Разработка помехоустойчивого алгоритма бинаризации цифровых изображений тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Яковлева, Елена Сергеевна

• Яковлева, Елена Сергеевна
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Яковлева, Елена Сергеевна

СОДЕРЖАНИЕ

СОКРАЩЕНИЯ, ИСПОЛЬЗУЕМЫЕ В ДИССЕРТАЦИИ

ВВЕДЕНИЕ

ГЛАВА 1. ПРОБЛЕМА БИНАРИЗАЦИИ В ПОЛИГРАФИИ

1.1. Цифровые изображения

1.2. Процесс бинаризации

1.3. Задача растрирования

1.3.1. Линейные растры

1.3.2. Цифровые растры

1.3.3. Линиатура и количество градаций серого

1.3.4. Модель зрения

1.3.5. Модель растрирования

1.3.6. Постановка задачи

1.4. Другие области применения бинаризации

1.4.1. Алгоритмы выделения границ

1.4.2. Морфологические операторы

1.4.3. Преобразование Хафа

Выводы по главе 1

ГЛАВА 2. МЕТОДЫ БИНАРИЗАЦИИ

2.1. Пороговые методы

2.1.1. Выбор порога на основе гистограммы

2.1.2. Скользящий порог

2.1.3. Энтропийные подходы

2.1.4. Стохастические методы

2.2. Методы на условии равенства яркостей

2.2.1. Вычислительная сложность

2.2.2. Псевдотонирование

2.3. Сравнение

2.3.1. Субъективные критерии

2.3.2. Объективные меры искажения

Выводы по главе 2

ГЛАВА 3. АЛГОРИТМ БИНАРИЗАЦИИ

3.1. Д-алгоритм и его вычислительная сложность

3.2. Минимизация евклидова расстояния

3.3. Деление полутоновых изображений в зависимости от плавности изменения яркости объекта и фона

3.4. Бинаризация полутоновых изображений

3.5. Современные алгоритмы бинаризации

3.6. Увеличение контраста

3.7. Преобразование цветных изображений

3.8. Модификация и тест Тьюринга САРТСНА

Выводы по главе 3

ГЛАВА 4. ПОМЕХОУСТОЙЧИВОСТЬ АЛГОРИТМОВ БИНАРИЗАЦИИ

4.2. Бинарный канал

4.3. Модель шума

4.4. Бинарный шум с заданной мощностью

4.5. Схема проверки помехоустойчивости

4.6. Относительная энтропия для определения помехоустойчивости алгоритмов бинаризации

4.7. Модель стирающего канала

4.8. Размытие границ

4.9. Евклидово расстояние и относительная энтропия

4.10. Случайное изменение размера

4.11. Рандомизация

Выводы по главе 4

ЗАКЛЮЧЕНИЕ

ЛИТЕРАТУРА

ПРИЛОЖЕНИЕ 1. КОДЫ ПРОГРАММ, РЕАЛИЗОВАННЫХ В СРЕДЕ MATLAB

СОКРАЩЕНИЯ, ИСПОЛЬЗУЕМЫЕ В ДИССЕРТАЦИИ

RIP — Raster Image Processor, растровый процессор изображений PCL— Printer Control Language, язык описания страниц, созданный фирмой Hewlett-Packard

lpc — lines per centimeter, число линий на сантиметр lpi — lines per inch, число линий на дюйм dpi — dots per inch, число точек на дюйм Р задача — polynomial, задача полиномиального типа NP задача — non-polynomial, задача не полиномиального типа MPEG-4 (Moving Pictures Expert Group) — стандарт по изготовлению интерактивного видео на компакт-дисках, DVD-дисках и для цифрового телевидения, разработанный группой экспертов в области перемещения изображения Moving Picture Experts Group

ITU-R — Recommendations of International Telecommunication Union, набор международных технических стандартов, разработанный радиокоммуникационным сектором Международного телекоммуникационного общества

HVS — Human visual system, зрительная система человека CMYK — Cyan (голубой), Magenta (пурпурный), Yellow (желтый), black (черный), цветовая модель

RGB — Red (красный), Green (зеленый), Blue (синий), цветовая модель Н.264 — современный (High) стандарт видеосжатия, часть 10 стандарта MPEG-4, AVC (Advanced video coding, расширенное видеокодирование), основан на блочном гибридном кодировании, с уменьшенными размерами блока, встроенным фильтром уменьшения видимости блочных искажений NC — Normalized correlation, нормированная взаимная корреляция HS — Histograms similarity, подобие гистограмм PSNR — Peak signal-to-noise ratio, пиковое отношение сигнал/шум MD — Maximum difference, максимальная разность

AD — Average difference, средняя разность

MSE — Mean square error, среднеквадратичная ошибка

e — Euclidian distance, евклидово расстояние

LP — LP norm, норма

LMSE — Laplacian mean square error, Лапласова среднеквадратичная ошибка

SNR — Signal-to-noise ratio, отношение сигнал/шум CQ — Correlation quality, качество корреляции IF — Image fidelity, качество изображения

GSSNR — Global Sigma Signal to Noise Ratio, общее сигма-отношение сигнал/шум

SSNR — Sigma Signal to Noise Ratio, сигма-отношение сигнал/шум LGN — Lateral geniculate nucleus, латеральное коленчатое тело PSF — Point-Spread function, функция размытия точки

Введение диссертации (часть автореферата) на тему «Разработка помехоустойчивого алгоритма бинаризации цифровых изображений»

ВВЕДЕНИЕ

Методы обработки цифровых изображений представляют интерес для большого числа задач из разных областей, в число которых входит современная полиграфия. Для полиграфической продукции определяющим свойством является ее качество, которое определяется многими факторами. Отсутствие универсального критерия качества является источником постоянного поиска новых адекватных решений.

Для вывода на печать цифровое изображение преобразует Raster Image Processor (RIP), представляющий собой программно-аппаратный комплекс, который осуществляет процедуру цифрового растрирования. Термин растрирование имеет много значений. В полиграфии под ним понимают [1] преобразование иллюстративной информации в битовую карту из нулей и единиц, управляющих устройством печати. В настоящей работе рассматривается цифровой вариант растрирования, представляющий собой преобразование полутонового изображения, представленного в цифровом виде, в бинарное. В литературе по цифровой обработке такое преобразование называют бинаризация.

Значительные результаты в исследовании методов растрирования представлены в классических работах Шеберстова В.И. [2], Шашлова Б.А. [3], и др., в работах современных авторов, в частности Андреева Ю.С. [4, 5], Дроздова В.Н. [6], Кузнецова Ю.В. [1], Самарина Ю.Н. [7, 8], в работах зарубежных авторов, таких как Аллебах Я.П. [9], Арче Г.Р. [10]. Большое число методов бинаризации рассмотрено в монографии отечественных специалистов Фурмана Я.А., Юрьева А.Н. и Яншина В.В. [11], в работах по цифровой обработке изображений Сойфера В.А. [12, 13], Потапова А. А. [14] и многих других. Вопросы повышения качества методом цифровой обработки обсуждались рядом зарубежных авторов, таких как Прэтт У. [15, 16], Форсайт Д., ПонсЖ. [17], Стейнберг М.В., Флойд Р.В. [18], Лоу Д.Л. [10], Сэломон Д. [19].

Вопросами применения средств информационных технологий в полиграфии и использования программного обеспечения допечатных процессов занимались Гасов В.М. и Цыганенко A.M. [20 - 22]. Методы оценки искажений полутоновых оригиналов в автотипном процессе и методы адаптивного растрового преобразования обсуждались в работах сотрудников СевероЗападного института печати СПГУТД Желудева Д.Е. [23] и Щаденко A.A. [24].

