Содержание к диссертации
Введение
Глава 1. Анализ современного состояния методов и средств цифровой обработки изображений на терминальных устройствах распределенных производственных объектов 14
1.1. Обзор существующих методов обработки изображений при визуализации изображений 14
1.2. Техническое обеспечение визуализации изображений 17
1.3. Анализ процесса визуализации изображений как объекта автоматизации 20
1.4. Постановка задачи исследования 21
Выводы по главе 23
Глава 2 Методы и алгоритмы обработки изображений до воспроизведения на терминальных устройствах 24
2.1. Метод анализа гистограмм уровней яркости изображений 24
2.1.1. Анализ существующих методов преобразований гистограмм уровней яркости изображений 24
2.1.2. Формализованное представление метода гистограммных преобразований 26
2.1.3. Алгоритм управления яркостным содержанием изображений на основе метода гистограммных преобразований 27
2.1.4. Выравнивание гистограммы 30
2.1.5. Практическая реализация метода гистограммных преобразований 31
2.2, Методы и алгоритмы построения граничных функций локальных преобразований изображений 36
2.2.1. Разработка метода построения функций для локальных преобразований изображений 36
2.2.2. Алгоритм наложения функций на локальные области изображений 39
2.3. Методы выделения контуров разных уровней яркости для воспроизведения и передачи основной информации об изображении 39
2.3.1. Методы выделения краёв при обработке изображений 39
2.3.2. Методы определения оптимальных порогов яркости 43
2.3.3. Метод построения графиков для определения оптимальных порогов яркости и его алгоритмизация 45
2.3.4. Конструктивная реализация масок 48
Выводы по главе 55
Глава 3 Модификация методов и алгоритмов воспроизведения изображений на терминальных устройствах 56
3.1. Методы и алгоритмы воспроизведения изображений на устройствах визуализации 56
3.1.1. Аналитическое обобщение существующих методов и алгоритмов воспроизведения изображений 56
3.1.2. Алгоритм рассеяния ошибок при визуализации изображений на терминальных устройствах с ограниченной палитрой цветов и низким разрешением 59
3.1.3. Алгоритм визуализации цветных изображений на видеотерминалах с ограниченным числом цветов из заданной цветовой палитры 63
3.1.4. Обобщённый алгоритм для цветных изображений с определённой цветовой шкалой 68
3.2. Методы учета искажений при визуализации изображений на терминальных устройствах 74
3.2.1. Метод учета искажений при воспроизведении на терминальных устройствах 75
3.2.2. Использование функций коррекции искажений на терминальных устройствах 79
3.3. Методы и алгоритмы создания битовых растровых структур для имитации цветов и полутонов изображений 84
3.3.1. Анализ существующих методов растрирования 85
3.3.2. Формализация методов растрирования для создания регулярных растровых структур 87
3.3.3. Конструирование растров 90
3.4. Эксперимент по точности передачи изображения при визуализации на терминальных устройствах 103
Выводы по главе.. 111
Глава 4 Техническая реализация методов и средств визуализации изображений на терминальных устройствах РПО 113
4.1. Автоматизированный программный комплекс для визуализации изображений (АПК ВИ) 113
4.2. Архитектурная организация и технология АПК ВИ при использовании распределенных производственных объектов 115
4.2.1. Основные технические характеристики АПК ВИ 116
4.2.2. Структура интерфейса АПК ВИ 116
4.3. Оценка эффективности применения разработанных методов визуализации изображений на терминальных устройствах 121
Заключение 124
Литература 126
- Обзор существующих методов обработки изображений при визуализации изображений
- Анализ существующих методов преобразований гистограмм уровней яркости изображений
- Аналитическое обобщение существующих методов и алгоритмов воспроизведения изображений
- Автоматизированный программный комплекс для визуализации изображений (АПК ВИ)
Введение к работе
Научно-технический прогресс, улучшение технических характеристик цифровых компьютерных средств, соответствующее повышению уровня жизни, выдвинули на первый план проблему улучшения качества воспроизводимой цифровыми устройствами информации, значительная доля которой является графической.
Устройства визуализации на основе цифровой обработки информации (терминальные устройства, ТУ С) получают всё более широкое распространение в различных сферах деятельности человека. Это, в первую очередь, мониторы компьютеров, а также экраны карманных компьютеров, видеотелефонов и сотовых телефонов, терминалы видеоконференций связи, промышленной и бытовой техники, систем слежения при охране объектов, устройства печати. Терминальные устройства являются компонентами управляющих систем распределённых производственных объектов (РПО).
