CC BY
6
УДК 004; 655.28.022.1 DOI: 10.24412/2071-6168-2021-2-213-218
ОПРЕДЕЛЕНИЕ ПАРАМЕТРОВ, ВЛИЯЮЩИХ НА СКОРОСТЬ ОПРЕДЕЛЕНИЯ СРЕДНЕГО ЦВЕТА ИЗОБРАЖЕНИЯ
Б.С. Яковлев, Н.Е. Проскуряков, Н.Н. Архангельская, Е.Н. Пальчун
Представлены результаты экспериментальных исследований определения среднего цвета при использовании автоматизированных программных систем. Экспериментальными и аналитическими средствами были выявлены основные параметры, влияющие на скорость процесса определения среднего цвета. Как показало исследование, наиболее значимыми параметрами стали - геометрические размеры изображения. Также был установлен «порог» изменения размеров изображения при котором средний цвет начинал необратимо меняться, для форматов TIF, JPG, PNG, BMP.
Ключевые слова: средний цвет, изображение, модель RGB, pixelColor.R, pixelColor.G, pixelColor.B, TIF, JPG, BMP, PNG.
Современное активное развитие информационных технологий диктует совершенствование существующих и появление новых подходов к решению различного рода проблем. Наибольший интерес у исследователей вызывают организация поиска изображений по запросу пользователей и хранение данных.
На наш взгляд актуальные проблемы есть и в сфере применения цифровых изображений. К ним можно отнести: недостаточное исследование вопросов, связанных с определением общего цвета изображения. Это относится и к подходам выборочной оценки зон изображения, и к определению среднего цвета, насыщенности.
Данные вопросы для полиграфии не являются главными, но они могут существенно облегчить работу дизайнеров, применяться в сфере допечатного производства или программной реализации различных слайд-шоу. В качестве перспективных направлений можно определить применение подобных технологий для задач подготовки дизайна продукции, например, создание механизма сортировки изображений по цвету и его оттенкам. Так же знание о среднем цвете изображений могут быть полезны для создания инструмента, применяемого в программировании на высокоуровневых языках и WEB-технологиях, например, в областях, связанных с показом графики пользователям, при проектировании мультимедийных приложений.
Определение среднего цвета - очень простая и точная, но затратная технология. Точность определения среднего цвета изображения напрямую зависит от полноты опроса пикселей, создающих изображение. Идеальным вариантом с точки зрения математики является полный опрос пикселей изображения с составлением матрицы цветов, с которой можно в дальнейшем выполнять различные действия.
Однако, у данного подхода есть существенный минус - время обработки изображения. Оно существенно выше, чем у методов случайных проб, опроса случайных или фиксированных зон изображения. Но на наш взгляд этот недостаток можно уменьшить до приемлемых величин. Для этого необходимо уставить предельные возможности популярных графических форматов на уменьшение их размеров. Это выявит «порог», который существенно сократит время обработки и выявит наиболее адекватные для этой задачи графические форматы.
Основной задачей при оценке среднего цвета является выявление «порога» после которого начинается необратимое искажение цвета. Предполагается, что на данный «порог» может повлиять разрешение, тип графического формата и преобладание одного из основных цветов модели RGB. В дальнейших экспериментах была предпринята попытка установить влияние последних двух факторов. Разрешение было взято постоянным и равным 75 DPI, т.к. большинство изображений, применяемых в предполагаемых областях использования технологии определения среднего цвета стремятся к снижению общего размера файла, и редко бывает более низким.
В качестве контроля отклонения полученного среднего цвета от эталонного, оригинального было взято , определяемое по методике CIE76 и формуле
А Е*аЬ = ^1*2-1\У + {а*2-а1У + (Ь*2-Ъ1У.
По данной методике &Е*аЪ не должно превышать 2-х. В качестве инструмента автоматизации расчета использовался сторонний калькулятор - Delta-E Calculator [1].
Для реализации программной части, необходимо изучить средства, которыми обладает выбранный язык программирования. В качестве основного языка был выбран С#. В нем можно реализовать считывание цветов двумя встроенными методами, а также собственным алгоритмом, основанным на обработке бинарных данных. Это наиболее популярные варианты обработки цвета. К встроенным методам относятся pixelColor.A, pixelColor.R, pixelColor.G, pixelColor.B. Данные методы могут считывать показания в модели RGB. Обращение к модели RGB осуществляется через Color.FromArgb. Получить данных о цвете пикселя можно через myBitmap.GetPixel(x, у), где X, у - координаты точки.
