Анализ возможности применения средних значений каналов в моделях RGB и HSL для решения различных задач Текст научной статьи по специальности «Прочие технологии»

3. Тарасов В.В., Якушенков Ю.Г. Инфракрасные системы «смотрящего» типа. М.: Логос, 2004. 444 с.

4. Филиппова Е.В. Тепловой тест-объект для оценки тепловизионных систем. // Известия Тульского государственного университета. Технические науки, 2017. Вып. 9. Ч. 1. С.199-203.

5. Филиппова Е.В. Эффективность работы инфракрасных систем и критерии качества // Известия Тульского государственного университета. Технические науки, 2016. Вып. 11. Ч. 2. С. 348-351.

6. Акименко Т.А., Филиппова Е.В. Исследование статических характеристик и пространственной динамики тепловизионной системы наблюдения. // Известия Тульского государственного университета. Технические науки, 2018. Вып. 9. С. 497-500.

Акименко Татьяна Алексеевна, канд. техн. наук, доцент, tаntan72@mail.ru, Россия, Тула, Тульский государственный университет,

Филиппова Екатерина Вячеславовна, лаборант, kisskin@,bk.ru Россия, Тула, Тульский государственный университет

TEST OBJECT TO CONTROL THE PARAMETERS OF THERMAL IMAGERS

T.A. Akimenko, E. V. Filippova

The issues of monitoring the operating modes of thermal imaging observation systems, existing devices for testing and evaluating the parameters and characteristics of thermal imagers are considered, an improved technical solution for measuring the parameters of thermal imaging devices is proposed.

Key words: thermal imager, test object, thermal radiation, resolution.

Akimenko Tatiana Alekseevna, candidate of technical sciences, docent, tantan 72 a ma.il. ru, Russia, Tula, Tula State University,

Filippova Ekaterina Vyacheslavovna, laboratory assistant, kisskin@,bk.ru, Russia, Tula, Tula State University

УДК 004.932

АНАЛИЗ ВОЗМОЖНОСТИ ПРИМЕНЕНИЯ СРЕДНИХ ЗНАЧЕНИЙ КАНАЛОВ

В МОДЕЛЯХ RGB И HSL ДЛЯ РЕШЕНИЯ РАЗЛИЧНЫХ ЗАДАЧ

Д.Г. Маркова, С.Н. Михальченко

Проанализированы гипотезы о возможном применении средних значений каналов в модели RGB и HSL, выявлены наиболее перспективные направления сферы применения подобных данных.

Ключевые слова: цветовая модель, средний цвет изображения, HSL, RGB.

На сегодняшний день из-за постоянно увеличивающегося объема графических данных стали возникать вопросы по их систематизации, каталогизации, хранению, поиску, а также программным вариантам оформления функций показа графики как при помощи высокоуровневых языков программирования, так и на сайтах в виде всевозможных вариантов слайд-щоу. Поэтому актуальной задачей является поиск оптимальных критериев, по которым эти задачи можно было бы решить.

311

На наш взгляд одним из таких критериев может быть выбран метод определения среднего показателя по цветовым каналам R, G, B и показателю HSL. Мы предполагаем, что эти данные, особенно в сочетании друг с другом, позволят получить уникальный для фотографии или картинки «отпечаток», идентификатор.

Также нужно иметь ввиду, что данная статья является общей, в ней даются лишь промежуточные результаты исследований и оценки, а также перспективы использования предложенного метода.

Современные графические редакторы, способные анализировать и обрабатывать изображения, по своим возможностям достаточно развились, чтобы быстро и качественно проводить исследования, однако, даже такой уважаемый и популярный редактор как Adobe Photoshop не способен вывести информацию о среднем цвете, как и о средней температуре, ограничиваясь гистограммой, которая в данном случае не может применяться для подсчета среднего цвета по изображению.

Также существует проблема по нахождению этих же параметров приборами, т. к они не способны измерять попиксельно изображения и по методикам перед измерениями выделяют наиболее важные места изображения, содержащие как правило, цветовые переходы, тени от объектов. Данный подход, на наш взгляд, для оценки уже имеющихся цифровых изображений не является полным, нет возможности автоматизировать процесс из-за наличия процедуры применения измерительных приборов.

Поэтому нами была создана программа, анализирующая каждый пиксель изображения и подсчитывающая средний цвет по каждому цветовому каналу в наиболее простой модели RGB. Данное программное обеспечение (ПО) было реализовано на языке C#, так как в нем есть встроенные инструменты, позволяющие удовлетворить текущие потребности. В частности для опроса цвета в каналах R, G, B использовался метод Color.FromArgb(pixelColor.A, pixelColor.R, pixelColor.G, pixelColor.B) [1], а для модели HSL - GetHue() [2]. Графический интерфейс ПО представлен на рис. 1.

Рис. 1. Графический интерфейс ПО

Данным ПО было проанализировано изображение, представленное на рис. 2. Эксперимент с данным изображением проводился по следующему алгоритму: был выбран произвольный рисунок, затем он был пересохранен в форматы JPG, PNG, TIFF без использования канала прозрачности A; полученные изображения были увеличены и уменьшены в 2 и 4 раза соответственно. Также было исследовано какой параметр имеет наибольшую чувствительность при уменьшении или любом изменении качества рисунка. Полученные результаты приведены в табл. 1, 2 и на рис. 3, 4.

Рис. 2. Образец рисунка, использованный в эксперименте

Таблица 1

Влияние размера изображения на средние показатели цвета и И8Ь_

Параметр Размер изображения (px) HIGH 10

90 х 67 135х100 Оригинал (270 х 200) 540 х 400 810х600

JPG

RGB 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86

HSL 116,14 117,52 118,24 118,00 117,74

PNG

RGB 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86

HSL 116,18 117,44 118,21 117,98 117,73

TIFF

RGB 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86

HSL 116,18 117,44 118,21 117,98 117,73

Таблица 2

Влияние степени сжатия формата JPG на средний показатель цвета и HSL

Параметр Степень сжатия

MAXIMUM 12 HIGH 8 MEDIUM 5 LOW 3

RGB 103; 101; 86 103; 101; 86 103; 101; 86 103; 101; 86

HSL 118,07 118,02 117,00 116,66

Рис. 3. Внешний вид заднего фона под изображением, полученного на основе среднего цвета изображения

Цветовой канал Blue (135x100}

10

Рис. 4. Трехмерный график рисунка формата JPG

Основные выводы:

1. По таблицам видно, что средний цвет остается постоянным как при изменении геометрических размеров изображения, так и при изменении степени сжатия. Однако, утверждать точно, что степень сжатия не влияет на средний цвет изображения преждевременно из-за крайне нечастых, но встречающихся в других экспериментах отклонениях. Данное утверждение требует дальнейшего исследования.

2. Характеристика HSL ведет себя значительно динамичнее среднего цвета и выявляет ряд закономерностей:

уменьшение или увеличение размера изображения в px приводит к постоянному уменьшению данного показателя относительно оригинала;

показатель HSL для форматов PNG и TIFF дает одинаковый результат при одинаковом изменении геометрических размеров изображения;

показатель HSL для формата JPG отличается от аналогичного показателя форматов PNG и TIFF при одинаковом изменении геометрических размеров изображения;

на основе табл. 2 можно сделать вывод, что HSL уменьшается по мере ухудшения степени сжатия формата для формата JPG. Это может свидетельствовать о прямой взаимосвязи качества изображения с данным параметром. Однако, данное утверждение требует дальнейшего более детального изучения.

3. На основе проведенных опытов можно предположить, что определение среднего цвета изображения может быть применена для следующих задач:

определение основного цвета подложки рисунка при создании слайд-шоу; проведения поиска и поиска одинаковых изображений, с учетом отсутствия редактирования данных. Это связано с тем, что при любых изменениях геометрических размеров и форматов изображения, данный параметр остается неизменным.

4. Среднее значение HSL можно применять как: один из критериев оценки качества изображения;

способ определения оптимального формата при работе над программными реализациями слайд-шоу;

способ сортировки и поиска изображений по цветам. Применение HSL в качестве основного параметра для сортировки изображений в коллекциях связано с тем, что данный параметр состоит из одного конкретного числа, при этом не потребуется сверки с цветовыми каналами.

5. Анализируя рис. 4, можно сделать вывод, что график достаточно точно повторяет композицию рисунка. Он четко показывает симметрию рисунка, имеющуюся границу между берегом и водой. Мы предполагаем, что хоть этот график и основан на карте всех опрошенных пикселей изображения, а не среднем показателе, но не отменяет полезности данной процедуры для задач поиска и нахождения дубликатов.

Работа выполнена при участии научного руководителя канд. техн. наук, доцента Яковлева Б. С.

Список литературы

1. Описание метода Color.FromArgb на официальном сайте компании Microsoft [Электронный ресурс] URL: https://docs.microsoft.com/ru-ru/dotnet/api/system.drawing. color.fromargb?view=netframework-4.7.2 (дата обращения: 10.11.2018).

2. Описание метода GetHue() на официальном сайте компании Microsoft [Электронный ресурс] URL: https://docs.microsoft.com/en-us/dotnet/api/system.drawing. colorgethue? view=netframework-4.7.2 (дата обращения: 10.11.2018).

Маркова Дарья Геннадьевна, бакалавр, markova-96@yandex.ru, Россия, Тула, Тульский государственный университет,

Михальченко Сергей Николаевич, магистрант, magistr_tsu@,mail.ru, Россия, Тула, Тульский государственный университет

ANAL YSIS OF THE POSSIBILITY OF APPLICA TION OF A VERA GE VAL UES OF

CHANNELS IN RGB AND HSL MODELS TO SOLVE DIFFERENT TASKS

D.G. Markova, S.N. Mikhalchenko

Hypotheses about the possible use of average values of channels in the RGB and HSL models are analyzed, the most promising areas of application of such data are identified.

Key words: color model, average image color, HSL, RGB.

Markova Daria Gennadyevna, bachelor, markova-96@yandex. ru, Russia, Tula, Tula state University,

Mikhalchenko Sergey Nikolaevich, master, magistr_tsu@,mail. ru, Russia, Tula, Tula State University

УДК 004.3'142.2; 004.414.3.031.43; 519.242.244; 681.5.015

АЛГОРИТМИЧЕСКОЕ И ТЕХНИЧЕСКОЕ ОБЕСПЕЧЕНИЕ РЕАЛИЗАЦИИ ПРОЦЕДУРЫ ОПТИМАЛЬНОЙ ИДЕНТИФИКАЦИИ ДИНАМИЧЕСКИХ СИСТЕМ В РЕАЛЬНОМ МАСШТАБЕ ВРЕМЕНИ

В. А. Фатуев, А. А. Мишин

Рассмотрен технический комплекс для решения задач D-оптимальной последовательной идентификации широкого класса динамических регрессионных моделей в реальном масштабе времени. Данный комплекс является универсальным и может использоваться при оптимальной идентификации динамических систем в различных отраслях промышленности.

Ключевые слова: D-оптимальная идентификация, реальный масштаб времени, оценивание неизвестных параметров, технический комплекс.

При моделировании реальных процессов и систем, если это возможно по технологическим соображениям, может быть сформулирована и решена задача оптимальной идентификации, целью которой является получение удовлетворяющей выбранному

315