Для обработки изображений с целью улучшения их качества, как правило, применим классический аппарат обработки. Программное обеспечение известных систем обработки изображений предусматривает выполнение основных функций: высокочастотной и низкочастотной фильтрации, изменения контраста, интенсивности, масштаба, растрирования; цветокоррекции. При всех преимуществах существующие программные системы дороги, не предусматривают расширения, несовместимы по аппаратной платформе с другими системами. Системы обработки изображений не включают всех необходимых процедур или обладают недостаточным быстродействием, особенно при визуализации изображений для управляющих систем РПО. При реализации методов и алгоритмов в целом не используются параллельные и распределенные вычисления.
Результаты исследований, направленных на создание эффективных методов визуализации изображений на ТУС, изложены в работах зарубежных и отечественных ученых: L. Davis, J.F. Jarvis, B.Lippel, M.Kurland, R.W Floyd, Steinberg, J.M.S. Prewitt,. А. Розенфельда,. B.E. Bayer, T Pavlidis, B.A Абрамова.
Таким образом, проблема исследования и разработки эффективных методов и средств визуализации изображений на ТУ С РПО с использованием современных математических методов и микропроцессорных средств вычислительной техники является весьма актуальной.
Цель работы состоит в создании эффективных методов визуализации изображений на основе специализированного программного обеспечения в соответствии с существующей аппаратной платформой РПО.
Для достижения поставленной цели необходимо решить следующие задачи: разработать методику и алгоритм визуализации изображений с ограниченной палитрой цветов; формализовать проблему конструирования фильтров для высокоскоростной визуализации изображений на терминальных устройствах; разработать эффективный алгоритм визуализации изображений в контурном виде, с возможностью управления степенью выявления контуров в зависимости от их четкости; разработать метод преобразований локальной области изображения без нарушения целостности восприятия всего изображения; рассчитать функцию коррекции искажений для низколиниатурных терминальных устройств и устройств визуализации с ограниченной палитрой цветов; разработать автоматизированный программный комплекс для визуализации изображений на терминальных устройствах РПО.
Для решения означенных проблем используются методы исследования, основанные на принципах системотехники, математическом аппарате моделирования, теории множеств, теории вычислительных процессов, теории информации, математической логики, дискретной математики, математического анализа.
Научная новизна работы, В работе осуществлено решение научной проблемы разработки эффективных методов и средств визуализации из обра- жений на терминальных устройств РПО, получены новые научные результаты, а именно: - формализован процесс визуализации изображений и разработана математическая модель процесса для терминальных устройств РПО; - разработан метод и алгоритм гистограммных преобразований яркостей изо- бражений с высокой степенью проработки в узких диапазонах яркостей; - адаптирован метод рассеяния ошибок для имитации недостающих оттенков цветов при выводе изображений на терминалы с ограниченной палитрой цветов; - создана методика расчета коррекции растискивания точек для визуализации изображений на ТУС РПО.
Практическая ценность работы. Предложенные методы и алгоритмы позволяют разрабатывать и создавать высокопроизводительные средства визуализации изображений на терминальных устройствах РПО.
По результатам проведенных исследований (при внедрении работы) разработан автоматизированный программный комплекс визуализации изображений для анализа и модификации изображений при передаче по ІР-сетям. Указанные методы и алгоритмы позволили повысить скорость воспроизведения информации в графическом режиме в 1,5 раза, а также улучшить проработку деталей изображений в любых диапазонах яркостей в 1,8 раза, что особенно важно в темных и светлых областях яркостей изображений. Ряд элементов разработанного автоматизированного программного комплекса, а также программные средства и решения защищены свидетельством РОСПАТЕНТА РФ №2003611775 от 24 июля 2003 года.
Личный вклад автора
Показана актуальность разработки новых методов и алгоритмов обработки и улучшения изображений для воспроизведения с использованием новых технических средств и устройств вывода, систем распределённых объектов.
Разработаны методы и алгоритмы визуализации на экранах графических адаптеров и печати черно-белых и цветных изображений на принтерах и других цифровых устройствах печати, а также для визуализации на терминалах распределённых объектов. Показано, что предложенные методы являются оптимальными в смысле быстродействия и возможности использования на ЭВМ и прочей микропроцессорной технике. Разработана модель системы обработки изображений для отдельных видеоустройств и для терминалов распределённых объектов.
Предложен интерактивный алгоритм гистограммных преобразований, изменяющий яркостную составляющую изображения в произвольном выбранном диапазоне яркостей и улучшающий проработку деталей в этом диапазоне.
Проведен расчет коррекции растискивания точек для воспроизведения на терминалах и печати на различных принтерах. Исследованы модели коррекции растискивания, давшие схожие результаты, выявлены закономерности для печати на разных видах бумаги.
Предложен и экспериментально исследован метод воспроизведения изображений с уменьшением палитры цветов и имитацией недостающих оттенков, являющийся обобщением и развитием метода рассеяния ошибок.
