CC BY
8
DOI: https://doi.org/10.23670/IRJ.2017.62.046 Соколова Е.А.
ORCID: 0000-0002-2781-6662, Кандидат технических наук, ФГБОУ ВО «Северо-Кавказский горно-металлургический институт (государственный технологический университет)» МЕТОД КОМПРЕССИИ ЦИФРОВЫХ ТРЕХМЕРНЫХ ИЗОБРАЖЕНИЙ С ПОМОЩЬЮ АНАЛИЗА
ТАБЛИЦЫ ТЕКСТУРНЫХ КООРДИНАТ
Аннотация
Рассматривается метод компрессии, для трехмерных изображений, отличающийся от известных тем, что учитывает особенности получения цифровых трехмерных изображений с помощью анализа таблицы текстурных координат с использованием теоретико-множественного подхода.
В работе стояла задача разработать метод компрессии для трехмерных изображений, отличающийся от известных тем, что учитывает особенности получения цифровых трехмерных изображений с помощью анализа таблицы текстурных координат
Разработанные программные средства должны поддерживать поиск необходимых элементов в таблице текстурных координат. Для решения этой задачи был использован теоретико-множественный подход. Результаты оценки релевантности для соответствующих объектов и сами исследуемые объекты представляются в виде множества, элементы которого сортируются по убыванию уровня релевантности.
Ключевые слова: трехмерные изображения, сохранение изображений, методы, таблица текстурных координат.
Sokolova E.A. ORCID: 0000-0002-2781-6662, PhD in Engineering, FSBEI of Higher Education "North-Caucasian Institute of Mining and Metallurgy (State Technological University)"
COMPRESSION METHOD OF DIGITAL THREE-DIMENSIONAL IMAGES WITH THE ANALYSIS OF THE
TABLE OF TEXTURAL COORDINATES
Abstract
The article considers a compression method for three-dimensional images, which differs from the known ones as it takes into account the main features of obtaining digital three-dimensional images by means of analysing the table of texture coordinates using the set-theoretic approach.
The main task of the paper was to develop a compression method for three-dimensional images, which differs from the known ones as it takes into account the main features of obtaining digital three-dimensional images using the analysis of the texture coordinate table.
Developed software should support the search for necessary elements in the table of texture coordinates. The set-theoretic approach was used to solve this problem. The results of relevance evaluation for the corresponding objects and the objects themselves are represented in the form of a set the elements of which are sorted in descending order of relevance level.
Keywords: 3D images, image storage, methods, texture coordinates table.
Г. Кантор предложил теоретико-множественный подход, основанный на понятии множество. Причем, в этом случае МНОЖЕСТВО соотносится с другими определениями, такими как: КОЛЛЕКЦИЯ, СОБРАНИЕ, СОВОКУПНОСТЬ, АНСАМБЛЬ. При этом каждый элемент множества соотносится как отношения на множествах. В XX веке был проведен существенный прорыв в данном направлении отечественными и зарубежными исследователями, например, M.D. Mesarovich, Yasuhico Takahara. General Systems Theory, Mathematical Foundations. New York: Academic, 1975
Исходя из того, что в случае использования теоретико-множественного подхода для анализа, например, в различные системы и процессы нужно ввести разнообразные соотношения, то для данного подхода используются:
1) как язык для облегчения процесса понимания между различными представителями области знаний;
2) как основополагающие для появления инновационных направлений в науке, к примеру проектирование, автоматизация и др.
Необходимо отметить, что очень сложно дать однозначное определение значению слова МНОЖЕСТВО.
В работе стояла задача разработать метод компрессии, для трехмерных изображений, отличающийся от известных тем, что учитывает особенности получения цифровых трехмерных изображений с помощью анализа таблицы текстурных координат.
Разработанные программные средства должны поддерживать поиск необходимых элементов в таблице текстурных координат.
Для решения этой задачи был использован теоретико-множественный подход [2, С.2-4].
Метод анализа таблицы текстурных координат.
