CC BY
0
Key words: renewable energy sources, energy storage devices, dispersion, cross-correlation coefficient, load curve parameters, power quality parameters.
Makhmutova Valeria Rushanovna, postgraduate, [email protected], Russia, Tyumen, Tyumen Industrial University,
Khmara Guzel Azatovna, candidate of technical sciences, docent, [email protected], Russia, Tyumen, Tyumen Industrial University,
Khamitov Rustam Nurimanovich, doctor of technical sciences, professor, Russia, Omsk, Omsk State Technical
University
УДК 004.414.32
DOI: 10.24412/2071-6168-2023-11-126-127
МЕТОДИКА УЛУЧШЕНИЯ КАЧЕСТВА ИЗОБРАЖЕНИЯ НА ОСНОВЕ АНАЛИЗА ИНФОРМАЦИИ
С ФОТОКАМЕРЫ
Н.Б. Назаров, И.Н. Набродова
Рассмотрены методы обработки изображений, а также алгоритмы их работы, которые можно использовать при создании автоматизированной системы для улучшений качества изображения. Также были рассмотрены случаи применения данных методов.
Ключевые слова: гистограмма, нелинейная коррекция, линейная коррекция, шум и шумоподавление, гамма-коррекция, логарифмическая коррекция, яркость, контрастность.
Существуют различные методы обработки изображений: повышение или понижение контрастности, яркости, гамма-обработки и т.д. Целью применения методов обработки изображений является улучшение качества изображения, чтобы оно стало более подходящим для конкретного приложения или области: распознаваемый текст (например, номерные знаки автомобилей), распознаваемые объекты в кадре (например, силуэты темных объектов в затемненных участках изображения), цветокоррекция при съемке с плохим или недостаточным освещением, устранение шумов и потерю данных изображения. Цифровая обработка изображений позволяет использовать гораздо более сложные алгоритмы и, следовательно, может предложить как более сложную производительность при выполнении простых задач, так и реализацию методов, которые были бы невозможны аналоговыми средствами. Основными задачами данных методов являются: выравнивание тона изображения; восстановление естественных цветов; повышение распознаваемости объектов на изображении; устранение шума в изображениях;
усиления полезной и подавления нежелательной (в контексте конкретной задачи) информации [1]. Рассмотрим некоторые из них.
1. Гистограмма яркости - это график распределения полутонов изображения, в котором по горизонтальной оси представлена яркость, а по вертикали - относительное число пикселов с данным значением яркости.
Для анализа изображений можно использовать гистограммы яркости. Гистограммы строят как для цветных изображений по каждому из каналов, так и для изображений в оттенках серого [2]. Алгоритм построения гистограммы:
строим массив, заполненный нулями. Обычно массив [0..255]; выделяем нужный цветовой фильтр.
массив заполняем числами, где каждому пикселю соответствует своё значение; полученное значение должно укладываться в диапазон индексов массива, например [0..255]; увеличиваем значение элемента массив[значение] на 1; конец цикла.
Полученный массив и представляет собой гистограмму, элементы массива - означают высоты столбиков.
Рис. 1. Гистограмма яркости 126
2. Линейная коррекция - это метод обработки изображений, обеспечивающий растяжку всего диапазона изменения интенсивностей.
Линейная тоновая коррекция использует в качестве математического аппарата простейшие линейные функции. Задача линейной коррекции связана с улучшением согласования динамического диапазона изображения и экрана, на котором выполняется визуализация. Если для цифрового представления каждого отсчета изображения отводится 1 байт (8 бит) запоминающего устройства, то входной или выходной сигналы могут принимать одно из 256 значений. Обычно в качестве рабочего используется диапазон 0-255; при этом значение 0 при визуализации соответствует уровню черного, а значение 255 - уровню белого [3].
Рис. 2. Линейная коррекция
3. Нелинейные коррекции - это метод обработки изображений, для коррекции тонов в цветном и черно-белом фильтре.
В нелинейной коррекции часто применяются:
Гамма-коррекция. Изначально цель коррекции для правильного отображения изображения на мониторе.
Логарифмическая коррекция. Цель - сжатие динамического диапазона при визуализации данных.