Усовершенствованы методы создания растровых структур. Предложены структуры, наиболее подходящие для увеличения чёткости, сохранения яркостного содержания изображения и имитации оттенков цветов.
Разработан метод поиска оптимальных порогов яркости при выделении контуров на полутоновых и цветных изображениях. Предусмотрена возможность выделения линий разной чёткости регулировкой порогов, выбранных из допустимого диапазона порогов яркости для полутоновых и для цветных изображений,
Разработаны метод и алгоритм построения функций для локальных преобразований на изображении с целью визуализации выделенной области изображения без нарушения целостности восприятия изображения.
Составлены рекомендации по обработке изображений для передачи по IP-сетям и воспроизведения при использовании интерактивной системы об- работки изображений или системы с распределёнными объектами, рассчитанной на микропроцессорные средства вычислительной техники.
Достоверность полученных результатов подтверждается качеством, информативностью и скоростью воспроизводимой видеоинформации на различных ТУС РПО.
Реализация и внедрение результатов работы. Результаты диссертационной работы (исследования в области гистограммных преобразований, расчет коррекции растискивания точек при визуализации изображений) были использованы в телекоммуникационных сетях ОАО "ОТИК" и ООО "ИПОВС (МАКРОСОФТ)".
Большинство полученных в работе результатов доведено до уровня инженерных методов, алгоритмов и реализовано в качестве программных средств. Практическое использование результатов подтверждено актами о внедрении.
Все работы по реализации и внедрению проводились под руководством или при непосредственном участии автора как руководителя и ответственного исполнителя. Результаты диссертационной работы используются в учебном процессе на кафедре ИПОВС в МИЭТ (ТУ) при чтении лекций по курсам: "Системное и программное обеспечение", "Теория вычислительных процессов", в спецкурсе "Обработка изображений на микропроцессорных средствах вычислительной техники", при изучении интерактивного курса дистанционного обучения "Цифровые устройства визуализации на базе микропроцессорных средств вычислительной техники", входящих в базу знаний ОАО "ОТИК". Разработанные методы и алгоритмы реализованы также в программных системах обработки и воспроизведения полутоновых изображений GreyView и цветных изображений PictureMan в ОАО "СТОИК".
В результате проведенных исследований получены и выносятся на защиту следующие основные научные результаты: - анализ состояния проблемы и необходимость создания эффективных методов и средств визуализации изображений на ТУС РПО; формализация процесса визуализации и математическая модель обработки изображений; методика и алгоритмическое решение задачи интерактивного изменения яркости изображения; модифицированный метод (алгоритм) визуализации для воспроизведения на терминальных устройствах с полной и ограниченной палитрой цветов, а также для черно-белых и цветных печатных изображений; теоретическое обобщение и экспериментальное исследование метода рассеяния ошибок; расчет коррекции растискивания точек при визуализации изображений на разнотипных терминальных устройствах РПО; высокоскоростной метод (алгоритм) подготовки информационной части изображений для передачи по телекоммуникационным сетям РПО; внедрение автоматизированного программного комплекса для визуализации изображений на терминальных устройствах РПО.
Апробация работы. Основные положения и результаты диссертации докладывались и обсуждались на следующих научных конференциях.
Седьмой научно-технической конференции молодых специалистов (Москва, МИЭТ, 1981 г.);
Четвертой научно-технической конференции молодых специалистов ПО "Альфа", "Автоматизация в технологических системах" (г. Рига, ПО "Альфа", май 1981 года);
Научно-технической конференции "Методы проектирования, автоматизация проектирования комплексов оборудования и систем управления в микроэлектронике" (Москва, МИЭТ, 1982 г.);
Всесоюзном научном семинаре по робототехническим системам (Москва, МВТУ им. Н.Э. Баумана, 1983 г.);
Девятой научно-технической конференции молодых специалистов (Москва, МИЭТ, 1983 г.);
Всесоюзной конференции "Системы технического зрения и их применение в САПР и робототехнике" (Севастополь, 1989 г.);
Научно-технической конференции "Методология и опыт создания САПР комплексов специального технологического оборудования и систем управления производством в микроэлектронике", Московское городское правление научно-технического общества приборостроительной промышленности им. Академика СИ. Вавилова, (Москва, МИЭТ, Политехнический музей, 1984 г.);
Всесоюзном семинаре по автоматизации допечатных процессов (Москва, ВНИИ КПП, 1988 г.);
На симпозиуме ВНИИ полиграфии совместно с лабораторией ВТТ Научно-технического центра Финляндии "Разработка и испытание технологического процесса переработки текста и иллюстраций для книжно-журнального производства" (Москва, ВНИИ КПП, апрель 1990 г.);
Восьмой всероссийской межвузовской научно-технической конференции студентов и аспирантов (Москва, МИЭТ, 2001 г.);
Девятой всероссийской межвузовской научно-технической конференции студентов и аспирантов "Микроэлектроника и информатика-2002" (Москва, МИЭТ, 2002 г.)
