Выделение рукопечатного текста на бланках. Разделение бланка и текста

В дипломной работе выполнен подробный анализ модели цветного изображения почтового перевода и сделан вывод, что для кластеризации и выделения цветного рукописного текста почтового перевода следует использовать пространство собственных векторов ковариационной матрицы, упорядоченных в соответствии со убыванием собственных значений, которые образуют координатное цветовое пространство. Для решения этой задачи реализован модифицированный не итерационный метод сегментации Отсу. Описан алгоритм и реализована программа разделения цветного изображения почтового перевода на три бинарных: белый фон, печатный бланк и рукопечатный текст, написанный цветными чернилами.

Магистерский диплом.При необходимости, работа может быть оперативно переделана и доработана под нужную область. Имеется 2 варианта рабо ...

ВВЕДЕНИЕ 8
1 Постановка задачи 11
2 АНАЛИТИЧЕСКАЯ МОДЕЛЬ цветное изображение почтовых переводов 16
2.1 Серый бланк 22
2.2 Цветной бланк 26
2.3 Многочисленные исследования модели документа 28
3 АЛГОРИТМ РЕШЕНИЯ ЗАДАЧИ 36
3.1 Методы сегментации, основанные на вычисленные порогов на одномерной гистограмме 37
3.2 Одномерные гистограммы интенсивности 37
3.3 Метод Отсу 38
3.4 Модифицированный метод Отсу 40
3.5 Программная реализация модифицированного метода Отсу 42
4 ВЫДЕЛЕНИЕ цветного текста на бланке 44
4.1 Алгоритм метода выделения теста 44
4.2 Программная реализация 45
5 ОХРАНА ТРУДА 55
5.1 Производственное освещение компьютерных помещений 55
5.2 Обеспечение пожарной безопасности в компьютерных помещениях. Первичные средства пожаротушения для компьютерных помещений 58
5.3 Правила производственной безопасности при проведении ремонтно-наладочных работ на ЭВМ 61
6 защиты. Радиоактивное излучение 65
7 ЭКОНОМИЧЕСКОЕ ОБОСНОВАНИЕ РАЗРАБОТКИ СИСТЕМЫ РАСПОЗНАВАНИЯ РУКОПЕЧАТНОГО ТЕКСТА 74
7.1 Общая характеристика проекта 74
7.2 Расчет трудоемкости разработки программной продукции 74
7.3 Определение цены программного продукта 80
7.4 Расчет начальных инвестиций 84
7.5 Расчет текущих затрат 85
ВЫВОДЫ 88
ПЕРЕЧЕНЬ ССЫЛОК 89
ПРИЛОЖЕНИЕ А 9

Сегментация изображения является первым шагом анализа изображений и распознавания образов. Этот критический и важный компонент анализа изображений и системы распознавания образов является одним из самых сложных задач при обработке изображений и определяет качество конечного результата анализа. Сегментация изображения - процесс распределения изображения на различные области, такие, что каждая из областей однородная, а объединение любых двух соседних областей не является однородным.
Существует много статей и обзоров методов сегментации полутоновых изображений. Сегментация цветных изображений привлекает все большее внимание в основном по следующим причинам: первая - цветные изображения предоставляют больше информации, чем полутоновые изображения; вторая - ¬потужнисть персональных компьютеров быстро растет, они уже сейчас могут быть использованы для обработки цветных изображений. Методы сегментации полутоновых изображений можно обобщить на изображение цветные, используя данные каналов R, G и B или их преобразования (линейные или нелинейные).
Методология систем распознавания текстов
Для большинства систем распознавания текста применяется иерархический подход - от пикселя к тексту, а именно: пиксель - черта - символ - часть слова - слово - осмысленный текст. Обзоры по системам OCR группируют следующие этапы в задачи распознавания текста: Предобработка, сегментация, представление, обучение и распознавания, окончательная обработка.
Предобработка, которая включает решение следующих задач:
а) удаление шумов изображения;
б) нормализация изображения текста;
- Выделение базовой линии сроки и коррекция наклона символов;
- Нормализация размера символов изображения
- Сглаживание границ символов;
- Бинаризация изображения символов;
- Истончение изображения символов;
в) сегментация
Определяют два вида сегментации: внешнюю - разделение на такие части надписи, как параграфы, предложения и слова; внутреннюю - разделение символов в словах, особенно в рукописном тексте.
