CC BY
37
УДК 778.182.4.01
ДЕТАЛЬНАЯ ТОЧНОСТЬ ПРИ ПОЛИГРАФИЧЕСКОМ ВОСПРОИЗВЕДЕНИИ ИЗОБРАЗИТЕЛЬНОЙ ИНФОРМАЦИИ - ОЦЕНКА РЕЗКОСТИ
Ю.С. Андреев, А.Ю. Гнибеда
В работе на основе спектрального анализа предложен метод оценки резкости при воспроизведении изобразительной информации, учитывающий специфику полиграфического репродукционного процесса и параметры зрительного восприятия человека. Проведено исследование преобразований исходного изображения репродукционной системой, осуществлена оценка чувствительности метода к изменениям параметров системы на стадии допечатной подготовки.
Ключевые слова: детальная точность, резкость, структурные свойства изображений, спектр изображения, функция передачи модуляции, зрительная система человека, репродукционная система, автотипное растрирование.
Под детальной точностью понимается точность воспроизведения таких фрагментов изображения, как границы между его темными и светлыми участками, мелкие элементы изображения - детали, выделяющиеся яркостным или цветовым контрастом из окружающего фона. Детальная точность наряду с градацией и цветом определяет информационное содержание изображения. Вопрос воспроизведения детальной точности является весьма актуальным. Его актуальность обусловлена тем фактом, что точное воспроизведение деталей и контуров важно всегда, и в существенной степени определяет качественное воспроизведение самой семантики оригинала, в то время как воспроизведение градации и цвета, особенно в условиях объективно существующих ограничений их воспроизведения в полиграфическом репродукционном процессе, часто является вопросом соглашения между заказчиком полиграфической продукции и ее производителем [1]. Составляющими компонентами детальной точности являются резкость и наличие шумов [2].
Резкость характеризуется контрастом и шириной зоны перехода яркостей на границах деталей в изображении [3-5]. Увеличение ширины зоны перехода, снижение контраста неизбежно ведут к размытию резких границ. При размытии двух близко расположенных границ происходит потеря контраста и исчезновение мелких деталей изображения. Причина возникновения этого явления связана с техническими свойствами систем передачи и регистрации изобразительной информации, их несовершенством. Вместе с тем в современных репродукционных системах существуют ме-
тоды коррекции детальной точности, которые необходимо правильно выбирать и регулировать, для чего, в свою очередь, необходимы методы оценки детальной точности.
Разработка методов оценки детальной точности позволит создать методологическую основу для выбора и разработки процессов, необходимых для обеспечения требуемого качества полиграфической репродукции, выбора и настройки репродукционного оборудования. В соответствии с этим цель данной работы - разработка методов оценки детальной точности и формирующих её структурных свойств исходных изображений и их репродукций. При этом важной частью поставленной задачи является разработка методологии на основе существующей, доступной в реальном репродукционном процессе технической и программной базы.
В качестве основы для разработки новых методов оценки резкости были выбраны методы спектрального анализа. Для реализации применения спектрального анализа к оценке резкости необходимо решение двух проблем - проблемы учета нелинейности многостадийного полиграфического процесса воспроизведения изобразительной информации [4] и проблемы выбора актуального критерия при оценке качества изображения по его начальному частотному спектру и по воспроизведению этого спектра.
Первая проблема может быть решена на основе того очевидного положения, что потребителю важно знать в целом то преобразование информации, которое получилось в результате воздействия всей системы. Ему необязательно иметь представление о том, какие преобразования, линейные или нелинейные, претерпевает исходное изображение на различных стадиях - главное, чтобы изображение было передано без искажений. Критерий качественного воспроизведения изобразительной информации сводится к требованию сохранения спектра исходного изображения. Сопоставление спектров исходного изображения и репродукции позволяет оценить потери и преобразования, которые претерпевает сигнал изображения.
Решение второй проблемы может быть основано по сути на том же принципе, что и решение первой проблемы - на приоритете обеспечения реальных потребительских требований к качеству продукции. А эти требования основаны на том, что важна оценка только той информации, которая актуальна при визуальном восприятии структуры изображения в условиях нормального рассматривания, т.е. при сравнении оригинального и печатного изображений читателем на расстоянии 25-35 см от невооруженного глаза. Такой подход позволяет решить и проблему оценки спектра изображения в интересующем нас диапазоне частот. Фильтрация спектра изображения фильтром нижних частот, моделирующим частотный диапазон восприятия человеческого глаза и распределение его пропускной способ-
140
ности в нормальных условиях рассматривания печатного изображения, позволяет оценить реальное, важное для потребителя воздействие растровой структуры и других воздействующих факторов.