Публикации. По материалам диссертации опубликовано 26 работ, в том числе 15 статей в журналах и научных сборниках и 8 отчетов о научно-исследовательской работе.
Работа над диссертацией проводилась в плане решения задач, определяемых "Приоритетными направлениями развития науки, технологий и техники Российской Федерации" и в соответствии с "Перечнем критических технологий Российской Федерации "Информационные технологии и телекоммуникационные системы":
Диссертационная работа основана на результатах, полученных в ходе выполнения НИР, проводимых в рамках программы Минобразованияя РФ "Научные исследования высшей школы по приоритетным направлениям науки и техники" (№ гос. Регистрации 01200007109, 01200007111), грантов Минобразования РФ по фундаментальным исследованиям в области технических наук (№ гос. per. 01200105720).
Структура и объем работы. Диссертация состоит из введения, четырех глав, заключения, списка литературы из 103 наименований и приложений. Работа содержит 125 страниц основного текста, 42 страницы с рисунками и таблицами.
Во введении обосновывается актуальность темы диссертации, формулируются общие проблемы, цели и задачи исследования, рассматривается структура диссертации и взаимосвязь отдельных глав.
В первой главе проведён обзор существующих методов обработки изображений с учётом дальнейшей передачи и воспроизведения, выполнен анализ существующих методов и алгоритмов визуализации. По результатам анализа сделана постановка задачи исследования.
Вторая глава посвящена формализации процесса обработки и визуализации изображений до вывода на терминальные устройства с применением основополагающих принципов существующих методов: изменения яркостного содержания изображений с использованием гис-тограммных преобразований и возможностью управления в интерактивном режиме. построения функции перехода межу выделенной локальной областью и оставшимся изображением в зависимости от назначения; выделения контуров на изображениях с возможностью регулировки степени выявления контуров.
В третьей главе рассматриваются модифицированные методы и средства визуализации на ТУС в среде РПО. Глава является основной исследовательской частью работы. Предложены быстродействующие методы и алгоритмы визуализации изображений с различными разрешением, глубиной цвета и шкалами цветового охвата.
Показано, что разработанные методы могут быть использованы в профес- сиональных системах обработки изображений общего характера и при ВИ на ТУС РПО.
В четвёртой главе рассмотрена техническая реализация методов и средств визуализации изображений на терминальных устройствах РПО. Построена структура интерактивной системы обработки и воспроизведения изображений для отдельных ТУС и для систем РПО на основе разработанных методов и алгоритмов и модификации существующих.
Проведено тестирование модулей системы автоматизированного программного комплекса визуализации изображений (АПК ВИ).
В заключении приведены основные результаты и выводы, полученные при работе над диссертацией.
В приложениях даны программные модули, написанные на языке Си, построенные на основе разработанных методов и алгоритмов, тестирующие их и используемые для моделируемой системы. Представлены практические результаты работы программных модулей, акты внедрения научных результатов диссертации.
Обзор существующих методов обработки изображений при визуализации изображений
Теория цифровой обработки изображений развивается уже более двадцати лет. Для улучшения качества изображений или оценки их информационной составляющей выполнялись такие виды обработки, как выборка, квантование, сжатие, кодирование, передача, улучшение, восстановление и хранение изображений. Наиболее известны в этой области работы [1-7].
Цифровую обработку изображений можно разделить на две большие области: улучшение изображений и восстановление изображений. Задачи улучшения изображений включают в себя задачи точечных и локальных операций (отображение интенсивности, локальные операции, обострение краев, выбор псевдоцвета, моделирование свойств восприятия глаза), задачи построения линейных инвариантных к сдвигу фильтров (низкочастотные и высокочастотные фильтры, рекурсивные и нерекурсивные, с конечной и бесконечной импульсной характеристикой, высокоизбирательные), задачи построения нелинейных фильтров (гомоморфные, медианные, статистически упорядоченные и другие) и адаптивных фильтров (эвристические, калманов-ские), задачи конструирования систем баз знаний, в том числе экспертных систем [7].
В настоящее время уровень технических средств, их разнообразие и область приложения требуют выбора и разработки оптимальных методов для конкретной области применения с учетом специфики техники, на которой реализуются выбранные методы.