г) представление данных для распознавани

begin
Sq := H[1,i] + H[i+1,NGray-1];
if( MaxSig < sq ) then
begin
threshhold[1]:=i;
MaxSig := sq;
end;
end;
3:
for i:=1 to NGray-1-MLevel do
for j:=i+1 to NGray-1-MLevel+1 do
begin
Sq :=H[1,i]+H[i+1,j]+H[j+1,NGray-1];
if( MaxSig < sq ) then
begin
threshhold[1]:=i;
threshhold[2]:=j;
MaxSig := sq;
end;
end;
4:
for i:=1 to NGray-1-MLevel do
for j:=i+1 to NGray-1-MLevel+1 do
for k:=j+1 to NGray-1-MLevel+2 do
begin
Sq := H[1,i]+H[i+1,j]+H[j+1,k]+H[k+1,NGray-1];
if( MaxSig < sq ) then
begin
threshhold[1]:=i;
threshhold[2]:=j;
threshhold[3]:=k;
MaxSig := sq;
end;
end;
5:
for i:=1 to NGray-1-MLevel do
for j:=i+1 to NGray-1-MLevel+1 do
for k:=j+1 to NGray-1-MLevel+2 do
for l:=k+1 to NGray-1-MLevel+3 do
begin
Sq := H[1,i]+H[i+1,j]+H[j+1,k]+H[k+1,l]+H[l+1,NGray-1];
if( MaxSig < sq ) then
begin
threshhold[1]:=i;
threshhold[2]:=j;
threshhold[3]:=k;
threshhold[4]:=l;
MaxSig := sq;
end;
end;
end;
Result:= MaxSig;
end;
Для обчислення матриці Н (див. 3.31) в Multi_OtsuThreshold використовується функція BuildLookupTables, текст якої наведено в додатку 1.
4 ВИДІЛЕННЯ КОЛЬОРОВОГО ТЕКСТУ НА БЛАНКАХ
4.1 Алгоритм методу виділення тесту
Для поділу бланків поштового переказу і тексту в роботі Гладких В.Н. був запропонований алгоритм, що складається з наступних кроків:
1) Знайти середні значення (r,g,b) – компонент, по всім N пікселям зображення.
2) Обчислити коваріаційну матрицю по змінним по всім N пікселям зображення за формулою:
3) Знайти власні значення та власні вектори матриці
4) Перевірити, що . Якщо цю вимогу не виконано, то зображення містить кольоровий бланк.
5) Для кожного з пікселів визначити його координати в базисі вісей власних векторів , та .
6) Обчислити гістограму розподілу координат точок на власні вектори и .
7) Знайти пороги сегментації гістограм.
8) Визначити належність кожного пікселя до одного з 3 класів на підставі обчислених на кроку 7 порогів кластеризації на 3 кластери для вісі та на 2 кластери для вісі , поділивши зображення на три бінарних зображення – білий фон, бланк поштового переводу та кольоровий надпис.
Постобробока:
9) Визначити кут повороту документа на основі ліній на бінарному зображенні бланку.
10) Видалити завади на бінарному зображенні тексту методом морфологічної фільтрації.
Для знаходження власних значень та власних векторів коваріаційної матриці використовується програма, що реалізує алгоритм Якобі:
Для знаходження порогів сегментації гістограм використовується модифікований алгоритм Отсу.
4.2 Програмна реалізація
Для реалізації алгоритму розділення кольорового тексту і бланку було розроблено програмне застосування DocRecognizer в середовищі розробки Delphi. Програма складається з наступних модулів:
MFU – містить основний код програми,
UtilsUnit – бібліотека, що містить процедуру обчислення власних значень і власних векторів методом Якобі, фунцію Multi_OtsuThreshold, типи даних, які використовуються в програмі.
GrayScaleU та RFormU – вікна для представлення зображень, отриманих в результаті обчислень.
