CC BY
7
УДК 004.92
Щеглов Д.Ю. бакалавр, студент НИУ «БелГУ» Россия, г. Белгород ИССЛЕДОВАНИЕ АЛГОРИТМА «ГАММА-КОРРЕКЦИИ» ДЛЯ ПОВЫШЕНИЯ ВИЗУАЛЬНОГО КАЧЕСТВА ИЗОБРАЖЕНИЯ
Аннотация:
Статья посвящена исследованию алгоритма «Гамма-коррекции» для повышения визуального качества изображения. В ней разобраны плюсы «Гамма-коррекции».
Ключевые слова: HSI, RGB, цветовые изображения, Гамма-коррекция, алгоритм.
UDC 004.92
Shcheglov D. Y. bachelor Student
Belgorod State National Research University
Russia, Belgorod INVESTIGATION OF THE "GAMMA-CORRECTION"
ALGORITHM FOR IMPROVING VISUAL IMAGE QUALITY
Annotation:
The article is devoted to the investigation of the "Gamma correction" algorithm for increasing the visual quality of the image. In it, the advantages of "Gamma correction" are analyzed.
Key words: color images, gamma correction, algorithm.
Достаточно часто изображения объектов, полученных в результате фотосъемки, не соответствуют той картине, которую видит человек. Это может произойти в силу неправильных настроек фотоаппарата или специфичности освещения [1].
Целью работы является повышение визуального качества изображения за счет разработки автоматизированной системы обработки изображений.
Задача повышения визуального качества изображений является актуальной в различных сферах применения цифровой фотографии и видео. Например, в автоматических системах регистрации автомобилей на стоянках с суточным изменением освещения, и как следствие, с неравномерной засветкой фотографий. Существует большое количество различных методов обработки цифровых изображений с целью повышения их визуального качества. Одним из них являет гамма-коррекция.
В основе алгоритма «Гамма-коррекция» лежит математический аппарат степенных функций с показателем гамма. В этом алгоритме интенсивность темных пикселей изображения увеличивается больше чем интенсивность светлых пикселей [2].
Цветные изображения представляют собой совокупность трех цветовых плоскостей, каждая из которых характеризует одну независимую составляющую цвета, и специфика обработки таких изображений связана, прежде всего, с различными цветовыми моделями, позволяющими по-разному работать с составляющими изображения. Основной задачей обработки цветного изображения, решаемой в работе, является коррекция его яркости при неизменности цветового тона [3].
Алгоритм перевода из RGB в HSI можно выполнить, воспользовавшись следующими формулами: цветовой тон H для каждого пикселя, заданного в RGB формате изображения, определяется по формулам (1, 2):
( в при B<G п (360 -0 при B>G ' (1)
( \*((R-G) + (R-B)) \ где в = arccos I , - I (2)
\CJ(R-G)2 + (R-B)(G-B)J
Насыщенность S задается выражением представленным формулой (3):
3
S = 1-~--min(R,G,B) (3)
(R + G + В) w
Наконец, интенсивность I задается по формуле (4):
1
I = -(R + G + B) (4)
Тогда задача повышения контрастности исходного изображения решается путем преобразования только одной компоненты I при неизменных значений Н и S.
Управление контрастом изображения возможно с помощью гамма-коррекции - степенного преобразования. Обычно, используется степенная функция представленная формулой (5):
W = С* IY (5)
где I - интенсивность исходного изображения;
Iout - интенсивность преобразованного изображения;
с, у - положительные константы.
Зависимость яркости на выходе от входной яркости при различных значения у представлена на рисунке 1.
-< 41*** 41.04
-КкммЧИ
— I <ММ4 -О 1
НИМ ■•I «1ми-0,/>7 -К1М»-1
мнмн1.)
Рисунок 1 - Гамма-коррекция 1оШ = с * 1г для различных значений у (
с = 1 во всех случаях)
В случае, когда у < 1, узкий диапазон малых входных значений яркости преобразуется в широкий диапазон выходных значений. При у = 1 изменений не наблюдается. При у > 1 эффект при преобразовании прямо противоположный случаю, когда у < 1.
При переводе из одной системы цветопредставления в другую может произойти потеря качества изображения. Критерием оценки таких потерь может служить, например, среднеквадратическое отклонение, которое измеряется в единицах измерения самой случайной величины, что на практике является не очень удобным. Поскольку многие сигналы имеют широкий динамический диапазон, PSNR (6) обычно измеряется в логарифмической шкале в децибелах [4].