4. Гамма-коррекция - это наилучший способ равномерного осветления или затемнения изображений. В его основе лежит математический аппарат степенных функций с показателем гамма, из-за чего эта процедура и получила свое название. Уникальность гамма-коррекции - в её связи с человеческим восприятием. Наше зрение лога-рифмично - для глаза важна не абсолютная разница в яркости, а относительное изменение. В темной комнате свет фонарика кажется невероятно сильным, а днем на улице вы даже не заметите создаваемого им светового пятна. То же и с изображением: нельзя просто добавить каждому пикселю определенный уровень яркости - нужно придерживаться логарифмической шкалы, что и обеспечивает гамма-функция [4].
Алгоритм гамма-коррекции:
1) строим массив, заполняем нулями. Обычно массив [0..255];
2) находим яркость по формуле у=с*Х, и заполняем массив, где каждому значению соответствует свой пиксель, полученное значение должно укладываться в диапазон индексов массива [0..255];
3) увеличиваем значение элемента массив[значение] на 1;
4) конец цикла.
Полученный массив представляет собой измененное изображение, элементы массива - означают обработанные пиксели.
Рассмотрим работу метода на изображении. Используя гамма-корреляцию, мы можем устранить темные участки изображения (рис. 1).
- □
Eualution Only.
Created with Aspose. Imaging.
Сорт right 2010- 2023Aspose Pt|f Ltd.
W ш
Исходное изображение
Измененное изображение
Контраст 100 Яркость -50
| Сохранить
Рис. 3. Гамма-коррекция
5. Шумоподавление - это устранение недостатков при плохом освещении или же устранение несовершенства камеры.
Причинами возникновения шума могут быть:
- несовершенство приборов (фотоаппаратов, теле/видеокамер);
- обработка изображений с потерей данных. Виды шума:
- «Соль и перец» - это случайные чёрные и белые пиксели;
- импульсный - это случайные белые пиксели;
- Гауссов шум - это колебания яркости, распределённые по нормальному закону. Для устранения Гауссова шума применяется фильтр Гаусса.
Для устранения шума соль и перец и импульсного шума применяется медианный фильтр. Это метод выравнивания освещения на изображении. Само изображение формируется как произведение низких и высоких частот, то есть самого освещения и объекта [5].
#
и
Рис. 4. Устранение шума
6. Яркость - количество белого цвета на изображении. Контрастность - это разница между расположенными рядом цветами.
Также, одним из методов устранения шума может являться изменение яркости (рис. 5 и рис. 6) и контрастности.
Значения яркости находятся в диапазоне от 0 до 255. Для того чтобы яркость можно было уменьшать и увеличивать, значения яркости берут в диапазоне от -255 до 255, затем по формуле вычисляют цвет и приводят к диапазону от 0 до 255. Для этого используется формула Pixel[x, y] = Pixel[x, y] + brightness, где x и y - координаты пикселя, а brightness - значение яркости.
■! Formi - □ X
Исходное изображение Измененное изображение
Контраст 50
Яркость -50
| Гамма ] Сохранить
Рис. 5. Изменение яркости на -50
Также данном случае можно избавиться от светлых участков изображения (например, при съемке с ярким освещением).
При увеличении яркости можно избавиться от тёмных участков изображения (например, во время съёмки при недостаточном освещении).
Изменение контрастности изображение поможет изменить насыщенность цветов в картинке (рис. 7 и рис.
8) [6].
Алгоритм изменения контрастности изображения:
Для каждого пикселя изображения для каждой из цветовых компонент R, G, и B мы должны найти отклонение от среднего значения яркости delta, и это отклонение умножить на коэффициент усиления или ослабления контраста k.
Исходное изображение
Контраст 50
Яркость 50 Гамма
Evalution Only. Created with Aspose. Imaging. Copy right 2010- 2023Aspose Pty Ltd.
Измененное изображение
Сохранить
Рис. 6. Изменение яркости на 50
Исходное изображение
Контраст 50 Яркость -20
Evalution Only. Created with Aspose. I imaging. Copyright 2010- 2023Aspose Pty Ltd. |
Измененное изображение
Рис. 7. Изменение контраста на 50
Данный метод делает изображение более насыщенным.
■? Рогт1
Сохранить
□ X
Исходное изображение
Контраст -50 Яркость -50 [ Гамма ]
Измененное изображение
Сохранить
Рис. 8. Изменение контраста на -50
129
В данном случае можно избавиться от перенасыщенной картинки и сделать ее более естественной.