Наведемо основні оператори головної програми:
isGray:= false; // чи бланк сірий
GSImage:= TBitmap.Create; GSImage.HandleType:=bmDIB;
GSImage.PixelFormat:= pf24bit;
GSImage.Height:= Image1.Picture.Bitmap.Height;
GSImage.Width:= Image1.Picture.Bitmap.Width;
h:= Image1.Picture.Bitmap.Height;
w:= Image1.Picture.Bitmap.Width;
SetLength(PixelRec,h);
for i:= 0 to h-1 do
SetLength(PixelRec[i],w);
for k:= 1 to 3 do
begin
Clust_Count[k]:=0; // кількість пікселей в кластері k
for i:= 0 to 2 do
avgRGB[k,i]:=0.0; // середні r,g,b в кластері k
end;
Clust_Ind:=1; // номер кластера
for i := 0 to h - 1 do
begin
p:= Image1.Picture.Bitmap.ScanLine[i];
for j := 0 to w - 1 do
begin
j1:=j*3;
avgRGB[Clust_Ind,0]:= avgRGB[Clust_Ind,0] + p^[j1+2]; // r;
avgRGB[Clust_Ind,1]:= avgRGB[Clust_Ind,1] + p^[j1+1]; // g;
avgRGB[Clust_Ind,2]:= avgRGB[Clust_Ind,2] + p^[j1]; // b;
Inc(Clust_Count[Clust_Ind]);
end; // for j
end; // for i
for i:= 0 to 2 do
avgRGB[Clust_Ind,i]:=avgRGB[Clust_Ind,i]/Clust_Count[Clust_Ind]; // середні значення r,g,b в зображенні
// обчислення коваріаційної матриці C
for i := 0 to h - 1 do
begin
p:= Image1.Picture.Bitmap.ScanLine[i];
for j := 0 to w - 1 do
begin
j1:=j*3;
C[1, 1] := C[1, 1] + ((p^[j1+2] - avgRGB[Clust_Ind,0])*(p^[j1+2] - avgRGB[Clust_Ind,0])); // r * r;
C[1, 2] := C[1, 2] + ((p^[j1+2] - avgRGB[Clust_Ind,0])*(p^[j1+1] - avgRGB[Clust_Ind,1])); // r * g;
C[1, 3] := C[1, 3] + ((p^[j1+2] - avgRGB[Clust_Ind,0])* (p^[j1] - avgRGB[Clust_Ind,2])); // r * b;
C[2, 2] := C[2, 2] + ((p^[j1+1] - avgRGB[Clust_Ind,1])*(p^[j1+1] - avgRGB[Clust_Ind,1])); // g * g;
C[2, 3] := C[2, 3] + ((p^[j1+1] - avgRGB[Clust_Ind,1])*(p^[j1] - avgRGB[Clust_Ind,2])); // g * b;
C[3, 3] := C[3, 3] + ((p^[j1] - avgRGB[Clust_Ind,2])*(p^[j1] - avgRGB[Clust_Ind,2])); // b * b;
end; // j
end; // i
C[2, 1] := C[1, 2];
C[3, 1] := C[1, 3];
C[3, 2] := C[2, 3];
norm:= C[1,1]+C[2,2]+C[3,3];
for i:=1 to 3 do
for j:=1 to 3 do
C[i,j]:= C[i,j]/norm; // нормування коваріаційної матриці C
EIGJAC(3, 0.001, C, S); // обчислення ВЗ і ВВ матриці C методом Якобі
// упорядкування ВЗ та відповідних їм ВВ за зменшенням значень
MaxV:= MaxValue([C[1,1],C[2,2],C[3,3]]);
MinV:= MinValue([C[1,1],C[2,2],C[3,3]]);
for i := 1 to 3 do
if(C[i,i] = MaxV) then ind[i]:=1
else
if(C[i,i] = MinV) then ind[i]:=3
else
ind[i]:=2;
for k:= 1 to 3 do
Summary.Lmbd[ind[k]]:= C[k,k];
// Якщо друге ВЗ менш ніж 1% від першого ВЗ, то типографський бланк сірий
if( Summary.Lmbd[2]/Summary.Lmbd[1] <= 0.01 ) then isGray:= true;
Clust_Ind:=1;
for k:=1 to 3 do begin curr_Z[k,0] := 10000.0; curr_Z[k,1] := -10000.0; end;
// знаходження проекцій пікселей на власні вектори
for i := 0 to h - 1 do
begin
p:= Image1.Picture.Bitmap.ScanLine[i];
for j := 0 to w - 1 do
begin
j1:=j*3;
for k:= 1 to 3 do