РБЫЯ
( м \
(6)
где М - это максимальное значение, принимаемое пикселем изображения.
В ходе исследования было обработано 10 затемненных или засветленных изображений. Опытным путем подобраны значения у в зависимости от среднего значения яркости 1т изображения. Результаты эксперимента приведены в таблице 1.
Таблица 1 - Экспериментальная зависимость значения у от I
т
0 31 59 90 127 150 181 210 236 255
У 0,45 0,6 0,7 1 1,3 1,5 1,8 2,1 2,3 2,5
РБЖ 36,1 31,3 35,7 32,4 38 32,1 31,1 38,2 37,5 36
Экспериментальная зависимость имеет вид, подобный функции (7). у = а* + с (7)
где а, Ь, с - некоторые постоянные.
Методом наименьших квадратов были найдены значения постоянных а, Ь, с. Функциональная зависимость для коэффициента у (8) получилась следующая:
у = 0.0018 * 1.1?7 + 0.45
(8)
После улучшения контраста путем изменения компоненты I, осуществляется обратный перевод изображения в систему RGB.
На рисунке 2-3 приведены изображения до и после применения гамма-коррекции.
1
Рисунок 2 - Исходное изображение
#
TLU-fcJ
Рисунок 3 - Результат гамма-коррекции изображения
Таким образом, в ходе работы был исследован и применен алгоритм гамма-коррекции изображения. В ходе эксперимента было установлено, что он является наиболее оптимальным для демонстрации изображений на устройствах вывода с нелинейной яркостной характеристикой, а также для хранения оцифрованного изображения в форме, где на темные цвета приходится меньший относительный шум квантования, чем на светлые.
Автоматизация расчета параметра метода гамма-коррекции позволит использовать разработанную систему без участия человека, например, в автоматических системах регистрации автомобилей на стоянках с суточным
изменением освещения, и как следствие, с неравномерной засветкой фотографий.
Использованные источники:
1. Анисимов, Б.В., Курганов В.Д., Злобин В.К. Распознавание и цифровая обработка изображений / Б.В. Анисимов, В.Д. Курганов, В.К. Злобин -Москва: Высшая Школа, 1983. - 295 с.
2. Бахвалов, Н.С. Численные методы / Н.С. Бахвалов, Н.П. Жидков, Г.М. Кобельков. - Москва: БИНОМ. Лаборатория знаний, 2012. - 636 с.
3. Восстановление неравномерно освещенных изображений [Электронный ресурс]. - Режим доступа: http://habrahabr.ru/post/150767/
4. Ватолин, Д. Методы сжатия данных. Устройство архиваторов, сжатие изображений и видео / Д. Ватолин, А. Ратушняк, М. Смирнов. - М.: ДИАЛОГ-МИФИ, 2003. - 384с.
УДК 364.4
Яковлева М.И. студент магистратуры 2 курса факультет психолого-социальной работы Санкт-Петербургский государственный институт психологии и социальной работы Россия, г. Санкт-Петербург
Yakovleva M.I, undergraduate 2 course faculty of psychological and social work St. Petersburg State Institute of Psychology and Social Work
Russia, Saint-Petersburg
ПРОФОРИЕНТАЦИЯ КАК ТЕХНОЛОГИЯ СОЦИАЛЬНОЙ РАБОТЫ В СРЕДНИХ ОБРАЗОВАТЕЛЬНЫХ УЧРЕЖДЕНИЯХ VOCATIONAL GUIDANCE AS A TECHNOLOGY OF SOCIAL WORK IN EDUCATIONAL INSTITUTIONS. Аннотация:
Данная статья посвящена актуальной теме профориентации, которая рассматривается как технология социальной работы в средних общеобразовательных учреждениях. В данное время много внимания уделяется созданию благоприятных условий для социально-профессионального самоопределения молодежи. Поэтому появляется необходимость усовершенствования системы среднего профессионального образования при помощи введения в арсенал методов работы педагогов, методов и методик социальной работы. В связи с этим важно понимать, что правильная профориентационная работа в среднем образовательном учреждении приобретает особенную значимость, поскольку может защитить абитуриента от попадания в трудную жизненную ситуацию, связанную с неправильным выбором будущей профессии.
Annotation:
