19 июня 2018г.
В современном мире практически ни одна отрасль человеческой деятельности не обходится без использования информационных систем, направленных на обработку и анализ информации [1,2]. Одним из перспективных направлений развития информационных систем является решение задач обработки изображений. В медицине это исследование рентгеновских снимков, в охранном деле это обработка изображения с видеокамер, в торгово-розничном секторе это обработка считывающими устройствами изображений штрихкодов, в банковском деле это обработка изображений купюр и т.д. Целью данной работы является описание и демонстрация уже разработанных [3–6] и хорошо зарекомендовавших себя методов визуального улучшения качества изображений. К таким методам, например, относятся поэлементная обработка изображения, которая позволяет произвести коррекцию контраста и гаммы.
В работе будем использовать следующую модель изображения: изображение состоит из пикселей (элементов) расположенных с равным шагом в узлах прямоугольной сетки размера m ´ n . Каждый элемент изображения обладает тремя компонентами, формирующими его цвет. Три компоненты, из которых по определённому правилу формируется цвет, называются цветовой моделью. Существуют множество цветовых моделей. Самые распространённые из них: RGB , YUV (яркость и две цветоразностные компоненты), YCbCr (яркость и две цветоразностные компоненты), HSV (тон, насыщенность и яркость). В цветовой модели RGB цвет формируется на основе смешивания красной, зелёной и синей его составляющих. Цветовая модель YUV состоит из компоненты, отвечающей за яркость, а также двух цветоразностных компонент. Цветовая модель YCbCr схожа с YUV, но цветоразностные компоненты вычисляются иначе. В цветовой модели HSV три компоненты соответственно отвечают за тон, насыщенность и яркость и поэтому эта цветовая модель часто применяется для обработки изображений. Стоит отметить, что в компьютере изображения в не сжатом виде в основном представляются с использованием цветовой модели RGB. Эта модель не совсем удобна в использовании при улучшении визуальных качеств изображения. Прежде всего, это обусловлено тем, что человеческий глаз гораздо лучше воспринимает изменение яркости, нежели цветности. Поэтому обработку изображений будем производить с использование цветовой модели YUV, так как здесь имеется компонента, отвечающая за яркость. Другой важной особенность выбранной цветовой модели является то, что компоненты YUV можно получить линейным преобразованием компонент RGB и наоборот. Если предположить, что в компьютерном представлении на каждую компоненту в цветовой модели RGB отводится 8 бит (т.е. каждая компонента может принимать значение от 0 до 255), то преобразование цвета из RGB в YUV будет следующим:
Пример линейного контрастирования можно увидеть на рисунке 1
Список литературы
1.
Шмелева А.Г., Ладынин А.И., Бахметьев А.В. Программная реализация метода экспертных оценок форсайт-проектов. Материалы Всероссийской научной конференции с международным участием «Современное состояние, проблемы и перспективы развития отраслевой науки». – М: «Перо», 2016, C. 534-537.
2.
Шмелева А.Г., Ладынин А.И., Бахметьев А.В. Некоторые аспекты формирования стратегических решений развития предприятия // В сборнике: Международная научно-техническая конференция «Информатика
и
технологии. Инновационные технологии
в
промышленности и информатике» («МНТК ФТИ-2017») Сборник научных трудов. Под редакцией Булатова М.Ф.,
2017. С. 325-327.
3.
Гонсалес Р., Вудс Р. Цифровая обработка изображений, – М.: Техносфера, 2005. – 1072 с.
4.
Прэтт У. Цифровая обработка изображений: Пер. с англ. — М.: Мир, 1982. — Кн. 1 — 312 с.
5.
Прэтт У. Цифровая обработка изображений: Пер. с англ. — М.: Мир, 1982. — Кн. 2 — 312 с.
6.
Фисенко В.Т., Фисенко Т.Ю. Компьютерная обработка и распознавание изображений: учеб. пособие. – СПб.: СПбГУ ИТМО, 2008. – 192 с.
