Введение 3
Постановка задачи 5
Глава 1. Предварительная обработка 8
1.1. Получение монохромного изображения 9
1.2. Удаление шумов с изображения. Гауссово размытие 10
1.3. Детектирование ребер. Алгоритм Кэнни 11
1.4 Выделение прямых на изображении. Алгоритм Хафа 13
Глава 2. Локализация объектов интереса 16
2.1. Выделение точек интереса 17
2.2. Выделение связанных областей 19
2.3. Уточнение крайних точек линий 21
2.4 Классификация объектов на изображении 25
Глава 3. Формирование выходных данных для САПР QuartusII 28
Реализация 31
Выводы 33
Заключение 34
Список литературы 35
Приложение 37
В современном мире невозможно представить себе отрасль производства, в которой та или иная задача решалась бы без применения вычислительной техники. И если изначально такая техника воспринимались лишь как второстепенное устройство - ведь большая часть работы лежала на человеке, то с развитием технологий на компьютеры перекладывается все больше и больше задач.
Изготовление современных электронных схем также не обходится без вычислительных технологий. В настоящее время системы автоматизированного проектирования (САПР) [1] активно используются при разработке схем, их тестировании и изготовлении. Каждую схему, смоделированную таким образом, можно редактировать и тестировать, а также использовать для создания более сложных устройств. Использование САПР на всех этапах производства позволяет повысить эффективность труда инженеров, в том числе:
• сокращает трудоемкость проектирования
• сокращает сроки проектирования
• сокращает себестоимость проектирования и изготовления
• повышает качество уровня результатов проектирования
• сокращает затраты на натуральное моделирование и испытание
Однако при модернизации ранее разработанных устройств и создании электронных архивов приходится сталкиваться с тем, что больше число схем было создано еще без использования компьютерных систем проектирования и существует лишь в виде чертежа на бумаге. Такое представление создает дополнительные трудности при разработке тестов устройств и переносе их на современную элементную базу.
На данный момент оцифровка таких схем осуществляется вручную. Это единственный гарантированный метод точного преобразования чертежа, выполненного на бумаге, в формат, позволяющий работать с этими схемами используя системы автоматизированного проектирования. Однако эта процедура весьма длительная и трудоемкая.
В работе предлагается алгоритм, использующий методы компьютерного зрения для распознавания изображений схем цифровых устройств, позволяющий частично автоматизировать процесс перевода изображений таких схем в формат, использующийся в современной системе автоматизированного проектирования Quartus II [2,3].
В данной работе были рассмотрены вопросы распознавания изображений электронных схем цифровых устройств. Особое внимание уделено алгоритмам, позволяющим выделять на изображении структурные элементы схемы с определенной точностью. Найденные таким образом элементы служат основой для формирования файла в формате, используемом для САПР, что позволяет значительно ускорить процесс «оцифровки» схем, представленных в бумажном варианте и сократить трудозатраты при создании электронных архивов.
1. А. Н. Корнилков Диагностические возможности САПР Quartus II фирмы Altera // Вестник Пермского университета, Вып 1(32), 2016, Стр. 22 - 28.
2. Valery M. Grishkin, Vladimir I. Melnik, Alexander N. Mikhailov. Methods of modeling of the test inputs for analysis the digital devices // International Conference on Computer Technologies in Physical and Engineering Applications, ICCTPEA 2014 - Proceedings Pages: 112-113, Year: 2014 DOI: 10.1109/ICCTPEA.2014.6893309
3. Гришкин В.М., Лопаткин Г.С., Михайлов А.Н., Овсянников Д.А. Интерфейсный метод построения моделей входных воздействий для тестирования электронных цифровых модулей // Вопросы радиоэлектроники. 2013, Том 1, №1 Стр. 80-89.
4. Kovshov A. Computer recognition of the electronic circuit drawing in hard copy //International Conference on Computer Technologies in Physical and Engineering Applications (ICCTPEA) 2014 pp. 75-76
5. ГОСТ 2.702-2011, T52, «Единая система конструкторской документации (ЕСКД). Правила выполнения электрических схем»
6. Ковалевский В. А. Методы оптимальных решений в распознавании изображений // М Наука, 1976 - 328с
7. cvtColor. http://docs.opencv.org/2.4/modules/imgproc/doc/miscellaneous _transformations. html
8. Smoothing Images. http://docs.opencv.org/2.4/doc/tutorials/imgproc/gausi ga_median_blur_bilateral_filter/gausian_median_blur_bilateral_filter.html
9. Canny J. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and machine intelligence, vol. PAMI-8, No. 6, P. 679 - 698
10. Canny openCV. http://docs.opencv.org/trunk/da/d22/tutorial_py_canny. html
11. Оператор Собеля. http://www.intuit.ru/studies/courses/10621/1105/lect ule/17989?page=6
12. Duda R. O, Hart P. E. Use of the hough transformation to detect lines and curves in pictures // Commun. acm. 1972. Vol. 15, No 1. P. 11 - 15.
13. Hough transform. http://docs.opencv.org/2.4/doc/tutorials/imgproc/imgtr ans/hough_lines/hough_lines.html
14. Geometric transformations of Images. http://docs.opencv.org/3.0- beta/doc/py_tutorials/py_imgproc/py_geometric_transformations/py_geometric_tr ansformations .html
15. Бутаков. Е. А. Обработка изображений на ЭВМ-Е //М. Радио и связь, 1987. С.134 - 159.
...