Известные исследования как отечественных, так и зарубежных специалистов, посвященные методам, рассчитанным на цифровую технику предыдущих поколений [1-20, 53-69, 77-80], для реализации на базе современных МСВТ, оказались малопригодными. В работах [51, 62] использовалась теория для аналоговых изображений, где, несмотря на низкую скорость обработки, проводились громоздкие вычисления спектральных характеристик изображений в дискретных точках через определённые интервалы, имитирующие дискретное изображение, и по результатам последующего анализа производилась дальнейшая обработка. В связи с длительностью реализации алгоритма спектр урезался, результаты искажались, качество снижалось. Используемые в настоящее время более простые в математической реализации локальные преобразования дают лучший результат по качеству и требуют меньших затрат времени. Разработано несколько алгоритмов такого типа для дискретных полутоновых изображений с небольшим количеством уровней серого [1-14, 51-57]. Для каждой точки изображения исследуется её локальная область и по определённому алгоритму проводится анализ этой окрестности. Результат зависит от построения локальной области и функции анализа изображения в этой локальной области. В этом состоит разнообразие обработки и возможность выбора для конкретной задачи.
Такие преобразования как фокусировка, расфокусировка, интенсивность, масштабирование, кадрирование не являются новыми. Выбор их из классического аппарата обработки изображений основан на требованиях быстродействия и качества. Способы улучшения изображений, основанные на цифровой обработке, можно разделить на интегральные преобразования и преобразования в пространственной области. Так, например, преобразования Фурье или Каруэна-Лоэфа реализуются быстро для изображений размером 2 , где к - целое, а для других существенно медленнее. Очевидно, что изображения для системы могут быть произвольного размера. Поэтому, для способов улучшения изображений, таких как фокусировка и расфокусировка, рекомендуется выбрать преобразования, основанные на анализе небольших окрестностей изображения, и построении операторов преобразования. Анализ же частотных спектров громоздок для такого класса задач. Методы и алгоритмы выделения контуров на изображениях рассмотрены в [47-50] и предложены автором в [19, 21, 22, 25].
Вопросы масштабирования, кадрирования, удаления шумов проработаны достаточно хорошо в работах [1-7, 36, 42, 71, 90, 95, 99, 101]. Причём для масштабирования в широком диапазоне добавляются дополнительные преобразования по удалению ложных структур, либо же выбирается более высокий класс интерполяции, чем для малого диапазона масштабирования.
Для удаления шумов также используются известные методы, описанные в [1-7, 37, 65, 94], но существенную долю с них занимает подбор коэффициентов и фильтров для устранения на фотографических оригиналах зернистости, бликов, схода эмульсии, а это задача скорее практического, чем научного значения [37].
Рациональный выбор процедур обработки и их последовательности обеспечивает успех обработки и визуализации изображений (ВИ).
Аппаратной реализации процедур растрирования, масштабирования, что применимо при создании быстродействующих специализированных систем обработки изображений, посвящена другая группа работ [52-53].
Ряд методов [28-33, 35, 41-46, 50, 74, 76, 92, 93], разработанных теоретически, может быть развит в современной среде на основе микропроцессорных средств вычислительной техники (МСВТ). Задача построения оптимальной функции преобразования для любого изображения, подлежащего обработке, с учетом способа его воспроизведения в общем случае не решена, её лучше конкретизировать и связать с определёнными выводными устройствами.
Выбор фильтра, в свою очередь, зависит от требуемого качества изображения. В связи с применением МСВТ встает задача конструирования новых фильтров. В настоящее время известны следующие пакеты цифровой обработки изображений: Adobe PhotoShop (фирма Adobe), PaintShopPro, Picture Man (фирма Стоик), Picture Publisher (фирма Astral Development), Corel Photo Paint (фирма Corel), Gray F/X (Xerox Imaging Systems), ImageEdit (IBM s Applications Software Division), Imageln (Image-In Inc.), PC Paintbrush IV Plus (ZSoft), ZIP Image Processor (Catenary Systems), ScanDo (Hammerlabs). Первые пять включают в себя основные функции обработки, выполняемые с целью улучшения качества - фильтрацию с увеличением и уменьшением резкости изображения, масштабирование, выравнивание гистограммы или эквализа-цию, а также вывод на печатающее устройство в растровой форме. Однако ни один из этих пакетов не содержит полный комплект возможных функций, необходимых для визуализации изображений на современных терминальных устройствах и для ускорения передачи изображений по ІР-сетям.
В результате анализа существующих методов выявлено, что для создания системы визуализации изображений на основе МСВТ требуются специальные алгоритмы, которые ориентированы на особенности технических средств. Исследования в этом направлении проводились в работах [8-22, 28-30,32,34-47,50-58,64-74, 98-101] и требуют дальнейшего развития. 1.2. Техническое обеспечение визуализации изображений
Современные МСВТ представляют широкие возможности пользователю для подготовки изображений к качественному воспроизведению и требуют, соответственно, разработки специфических методов и алгоритмов цифровой обработки изображений.
Анализ существующих методов преобразований гистограмм уровней яркости изображений
Для обработки изображений эффективными являются гистограммные преобразования изображений. Гистограммное преобразование заключается в изменении распределения количества уровней яркости изображений. Известны методы гистограммных преобразований изображений, приводящие к понижению количества уровней яркости [6], сглаживающие гистограммы [3, 51], выравнивающие гистограммы [3, 6, 101], преобразующие изображения с произвольной гистограммой к изображению с гистограммой с нормальным законом распределения с заданным математическим ожиданием и средним [53, 54, 56, 58, 61-63], а также, методы преобразования к указанному закону распределения [52, 56, 58] и методы, приводящие изображение к изображению с произвольной заданной гистограммой [24, 76, 77, 99, 101].
Необходимость гистограммных преобразований изображений состоит в следующем. Во-первых, оригинал может иметь плохую гистограмму распределения уровней яркости, при фотосъемке, которая выполнена с неправильной экспозицией, при недопроявке или перепроявке фотографии, при искажении материала - пленки или фотобумаги, при систематической ошибке передачи тонов определенного диапазона цифрового фотоаппарата. Во вторых, в процессе этапов обработки изображений гистограмма яркостей может изменяться, и изображения нужно восстанавливать к исходному или предыдущему варианту. Приведём примерную классификацию известных гистограммных преобразований. Это следующие методы: - понижающие число уровней яркости; - сглаживающие и выравнивающие гистограммы; - преобразующие изображения с произвольной гистограммой к изображениям с гистограммой с нормальным законом распределения с заданными математическим ожиданием и средним; - преобразования к изображениям с заданным законом распределения.
Существующие методы гистограммной обработки изображений полностью не удовлетворяют проблемам обработки изображений. Такие преобразования, как выравнивание и сглаживание гистограмм [3], подходят для обработки изображений, остальные же трудоемки в вычислительном отношении, либо же недостаточно эффективны [51] или приводят к потерям уровней яркости в различных диапазонах серого, либо неприемлемы для моделирования на МСВТ [58]. Существующие методы гистограммной обработки не всегда устраняют искажения в определённых диапазонах тонов изображений, полностью не исчерпаны, однако вполне удовлетворяют современным требованиям при обработке изображений в робототехнических системах или работе над иллюстративным материалом больше для создания художественных эффектов, чем для улучшения качества изображений, а также, применяются, например, для удаления шумов. Причем не менее эффективно, чем медианная фильтрация, если эти шумы имеют узкий диапазон яркостей, не совпадающий с основным изображением или выделенным для обработки фрагментом. Следует отметить, что перечисленные методы отличаются большими трудоёмкостью и временными затратами (приходится долго ждать, пока прорисуется изображение) или приводят к значительным потерям яркости в различных диапазонах яркостей или выбранной цветовой составляющей. Возможность сглаживания гистограммы необходима во избежание ложных контуров.
В связи с вышеперечисленными недостатками был разработан метод преобразования изображения к изображению с заданной гистограммой распределения уровней яркости, задаваемой с экрана терминала в интерактивном режиме с автоматическим сглаживанием гистограммы. Этот метод является эффективным для цифровой обработки изображений. Гистограммные преобразования повышают качество изображения, приводят к выделению более значимых по смыслу фрагментов и увеличивают информационную значимость компонентов, а также могут создавать художественные эффекты на обрабатываемом образце. Методы гистограммных преобразований имеют широкий спектр использования при обработке космических снимков и снимков Земли из космоса, в робототехнических системах, при воспроизведении на мониторе, в частности, для воспроизведения при ограниченной палитре цветов или оттенков серых тонов; в издательских системах, в компьютерной дизайнерской деятельности, при коррекции искажений после съёмки и проявки фотографий, сканирования изображений, после съемки цифровым фотоаппаратом или видеокамерой или другими цифрующими устройствами.
Известные методы гистограммных преобразований (сглаживающие, выравнивающие, с понижением количества уровней яркости), не позволяют достичь качественной ВИ в соответствии с современным уровнем МСВТ, в связи с чем автором диссертации предложен метод гистограммных преобразований уровней яркости с анализом перепадов яркостей в узких диапазонах яркостей. Для корректировки гистограммы в процессе ее создания возможна реализация метода в интерактивном режиме. Суть метода заключается в следующем.
Аналитическое обобщение существующих методов и алгоритмов воспроизведения изображений
В связи с широким внедрением МСВТ и средств визуализации цифровой информации встала задача создания методов и алгоритмов обработки изображений для воспроизведения на цифровых ТУС с учётом их особенностей. В процессе обработки полутоновых и цветных изображений на компьютере они отображаются на терминале на любых этапах обработки и в завершение могут быть выведены на печатающее устройство. Выводные устройства различаются по количеству воспроизводимых оттенков яркости или цветов, другими словами, по глубине цвета. Они обычно позволяют воспроизводить количество оттенков цветов заведомо меньшее, чем у обрабатываемого изображения. Как правило, устройствам вывода, имеющим небольшую глубину цвета, сопутствует низкое разрешение. Устройства с высоким разрешением отображают информацию большим количеством точек, каждая из которых может иметь цветовые значения в широком диапазоне.
