CC BY
123• развития, предполагающего приобретение количественных и качественных новообразований в психической, личностной и профессиональной сфере будущего специалиста;
• самостоятельности, она предполагает отбор средств и способов контроля самостоятельной работы обучаемых.
Успешная реализация принципа индивидуализации возможна только при соблюдении определённых условий:
• выявление и развитие сильных сторон индивидуальности;
• использование специальных организационных приёмов;
• многоуровневая подготовка студентов;
• субъектность обучаемого, мотивированного на саморазвитие;
• психо лого-педагогическая и информационная культура преподавателей;
• наличие технологий индивидуализированного обучения студентов [4]. Индивидуализация образовательного процесса в вузе предполагает:
• его ориентацию на образовательные потребности, достижения и личностно-профессиональные устремления каждого студента;
• его направленность на решение актуальных профессиональных и образовательных проблем каждого студента;
• активную позицию каждого студента в решении этих проблем;
• педагогически целесообразную помощь студенту в решении его проблем.
Список литературы
1. Холмирзоев Д.Н. Проблема индивидуализации обучения в общеобразовательной школе // Символ науки, 2016. № 12-2 (24). С. 258-260.
2. Тюлькин А. Средства индивидуализации: специфика абсолютных правоотношений // Интеллектуальная собственность, промышленная собственность, 2014. № 12. С. 53-58.
АЛГОРИТМЫ КОРРЕКЦИИ ЦВЕТОВОГО БАЛАНСА
ИЗОБРАЖЕНИЙ
1 2 Воейкова А.В. , Сахарова М.А.
1Воейкова Анастасия Владимировна - магистрант;
2Сахарова Мария Александровна - магистрант, кафедра информатики и вычислительной техники, Сибирский государственный университет науки и технологий им. академика М. Ф. Решетнева,
г. Красноярск
Аннотация: обработка изображений связана с особыми подходами, которые основаны на знании специфики изображений. Одной из главных задач является улучшение качества снимка, понижение качества которого может быть вызвано различными внешними факторами. В статье рассматриваются основные алгоритмы, позволяющие улучшать визуальное качество изображений путем коррекции цветового баланса.
Ключевые слова: методы коррекции цветового баланса, цветокоррекция, аиМеуеЫ, серый мир, эквализация.
Цветовой баланс фотографии указывает на соотношение различных цветов между собой. Цветокоррекция производится с целью улучшения цветового баланса, путем изменения цветовых параметров пикселей оригинала изображения.
Существуют различные методы, благодаря которым возможно улучить качество изображения. Рассмотрим широко известные методы коррекции цветового баланса.
Цветовой баланс RGB. Изображение в системе цветопередачи RGB состоит из трех каналов: R(red) - красный, G(green) - зеленый, B(blue) -синий. При смешивании этих трех каналов можно получить другие, например, при смешивании зеленого и красного получится желтый цвет. Каждый канал может принимать значения от 0 до 255.
Если предположить, что N - это некоторое число, на которое пользователь хочет увеличить интенсивность какого-либо из каналов, то формула преобразования будет выглядеть следующим образом:
Inw = Iod + N , (1)
где в качестве I выступают значения канала R, G или B [2].
Серый мир. В качестве предположения для изменения цветового баланса выдвигается то, что сумма всех цветов на изображении дает серый цвет.
Коррекция изображения происходит в 2 этапа. Первый этап включает в себя подсчет средней яркости по всем каналам цветовой модели RGB по следующим формулам:
R = g=, в=1zв(x>y), (2)
, r + G+B
Avg =---, (3)
где Avg - средняя интенсивность по всем каналам;
r , g , b - значения средней интенсивности по каналам R, G, B.
Второй этап - масштабирование интенсивностей пикселей исходного изображения по коэффициентам:
т? - т? Avg г -г Avg я -я Avg fto
Rnew = R , Gnew = G ' , Bnew = B ' , (4)
RGB
где rnew, gnew, bnew - значения новой интенсивности по каждому из каналов для пикселя;
R, G, B - старые значения интенсивности по каждому из каналов обрабатываемого пикселя.
Целью данного метода является исправление неверно сформированного на фотографии баланса белого.
Использование данного метода позволяет компенсировать неверное цветовосприятие камеры или цветное освещение [1].
Эквализация гистограмм является эффективным методом коррекции фотографий, обладающих низким контрастом. При анализе гистограммы фотографии с низкой освещенностью можно увидеть, что пиксели сосредоточены в темных цветах, на светлой же фотографии большее количество находится именно в светлых цветах. Однако, наиболее приятным к восприятию человеческим глазом является изображение, гистограмма которого обладает свойством равномерного распределения, т.е. на гистограмме должны присутствовать все знамения яркости примерно в одинаковом количестве.
Данный метод выполняется в два действия: сначала рассчитывается гистограмма для каждого цветового канала, после чего происходит преобразование с помощью равномерного «растягивания» гистограммы на весь диапазон значений. Это позволяет увеличить диапазон яркости изображения таким образом, чтобы оно содержало все возможные яркости примерно в одинаковом количестве [3].
Autolevels. В основу данного метода легла идея растяжки интенсивности по каждому из каналов на весь диапазон. Так как в данном методе считается, что самый
44
темный цвет изображения - черный, а самый светлый - белый, его следует применять, если на фотографии отсутствует весь диапазон интенсивностей.
Реализация этого метода включает два этапа: первый - нахождение минимальных и максимальных значений интенсивности по всем каналам цветовой модели RGB, второй - преобразование значений интенсивности каждого канала исходного изображения по следующим формулам:
Rnew - (Rold - Rmn) ' ----, (5)
Gnew - (Gold - Gmin ) ' --~-, (6)
Bnew - (Bold - Bmn) ' „ ^ " , (7)
r - max Rmin
255 - 0
g - max g min
255- - 0
b - b
max min
где R , G , B - значения новой интенсивности по каждому из каналов
new new
RGB;
R0id > Gold, Bold - старые значения интенсивности по каналам RGB; R„„„ , G„„ , B„„„ - максимальные значения интенсивностей;
R™„ , G ■, B,
min
минимальные значения интенсивностей по каждому из каналов на всем изображении.
Если на изображении есть хотя бы небольшие яркие и темные участки, то данный алгоритм не даст желаемого результата.
Список литературы
1. Chen Guanghua, Zhang Xiaolong. A Method to Improve Robustness of the Gray World Algorithm // 4th International Conference on Computer, Mechatronics, Control and Electronic Engineering, 2015. P. 250-255.
2. Limare Nicolas, Lisani Jose-Luis, Morel Jean-Michel, En Petro Ana Bel', Sbert Catalina. Simplest Color Balance // Image Processing On Line, 2011. P. 297-315.
3. Цифровая обработка изображения. [Электронный ресурс]. Режим доступа: http://sibsauktf.ru/courses/fulleren/g3.htm/ (дата обращения: 15.04.2017).