В результате выработано большое число алгоритмов бинаризации, которые используются для процессов растрирования, и современные RIP могут решать задачу для разнообразного набора изображений и средств печати. Поскольку RIP разрабатывается для коммерческих целей и практически каждая цифровая печатная машина или принтер имеет свой собственный RIP, то используемые алгоритмы являются узкоспециализированными.

Поэтому пользователь лишен возможности их модифицировать, например, перестроить параметры в целях заказчика или для устранения артефактов, возникающих при печати из-за шумов. Хотя недостатка в алгоритмах бинаризации нет, однако защищенность их кода не позволяет проследить методы, положенные в их основу и определить их возможности. Более того, высокая степень защищенности, характерная для алгоритмов RIP профессионального уровня, затрудняет их сравнение при выборе того или иного разработчика. В связи с этим задача разработки и исследования новых алгоритмов бинаризации представляется актуальной.

Диссертационная работа посвящена решению данной задачи.

В работе рассматриваются классические методы и алгоритмы. Новые возможности следуют из применения для обработки изображений квантовых алгоритмов с использованием перепутанных состояний света, реализация которых на основе односторонних логических ячеек кратко обсуждалась в работах [25, 26].

Преобразование изображения в бинарное представляет интерес для широкого круга задач. Именно так в полиграфии создается иллюзия большого

количества оттенков при печати слоем краски постоянной толщины. Бинаризация является одной из составляющих методов анализа цифровых изображений, позволяя выделить особенности объектов, несущих интересную информацию, создавать компактное описание. На рис. В. 1 приведена общая схема цифрового преобразования изображений с использованием процесса бинаризации.

Рис. В.1. Общая схема цифрового преобразования изображений с использованием процесса бинаризации

В работе будет разработан и исследован один алгоритм бинаризации, который далее будем называть Д-алгоритм [27]. Основные вопросы, которые подлежат рассмотрению, следующие: программная реализация, вычислительная сложность Д-алгоритма, его свойства и области применения, сравнение с другими алгоритмами бинаризации, помехоустойчивость. Первоначальная идея о создании Д-алгоритма бинаризации принадлежит проф. В.Н. Дроздову, а разработка, реализация, сравнительный анализ с другими алгоритмами — автору диссертации Яковлевой Е.С.

Предлагаемый Д-алгоритм использует оригинальный способ расстановки О и 1 в бинарной матрице, в условиях равенства яркостей. Как установлено, благодаря этому способу, алгоритм является простым с вычислительной точки зрения, что делает его привлекательным для приложений. Рассмотренные объективные меры искажения, такие как евклидово расстояние, пиковое отношение сигнал/шум, относительная энтропия показывают, что работа Д-алгоритма для определенного класса изображений выглядит лучше, чем работа других алгоритмов, которые были использованы для сравнения.

Вопрос о помехоустойчивости алгоритма является важным, поскольку связан со стабильностью реального процесса печати. Причиной нестабильности являются ошибки, они вызваны весьма разнообразными причинами, которые

имеют случайный характер, поэтому их можно называть шумом. Действие шума приводит к снижению качества, когда в каждом тираже могут возникать экземпляры с браком. Хотя имеет место повышение стабильности, от ошибок избавиться нельзя, но в то же самое время их число можно уменьшить, если использовать помехозащищенные компоненты, взяв, например, алгоритмы, которые будут более помехоустойчивы.

Актуальность рассмотрения еще одного метода бинаризации обусловлена тем, что универсальных решений нет, а известные методы имеют ограничения, которые не всегда известны. Поэтому важным является вопрос о типе изображений для которых эффективен данный алгоритм. Установлено, что предложенный Д-алгоритм эффективно работает с непрерывно тоновыми изображениями, особенно с теми, где есть много мелких деталей, однако для изображений с большими одноцветными областями без последующей дополнительной обработки он не годится.