PixelRec[i,j].L_Coord[ind[k]]:=((p^[j1+2] - avgRGB[Clust_Ind,0])*S[1,k]+(p^[j1+1] - avgRGB[Clust_Ind,1])*S[2,k]+(p^[j1] - avgRGB[Clust_Ind,2])*S[3,k]); ///Sqrt(C[ind[k],ind[k]]);
// обчислення максимальниз і мінімальних значень для кожної з гістограм
for k:= 1 to 3 do
begin
if( curr_Z[k,0] > PixelRec[i,j].L_Coord[k] ) then curr_Z[k,0] := PixelRec[i,j].L_Coord[k];
if( curr_Z[k,1] < PixelRec[i,j].L_Coord[k] ) then curr_Z[k,1] := PixelRec[i,j].L_Coord[k];
end;
end; // for j
end; // for i
SetLength(L_Gray[1],N_Level);
SetLength(L_Gray[2],N_Level);
SetLength(L_Gray[3],N_Level);
for i := 0 to h - 1 do
for j := 0 to w - 1 do
for k:= 1 to 3 do
begin
NN:= Round( (N_Level-1)*(PixelRec[i,j].L_Coord[k]- curr_Z[k,0])/(curr_Z[k,1]-curr_Z[k,0]));
Inc( L_Gray[k,NN ]);
end;
if( RG_ItemIndex = 0 ) then
begin
// на осі першого ВЗ три сегменти
MaxSigma:=Multi_OtsuThreshold(L_Gray[1], Summary.All, N_Level, 3, threshhold);
Summary.Histo[1].ClustCount:=3;
SetLength(Summary.Histo[1].AxsClusters,3);
Summary.Histo[1].AxsClusters[0].PixCount:=getCount(L_Gray[1],0,threshhold[1]);
Summary.Histo[1].AxsClusters[1].PixCount:=getCount(L_Gray[1],threshhold[1]+1,threshhold[2]);
Summary.Histo[1].AxsClusters[2].PixCount:=getCount(L_Gray[1],threshhold[2]+1, N_Level-1);
Summary.Histo[1].AxsClusters[0].Border[0]:=0;
Summary.Histo[1].AxsClusters[0].Border[1]:= threshhold[1];
Summary.Histo[1].AxsClusters[1].Border[0]:=threshhold[1]+1; Summary.Histo[1].AxsClusters[1].Border[1]:= threshhold[2];
Summary.Histo[1].AxsClusters[2].Border[0]:=threshhold[2]+1; Summary.Histo[1].AxsClusters[2].Border[1]:= N_Level-1;
OrderAxsClust(Summary.Histo[1].ClustCount,Summary.Histo[1]);
Summary.Hist_Border[1,1,0]:=threshhold[1];
Summary.Hist_Border[1,1,1]:=threshhold[2];
if( isGray ) then
begin // на осі другого ВЗ два сегменти
MaxSigma:=Multi_OtsuThreshold(L_Gray[2], Summary.All, N_Level, 2, threshhold);
curSigma:= MaxSigma/2;
Summary.Hist_Border[2,1,0]:=threshhold[1];
Summary.Hist_Border[2,1,1]:=threshhold[1];
Summary.Histo[2].ClustCount:=2;
SetLength(Summary.Histo[2].AxsClusters,2);
Summary.Histo[2].AxsClusters[0].PixCount:=getCount(L_Gray[2],0,threshhold[1]);
Summary.Histo[2].AxsClusters[1].PixCount:=getCount(L_Gray[2],threshhold[1]+1, N_Level-1);
Summary.Histo[2].AxsClusters[0].Border[0]:=0; Summary.Histo[2].AxsClusters[0].Border[1]:= threshhold[1];
Summary.Histo[2].AxsClusters[1].Border[0]:=threshhold[1]+1; Summary.Histo[2].AxsClusters[1].Border[1]:= N_Level-1;
end
else
begin // кольоровий бланк - на осі другого ВВ – 3 сегменти
MaxSigma:=Multi_OtsuThreshold(L_Gray[2], Summary.All, N_Level, 3, threshhold);
Summary.Histo[2].ClustCount:=3;
Summary.Histo[2].AxsClusters:=nil;
SetLength(Summary.Histo[2].AxsClusters,3);
Summary.Histo[2].AxsClusters[0].PixCount:=getCount(L_Gray[2],0,threshhold[1]);
Summary.Histo[2].AxsClusters[1].PixCount:=getCount(L_Gray[2],threshhold[1]+1,threshhold[2]);