При разработке алгоритма сохранения трехмерных изображений, который будет учитывать особенности получения трехмерных изображений, применяется теоретико-множественны подход для анализа таблицы текстурных координат. Объекты таблицы текстурных координат, которые предназначены для исследования, можно представить как множество различных свойств. При этом определить оценки для каждого из них в процессе поиска:
О = {р} = {Po.Pi.--Pn}, (1)
где O - исследуемый объект, p - свойство, которое участвует в поиске
Оценку релевантности и приоритет каждого свойства при поиске, можно представить как множество коэффициентов с весом, каждый из которых определен путем экспертной оценки и анализа элементов таблицы текстурных координат [3, С. 1].
{k} = {ko-ki.....kn} (2)
54
Как известно, в случае теоретико-множественного подхода любой поисковый запрос или входную информацию можно представить в виде множества слов. Особенностью структуры таблицы текстурных координат, является отсутствие повторений, а также конструкций с «слабой» семантикой. Благодаря чему гарантируется эффективный и точный поиск, а также обеспечение высокой достоверности результатов.
R = {w,Vw (Fsem (w)*0) } , (3)
где R - входные данные для поиска/запрос, w - параметр в запросе, Fsem(w) - функция определения семантических соответствий для параметра.
Произведением соответствующего весового коэффициента и показателя оценочной функции вхождения параметра в значение свойства является функция определения соответствия свойства исследуемого объекта параметру из запроса:
Fe vaI (Р- W) = kp* Fex (p- w) , (4)
где p - свойство объекта, w - параметр в запросе, kp - весовой коэффициент для свойства, Fex - оценочная функция встречаемости параметра в значении свойства.
Способ интерпретации значений свойств и целей поиска будет влиять на функцию, которая будет использована для того, чтобы оценить встречаемость параметра. Например, для атрибута «Текстурные координаты» сущности «Координаты на карте освещения» оценочная функция встречаемости параметра может быть определена системой следующего вида:
1, если w £ VCd(j>auth) е сл и w П va I (p aU t h) = 0
где pauth - свойство «Текстурные координаты», w - параметр поискового запроса, val(pauth) - множество значений свойства «Текстурные координаты» для каждого объекта.
С помощью представления (1) и функции (4) можно определить интегральный показатель соответствия объекта, который исследуется поисковому запросу (релевантность) как среднее арифметическое суммы показателей функции (4):
5 ( { p },{ w } ) = ! f= (6)
Полученные результаты оценки релевантности для соответствующих объектов и сами исследуемые объекты представим в виде множества, элементы которого сортируются по убыванию уровня релевантности [4, С.2]. Алгоритм поиска [5, С. 1-4]
На рисунке 1 представлена объектная диаграмма (Object Diagram UML)
■c(Vauth'W) ~ |q
(5)
Рис. 1 - Алгоритм поиска
1. Пусть задано множество свойств объектов О = {р} = {р0>Р1>- ■ -,рп} и множество весовых коэффициентов { к} = { к0, к 1,..., кп}, которые определяют приоритетность свойств;
2. Необходимо ввести в строку поиска запрос R, который включает в себя параметры wi ( I = 1 , т);
3. Далее определить соответствие свойства объекта, который исследуется параметру из запроса по формуле Р еуа¿(р , и) = кр * Реж (р , и) , где Ре„ аг (р , и) = кр * Ре ж (р , и) равно 1, если параметр входит в свойство, 0 в противном случае;
4. Определить среднее арифметическое суммы показателей функции Ре „а ¿ (р , и) = кр * Ре ж (р , и)
5 ({р} ,{И} ) = £Ц ;
5. Отсортировать объекты в порядке убывания уровня релевантности, определенного на шаге 4;
6. Вывести объекты.
Пример решения задачи анализа необходимых значений таблицы текстурных координат по ключевым параметрам.
В таблице 1 содержится информация по значениям таблицы текстурных координат:
Таблица 1 - Объекты
00 01 02 03 04 05 06 07 08 09 0А 0В 0С 0й 0Е 0Р
01Р5Е6И РВ 7Р 60 80 IV 00 IV рр 2Р ЗА 75 ЗА 81 36 СЗ 37
01Р5Р6И РА 7Р 5Р 80 IV 00 IV рр 2Р ЗА 65 ЗА 81 36 С1 37
01Р606И РВ 7Р 60 80 IV 00 IV рр 1Р ЗА 65 ЗА 7Р 36 С1 37
01Р616И РВ IV 60 80 IV 00 IV рр 1Р ЗА 2Е ЗА 7Р 36 Б9 37
01Р626И РА IV 5Р 80 IV 00 IV рр 2Р ЗА 2Е ЗА 81 36 В9 37
01Р636И РВ IV 60 80 IV 00 IV рр 2Р ЗА 1С ЗА 81 36 В7 37
01Р646И РВ IV 60 80 IV 00 IV рр Р2 39 1С ЗА 7А 36 В7 37
01Р656И РВ IV 61 80 IV 00 IV рр Р2 39 2Е ЗА 7А 36 В9 37
01Р666И РВ IV 60 80 IV 00 IV рр 01 ЗА 2Е ЗА 7С 36 В9 37
01Р676И РВ IV 61 80 IV 00 IV рр 01 ЗА 53 ЗА 7С 36 ВЕ 37
01Р686И РВ IV 63 80 IV 00 IV рр СР 39 41 ЗА 75 36 ВС 37
01Р696И РВ IV 63 80 IV 00 IV рр 00 39 2Е ЗА 75 36 В9 37
01Р6А6И РВ IV 63 80 IV 00 IV рр DV 39 2Е ЗА 77 36 В9 37
01Р6В6И РВ IV 63 80 IV 00 IV рр DV 39 1С ЗА 77 36 В7 37
Шаг 1.
Необходимо задать некоторое множество свойств для оценки в процессе поиска ° = {р } = {р 0,р г,.. ,,рп},
где О - каждый исследуемый объект, р - свойство, которое участвует в поиске
р1-количесвто элементов
р2-структура объектов
рЗ-координаты на карте освещения
р4-описание
р5-категория
О = {р } = {количесвто элементов, структура объектов, координаты на карте освещения, описание, категория} Весовыми коэффициентами отобразим приоритетность свойств при поиске и оценке релевантности
{/с} = {к0, к1:..., кп} {к} = {1; 1; 0.2; 0.2; 0.2}
Шаг 2.
Пусть исходный поисковый запрос, включает в себя строку «01 ЗА». Шаг 3.
Необходимо определить уровень релевантности для первого объекта:
^аг(р1,"01") = 0 ^„аг(р2,"01") = 0 ^„аг(рЗ,"01") = 0 ^аг(р4,"01") = 0 ^„аг(р5 "01") = 0 ^уаг(р1,"ЗЛ") = 0 ^уаг(р2,"ЗЛ") = 0 ^уаг(рЗ,"ЗЛ") = 0 ^уаг(р4,"ЗЛ") = 0 ^аг(р5,"ЗЛ") = 0
51({р},М) = V ^Т=1Реуа1(Р0^) = д
¿—! т
1=1
Следовательно, данный параметр не выводится для отображения результатов поиска. Шаг 4.
Далее по аналогии нужно определить уровень релевантности для второго объекта:
^„аг(р1,"01") = 0 ^„аг(р2,"01") = 0 ^уаг(рЗ,"01") = 0 ^уаг(р4,"01") = 0.2 ^уаг(р5 "01") = 0 ^уаг(р1,"ЗЛ") = 0 ^уаг(р2,"ЗЛ") = 0 ^уаг(рЗ,"ЗЛ") = 0 ^уаг(р4,"ЗЛ") = 0.2 ^уаг(р5,"ЗЛ") = 0
1~1 ^ 7 =0.2
т
1=1
Данный параметр войдет в список отображаемых результатов поиска.
56
Шаг 5.
Определим уровень релевантности для третьего объекта:
^„аг(р1,"01") = 1 (р2, "01") = 0 (рЗ, "01") = 0 (р4, "01") = 0 (р5 "01") = 0 (р1,"ЗЛ") = 1 (р2, "ЗА") = О (рЗ,"ЗЛ") = О (р4, "ЗЛ") = О (р5, "ЗЛ") = О
V1
51({p},{w})=^¿J
7 = 1 Feva¿ V
т
= 1
Данный параметр войдет в список отображаемых результатов поиска. Шаг 6.
Определим уровень релевантности для четвертого объекта:
^„аг(р1,"01") = О (р2, "01") = О (рЗ, "01") = О (р4, "01") = О (р5 "01") = О (р1,"ЗЛ") = О (р2, "ЗЛ") = О (рЗ,"ЗЛ") = О (р4, "ЗА") = О (р5, "ЗЛ") = О
(РиЩ)
V
51({p},{w})=^-
í=i
у = i Feval V
т
= О
Данный параметр не войдет в список отображаемых результатов поиска. Шаг 7.
Результат поиска (таблица 2):
Таблица 2 - Результаты поиска по информационным объектам
Offset 00 01 02 03 04 05 06 07 08 09 0А Ш 0С 0D 0Е 0F
013120И 0С 0D 0Е 0F 10 11 12 13 14 15 16 17 18 19 1А 1В
013130И 1С 1D 1Е 1F 20 21 22 23 24 25 26 27 28 29 2А 2В
013140И 2С 2D 2Е 2F 30 31 32 33 34 35 36 37 38 39 ЗА ЗВ
013150И зс 3D ЗЕ 3F 40 41 42 43 44 45 46 47 48 49 4А 4В
013160И 4-С 4D 4Е 4F 50 51 52 53 54 55 56 57 58 59 00 00
013170И 00 00 00 00 00 00 00 00 00 00 64 5А 0D 00 00 00
013180И 00 00 01 00 00 00 01 00 00 00 00 00 00 00 01 00
013190И 00 00 00 00 80 3F 00 00 80 3F 00 00 80 3F 00 00
0131А0И 00 00 00 00 00 00 00 00 00 00 20 00 00 00 32 19
0131Б0И 00 00 9В ВЗ F0 80 FA 86 5D FF 00 00 00 00 FF 00
0131С0И 00 00 96 7В 71 41 1В 8F 73 С2 DB 6Е 14 43 DB 29
0131D0h DA 34 37 АС DE 80 ЕЗ С0 АС FF 00 00 00 00 FF 00
0131Е0И 00 00 8А 86 54 41 D1 4В 6Е С2 5Е D5 16 43 96 2В
0131F0h D6 34 7D D3 DF 80 Е7 В7 50 FF 00 00 00 00 FF 00
013200И 00 00 2D 37 63 41 42 9С 6D С2 98 D0 12 43 BD 29
013210И В8 34 73 F5 АЕ 80 АЕ AF 13 FF 00 00 00 00 FF 00
В результате разработки метода сохранения был реализован оптимальный подбор значений в таблице текстурных координат с использованием теоретико-множественного подхода.
Список литературы / References
1. Гроппен В.О. / Проскурин А.Е., Соколова Е.А // Способ компрессии и декомпрессии статических изображений и видеоинформации в цифровой форме - патент на изобретение RUS 2339082 03.08.2007
2. Соколова Е.А. Компрессия изображений вариабельными фрагментами // Вестник компьютерных и информационных технологий - 2008 - № 10 - С. 31-34.
3. Кумаритов А.М. Разработка системы анализа и обработки информации по стратегическому управлению предприятий топливно-энергетического комплекса / Соколова Е.А // Наука и бизнес: пути развития - 2014 - № 5 (35) -С. 113-116.
4. Соколова Е.А. Математическая модель компрессии статичных изображений вариабельными фрагментами с учетом погрешностей // депонированная рукопись № 748-В2007 19.07.2007 - C.12
5. Соколова Е.А. Использование теоретико-множественного подхода для поиска необходимого контента по атрибутам и ключевым словам //Фундаментальные исследования - 2013 - № 8-6 - С. 1360-1363.