Применение спектрального анализа к исследуемой системе позволит оценить результаты преобразования изображения при различных составах системы и технологиях воспроизведения. Современный уровень развития технической и программной базы делает методологию оценки достаточно доступной.
Сравнивая спектры сигнала изображения на входе и выходе системы, учитывая то информационное содержание, которое будет восприниматься конечным потребителем, можно оценить влияние различных факторов на характер изменения изображения, воздействия на него системы и технологии, выбрать требования к параметрам системы и технологии воспроизведения.
В соответствии с сформулированным подходом и целями данной работы поставлены следующие задачи:
1. Разработка методов оценки спектров исходного изображения и репродукции с применением современных технических и программных средств.
2. Разработка метода учета воздействия зрительного анализатора как фильтра нижних частот.
3. Проведение исследований по оценке чувствительности метода к различным преобразованиям изображения, возникающим при изменении параметров системы.
Разработка методов оценки спектров изобразительной информации основана на применении цифрового изображения, полученного, например, способом сканирования, и методов его анализа, описанных в [7], с использованием программного обеспечения - среды Matlab с необходимым набором средств и инструментов для обработки и анализа изображений, которые составляют пакет image processing toolbox.
Для построения спектра изображения в данной программе осуществляются следующие шаги:
1. Реализация алгоритма быстрого двумерного преобразования Фурье с помощью программы [7]:
F = abs(fft2(f)) , (1)
где f - двумерная числовая матрица цифрового изображения, F - двумерная числовая матрица спектра. Функция abs вычисляет абсолютные значения получаемого спектра. Результат действия данной программы - цифровое изображение спектра.
Следующие шаги направлены на обеспечение информативности получаемых результатов спектрального анализа.
2. Применение логарифмического преобразования, расширяющего динамический диапазон изображения спектра, с помощью программы [7]:
141
G = log(1+F), (2)
где G - результат применения логарифмического преобразования, F - двумерная числовая матрица спектра.
3. Построение диагонального сечения двумерного спектра с помощью программы:
g = improfile(G,[1 c], [1 г], 'type'), (3)
где g - вектор, соответствующий диагональному сечению спектра, [1 с] и [1 r] - координаты начальной и конечной точек вектора g, 'type' - тип интерполяции [8].
4. Аппроксимация данных с помощью построения однофакторной регрессионной полиномиальной модели n-го порядка. Данный шаг реализуется с помощью следующих программ [8]:
p = polyfit(x,y,n), (4.1)
Y = polyval(p,x), (4.2)
где p - коэффициенты полиномиальной модели n-ой степени, рассчитанные методом наименьших квадратов, x - независимая переменная, y - зависимая переменная, Y - значения зависимой переменной полиномиальной модели n-го порядка в заданных точках независимой переменной X, рассчитанные с коэффициентами, заданными p [8]. В результате получается картина, иллюстрируемая на примере в рис. 1.
25
« 20 CD
К
13
к ч с
15
10
^ 5
2
\ I
w itiiti/V PfPF 1 ШММш illtlli/Vuuj.Ji. ТП1 iffir Iff TPFf If 1ШШ1Ш 11 PlwT
\ 1 ]П1 'И 111 |||| р 1 1 1 ||[
50 100 150 200 250 300 Частота, см-1
0
0
Рис. 1. Обеспечение информативности результатов спектрального анализа 1 - расчетный двумерный спектр; 2 - аппроксимация данных
Наиболее сложная задача, которую необходимо решить при постановке эксперимента — моделирование визуального восприятия. Осуществить его можно двумя способами [9]:
142
1. Максимально точное считывание растровой структуры оттиска с последующим моделированием процесса визуального восприятия информации в программе МаНаЬ.
2. Учет функции передачи модуляции зрительного анализатора на стадии считывания изображения.
В данной работе реализован первый способ. Спектр считанного изображения умножается на функцию передачи модуляции зрительного анализатора, полученную на основе данных работ [10-12] (рис.2).
к
И « 0
и ^ к
С О н К <и
к
0,6
к к
я- Й 0,4
к ^ '
8 2 0,2 0
4 6 8 10 12 Частота, мм-1
14
Рис. 2. Функция передачи модуляции зрительного анализатора
В качестве объектов исследования выбраны цифровые изображения, полученные с помощью цифрового фотографирования, а также взятые из банков данных, и имеющие различную семантику (рис. 3).
1
0
2
д е ж з
Рис. 3: Исходные изображения: а - «дерево»; б - «драконово дерево»; в - «завод»; г - «ледоход»; д - «полынья»; е - «церковь»; ж - «ива»; е - «глаз»
Часть изображений была использована ранее в работе [3]. В соответствии со структурным содержанием, изображения были разбиты на две группы: 1 - имеющие в своем составе в основном крупные детали (рис. 3 -б, г, з, е), 2 - имеющих в своем составе большое количество мелких деталей (рис. 3 - а, в, д, ж). Анализ выбранных групп оригиналов производился по светлотному каналу, разрешение изображений - 600 рр1.
Исследования проведены по следующим направлениям:
1. Оценка зависимости спектров исходных оригинальных изображений в частотной полосе визуального восприятия от их семантики.
2. Оценка зависимости спектров репродуцированных изображений от растровой структуры, применяемой при воспроизведении.
3. Сопоставление спектров оригинальных и репродуцированных изображений.
4. Оценка чувствительности метода оценки к воздействию различных преобразований, которые могут быть проведены на стадии допечатной подготовки информации при коррекции резкости с целью ее повышения или при размытии изображения, проводимого с целью устранения шумов.
На рис. 4 показаны спектры оригинальных изображений, полученные при осуществлении исследований по первому направлению.
Рис. 4. Сравнение спектров оригинальных изображений в условиях визуального восприятия: а - первой группы; б - второй группы: 1 - «глаз»; 2 - «ледоход»; 3 - «завод»; 4 - «церковь»;
5 - «дерево»; 6 - «драконово дерево»; 7 - «ива»; 8 - «полынья»
Они показали, что семантика изображений влияет на полученные спектры, и существует отличие спектров изображений с явно выраженной крупной структурой от изображений с явно выраженной мелкой структурой. Однако внутри каждой группы эти отличия невелики, что особенно заметно для оригиналов с мелкой структурой - все изображения дали
очень близкие результаты вследствие того, что те отличия, которые они могли иметь, нивелируются малой пропускающей способностью фильтра зрительного восприятия в зоне высоких частот.
Результаты исследований по второму и третьему направлению представлены на рис. 5. Оценены спектры воспроизведенных изображений, полученных с применением регулярных растров с различной частотой, и стохастических растров с различным средним размером растрового элемента. Результаты измерений показали, что изменение спектра оригинального изображения заключается в преобразовании относительно высокочастотной зоны спектра - в этой зоне происходит подъем спектра вследствие наложения высокочастотной структуры растра.
25
tí 20
i 15
кГ
fio
с;
с
< 5
о
Рис. 5. Сопоставительный анализ спектров оригиналов и растровых репродукций: 1 - оригинал; 2 - регулярный растр 60 см-1; 3 - регулярный растр 30 см1; 4 - регулярный растр 20 см-1;
5 - нерегулярный растр, 17 мкм; 6 - нерегулярный растр, 50 мкм;
7 - нерегулярный растр 100 мкм
Для изображений, растрированных с применением регулярной структуры, на спектр дополнительно накладываются дискретные составляющие, определяемые частотой применяемого растра. Чем ниже частота растра, тем больше дискретных составляющих размещается в полосе воспринимаемых пространственных частот, и, следовательно, тем больше отличие спектра растрированного изображения от исходного. Для стохастических структур чем больше средний размер растрового элемента, тем добавленная мощность спектра выше, и тем больше отличия от спектра исходного изображения. Таким образом, для всех структур, регулярных и стохастических, применение низкочастотных или крупнозернистых растров приводит к большим отличиям репродукции от оригинала, и эти отличия можно трактовать как возникновение шумов в изображении. В низкочастотной зоне, наиболее воспринимаемой и важной для потребителя,
спектр оригинала и репродукции практически не отличаются. Это совпадение спектров имеет разный частотный диапазон в зависимости от условий растрирования. Частота, от которой начинается отличие спектров исходного и репродуцированного изображений, может рассматриваться как граничная частота, характеризующая воспроизводимые детали и, следовательно, может быть выбрана в качестве критерия резкости воспроизводимых деталей в репродуцированном изображении. Так, для регулярной структуры с частотой 60 см-1 и для стохастической структуры со средним размером растрового элемента 17 мкм критерий резкости составляет примерно 30 см-1. Визуальная оценка репродукций дает близкие результаты.
