CC BY
6
УДК 681.518.5
Мулданов Ф.Р.
Иняминов Й. О. старший преподаватель Джизакский политехнический институт
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ УПРАВЛЕНИЯ ЯРКОСТЬЮ ИЗОБРАЖЕНИЯ ЛИЦА ЧЕЛОВЕКА НА ВИДЕОИЗОБРАЖЕНИИ
Аннотация. В данной статье представлена полная информация о проблемах создания системы робота-анализатора глаза, предложенной автором, создания практического программного комплекса для методов идентификации (распознавания) на основе информации, полученной с помощью видео технологий.
Ключевые слова: анализатор, идентификация, программное обеспечение, компонент, пиксель, видео технология.
Muldanov F.R.
Inyaminov Y. O. senior lecturer Jizzakh Polytechnic Institute
MATHEMATICAL, ALGORITHMIC AND SOFTWARE FOR CREATING A ROBOT-ANALYZER SYSTEM IN VIDEO
TECHNOLOGIES
Abstract. This article provides complete information about the problems of creating a robotic eye analyzer system proposed by the author, creating a practical software package for identification (recognition) methods based on information obtained using video technologies.
Keywords: analyzer, identification, software, component, pixel, video technology.
Часто возникает необходимость получить изображения с определенным значением средней интенсивности пикселей.
Среднее арифметическое значение интенсивности пикселей изображения рассчитывается следующим образом:
Av = mean{b) = ^L (11)
i
Если значение Av равно K, значения интенсивности пикселей также должны каким-то образом измениться:
K = Z F L ) .(1.2)
i
L - L
ij min
V Lmax Lmin J
.(1.3)
Если выбрана функция преобразования, она рассчитывается следующим образом:
K = L ) =
L - L
ij min
- L
.(1.4)
min J
Как видно из последнего выражения, при выборе искомого значения а среднее арифметическое интенсивностей пикселей изображения
Можно гарантировать, что L принимает фиксированное значение K. На практике этот метод может быть реализован следующим образом. Во-первых, необходимо установить соотношение K = f (a). Кроме того, необходимо выполнить преобразование исходного изображения, зная, какое значение а соответствует заданному уровню К. Пример реализации программы метода приведен ниже.
Сначала просматриваются некоторые исходные изображения. I = imread('3.bmp');
Например, требуется полуцветное изображение, поэтому, если исходное изображение цветное, то следует выбрать один компонент цвета. I=imread('3_1.jpg'); I=double(I(:,:,1)); %figure, imshow(I/255); R = 0.5 a=[0:.01:3]; for i=1 :length(a)
K(i)=sum(sum(((I- 10)./(300)).Aa(i)))/(30000);
if abs(K(i)-R)<.01;
st=a(i);
end; end;
figure,plot(a,K);
Картина-1. График значения параметра а для среднего арифметического значения яркостей изображения, равного К
По графику можно определить, какое значение должен принимать параметр а, чтобы среднее арифметическое значение интенсивностей изображения было равно К. После этого выполняются преобразования изображения с выбранным значениема.
Картина-2. Среднее арифметическое Картина-3. Среднее арифметическое значение интенсивности пикселей значение интенсивности пикселей равно К = 0,3. равно К = 0,5.
Картина-4. Среднее арифметическое значение интенсивности пикселей равно К = 0,7.
Важно определить значения яркости пикселей для разных ситуаций. При их уменьшении или увеличении значения матрицы пикселей, равные 0, будут увеличиваться в процессе идентификации изображения лица с использованием коэффициента корреляции. Это приводит к невозможности найти похожие изображения. То есть задача, которую предстоит решить в диссертационной работе, состоит в том, чтобы сделать снимок, сделанный ночью, похожим на снимок, сделанный при свете, и наоборот. Поэтому была разработана таблица определения яркости изображения для разных условий (днем и ночью).
Как видно из этой таблицы, яркость изображения должна быть равна К=0,3 на расстоянии съемки 2 метра днем. Количество элементов изображения, равное 1, равно 90, а количество элементов, равное 0, равно 10. Ночью яркость изображения должна быть равна К = 0,4. Количество
элементов изображения, равное 1, равно 85, а количество элементов, равное 0, равно 15.
В следующей таблице перечислены его значения:
Определение яркости изображения для различных условий (днем и __ ночью). таблица __
№ Дальности изоброжения (метр) днем Распределение значений матрицы изображения (%) ноч ь Распределение значений матрицы изображения (%)
1 2 0.3 90/10 0.4 85/15
2 4 0.3 78/18 0.5 72/28
3 6 0.4 75/25 0.8 68/32
4 8 0.7 71/39 0.9 65/35
Тасвирга олиш масофаси ортган сари тасвир ёркинлигини ошириб бориш керак экан. Хулоса килдиган булса, канчалик якин масофадан расмга олинса, таниб олиш сифати ортар экан.
