Українська   English
ДонНТУ   Портал магистров

Реферат по теме выпускной работы

Содержание

Введение

Компьютерная обработка изображений актуальна в любой области деятельности.

При компьютерной обработке изображений решаются такие задачи, как улучшение качества изображений, измерение параметров, распознавание изображений, сжатие изображений, а также фильтрация и восстановление изображений.

Некоторые люди, которые не умеют на профессиональном уровне пользоваться программным обеспечением, обычно затрудняются с выбором фоторедакторов или нужного метода обработки изображения таким образом, чтоб изображение в результате было визуально приятным.

Кроме того, само понятие приемлемости (качественности) изображения – часто довольно субъективно и значение критериев оценки могут существенно отличаться у разных пользователей.

Поэтому удобно было бы иметь систему, которая на основании анализа изображений, которые пользователь считает качественными, вычисляла бы усредненные значения критериев качества изображения для этого пользователя и в соответствии с полученными значениями критериев качества выполняла бы предварительную обработку загруженного изображения. При этом можно оставить пользователю возможность доводки изображения, если такая необходимость возникнет.

1. Актуальность темы

Любая форма обработки информации, для которой входные данные представлены изображением, например, фотографиями или видеокадрами называется обработкой изображений. Обработка изображений может осуществляться как для получения изображения на выходе (например, подготовка к полиграфическому тиражированию, к телетрансляции и т.д.), так и для получения другой информации.

Объектом исследований является изображение как способ передачи визуальной информации. Исследование изображений базируется на их анализе и обработке.

Анализ изображения предусматривает изучение отдельных характеристик, составных частей или отдельных объектов, с помощью которых производится вычисление параметров качества данного изображения. Так, в результате анализа изображений можно выделить классификацию подходов к их формированию и хранению: растровая и векторная графики.

Растровое цифровое изображение A(Y,X) представлено в дискретном двумерном пространстве, состоит из некоторого числа Y – номер строки и X – номер колонок, которые образуют собой некую сетку, а элемент на пересечении Y-ой строки и X-го столбца, называемый пикселем, содержит в себе код, обычно идентифицирующий цвет.

Обработка изображения, основанная на обработке соответствующих сигналов, предусматривает внесение в формируемое изображение тех или иных изменений по сравнению с оригинальным изображением, а именно [1]:

  1. Изменение (искажение) изображения с целью достижения каких-либо эффектов (художественное улучшение).
  2. Визуальное (заметное глазом) улучшение качества изображения (коррекция яркости и контраста, цветокорреция и т.п.);
  3. Объективное улучшение качества изображения (устранение искажений типа дисторсия, смаз, расфокусировка, увеличение резкости и т.п.);
  4. Оконтуривание изображений – определение отдельных образов, выделение контуров изображения.

2. Обзор существующих методов и инструментальных средств

Для достижения выше поставленных целей обработки применяется большое количество различных методов [2]. Они были поделены на группы:

Кроме этого для обработки цифровых изображений существует большое количество инструментальных средств, например, онлайн фоторедакторы, прикладные программы, а также некоторые технологии и открытый исходный код для создания новых программных продуктов.

Все инструментальные средства дают возможность применить различные методы обработки изображений, такие как: контрастность, устранение шумов и размытие, регулировка яркости и насыщенности, увеличение резкости и четкости, изменение размера изображения, наложение фильтров и многое другое.

Также есть несколько вариантов для интеграции со сторонними системами [3]:

1. Взаимодействие с помощью SDK

SDK – комплект средств разработки, используемый разработчиками программного обеспечения. В состав этого комплекта входит набор полезных утилит, исходные коды и библиотеки, предназначенные для создания приложений: MatLab, OpenCV, JAI, ImageMagick, CamanJS, VTK, VIPS и многие другие.

2. Взаимодействие через API

Реализация набора программных запросов (методов или точек входа), позволяющих взаимодействовать с программными и аппаратными средствами в формализованном виде – API. Обмен информацией происходит посредством вызова неких функций, что позволяет организовать динамический обмен данными между приложениями.

API подразделяют на типы:

REST (RESTful) – это общие принципы организации взаимодействия приложения/сайта с сервером посредством протокола HTTP [4].

Всё взаимодействие с сервером сводится к 4 операциям:

  1. получение данных с сервера (обычно в формате JSON, или XML);
  2. добавление новых данных на сервер;
  3. модификация существующих данных на сервере;
  4. удаление данных на сервере.

Большинство онлайн сервисов предоставляют свой API для использования другими разработчиками. Сервис выдает определенные ключи для доступа к готовым методам: открытый ключ (APP_ID) и закрытый ключ (KEY).

Примером онлайн фоторедактора, который может предоставить свой API со всеми методами обработки является сервис Editor.Pho.to [5].

В приведенном ниже примере запроса вызывается метод обесцвечивания, применяемый к конкретному изображению, которое указывает пользователь.

<image_process_call> <image_url> http://developers.pho.to /img/girl.jpg </image_url> <methods_list> <method order="1"> <name> desaturation </name> </method> </methods_list> </image_process_call>

Далее приходит ответ на запрос с информацией об успешности или неудаче выполнения.

<image_process_response> <request_id> REQUEST_ID </request_id> <status>OK</status> <description> DESCRIPTION </description> <err_code>0</err_code> </image_process_response>

После вызова метода необходимо получить результирующее изображение с помощью приведенного ниже действия.

http://opeapi.ws.pho.to/getresult?request_id=:REQUEST_ID

Так же, как и после первого запроса, необходимо получить ответ об успешности и готовое обесцвеченное изображение.

3. Альтернативные способы решения задачи

Для наличия различных компонентов, работающих для достижения цели повышения качества и обработки изображения, предлагается создать интегрированную систему, так как большинство методов для обработки изображений уже реализованы и имеют открытый исходный код, в которой будут реализованы с помощью подключаемых библиотек и с использованием API такие методы обработки, как: коррекция экспозиции и контрастности, регулировки яркости и насыщенности, устранения шумов и размытия, применение различных фильтров и некоторых аналогичных методов.

Интеграция методов обработки означает наличие в системе функциональных подсистем и обрабатывающих алгоритмов для решения задачи повышения качества и достижения результатов различными путями, применяя различные методы к одним и тем же данным и интегрируя получаемую выходную информацию.

Кроме этого будет сформирована библиотека различных изображений, обработанных с разным качеством. Пользователь получит возможность выбрать то изображение, которое наиболее соответствует его представлениям о качественном изображении. Затем он сможет загрузить собственное изображение для обработки, и оно будет обработано системой в соответствии с параметрами, которые установлены для выбранных пользователем изображений. Если же результат в чем-то не будет соответствовать предпочтениям пользователя, то он сможет откорректировать некоторые параметры при помощи инструментов обработки, предоставляемых разрабатываемой системой.

4. Описание задачи повышения качества изображений

В рамках магистерской работы была поставлена задача повышения качества изображений. При этом понятие качественности может отличаться для разных изображений.

Задача повышения качества изображения включает несколько подзадач:

Для осуществления данной задачи вначале будет сформирован некоторый набор из множества изображений, к которым применены различные методы обработки: коррекция экспозиции и контрастности, регулировки яркости и насыщенности, и т.д.

Возможны два подхода к оценке качества изображений: количественная оценка с помощью математических методов и субъективная оценка на основе экспертных оценок. Кроме этого они могут быть абсолютными или сравнительными.

