult(pylonExpTime, py-lon.TimeoutHan-dling ThrowException)

gs=grabResult.GrabSucceeded()

# Если кадр успешно захвачен

if grabResult.GrabSucceeded(): # for Basler

print(datetime.now().time(),'Video scaled - OK')

image = converter.Convert(grabResult) # Конвертируем изображение frame = image.GetArray() # Получаем массив пикселей кадра else:

print(datetime.now().time(),'Video scaled - error')

# Получаем размеры кадра

sfHeight=grabResult.Height #frame.shape[0] sfWidth=grabResult.Width #frame.shape[1] h1,w1=sfHeight,sfWidth

# Рассчитываем коэффициент масштабирования по высоте окна kX2=(windowHeight-wBorder*2)/(sfHeight) xh1,xw1=int(sfHeight*kX2),int(sfWidth*kX2)

# Масштабируем кадр до нужных размеров frame=cv2.resize(frame,(xw1,xh1),cv2.INTER_NEAREST) print(datetime.now().time(),'Scaled video: ',xh1,xw1,kX2)

# Конвертируем BGR в RGB для корректного отображения imageRGB=cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)

# Преобразуем массив в изображение PIL frame=Image.fromarray(imageRGB)

# Создаём объект PhotoImage для Tkinter frame=ImageTk.PhotoImage(frame)

# Очищаем панели интерфейса clearPanels() scrollBar1.pack forget() scrollBarV.pack forget()

# Отображаем видео на панели videoPanel1.pack()

videoPanel1.configure(height=xh1,width=xw1) videoPanel1.xview moveto(0); videoPanel1.yview moveto(0) videoPanel1.create image(xw1,xh1,image=frame,anchor=SE)

# Основной цикл захвата и отображения кадров, пока камера захватывает #и видео активно

while camera.IsGrabbing() and videoSign==1: locSign=0

grabResult = camera.RetrieveResult(pylonExpTime, py-lon.TimeoutHan-dling ThrowException)

if grabResult.GrabSucceeded():

image = converter.Convert(grabResult)

frame = image.GetArray()

locSign=1

grabResult.Release() # Освобождаем ресурсы после получения кадра

if locSign==1:

# Конвертируем кадр из BGR в RGB imageRGB=cv2.cvtColor(frame,cv2.COLOR_BGR2RGB)

# Несколько преобразований между PIL Image и numpy array frame=Image.fromarray(imageRGB) frame=np.array(frame) frame=Image.fromarray(frame) frame=np.array(frame)

# Масштабируем кадр до нужных размеров frame=cv2.resize(frame,(xw1,xh1),cv2.INTER_NEAREST) frame=Image.fromarray(frame) frame=ImageTk.PhotoImage(frame)

# Отображаем кадр на панели

videoPanel1.create image(xw1,xh1,image=frame,anchor=SE) root.update() # Обновляем интерфейс

camera.Close() # Закрываем соединение с камерой после завершения работы

Функция «Full Pipe Image» для вывода каждого кадра внутренней поверхности цилиндрического объекта, преобразованного в панораму

def fullPipeImage():

# Объявляем глобальные переменные, используемые в функции

global fn2,videoPanel1,ImageCV,imageRGB,imagePIL,imageTK, sfWidth, sfHeight, w1, h1

global imagePano

# Если не в режиме демонстрации (demoSign==0), начинаем захват

# и сохранение кадров с камеры

if demoSign==0: global fileSign global mode

global camera,converter

global recordSign,recordStop,frameSign,frameList,frameCounter

frameList.clear() # Очищаем список кадров camera=None

# Если видеофайл ещё не выбран, открываем диалог сохранения if fileSign==0:

fn2=filedialog.asksaveasfilename(title='Save Frames',filetypes=[('JPEG im-ages',,.jpg,),(,PNG images','.png,),(,BMP images','.bmp')]) root.fileVideo=fn2

recordStop=0 recordSign=0 mode=0

# Если имя файла выбрано, инициализируем камеру и начинаем захват if len(fn2)>0:

# Ожидаем успешного создания камеры while camera==None:

camera = py-lon.InstantCamera(pylon.TlFactory.GetInstance().Create-FirstDevice())

camera.Open() # Открываем камеру

camera.MaxNumBuffer=10 # Максимальное число буферов

converter = pylon.ImageFormatConverter() # Создаём конвертер формата converter.OutputPixelFormat = pylon.PixelType BGR8packed converter.OutputBitAlignment = py-lon.OutputBitAlignment_MsbAligned