Список литературы на английском языке / References in English
1. Groppen V.O. / Proskurin A.E., Sokolova E.A // Cposob kompressii i dekompressii staticheskih izobrazhenij i videoinformacii v cifrovoj forme - patent na izobretenie [The method of compression and decompression of static images and video information in digital form - patent for an invention] RUS 2339082 03.08.2007 [in Russian]
2. Sokolova E.A. Kompressija izobrazhenij variabel'nymi fragmentami [Compression of images by variable fragments] // Vestnik komp'juternyh i informacionnyh tehnologij [Herald of Computer and Information Technologies] -2008 - № 10 - P. 31-34. [in Russian]
3. Kumaritov A.M. Razrabotka sistemy analiza i obrabotki informacii po strategicheskomu upravleniju predprijatij toplivno-jenergeticheskogo kompleksa [Development of a system for analyzing and processing information on the strategic management of enterprises of the fuel and energy complex] / Sokolova E.A // Nauka i biznes: puti razvitija [Science and business: the ways of development]- 2014 - № 5 (35) - P. 113-116. [in Russian]
4. Sokolova E.A. Matematicheskaja model' kompressii statichnyh izobrazhenij variabel'nymi fragmentami s uchetom pogreshnostej [Mathematical model of compression of static images by variable fragments with allowance for errors]// deponirovannaja rukopis' [deposited manuscript]№ 748-V2007 19.07.2007 - P. 12[in Russian]
5. Sokolova E.A. Ispol'zovanie teoretiko-mnozhestvennogo podhoda dlja poiska neobhodimogo kontenta po atributam i kljuchevym slovam [Using the set-theoretic approach to find the necessary content by attributes and keywords]//Fundamental'nye issledovanija[Fundamental research] - 2013 - № 8-6 - P. 1360-1363 [in Russian]
DOI: https://doi.org/10.23670/IRJ.2017.62.086 Соколова Е.А.
ORCID: 0000-0002-2781-6662, Кандидат технических наук, ФГБОУ ВО «Северо-Кавказский горно-металлургический институт (государственный технологический университет)» РАЗРАБОТКА МЕТОДА СОХРАНЕНИЯ ПИКСЕЛЕЙ В МАССИВ С ДИФФЕРЕНЦИАЦИЕЙ
НА ЦВЕТОВЫЕ КОМПОНЕНТЫ
Аннотация
Конечный результат исследования позволит получить цифровую модель, которая имитирует конечный продукт и дает возможность выполнять визуализацию, оптимизировать и управлять результатом еще до создания физического опытного образца без артефактов, без потерь качества с меньшим размером. Рассматривается научная проблема, заключающаяся в разработке научно-методических основ алгоритмического и программного обеспечения сжатия и сохранения трехмерных объектов, а также моделей и методов оптимального хранения трехмерных изображений. Рассмотрена возможность дифференциации изображения на цветовые компоненты. Рассматриваемая методика сохранения трехмерного изображения создана при помощи выбора типа фрагментов, на которые предварительно разбивается изображение, после чего выполняется ряд предложенных действий.
На основании разработанной математической модели был разработан алгоритм представления сканированных в формате 3D изображений для уменьшения их битового объема.
Ключевые слова: цветовые компоненты, трехмерные изображения, сохранение изображений, методы.
Sokolova E.A. ORCID: 0000-0002-2781-6662, PhD in Engineering,
FSBEI OF HIGER EDUCATION "North-Caucasian Institute of Mining and Metallurgy (State Technological University)" DEVELOPMENT OF PIXELS' PRESERVATION METHOD IN ARRAY WITH COLOUR COMPONENTS
DIFFERENTIATION
Abstract
The final result of the research will permit to obtain a digital model that simulates the final product and enables visualizing, optimizing and managing the result even before the creation of a physical sample without artifacts and loss of quality in a smaller size. The scientific problem is considered. It liesin the development of the scientific and methodological foundations of algorithmic and software compressing and preserving three-dimensional objects, as well as models and methods for the most efficient storage of three-dimensional images. The possibility of image differentiation into colour components is considered. The examined technique for saving a three-dimensional image is created by selecting the type of fragments the image is preliminarily divided into, then a number of suggested actions are performed.
Based on the developed mathematical model, an algorithm for representing scanned images in 3D format to reduce their bit volume was developed.
Keywords: colour components, three-dimensional images, image preservation, methods.
В настоящее время в различных областях социальной сферы при решении задач визуализации, трансформации и анализа информации об объектах широко используются возможности 3D -моделирования и компьютерные средства обработки и хранения информации. Отличительной особенностью создаваемых здесь цифровых 3 D -моделей объектов, имитирующих конечный продукт, является недопустимость потерь качества и наличия артефактов в процессе сжатия информации, хранения и управления результатами. Однако существующие методы и алгоритмы