Необходимо, чтобы пользователь, среди представленных перед ним изображений, выбрал те, которые наиболее удовлетворяют его визуальному восприятию. То есть применяется субъективная оценка. У выбранных изображений рассчитываются параметры оценки качества, на которые обычно влияют примененные методы обработки, а именно:

  1. Яркость – представляет собой характеристику, определяющую то, насколько сильно цвета изображения отличаются от черного. Изменение яркости выполняется путем уменьшения или увеличения значения b каждого пиксела на одну и ту же величину, что приводит к тому, что все элементы корректируемого изображения становятся более светлыми или более темными.
  2. Контраст – это характеристика изображения различия насыщенности цвета его наиболее ярких и наиболее темных участков.
  3. Резкость – это степень размытости границы между соседними участками изображения с разной оптической плотностью (яркостью).

На следующем этапе пользователь загружает свое изображение, которое преобразится с помощью различных методов в соответствии с приближенными к усредненным значениям найденных параметров.

5. Математическая постановка задачи

Пусть пользователь выбрал те изображения, которые наиболее соответствует его представлениям о качественности. Необходимо оценить качество идеальных, по мнению пользователя, изображений с помощью количественных оценок.

1. Для оценки яркости изображения применяется корректное построение гистограммы распределения яркостей элементов изображения [6].

Гистограммой цифрового изображения с уровнями яркости в диапазоне [0, L–1] называется дискретная функция

где rk есть k-й уровень яркости, а nk – число пикселей на изображении, имеющих яркость rk.

Значения нормализованной гистограммы будут вычислены по формуле:

где k = 0, 1, ..., L-1.

p(rk) – оценка вероятности появления пикселя со значением яркости rk

Можно отметить, что сумма всех значений нормализованной гистограммы равна единице.

По горизонтальной оси гистограммы отложены значения уровней яркости rk, а по вертикальной – значения гистограммы h(rk) = nk или p(rk) = nk/n, если они нормализованы.

На гистограмме темного изображения ненулевые уровни сконцентрированы в области низких (темных) значений диапазона яркостей. Аналогично, значимые уровни гистограммы яркого изображения смещены к верхней части диапазона. Изображение с низким контрастом имеет узкую гистограмму, расположенную вблизи центра диапазона яркостей. Одноцветное изображение принимает серый вид. Ненулевые уровни гистограммы высококонтрастного изображения покрывают широкую часть диапазона яркостей. В результате получим, что изображение, распределение значений элементов которого близко к равномерному и занимает весь диапазон возможных значений яркостей, будет выглядеть высококонтрастным и будет содержать большое количество полутонов (см. рис. 1).

Рисунок 1 – Примеры изображений и их гистограммы

(анимация: количество кадров - 4, количество циклов повторения - бесконечно, объем - 78кБ)

2. Для оценки контрастности наиболее универсально используется отношение средне-квадратического отклонения к максимально возможному значению яркости [7].

где σ – среднеквадратическое отклонение,

Ymax – максимально возможное значение яркости.

C изменяется в диапазоне 0≤C≤1, а его значение должно стремиться к 1 для наилучшего повышения визуального восприятия. Значение 0 соответствует однотонному изображению, значение 1 – максимально контрастному.

3. Для оценки резкости изображения вычисляется мера эксцесса двумерного спектра Фурье.

Выполняются некоторые действия для определения резкости изображения.

На первом шаге необходимо выделить прямоугольную область на исходном изображении.

Далее необходимо выделенную область интереса преобразовать в частотную область.

Исходя из преобразованной полученной области вычислить меру эксцесса двумерного спектра Фурье с помощью формулы:

где μ2 – второй центральный момент, μ4 – четвертый центральный момент, σ – стандартное отклонение.

Эксцесс определяется как отношение четвертого центрального момента и квадрата второго центрального момента (стандартное отклонение в четвертой степени). Результат вычисления должен стремиться к максимальному значению, так как более резкому изображению соответствует большая величина эксцесса.