# Захват последнего кадра

camera.StartGrabbing(pylon.GrabStrategy LatestImageOnly)

# Получаем первый кадр, ожидая успешного захвата gs=False

while gs==False:

grabResult = camera.RetrieveResult(pylonExpTime, py-lon.TimeoutHan-dling ThrowException)

gs=grabResult.GrabSucceeded() print(gs)

if grabResult.GrabSucceeded(): # Если кадр захвачен успешно print(datetime.now().time(),'Raw Video save - OK') image = converter.Convert(grabResult)

frame = image.GetArray() videoSign=1 else:

print(datetime.now().time(),'Raw Video save - error') grabResult.Release() # Освобождаем ресурс

# Сохраняем текущий режим видео (размер кадра)

currentVideoMode=str(frame.shape[1])+' x '+str(frame.shape[0])

# Конвертируем кадр из BGR в RGB для отображения imageRGB=cv2.cvtColor(frame,cv2.COLOR_BGR2RGB) vHeight=imageRGB.shape[0] vWidth=imageRGB.shape[1] h1,w1=vHeight,vWidth

frameSave=cv2.cvtColor(frame,cv2.COLOR RGB2BGR) # Для сохранения в другой цветовой схеме

# Создаём объекты PIL и Tkinter для отображения imagePIL1=Image.fromarray(imageRGB) imageTK=ImageTk.PhotoImage(imagePIL1)

clearPanels() # Очищаем панели интерфейса

# Настраиваем размеры и прокрутку панели видео в зависимости от размеров кадра if vHeight>windowHeight-wBorder or vWidth>windowWidth-wBorder:

video-Pan-el1.configure(height=windowHeight,width=windowWidth,xscroll-command=scrollBar1.set,yscrollcommand=scrollBarV.set,scrollre-gion=(0,0,vWidth,vHeight)) else:

videoPanel1.configure(height=vHeight,width=vWidth)

if vHeight>windowHeight-wBorder:

scrollBarV.pack(side=RIGHT,fill=Y) else:

scrollBarV.set(0,1.0) videoPanel1.yview moveto(0) scrollBarV.pack forget()

if vWidth>windowWidth or (vHeight>windowHeight and vWidth>windowWidth-wBorder):

scrollBar1.pack(side=BOTTOM,fill=X) else:

scrollBar1.set(0,1.0) videoPanel1.xview moveto(0) scrollBar1.pack forget()

videoPanel1.pack()

video-Pan-el1.configure(height=vHeight,width=vWidth,xscrollcommand=scroll-Bar1.set,scrollregion=(0,0,vWidth,vHeight))

videoPanel1.create image(vWidth,vHeight,image=imageTK,anchor=SE)

# Инициализируем счётчики кадров и флаг захвата frameCounter=0

frameSign=0

# Настраиваем триггеры и параметры камеры для захвата кадров camera.TriggerSelector.SetValue('FrameStart') camera.TriggerMode.SetValue('On') camera.TriggerSource.SetValue('Line1') camera.GainAuto.SetValue("Off")

camera.AutoFunctionROIUseWhiteBalance.SetValue(False)

camera.AutoFunctionROIUseBrightness.SetValue(False)

camera.ExposureAuto.SetValue("Off")

camera.BalanceWhiteAuto.SetValue("Off")

camera.BslLightSourcePresetFeatureEnable.SetValue(True) camera.BslColorAdjustmentEnable.SetValue(False)

# Основной цикл захвата кадров, пока камера активна и запись не остановлена while camera.IsGrabbing() and videoSign==1 and recordStop==0: root.update()

endTime=datetime.now().time() camera.Close() # Закрываем камеру videoSign=0

# Вычисляем длительность записи

end1=endTime.hour*3600+endTime.minute*60+endTime.second+endTime.microsecond/1000000

st1=startTime.hour*3600+startTime.minute*60+startTime.second+startTime.mi-crosecond/1000000 dt=end1-st1

print(datetime.now().time(),'File ended. dTime =',dt,'Frames =',frame-Counter)