Цена видеотерминалов быстро растёт в зависимости от количества воспроизводимых ими оттенков цветов. Полноцветные выводные устройства используются не во всех сферах деятельности, а распространенные в разных сферах деятельности человека терминалы и печатающие устройства, имеют возможность воспроизводить либо два уровня яркости, либо небольшое количество серых тонов или оттенков цветов.
Поэтому было необходимо разработать методы и алгоритмы, позволяющие адекватно преобразовывать изображения для вывода их на терминалы и печатающие устройства с различным разрешением и глубиной цвета.
В литературе известно большое количество алгоритмов преобразования многоуровневых изображений в бинарные [1 - 6, 11 - 19, 21, 22, 40, 41, 43, 44, 49, 51, 74, 76]. Автором разработаны и описаны алгоритмы отображения полутоновых и цветных изображений для воспроизведения на выводные устройства с низким разрешением и небольшой глубиной воспроизводимых цветов. Предложена модификация алгоритма рассеяния ошибок для обработки и отображения цветных изображений.
Методы, имитирующие полутоновые изображения двумя уровнями яркости - черным и белым, известны под названиями как пространственная рандомизация, цифровое растрирование. В общем случае, методы, преобразующие полутоновые изображения в изображения с более низким разрешением, в американской литературе носят название dithering [7, 43, 44]. Суть метода рандомизации состоит в том, что выходная структура изображения формируется сравнением входного полутонового значения изображения с детерминированной периодической матрицей пороговых значений. Однородные пороговые матрицы используются для изображений, построенных на ортогональных решетках, и описаны в литературе [1 - 22, 29, 40 - 44, 49, 74, 76] и в 3.3.
Такая рандомизация является упорядоченной, обладает корреляционной периодичностью, энергетический спектр ее в области низких частот велик, что приводит к шумам и зернистости. Для обработки полутоновых изображений для воспроизведения, представляющих регулярные структуры, эти недостатки только усиливаются. Для этих структур целесообразно использовать алгоритмы с элементами случайности. Для перехода к бинарным изображениям Флойдом и Стейнбергом в [9] был предложен алгоритм рассеяния ошибок, который не имеет корреляционной периодичности и его энергетический спектр смещен в область высоких частот, что способствует фильтрации шумов на изображении и проработке мелких деталей.
Суть алгоритма Флойда-Стейнберга состоит в следующем. Входное нормированное к единице изображение 1(п1,п2) размерностью NxM, где nl e(0,N-l)i п2є.(0,М -1) - текущие значения строк и столбцов, сканируется по строкам. Значения последовательных точек входного изображения сравниваются с порогом Р=1/2 (среднее значение между белым и черным). Если значение в пикселе входного изображения больше 1/2, то в выходном бинарном изображении значение соответствующего пиксела равно 1, если оно меньше 1/2, то на выходе оно равно 0. Полученное бинарное выходное значение изображения сравнивается с исходным значением уровня серого. Формируется ошибка: разность между значениями исходного и выходного изображения в рассматриваемой точке. Значение ошибки рассеивается по соседним точкам входного изображения, еще не обработанным, со значениями весов, определяемыми фильтром F(n), где п - значения коэффициентов фильтра, читаемых слева направо и сверху вниз (рис. З.І.а). Этим достигается коррекция изображения.
Чтобы ошибка не усиливалась и не ослаблялась, значения весов фильтра должны быть постоянны и в сумме давать единицу, если значения уровней серого входного изображения нормированы к единице. Р.А. Уличини [12] построил фильтры с различными весовыми коэффициентами (рис.3.1.6) и размерами окрестности, куда рассеивается ошибка, и показал, что фильтры являются высокочастотными. Энергетический спектр в области высоких частот велик и имеет большие участки постоянных значений спектра. Диапазон частот постоянных участков спектра у различных фильтров свой, что дает возможность конструировать фильтры с учетом требований к воспроизведению с необходимой четкостью и детализацией.
В связи с тем, что существующий алгоритм работает только на двухцветных терминалах, то в настоящей работе предлагаются алгоритмы, являющиеся развитием [29] и позволяющие формировать несколько уровней яркости на полутоновом изображении и для выводных устройств с количеством уровней яркости, меньшим, чем у входного оцифрованного изображения а также для формирования цветного изображения на графических адаптерах и выводных устройствах с ограниченной палитрой цветов меньшей, чем у оригинала.