Использованные источники:
1. Mustofoqulov, J. A., & Bobonov, D. T. L. (2021). "MAPLE" DA SO'NUVCHI ELEKTROMAGNIT TEBRANISHLARNING MATEMATIK TAHLILI. Academic research in educational sciences, 2(10), 374-379.
2. Karshibaev, S. A. (2022). EQUIPMENT AND SOFTWARE FOR MONITORING OF POWER SUPPLY OF INFOCOMUNICATION DEVICES. Web of Scientist: International Scientific Research Journal, 3(5), 502-505.
3. Khuzhayorov, B., Mustofoqulov, J., Ibragimov, G., Md Ali, F., & Fayziev, B. (2020). Solute Transport in the Element of Fractured Porous Medium with an Inhomogeneous Porous Block. Symmetry, 12(6), 1028.
4. Mustofoqulov, J. A., Hamzaev, A. I., & Suyarova, M. X. (2021). RLC ZANJIRINING MATEMATIK MODELI VA UNI "MULTISIM" DA HISOBLASH. Academic research in educational sciences, 2(11), 1615-1621.
5. SATTAROV, S., KHAMDAMOV, B., & TAYLANOV, N. (2014). Diffusion regime of the magnetic flux penetration in high-temperature superconductors. Uzbekiston Fizika Zhurnali, 16(6), 449-453.
6. Yuldashev, F. M. O. (2021). TA'LIMNING INNOVATSION TEXNALOGIYALARI ASOSIDA MUQOBIL ENERGIYA MANBALARI (QUYOSH VA SHAMOL ENERGETIKASI) MUTAXASSISLARINI TAYYORLASHDA O'QITISH SAMARADORLIGINI OSHIRISH. Academic research in educational sciences, 2(11), 86-90.
7. Yuldashev, F., & Bobur, U. (2020). Types of Electrical Machine Current Converters. International Journal of Engineering and Information Systems (IJEAIS) ISSN, 162-164.
8. Мулданов, Ф. Р., Умаров, Б. К. У., & Бобонов, Д. Т. (2022). РАЗРАБОТКА КРИТЕРИЙ, АЛГОРИТМА И ЕГО ПРОГРАММНОГО ОБЕСПЕЧЕНИЯ ДЛЯ СИСТЕМЫ ИДЕНТИФИКАЦИИ ЛИЦА ЧЕЛОВЕКА. Universum: технические науки, (11-3 (104)), 13-16.
9. Иняминов, Ю. А., Хамзаев, А. И. У., & Абдиев, Х. Э. У. (2021). Передающее устройство асинхронно-циклической системы. Scientific progress, 2(6), 204-207.
10. Каршибоев, Ш. А., & Муртазин, Э. Р. (2021). Изменения в цифровой коммуникации во время глобальной пандемии COVID-19. Молодой ученый, (21), 90-92.
11. Муртазин, Э. Р., Сиддиков, М. Ю., & Цой, М. П. (2018). Стратегия развития экономики Узбекистана-региональные особенности. In Региональные проблемы преобразования экономики: интеграционные процессы и механизмы формирования и социально-экономическая политика региона (pp. 85-87).
12. Раббимов, Э. А., Жураева, Н. М., & Ахмаджонова, У. Т. (2020). Исследование свойства поверхности монокристалла и создание наноразмерных структур на основе MgO для приборов электронной техники. Экономика и социум, (6-2), 190-192.
13. Сохибов, Б. О., Саттаров, С., & Таганова, С. Х. (2018). ВНЕДРЕНИЕ В УЧЕБНЫЙ ПРОЦЕСС ПЕРЕДОВЫХ МЕТОДОВ ПЕДАГОГОВ -НОВАТОРОВ. In Молодой исследователь: вызовы и перспективы (pp. 1722).
14. Суярова, М. Х., & Джураева, Н. М. (2018). Динамическая модель по электротехнике. In Передовые научно-технические и социально-гуманитарные проекты в современной науке (pp. 53-54).
15. Умирзаков, Б. Е., Содикжанов, Ж. Ш., Ташмухамедова, Д. А., Абдувайитов, А. А., & Раббимов, Э. А. (2021). Влияние адсорбции атомов Ba на состав, эмиссионные и оптические свойства монокристаллов CdS. Письма в Журнал технической физики, 47(12), 3-5.
16. TURAPOV, U., MULDANOV, F., & Rakhmanov, F. A. (2022). PROBLEMS OF USING FACE IMAGE SEGMENTATION, IDENTIFICATION, FILTERING, FACIAL SIGNS DISTRIBUTION CRITERIA IN DETERMINING PERSONAL BIOMETRIC CHARACTERISTICS. World Bulletin of Management and Law, 14, 91-94.