Для проверки чувствительности метода оценки к изменению резкости на стадии подготовки информации исходное изображение было подвергнуто обработке в программе Adobe Photoshop. Использовались следующие фильтры:
1. Фильтр размытия Гаусса с параметром дисперсии 5 pix.
2. Фильтр нерезкого маскирования, с радиусом обработки 3 pix
Для обработанных изображений осуществлялось моделирование
визуального восприятия и построение спектров. Затем полученные спектры сопоставлялись со спектрами цифровых оригиналов (рис. 6).
25 ---------
«20---------
К
£ 15
3 5
С -
о
0 10 20 30 40 50 60 70 80 90 Частота, см-1
Рис. 6. Сопоставительный анализ спектров оригинала «дерево»: 1 - исходного изображения, 2 -обработанного фильтром размытия, 3 - фильтром нерезкого маскирования
Далее производилось растрирование обработанных изображений с теми же параметрами, и осуществлялось построение спектров, их сопоставление со спектрами растровых репродукций - для регулярных структур (рис. 7, а) и стохастических (рис. 7, б). Результаты эксперимента показывают, что наблюдается подъем амплитуд спектров изображений, обработанных фильтром нерезкого маскирования, и снижение значений амплитуд спектра для размытых изображений. Такая же закономерность прослеживается и при сравнении спектров растровых репродукций.
146
Рис. 7. Сопоставительный анализ спектров растровых репродукций оригинала «дерево», растрированных с применением регулярных структур (а) стохастических структур (б): 1 - исходного изображения; 2 -обработанного фильтром размытия;
3 - фильтром нерезкого маскирования
Спектральный анализ может также быть проведен путем применения преобразования Фурье к краевой функции, сформированной в полученном изображении [6]. Данный подход регламентирован стандартом ISO [21], который лежит в основе ряда программ, разработанных для оценки ФПМ - Imatest, QuickMTF, sfrmat3. В рамках данной работы используется sfrmat3, которая работает в программной среде Matlab.
Общая схема получения спектров заключается в загрузке исследуемого изображения в программную среду Matlab, запуске программы sfrmat3, выделении участка, моделирующего край полуплоскости, автоматическом расчете спектра, получении экспериментальных данных в виде таблиц и графиков (рис. 8).
Полученные результаты вследствие оценки преобразований по одной конкретной реализации имеют некоторые отличия от предыдущих, но также показывают увеличение значений амплитуд спектра в результате применения фильтра нерезкого маскирования и снижение значений амплитуд после использования фильтра размытия Гаусса как в цифровом изображении, так и в растровой репродукции.
Стоит отметить, что анализ спектров и ФПМ системы воспроизведения данным методом возможен только в том случае, если изображение содержит области с относительно резким переходом между темным и светлым участком, т.е. при наличии структуры, моделирующей край полуплоскости. Для мелкоструктурных изображений, таких как «ива», данный анализ невозможен.
<и
¡5 0,8
0
1 0,6 «
! 0,4
•е 0,2
о «
0
л \
1 \\\ \ \ /
\ \ \ \ \ 'V 1 /
\ У \ 1 . \ \ \ \
2 \ \ 1 к
0 10 20 30т 40 50 60 70 80 90 Частота, см-1
а
<и
£ 0,8 о
| 0,6 «
! 0,4
•е 0,2
о
0
ЧУ-, \\ \ ч
\Д\ /3
\\ \ * \ , \ 1
/ 2 \ \ к *
\ \ 1 ч
0 10 20 30т 40 50 60 70 80 90 Частота, см-1
б
<и
£ 0,8 о
1 0,6 I 0,4
0,2
о
0
УУ-, \\ \ ч
1 Л4--\ \ /3
\ \ \ ^ \ \ 1
г \ \
\ \ ч, Ч.
0 10 20 30т 40 50 60 70 80 90 Частота, см-1
в
Рис. 8. Сопоставительный анализ спектров оригинала «дерево»: 1 - исходного изображения; 2 -обработанного фильтром размытия; 3 - обработанного фильтром нерезкого маскирования; а - цифровые файлы; б - растрирование файлов с применением регулярной структуры; в - растрирование с применением стохастической
структуры 148
1
1
1
Таким образом, предложена новая концепция оценки и сравнения структурных свойств полиграфической продукции в пределах визуального восприятия информации в нормальных условиях рассматривания воспроизводимого изображения. С учетом данной концепции разработан новый метод оценки резкости изобразительной информации на основе методов спектрального анализа и с применением современных технических и программных средств. Разработанная методика оценки резкости изобразительной информации по характеру изменения спектра позволила выявить, как процесс растрирования оказывает влияние на изменение резкости изобразительной информации. Определен критерий оценки резкости воспроизводимых деталей изображения, заключающийся в определении граничной частоты, после которой возникают отличия спектров оригинала и репродукции. Показана необходимость оценки шумов изображения, создаваемых на стадии растрирования, которые далее могут усиливаться на стадии печатного процесса. Проведено исследование факторов и преобразований, влияющих на воспроизведение структурных характеристик изобразительной информации в полиграфическом репродукционном процессе.
Список литературы
1. Красильников Н.Н. Цифровая обработка 2D и 3D изображений: учебное пособие. СПб.: БХВ - Петербург, 2011. 608 с.
2. Фризер Х. Фотографическая регистрация информации. М.: Мир, 1978. 670 с.
3. Макеева Т.А., Гнибеда А.Ю. Сравнительный анализ методов оценки структурных свойств цифровых изображений // Известия ВУЗов. Проблемы полиграфии и издательского дела. 2014. № 5. С. 65-70.
4. Андреев Ю.С., Макеева Т.А. Функция передачи модуляции в оценке систем печати изображений // Полиграфия. №4. 2007. С. 30 - 32.
5. ОСТ 29.40-2003. Стандарт отрасли. Технология и оборудование допечатных процессов в полиграфии. Термины и определения. Введ. 2003.03.07. М.:МГУП, 2003. 54 с.
6. Quick mtf [Электронный ресурс]. URL: http://ru.quickmtf.com/ (Дата обращения 24.09.2017).
7. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. 616 с.
8. Matlab.Exponenta [Электронный ресурс]. URL: http://matlab. expo-nenta.ru (Дата обращения 15.09.2017).
9. Гнибеда А.Ю., Андреев Ю.С. Разработка метода оценки визуального восприятия однородности печатного изображения // Известия ВУЗов. Проблемы полиграфии и издательского дела, 2016. № 4. С. 63-70.
149
10. Андреев Ю.С., Позняк Е.С., Андреева В.И. Об оценке структуры растровых изображений в фоторепродукционном процессе // Журнал научной и прикладной фотографии и кинематографии. 1973. Т. 4. № 3. С. 163 - 170.
11. Гурьянова О.А., Андреев Ю.С. Метод оценки флуктуационных характеристик растровых структур по статистическим параметрам гистограммы // Известия высших учебных заведений. Проблемы полиграфии и издательского дела. 2015. № 3. C. 78 - 87.
12 Андреев Ю.С., Позняк Е.С. Частотно-контрастная характеристика зрительного анализатора и ее воспроизведение в измерительном устройстве // Журнал научной и прикладной фотографии и кинематографии. 1972. Т. 6. № 5. С. 423 - 426.
Андреев Юрий Сергеевич, д-р техн. наук, проф., andreev.yury.s@,mail.ru, Россия, Москва, Московский политехнический университет,
Гнибеда Артем Юрьевич, асп., artemgnibeda@yandex. ru, Россия, Москва, Московский политехнический университет
DETAILED PRECISION IN THE POLYGRAPHIC REPRODUCTION OF IMAGES - EVAL UA TION OF IMA GE SHARPNESS
Y.S. Andreev, A.Y. Gnibeda
The paper presents the method for evaluation of image sharpness in the printing preproduction of images based on spectrum analysis and considering the specific of the reproduction process and the parameters of visual perception of the human visual system. Explored the transformations of the original image by the reproduction system and evaluated sensitivity of the developed method to changes in the parameters of the reproduction system on the prepress stage.
Key words: detailed precision, image sharpness, structural properties of images, image spectrum, modulation transfer function, human visual system, reproduction system, halftone screening.
Andreev Yurij Sergeevich, doctor of technical sciences, professor, andreev.yury. s@,mail. ru, Russia, Моscow, Moscow Polytechnic University,
Gnibeda Artem Yur'evich, postgraduate, artemgnibeda@yandex. ru, Russia, Моscow, Moscow Polytechnic University