# Создаём папку для сохранения кадров и переходим в неё os.mkdir(fn2)

os.chdir(fn2) step=1

fn3=''; fn4=''

# Сохраняем кадры из списка frameList с форматированием имён файлов for i in range(0,len(frameList),step):

if i+1>99:

fn3=str(i+1) elif i+1>9:

fn3='0'+str(i+1) else:

fn3='00'+str(i+1) if frameList[i][1]>99:

fn4=str(frameList[i][1]) elif frameList[i][1]>9:

fn4='0'+str(frameList[i][1]) else:

fn4='00'+str(frameList[i][1]) ext=".bmp" # Расширение файлов fn1=fn2+"_"+fn3+ext

cv2.imwrite(fn1,frameList[i][0],[cv2.IMWRITE_JPEG_QUALITY,100]) os.chdir('..\\') # Возвращаемся в исходную папку

# Инициализация переменных для последующей обработки dirName=None

dirNamePano=None

dirNameBC=None

dirNameFI=None

# Если режим демонстрации включён, выбираем папку с записанными файлами if demoSign==1:

dirName=filedialog.askdirectory(title='Open recorded files') else:

dirName=fn2 # Иначе используем текущую папку с записями

# Формируем путь к первому файлу для загрузки (яркостной коррекции) fn21=dirName.split("/")[-1]

fn1=dirName+"/"+fn21+"_010"+ext # v.1.0.4.35

# Загружаем изображение для коррекции яркости, если файл существует if len(fn1)>0:

imageCV=cv2.imread(fn1) sfHeight=imageCV.shape[0] sfWidth=imageCV.shape[1] colors=imageCV.shape[2] h1=sfHeight; w1=sfWidth

# Если изображение успешно загружено, выполняем панорамирование и коррекцию if imageCV.any()!=None:

imageRGB=cv2.cvtColor(imageCV,cv2.COLOR_BGR2RGB) imagePIL=Image.fromarray(imageRGB)

# Обрезаем изображение по центру с радиусом radius

image=imagePIL.crop((centerX-radius,centerY-radius,centerX+radius,cen-terY+radius))

image2=np.array(image)

# Создаём панораму с помощью remap и геометрической коррекции imagePano=cv2.remap(image2,xmapVideo,ymapVideo,cv2.INTER LINEAR) imagePano=cv2.remap(imagePano,geomCorX,geomCorY,cv2.INTER LINEAR)

# Масштабируем панораму vHeight=imagePano.shape[0] vWidth=imagePano.shape[1] kh2=VScoef # Масштабный коэффициент

xh1,xw1=int(imagePano.shape[0]*kh2),int(imagePano.shape[1]) imagePano=cv2.resize(imagePano,(xw1,xh1),cv2.INTER_NEAREST) vHeight=imagePano.shape[0]; vWidth=imagePano.shape[1] h1,w1=vHeight,vWidth

# Готовим массивы для фильтрации и коррекции яркости

global stolbec

yM=imagePano.shape[0]

xM=imagePano.shape[1]

colors=imagePano.shape[2]

img=np.zeros((yM,colors),np.int32)

maxLevel=2 55

if True:

# Создаём маску для фильтра низких частот (LF Filtering) mask=np.ones((121,121)) maskX,maskY=mask.shape mask=mask/(maskX*maskY) img2=cv2.filter2D(imagePano,-1,mask) img2=2 55-img2

img2min1=np.amin(img2,axis=0) img2min=np.amin(img2min1) stolbec=img2-img2min

# Применяем фильтр

# Инвертируем изображение

# Находим абсолютный минимум

# Вычитаем минимум для коррекции

# Добавляем коррекцию яркости к панораме imagePano=imagePano+stolbec

bsign=0 # Флаг для очистки панелей

# Если выбрана папка с изображениями, начинаем пакетную обработку панорам if dirName!=None:

print(datetime.now().time(),'Batch panoraming begin.')

dirNamePano=dirName+'pano'

os.mkdir(dirNamePano)

os.chdir(dirName)

