CC BY
4
УДК 004.92
Власова Д.А. студент 4 курса
факультет «Автоматики и информационных технологий» научный руководитель: Забержинский Б.Э.
Самарский Государственный Технический Университет
Россия, г. Самара
Vlasova D.A. student
4 course, Faculty of Automation and Information Technologies
Scientific director: Zaberzhinsky B.E.
Samara State Technical University
Russia, Samara
ADAPTIVE THRESHOLD: ВОЗМОЖНОСТИ МЕТОДА, СФЕРЫ
ПРИМЕНЕНИЯ
ADAPTIVE THRESHOLD: METHOD FEATURES, APPLICATIONS
Аннотация
В рамках представленной статьи проанализированы ключевые аспекты, касаемо проблематики возможностей метода аdaptive threshold и сферы его применения.
Ключевые слова: аdaptive threshold, применение, обработка, графика, адаптация.
Abstract:
Within the framework of the presented article, the main aspects concerning the problems of the possibilities of the method of the affective threshold and the scope of its application are analyzed.
Key words: adictive threshold, application, processing, graphics, adaptation.
Пороговое преобразование графической информации становится все более популярным. Современный метод обработки графики получил название Adaptive threshold, что в переводе с английского и обозначает адаптивное преобразование. Суть метода заключается в преобразовании изображения по пикселям. Изменить пороговое значение пикселей в меньшую или большую сторону как раз и позволяет метод обработки Adaptive threshold. Примечательно, что эта функция работает в массиве, то есть можно выбрать целые области с пикселями для качественного преобразования отдельно взятых участков. Выполняется пороговое преобразование со взятием определенного массива. При этом изображение может быть представлено в 8-битном или 32-битном потоке.
Для преобразования графической информации берется целевой массив, он должен быть представлен в том же варианте исполнения, что и исходный массив. Задав пороговую величину изменения, можно провести качественное преобразование графической информации.
Задать пороговые значения можно вручную или выбрать максимальное значение, предусмотренное данной методикой обработки графической информации. Тип порогового преобразования выбирается на основе предлагаемых пороговых значений. Если традиционным пороговым преобразованием графической информации не предусматривается возможность изменения яркости пикселя в зависимости от параметров освещения, то методика Adaptive threshold учитывает этот важный параметр. Исправление такой ситуации с изображением осуществляется с применением адаптивного метода преобразования.
При этом за основу берется не целый пиксель в отдельно взятой области, а его окружение. Можно провести выверку средних значений области вокруг пикселей. В рамках метода Adaptive threshold оценивается весовой коэффициент всех областей вокруг пикселей. Для расчетов берется гауссовая функция. Используя эту функцию, можно провести пороговое преобразование массива в адаптивном порядке. При этом адаптационный алгоритм предусматривает возможность изменения значения в большую или меньшую сторону.
Зная размер окрестности пикселей (усредненный), можно рассчитать приемлемое пороговое значение. Применение функции позволит определить положительную или отрицательную массу пространства вокруг пикселей. Отрицательное значение появляется на основе такого изображения, пиксели которого имеют разные параметры свечения в зависимости от характеристик падающего света.
Адаптивный метод преобразования изображений позволяет выбрать и те пиксели, которые лежат в заданном интервале значений. Их можно сразу объединить в массив для удобства работы с ними. Выборку пикселей в пределах установленных значений можно провести и с использованием скаляров.
Используя метод отдельной проверки каждого элементам массива, можно проверить, находятся ли значения одного массива в усредненных пороговых значениях другого массива. Здесь за основу берется исходный массив и массив с установленной нижней границей, включая самое нижнее пороговое значение.
Расчеты проводятся и с учетом массива с установленной верхней границы, без включения самого верхнего порогового значения. По итогам расчета определяется массив для хранения результата. Можно проверить и возможность нахождения отдельно взятого элемента массива между двумя скалярами. Здесь опять же определяется массив для хранения результата. Основная задача применения данного метода обработки графической информации заключается в том, чтобы провести адаптивную обработку изображения. Эта обработка учитывает факт того, что на разные области графического изображения может попадать свет с теми или иными параметрами яркости, что изменяет параметры свечения пикселя и пространства вокруг него.
При этом адаптивную обработку изображений можно вести как в отношении монохромных, так и цветных изображений. Таким образом, метод Adaptive Threshold хотя и предусматривает работу с пороговыми значениями пикселей и массивов, все же позволяет провести адаптивную обработку способом, который качественно отличается от других способов обработки графической информации.
Традиционные методы используют для преобразования только варианты с изменениями пороговых значений, в то время как адаптация изображения с методом Adaptive Threshold рассчитана на работу с отдельными областями и позволяет самостоятельно определить пределы пороговых значений. Метод уже учитывает параметры пикселя и возможность изменения его яркости.
В настоящее время Adaptive Threshold используется для удаления так называемого шума на изображениях, широкое распространение метод получил в технике, цифровых устройства и специальных приложениях, которые позволяют снимать изображения с применением системы фильтров.
Использованные источники:
1. Huang, N. E. An Introduction to Hilbert-Huang Transform: A Plea for Adaptive Data Analysis / N. E. Huang // Research Center for Adaptive Data Analysis. -Singapore : National Central University, 2013. - 257 p.
2. Speech Endpoint Detection in Noisy Environment Based on the Ensemble Empirical Mode Decomposition / Jingjiao Li, Dong An, Jiao Wang, Chaoqun Rong // Advanced Engineering Forum. - 2012. - Vol. 2-3. - P. 135-139.
3. Noise-robust speech feature processing with empirical mode decomposition / Kuo-Hau Wu, Chia-Ping Chen, Bing-Feng Yeh // EURASIP Journal on Audio, Speech, and Music Processing. - 2011. - 9 p.