Исходя из рассмотренных выше методов обработки изображений можно сказать, что не существует универсального метода улучшения качества изображения, поэтому к разным изображениям необходимо применять те методы обработки, которые дадут лучший результат. Также при применении метода необходимо учесть интенсивность применяемого эффекта. Например, если фотография сделана в солнечную погоду на улице и слишком переосвещено, то можно понизить яркость на 30, а если фотография сделана в помещении, то можно понизить яркость на 10-15. Такие же условия обработки применимы к остальным методам улучшения качества изображения, где в зависимости от недостатков изображения применяется определенная интенсивность метода обработки.
Список литературы
1. Digital image processing [Электронный ресурс] URL: https/en.wikipedia.org/wiki/AppHcations of image processing (дата обращения: 10.05.2023).
2. Гистограмма [Электронный ресурс] URL: https://ru.wikipedia.org/wiki/Гистограмма (фотография) (дата обращения: 10.05.2023).
3. Базовые методы обработки изображений [Электронный ресурс] URL: http://mechanoid.su/cv-base.html (дата обращения: 10.05.2023).
4. Гамма-коррекция [Электронный ресурс] URL: https://ru.wikipedia.org/wiki/Гамма коррекция (дата обращения: 10.05.2023).
5. Шумоподавление посредством усреднения изображений [Электронный ресурс] URL: https://www.cambridgeincolour.com/ru/tutorials-ru/image-averaging-noise.htm (дата обращения: 10.05.2023).
6. Реализация RGB-алгоритма изменения контраста изображения [Электронный ресурс] URL: https://habr.com/ru/articles/139428 (дата обращения: 10.05.2023).
Назаров Нурлан Бахтиярович, магистр, [email protected]. Россия, Тула, Тульский государственный университет,
Набродова Ирина Николаевна, канд. техн. наук, доцент, [email protected], Россия, Тула, Тульский государственный университет
A METHOD FOR IMPROVING IMAGE QUALITY BASED ON THE ANALYSIS OF INFORMATION FROM THE CAMERA
N.B. Nazarov, I.N. Nabrodova
The methods of image processing are considered, as well as the algorithms for their work, which can be used to create an automated system for improving image quality. Cases of application of these methods were also considered.
Key words: histogram, non-linear correction, linear correction, noise and noise reduction, gamma correction, logarithmic correction, brightness, contrast.
Nazarov Nurlan Bakhtiyarovich, master, nazarov.nurlan121@,gmail.ru. Russia, Tula, Tula State University,
Nabrodova Irina Nikolaevna, candidate of technical sciences, docent, [email protected]. ru, Russia, Tula, Tula State University
УДК 621.396
DOI: 10.24412/2071-6168-2023-11-130-131
МАТЕМАТИЧЕСКАЯ МОДЕЛЬ ВОЗМУЩАЮЩИХ ВОЗДЕЙСТВИЙ НА ДВИЖУЩУЮСЯ ЦЕЛЬ СО СТОРОНЫ МИКРОПРОФИЛЯ МЕСТНОСТИ
В.Л. Румянцев, Д.В. Смыляев, А.Н. Карпов
Приведены результаты моделирования микропрофиля местности на ходовую часть движущейся цели. Статистические свойства возмущающих воздействий дорог описаны корреляционными функциями и спектральными. Для нахождения алгоритма моделирования использован метод формирующего фильтра. Оценка эффективности указанного алгоритма производена методом сравнения требуемой спектральной плотности с оценкой спектральной плотности, полученной по выборке случайного процесса в результате ее цифровой обработки.
Ключевые слова: микропрофиль местности, формирующий фильтр, спектральная плотность, преобразование Фурье.
Стремление повысить точность математического моделирования ошибок пеленга движущихся целей выдвинуло в качестве одной из основных проблем решение задачи моделирования возмущающих воздействий на ходовую часть цели со стороны статистически-шероховатой подстилающей поверхности.
В работах [1-3] показано, что по характеру неровностей и степени их влияния на элементы ходовой части и подрессоренную массу цели, профиль местности можно разделить на три составляющие: макропрофиль, микропрофиль и шероховатости. Макропрофиль определяет траекторию движения цели и приводит к медленным изменениям математических ожиданий смещения угла пеленга и центра тяжести цели ш(Г), га/Г), вносящим нестационарность в процесс флуктуаций положения радиолокационного центра отражения.
130