Помимо вышеописанного метода есть также вариант использования опроса байтовой структуры изображения. В этом случае обычно проходит опрос пикселей с занесением данных в бинарном виде в оперативную память, при этом мы имеем возможность одновременно с этим процессом преобразовывать данные в каналы цветов из-за свойств оперативной памяти. Также оперативная память хорошо структурирована, т.е. мы всегда знаем в какой ячейке записан тот или иной канал цвета.
Основной причиной появления такого метода - уменьшение времени операции из-за отсутствия посредника в виде метода опроса, типа GetPixel, т.к. мы напрямую обращаемся к оперативной памяти. Кроме того, данное устройство дает высокую скорость работы приложения, что должно уменьшить время операции, но есть риск возникновения ошибок считывания показателей цвета, поэтому была взята за основу наиболее часто используемая и отработанная готовая подобная функция.
Исследования проводились с применением разработанного ПО на базе языка С#, а также Adobe Photoshop Version: 13.0.1 х32, запущенных на ЭВМ следующей конфигурации: Windows 10, Intel CPU Family:6, Model: 10, Stepping:9 with MMX, SSE Integer, S SE FP, SSE2, SSE3, SSE4.1, SSE4.2, HyperThreading, Physical processor count: 4, Logical processor count: 8, Processor speed: 3410 MHz, Built-in memory: 16338 MB, OpenGL Drawing: Enabled, Video Card Renderer: GeForce GTX 1060 6GB/PCIe/SSE2, Video Card: NVIDIA GeForce GTX 1060 6GB, Driver Version: 23.21.13.9135.
Для решения самой главной задачи - снижение времени на операцию определения среднего цвета необходимо выявить порог уменьшения изображения, при котором начнутся необратимые изменения данного параметра относительно оригинального изображения.
Для эксперимента было выбрано по одному образцу с преобладанием красного, зеленого и синего оттенков. В качестве форматов использовались - растровые изображения формата JPG, TIF, PNG, BMP с разрешением 75 DPI и геометрическими размерами 1024x768 pix. Тест-объекты для данного эксперимента приведены на рис. 1.
В ходе эксперимента оригинальный файл - «родитель» последовательно и пропорционально уменьшался на 10 %, вплоть до 10 % от номинального. Уменьшение размеров изображения было выполнено с помощью программы Photoshop, при сохранении файлов были выбраны наивысшее качество. Все форматы сохранялись без применения сжатий и со стандартными настройками Photoshop.
Т.к. в большинстве случаев наиболее критическим параметром в макетировании WEB- и программных продуктах обычно выступает высота рисунка, то уменьшение изображений производилось по этому параметру.
Табличные данные с полученными результатми, были представлены в ранее написанной работе [2].
После обработки данных экспериментальных материалов были получены графические зависимости, представленные на рис. 2-6.
Рис. 1. Тест-объекты для эксперимента по установлению порога изменения размеров изображений без существенного искажения среднего цвета
Процент умень
Рис. 2. Зависимость скорости процесса от процента уменьшения изображения
40 60 80
Процент уменьшения, %
Рис. 3. Результат анализа АЕ*аЬ для всех исследуемых изображений графического формата BMP: 1 — изображение с преобладанием красного канала; 2 — изображение с преобладанием зеленого канала; 3 — изображение с преобладанием синего канала
215
Формат JPG
Процент уменьшения, %
Рис. 4. Результат анализа АЕ*аЬ для всех исследуемых изображений графического формата JPG: 1 — изображение с преобладанием красного канала; 2 - изображение с преобладанием зеленого канала; 3 — изображение с преобладанием синего канала
Формат PNG
О 20 40 60 80
Процент уменьшения, %
Рис. 5. Результат анализа АЕ*аЬ для всех исследуемых изображений графического формата PNG: 1 — изображение с преобладанием красного канала; 2 — изображение с преобладанием зеленого канала; 3 — изображение с преобладанием синего канала
Формат TIF
Предельн ое значение ДЕ L _/ ab ffi
1 3 / / 9—^—4 J
) 20 40 60 80
Процент уменьшения, %
Рис. 6. Результат анализа АЕ*аЬ для всех исследуемых изображений графического формата TIF: 1 — изображение с преобладанием красного канала; 2 — изображение с преобладанием зеленого канала; 3 — изображение с преобладанием синего канала
216
Анализ графических зависимостей показал, что скорость процесса напрямую зависит от размера изображения, от количества пикселей в нем.
Также по графикам среднего AE*Ö было определено, что графические форматы ведут себя по разному, у всех есть отклонения от нормы в зависимости от рисунка. Наиболее стабильным оказался формат BMP.
Основные выводы и заключение:
1. Как показывают графические зависимости наибольшим «порогом» при определении среднего цвета изображения является BMP формат, его AE*ab не превышает 2-х единиц не зависимо от параметров изображений.