Summary.Histo[2].AxsClusters[2].PixCount:=getCount(L_Gray[2],threshhold[2]+1, N_Level-1);
Summary.Histo[2].AxsClusters[0].Border[0]:=0; Summary.Histo[2].AxsClusters[0].Border[1]:= threshhold[1];
Summary.Histo[2].AxsClusters[1].Border[0]:=threshhold[1]+1; Summary.Histo[2].AxsClusters[1].Border[1]:= threshhold[2];
Summary.Histo[2].AxsClusters[2].Border[0]:=threshhold[2]+1; Summary.Histo[2].AxsClusters[2].Border[1]:= N_Level-1;
Summary.Hist_Border[2,1,0]:=threshhold[1];
Summary.Hist_Border[2,1,1]:=threshhold[2];
end;
OrderAxsClust(Summary.Histo[2].ClustCount,Summary.Histo[2]);
// на осі 3 ВЗ - 2 сегменти
MaxSigma:=Multi_OtsuThreshold(L_Gray[3], Summary.All, N_Level, 2, threshhold);
curSigma:= MaxSigma/2;
Summary.Hist_Border[3,1,0]:=threshhold[1];
Summary.Hist_Border[3,1,1]:=threshhold[1];
Summary.Histo[3].ClustCount:=2;
SetLength(Summary.Histo[3].AxsClusters,2);
Summary.Histo[3].AxsClusters[0].PixCount:=getCount(L_Gray[3],0,threshhold[1]);
Summary.Histo[3].AxsClusters[1].PixCount:=getCount(L_Gray[3],threshhold[1]+1, N_Level-1);
Summary.Histo[3].AxsClusters[0].Border[0]:=0; Summary.Histo[3].AxsClusters[0].Border[1]:= threshhold[1];
Summary.Histo[3].AxsClusters[1].Border[0]:=threshhold[1]+1; Summary.Histo[3].AxsClusters[1].Border[1]:= N_Level-1;
OrderAxsClust(Summary.Histo[3].ClustCount,Summary.Histo[3]);
end;
curr_ImgForm:=nil;
SetLength(curr_ImgForm,3);
for k0 := 1 to 3 do
begin
curr_ImgForm[k0-1]:= TGrayScaleForm.Create(self);
curr_ImgForm[k0-1].Caption:= 'Компонент №: '+IntToStr(k0);
for i := 0 to h - 1 do
begin
p1:= GSImage.ScanLine[i];
for j := 0 to w - 1 do
begin
j1:=j*3;
if(PixelRec[i,j].Clust = k0) then
begin
p1^[j1+2]:=0; // r;
p1^[j1+1]:= 0; // g;
p1^[j1]:=0; // b;
end
else
if(PixelRec[i,j].Clust = 4) then
begin
p1^[j1+2]:=255; // r;
p1^[j1+1]:= 0; // g;
p1^[j1]:=0; // b;
end
else
if(PixelRec[i,j].Clust = 5) then
begin
p1^[j1+2]:=0; // r;
p1^[j1+1]:= 255; // g;
p1^[j1]:=0; // b;
end
else
if(PixelRec[i,j].Clust = 6) then
begin
p1^[j1+2]:=0; // r;
p1^[j1+1]:= 0; // g;
p1^[j1]:= 255; // b;
end
else
begin
p1^[j1+2]:=255; // r;
p1^[j1+1]:=255; // g;
p1^[j1]:= 255; // b;
end;
end; // j, if Clust <> 1
end; // i
curr_ImgForm[k0-1].Image1.Picture.Bitmap.Assign(GSImage);
curr_ImgForm[k0-1].Show;
end;
for i:=0 to h-1 do
PixelRec[i]:=nil;
PixelRec:= nil;
Результати роботи програми DocRecognizer наведені на рис. 4.1
На рис. 4.1 показано головне вікно програми DocRecognizer, в яку для подальшої обробки завантажено зображення почтового переказу, яке містить руко печатний текст, написаний синіми чорнилами. Відтінки чорнил в обох документах різні. Рис. 4.1а показує блакитний бланк поштового переказ загального призначення (зображення imag300_0003.bmp ), а рис. 4.2б – сірий бланк простого переказу (зображення imag300_0007.bmp). Обидва зображення було отримано сканером Mustek BearPaw 1200 з розподільною здатністю 300 dpi.