# Проходим по всем файлам в папке for filename in os.listdir(dirName):

if filename.endswith(".jpg") or filename.endswith(".bmp") or file-name.endswith(".png"):

if len(filename)>0:

imageCV=cv2.imread(filename) # Загружаем изображение

# Получаем размеры изображения sfHeight=imageCV.shape[0] sfWidth=imageCV.shape[1] h1=sfHeight; w1=sfWidth

# Конвертируем для PIL

imageRGB=cv2.cvtColor(imageCV,cv2.COLOR_BGR2RGB) imagePIL=Image.fromarray(imageRGB)

# Обрезаем по центру

image=imagePIL.crop((centerX-radius,centerY-radius,centerX+radius,cen-terY+radius))

image2=np.array(image)

# Создаём панораму с remap и геометрической коррекцией imagePano=cv2.remap(image2,xmapVideo,ymapVideo,cv2.INTER LINEAR) imagePano=cv2.remap(imagePano,geomCorX,geomCorY,cv2.INTER LINEAR)

# Масштабируем панораму kh2=VScoef # Масштабный коэффициент

xh1,xw1=int(imagePano.shape[0]*kh2),int(imagePano.shape[1]) framePano=cv2.resize(imagePano,(xw1,xh1),cv2.INTER_NEAREST)

vHeight=framePano.shape[0]; vWidth=framePano.shape[1] h1,w1=vHeight,vWidth

# Формируем имя для сохранения панорамы fn21=[]

for letter in filename: if letter=='.':

break fn21.append(letter) fn21=,,.join(fn21)

bufName=dirNamePano+'\\'+fn21+,_pano,+ext # v.1.0.4.35

# Сохраняем панораму

image=cv2.cvtColor(framePano,cv2.COLOR_RGB2BGR) cv2.imwrite(bufName,image,[cv2.IMWRITE_JPEG_QUALITY,100])

# Отображаем панораму в интерфейсе framePano=Image.fromarray(framePano) framePano=ImageTk.PhotoImage(framePano)

if bsign==0: clearPanels() scrollBar1.pack forget() scrollBarV.pack forget() videoPanel1.pack()

videoPanel1.configure(height=vHeight,width=vWidth) videoPanel1.xview moveto(0); videoPanel1.yview moveto(0) bsign=1

video-Panel1.create image(vWidth,vHeight,image=framePano,anchor=SE) root.update() else:

continue

print(datetime.now().time(),'Batch panoraming end.') os.chdir('..\\')

bsign=0

# Начинаем пакетную коррекцию яркости, если есть панорамы if dirNamePano!=None:

print(datetime.now().time(),'Batch brightness correction begin.')

dirNameBC=dirName+' bright corr'

os.mkdir(dirNameBC)

os.chdir(dirNamePano)

# Проходим по файлам панорам

for filename in os.listdir(dirNamePano):

if filename.endswith(".jpg") or filename.endswith(".bmp") or file-name.endswith(".png"):

if len(filename)>0:

imagePano=cv2.imread(filename) # Загружаем панораму

vHeight=imagePano.shape[0]; vWidth=imagePano.shape[1]

yM=imagePano.shape[0]

xM=imagePano.shape[1]

colors=imagePano.shape[2]

# Добавляем яркостную коррекцию imagePano=imagePano+stolbec

# Формируем имя для сохранения скорректированной панорамы fn22=[]

for letter in filename:

if letter=='.': # old names

break fn22.append(letter) fn22=''.join(fn22)

bufName=dirNameBC+'\\'+fn22+'_corr'+ext # v.1.0.4.35 cv2.imwrite(bufName,imagePano,[cv2.IMWRITE_JPEG_QUALITY,100]) else:

continue

print(datetime.now().time(),'Batch brightness correction end.') os.chdir('..\\')

# Начинаем слияние кадров, если есть скорректированные панорамы if dirNameBC!=None:

print(datetime.now().time(),'Frames merging begin.')

dirNameFI=dirName+'_full_image'

os.mkdir(dirNameFI)

os.chdir(dirNameBC)

totalFrames=0

# Проходим по файлам скорректированных панорам for filename in os.listdir(dirNameBC):