Тогда, исходя из выше приведенных формул для оценки качества, для варианта, когда пользователь выбрал только одно приемлемое изображение, получим:

Необходимо получить изображение с предварительной обработкой, параметры которого рассчитываются аналогично приемлемому изображению. При этом разница между значениями параметров качественного изображения и значениями параметров пользовательского изображения должна стремиться к минимуму:

где Ридеал(rk) – значение яркости качественного изображения,

Р(rk)' – значение вероятности яркости обработанного пользовательского изображения,

Сидеал – значение контрастности качественного изображения,

С' – значение контрастности обработанного пользовательского изображения,

γидеал – значение резкости качественного изображения,

γ' – значение резкости обработанного пользовательского изображения.

Также есть вариант того, что пользователь выберет несколько качественных, по его мнению, изображений. В этом случае необходимо найти значения оценки качества по каждому изображению по тем же приведенным формулам, которые были использованы в первом случае. Исходя из этого по каждому соответствующему набору параметров тех удовлетворительных изображений необходимо найти средние значения.

4. Для вычисления среднего значения яркости:

где Р(rk) – среднее значение вероятностей яркостей качественных изображений,

Pn(rk) – значения вероятностей яркостей качественных изображений,

n – количество всех качественных изображений.

k = [0 ; L–1]

5. Для контрастности:

где С – среднее значение контрастностей качественных изображений,

Сn – значения оценки контрастности качественных изображений,

n – количество всех качественных изображений.

6. Для резкости:

где γ – среднее значение резкостей качественных изображений,

γn – значения оценки резкости качественных изображений,

n – количество всех качественных изображений.

В результате необходимо получить изображение с предварительной обработкой, параметры которого также рассчитываются по приведенным формулам для оценки качества. Причем разница между значениями усредненных параметров и значениями параметров пользовательского изображения должна стремиться к минимуму:

где Р(rk) – среднее значение яркостей качественных изображений,

С – среднее значение контрастностей качественных изображений,

γ – среднее значение резкостей качественных изображений.

k = [0 ; L–1]

Так, исходя из выше представленной формулы, пользователь получит итоговое изображение с предварительной обработкой.

Выводы

В ходе исследования был выполнен обзор различных инструментальных средств и технологий обработки изображений. А также рассмотрены критерии оценки качества изображения. Принято решение создать систему, которая будет интегрировать в себе различные функциональные подсистемы обработки изображений через технологию API, применяя различные методы обработки, также будут использованы обрабатывающие алгоритмы различных SDK библиотек для веб-разработки. Была сформулирована и описана постановка задачи повышения качества изображений.

При написании данного реферата магистерская работа еще не завершена. Примерная дата завершения: июнь 2020 года. Полный текст работы и материалы по теме могут быть получены у автора или его руководителя после указанной даты.

Список источников

  1. Компьютерная обработка изображений. [Электронный ресурс] – Режим доступа: URL: http://aco.ifmo.ru/el_books/image_processing/1_01.html
  2. Ю.И. Монич, В.В. Старовойтов Оценки качества для анализа цифровых изображений Искусственный интеллект 4’2008. Стр. 376-386.
  3. Варианты протоколов для интеграции со сторонними системами в современных СКУД. [Электронный ресурс] – Режим доступа: URL: http://www.techportal.ru/196160
  4. Введение в REST API. [Электронный ресурс] – Режим доступа: URL: https://myrusakov.ru/rest-api-introduction.html
  5. Pho.to API. [Электронный ресурс] – Режим доступа: URL: http://developers.pho.to/documentation/api-keys
  6. Методы обработки изображений: лабораторный практикум. В 2 ч. Ч. 1 / сост.: С. В. Воронов, А. Г. Ташлинский, И.В. Горбачев. – Ульяновск: УлГТУ, 2016. – 50 с.
  7. Критерии и методы укрупнённой оценки качества изображений в растровых графических форматах. [Электронный ресурс] – Режим доступа: URL: http://www.aiportal.ru/articles/other/evaluation-of-image-quality.html