а. блакитний бланк з темносинім текстом б. сірий бланк з синім текстом
Рисунок 4.1 – Головне вікно програми, в яку завантажено зображення переказу
Згідно розглянутої в розділі 2 аналітичній моделі документу результатом роботи програми є три бінарних зображення:
1) білий фон документу, який не включає пікселі зображення бланку та кольоровий текст, написаний заказником переказу. Ці зображення наведені на рис. 4.2а та 4.2б.
а. зображення imag300_0003 б. зображення imag300_0003
Рисунок 4.2 – Вікно, в якому відображено бінарне зображення білого фону документа
2) зображення, яке містить пікселі, переважна більшість яких це блакитний чи сірий бланк, а також невелика кількість завад, що виникли від помилок сегментації. Зазвичай це точечні завади з 1 – 2 окремих пікселей. Зображення цього вікна наведені на рис. 4.3а та 4.3б.
а. зображення imag300_0003 б. зображення imag300_0003
Рисунок 4.3 – Вікно, в якому відображено бінарне зображення бланка документа
3) зображення, яке містить пікселі рукопечатного кольорового тексту, а також точечні завади від помилок сегментації. Зображення цього вікна наведені на рис. 4.4а та 4.4б.
а. зображення imag300_0003 б. зображення imag300_0003
Рисунок 4.4 – Вікно, в якому відображено бінарне зображення рукопечатного тексту
Окрім того, в четвертому вікні в компоненті Memo, як показано на рис. 4.5 виводиться докладна інформація для аналізу роботи алгоритму.
Рисунок 4.5 – Вікно, яке містить результати розрахунків програми
Доступними для подальшого аналізу є власні значення і власні вектори коваріаційної матриці, дані для побудови графіків гістограм, значення порогів сегментації та інш. Саме ці дані було застосовано для побудови графіків, показаних на рис. 2.8 та 2.10
5 ОХОРОНА ПРАЦІ
В даний час комп'ютерна техніка широко застосовується у всіх областях діяльності людини. При цьому робота з комп'ютером характеризується значною розумовою напругою і нервово-емоційним навантаженням операторів, високою напруженістю зорової роботи і достатньо великим навантаженням на м'язи рук при роботі з клавіатурою ЕОМ. При роботі з комп'ютером користувач ЕОМ піддається дії ряду небезпечних і шкідливих виробничих чинників: електромагнітних полів (діапазон радіочастот: ВЧ, УВЧ і СВЧ), інфрачервоного і іонізуючого випромінювань, шуму і вібрації, статичної електрики та ін. Вплив даних факторів на організм може призвести до виробничих травм і погіршення стану здоров’я користувача ЕОМ. Тому, щоб уникнути цього варто дотримуватися діючих правил та норм, в тому числі «Правил охорони праці під час експлуатації електронно-обчислювальних машин», деякі з яких викладено нижче.
5.1 Виробниче освітлення комп’ютерних приміщень
Приміщення з ЕОМ повинні мати природне і штучне освітлення відповідно до СНиП II-4-79 "Естественное и искусственное освещение".
Природне світло повинно проникати через бічні світлопрорізи, зорієнтовані, як правило, на північ чи північний схід, і забезпечувати коефіцієнт природної освітленості (КПО) не нижче 1,5 %. Розрахунки КПО проводяться відповідно до СНиП II-4-79.