Автоматизированный программный комплекс для визуализации изображений (АПК ВИ)
Общие принципы построения сложных систем и управления ими описаны в литературе [81-84, 95-97, 102], на базе которых был реализован автоматизированный программный комплекс ВИ, фактически представляющий собой аппаратно-программную реализацию разработанных методов и алгоритмов ВИ. Эта система обработки изображений, ориентированная на микропроцессорные средства вычислительной техники, рассчитана на оперативную подготовку изображений для визуализации на различных терминальных устройствах, поэтому она интерактивна, имеет удобный интерфейс пользователя с возможностью вмешиваться в процесс обработки. АПК ВИ включает широкий круг процедур над изображениями - классические, традиционно используемые в системах обработки изображений и представленные в данной работе.
В АПК ВИ предусмотрено оптимальное сочетание удовлетворительных для ВИ качества, быстродействия, удобства освоения и использования, наличия всех видов обработки изображений (от качественной до корректировки погрешностей визуализации или печати). Правильный выбор процедур обработки и их последовательности обеспечивает максимум эффективности обработки и воспроизведения изображений.
Выбор процедур обработки основан на использовании эффективных методов ВИ при имеющемся техническом обеспечении. В системе предусматриваются все качественные преобразования изображения (фокусировка, расфокусировка, увеличение четкости, интенсивности), изменение масштаба в широком диапазоне, яркостные преобразования, кадрирование; выполнение преобразований в локальной области. АПК ВИ кроме того "убирает" шумы, выделяет контура, выполняет всевозможные виды растрирования, корректирует погрешности при выводе на принтеры, учитывает передаточную характеристику печатного процесса в типографии.
Реализация яркостных преобразований выполнена для интерактивной системы и основана на простом и быстром алгоритме. В общем случае технологическая последовательность этапов обработки изображений следующая (для конкретного изображения она может быть короче): 1. Ввод со сканирующего устройства или видеокамеры с преобразованием в цифровой вид иллюстрации с указанием параметров разрешения, линиатуры или величины пиксела изображения, интенсивности, кадрирования выделенного для оцифровывания фрагмента изображения. Чем выше разрешение и глубина тона при оцифровке, тем качественнее последующая обработка. 2. Нормализация или обработка с целью возможного улучшения качественных или информационных характеристик. Если изображение имеет плохой диапазон оптических плотностей, его следует растянуть по максимуму. 3. Частотные преобразования, т.е. изменение резкости или увеличение четкости изображения как в области контуров, так и по всему изображению. 4. Яркостные преобразования. При одинаковом распределении яркостей наблюдается эквализация, т.е. выравнивание гистограммы. Если изображение с плохим распределением уровней яркости или оттенков цветов производится модификация гистограммы. Эта команда может выполняться несколько раз в интерактивном режиме в окне предварительного просмотра, пока не будет найден оптимальный вариант. Не рекомендуется выполнять несколько последовательных шагов функции Модификация гистограммы, т.к. это может привести к потере оттенков цветов. Локальное преобразование - преобразование в локальной области, а не на всем изображении. 5. Растрирование. Выбирается подходящий растр из указанного ранее списка с соответствующей коррекцией визуализации. Выбор растра зависит от способа визуализации или воспроизведения на жёсткой копии, а также от имитации вывода на различные терминальные устройства.Программный комплекс может работать на персональных компьютерах под управлением ОС Windows (Windows 98, Windows 2000, Windows XP) или Linux. Компьютеры должны быть соединены в локальную сеть или подключены к IP-сети. Управляющий программный комплекс устанавливается на один из компьютеров, который становится при этом WEB-сервером и на нем устанавливается также ПО АПК ВИ, а также будет храниться вся информация. WEB-сервер может быть HTTP- или HTTPS-сервером, работающим в сети Интернет, или в ТСРЛР локальной сети Интранет. Пользовательские компьютеры должны быть подключены к сети и могут работать под управлением любой из перечисленных ОС, на них устанавливается АПК ВИ с настройками в соответствии с терминалом компьютера, позволяющий как непосредственно визуализацию информации с сервера, так и ее обработку в соответствии с оперативными требованиями на месте с последующей визуализацией. Управляющий программный комплекс создается на основе свободных программных продуктов (open soursе software): web server Apache, database MySQL, языки программирования PHP, Perl, Си с необходимыми библиотеками. Управляющая выбором информации программа должна быть написана на языках высокого уровня РНР или Perl с использованием языка запросов SQL для создания информационной базы данных. Структурирование информации для хранения и получения ответов на запросы является иерархическим. Пользовательский интерфейс: любой современный web-броузер, например, Internet Explorer или Netscape Navigator.