2. Формат BMP дает возможность определять средний цвет изображения при 9C % уменьшении размера изображения, что дает возможность анализировать их в среднем за 1З секунд.
3. В высокоуровневых языках анализ изображений напрямую через оперативную память дает сокращение времени опроса цвета пикселей в среднем на 5 минут, по сравнению с встроенными в них методами.
4. Графические форматы JPG, TIF показали существенное искажение среднего цвета при ВС % уменьшения от изначального размера изображения.
5. Изображение с преобладающим синим цветом не прошли среднее AE*Ö для форматов JPG, TIF, PNG.
6. Формат PNG не прошел проверку среднего AE*b лишь для изображений с превалирующим синим цветом.
7. Скорость процесса получения среднего цвета изображения не зависит от графического формата.
В. На базе проведенных экспериментов было создано программное обеспечение по определению среднего цвета на изображении.
Список литературы
1. Delta-E Calculator [Электронный ресурс] URL: http://colormine.org/delta-e-calculator (дата обращения: С1.С2.2С21).
2. Proskuriakov N.E., Yakovlev B.S., Arkhangelskaia N.N. Determination of parameters affecting the calculation time of the image average colour // Journal of Physics: Conf. Series. Volume 1260 (2C19) C72C17. DOI: 10.1088/1742-6596/1260/7/072017.
Яковлев Борис Сергеевич, канд. техн. наук, доцент, bor yakamail. ru, Россия, Тула, Тульский государственный университет,
Проскуряков Николай евгеньевич, д-р техн. наук, профессор, vippneamail.ru, Россия, Тула, Тульский государственный университет,
Архангельская Наталья Николаевна, канд. техн. наук, доцент, arhangel nataly a mail.ru, Россия, Тула, Тульский государственный университет,
Пальчун Екатерина Николаевна, канд. техн. наук, доцент, vippnea mail.ru, Россия, Тула, Тульский государственный университет
DETERMINA TION OF PARAMETERS AFFECTING THE RA TE OF DETERMINA TION OF THE AVERAGE COLOR OF THE IMAGE
B.S. Yakovlev, N.E. Proskuryakov, N.N. Arkhangelskaya, E.N. Palchun
The results of experimental studies of determining the average color using automated software systems are presented. Experimental and analytical tools have identified the main parameters that affect the speed of the process of determining the average color. As the study showed, the most significant parameters of steel are the geometric dimensions of the image. Also, a «threshold» for image resizing was set at which the average color began to change irreversibly, for TIF, JPG, PNG, BMP formats.
Key words: average color, image, RGB model, pixelColor.R, pixelColor.G, pix-elColor.B, TIF, JPG, BMP, PNG.
Yakovlev Boris Sergeevich, candidate of technical sciences, docent, hor yakamail. ru, Russia, Tula, Tula State University,
Proskuryakov Nikolay Evgenievich, doctor of technical sciences, professor, vippne(q),mail. ru, Russia, Tula, Tula State University,
Arkhangelskaya Natalya Nikolaevna, candidate of technical sciences, docent, arhan-gel nataly(q),mail. ru, Russia, Tula, Tula State University,
Palchun Ekaterina Nikolaevna, candidate of technical sciences, docent, Екатерина kat.protiv(q),list. ru, Russia, Tula, Tula State University
УДК 621.833
МОДЕЛИРОВАНИЕ ПРОЦЕССА ВЫЧИСЛЕНИЯ ЗНАЧЕНИЙ НЕКОТОРЫХ ЭЛЕМЕНТАРНЫХ ФУНКЦИЙ С ПОМОЩЬЮ РЯДА МАКЛОРЕНА
Н.С. Азимов
Данная работа посвящена нахождению значений некоторых элементарных функций с помощью их разложения в ряд Маклорена. Составленная программа позволяет найти приближенное значение этих функций в некоторых точках с точностью до шести знаков. Результат работы позволит применить данную программу при решении многих технических задач.
Ключевые слова: моделирование, степенной ряд, ряд Маклорена, элементарные функции, приближенное значение, точность.
Известно, что функцию, имеющей все производные до (п+1) -го порядка включительно, в окрестности некоторой точки можно разложить в степенной ряд: [1]
х — а (х — а)п , л
fix) = f(a) + —Па) + ... + n, Гп\а) + ...
При а = 0, получим ряд Маклорена:
f{x) = f(0) + X-f'i 0) + ... + ^/Cn)(0) + -
В данной работе содержится программное вычисление приближенных значений функций fix) = ех, fix) = е~х, fix) = shx, fix) = chx при любых значениях х.
Программа создана на языке программирования VB.NET. [2].
Приведем общий вид программы (рис. 1).
218