При виробничій потребі дозволяється експлуатувати ЕОМ у приміщеннях без природного освітлення за узгодженням з органами державного нагляду за охороною праці та органами і установами санітарно-епідеміологічної служби.
Вікна приміщень з відеотерміналами повинні мати регулювальні пристрої для відкривання, а також жалюзі, штори, зовнішні козирки тощо.
Штучне освітлення приміщення з робочими місцями, обладнаними відеотерміналами ЕОМ загального та персонального користування, має бути обладнане системою загального рівномірного освітлення. У виробничих та адміністративно-громадських приміщеннях, де переважають роботи з документами, допускається вживати систему комбінованого освітлення (додатково до загального освітлення встановлюються світильники місцевого освітлення).
Загальне освітлення має бути виконане у вигляді суцільних або переривчатих ліній світильників, що розміщуються збоку від робочих місць (переважно зліва) паралельно лінії зору працівників. Допускається застосовувати світильники таких класів світлорозподілу:
світильники прямого світла - П;
переважно прямого світла - Н;
переважно відбитого світла - В.
При розташуванні відеотерміналів ЕОМ за периметром приміщення лінії світильників штучного освітлення повинні розміщуватися локально над робочими місцями.
Для загального освітлення необхідно застосовувати світильники із розсіювачами та дзеркальними екранними сітками або віддзеркалювачами, укомплектовані високочастотними пускорегулювальними апаратами (ВЧ ПРА). Допускається застосовувати світильники без ВЧ ПРА тільки при використанні моделі з технічною назвою "Кососвет".
Застосування світильників без розсіювачів та екранних сіток забороняється.
Як джерело світла при штучному освітленні повинні застосовуватися, як правило, люмінесцентні лампи типу ЛБ. При обладнанні відбивного освітлення у виробничих та адміністративно-громадських приміщеннях можуть застосовуватися металогалогенові лампи потужністю до 250 Вт. Допускається у світильниках місцевого освітлення застосовувати лампи розжарювання.
Яскравість світильників загального освітлення в зоні кутів випромінювання від 50 град. до 90 град. відносно вертикалі в подовжній і поперечній площинах повинна складати не більше 200 кд/кв.м, а захисний кут світильників повинен бути не більшим за 40 град.
Коефіцієнт запасу (Кз) відповідно до СНиП II-4-79 для освітлювальної установки загального освітлення слід приймати рівним 1,4.
Коефіцієнт пульсації повинен не перевищувати 5 % і забезпечуватися застосуванням газорозрядних ламп у світильниках загального і місцевого освітлення.
При відсутності світильників з ВЧ ПРА лампи багатолампових світильників або розташовані поруч світильники загального освітлення необхідно підключати до різних фаз трифазної мережі.
Рівень освітленості на робочому столі в зоні розташування документів має бути в межах 300 - 500 лк. У разі неможливості забезпечити даний рівень освітленості системою загального освітлення допускається застосування світильників місцевого освітлення, але при цьому не повинно бути відблисків на поверхні екрану та збільшення освітленості екрану більше ніж до 300 лк.
Світильники місцевого освітлення повинні мати напівпрозорий відбивач світла з захисним кутом не меншим за 40 град.
Необхідно передбачити обмеження прямої блискості від джерела природного та штучного освітлення, при цьому яскравість поверхонь, що світяться (вікна, джерела штучного світла) і перебувають у полі зору, повинна бути не більшою за 200 кд/кв.м.
Необхідно обмежувати відбиту блискість шляхом правильного вибору типів світильників та розміщенням робочих місць відносно джерел природного та штучного освітлення. При цьому яскравість відблисків на екрані відеотерміналу не повинна перевищувати 40 кд/кв.м, яскравість стелі при застосуванні системи відбивного освітлення не повинна перевищувати 200 кд/кв.м.
Необхідно обмежувати нерівномірність розподілу яскравості в полі зору осіб, що працюють з відеотерміналом, при цьому відношення значень яскравості робочих поверхонь не повинно перевищувати 3:1, а робочих поверхонь і навколишніх предметів (стіни, обладнання) - 5:1.