Хотя недостатка в алгоритмах бинаризации нет, однако защищенность их кода не позволяет проследить методы, положенные в их основу и определить их возможности. Высокая степень защищенности характерна для алгоритмов RIP профессионального уровня, что затрудняет их сравнение при выборе того или иного разработчика. По мнению экспертов [28 - 30], растет потребность использования решений на основе открытого исходного кода («open source»), поскольку они более доступны для анализа, позволяют снизить уровень пиратства, обеспечить информационную безопасность путем сертификации и т.д. Поэтому представляют интерес программы начального уровня, которые бы наглядно, шаг за шагом демонстрировали весь процесс, что может быть использовано не только на практике, но и в учебном процессе при подготовке специалистов в сфере полиграфии.

Целью диссертационной работы является разработка помехоустойчивого алгоритма бинаризации для задачи растрирования

изображений при допечатной подготовке изданий. Как уже было отмечено, этот алгоритм называется Д-алгоритм и он основан на условии сохранения яркости. В процессе работы решались следующие научные задачи:

1. Анализ основных методов цифрового преобразования изображений в процессе допечатной подготовки изданий.

2. Обзор методов бинаризации и выбор объективных мер искажения для оценки работы алгоритмов бинаризации.

3. Алгоритмизация и реализация помехоустойчивого алгоритма бинаризации цифровых изображений (Д-алгоритм).

4. Исследование работы Д-алгоритма бинаризации и сравнение с другими алгоритмами бинаризации.

5. Разработка теоретико-информационной модели бинарного канала для описания ошибок процесса печати.

6. Применение условных операций для описания шумов процесса печати.

7. На основе объективных мер искажения изучение свойств Д-алгоритма при воздействии бинарного шума и сравнение с другими алгоритмами.

8. Модифицирование Д-алгоритма с целью улучшения качества на основе метода рандомизации.

Объектом исследования являются растровые полутоновые изображения в градациях серого и цветные изображения, представленные в цифровом виде.

Предметом исследования является процесс бинаризации полутоновых и цветных изображений, представленных в цифровом виде.

Методы исследования. При решении поставленных задач использованы методы теории информации, математической статистики, цифровой обработки сигналов и обработки изображений.

Научная новизна заключается в том, что: 1. Предложен оригинальный Д-алгоритм бинаризации, который отличается от известных тем, что позволяет усилить контраст, выделить слабоконтрастные детали в полутоновых изображениях, и за счет

дополнительно разработанного метода рандомизации улучшить визуальное качество бинарного изображения.

2. Предложена модель бинарного канала со стирающим шумом в целях изучения ошибок, возникающих в процессе печати. Для описания действия бинарного стирающего шума на изображение введены условные многобитные операции, позволяющие моделировать различные ошибки процесса печати.

3. На основе моделирования воздействия бинарного шума, описывающего ошибки процесса печати, и оценке искажений по относительной энтропии и евклидову расстоянию, показано, что предложенный Д-алгоритм бинаризации по сравнению с рассмотренными алгоритмами, основанными на стохастических методах, оказывается более помехоустойчивым.

Полученные результаты являются новыми, основные из них приведены в работах [25 - 27, 31 - 40].

Практическая ценность. Ценность состоит в том, что разработан помехоустойчивый алгоритм бинаризации цифровых изображений, и предложена модель бинарного канала со стирающим шумом, в которой введены условные многобитные операции, позволяющие моделировать различные ошибки процесса печати с целью анализа помехоустойчивости алгоритмов бинаризации цифровых изображений.

Реализация результатов работы. С 2008 года комплекс по бинаризации цифровых изображений, содержащий два учебных видеофрагмента с иллюстрацией методов бинаризации, внедрен в учебный процесс СЗИП СПГУТД в специальном курсе «Компьютерная обработка изображений» для специальностей 230203.65 «Информационные технологии в дизайне» и 230204.65 «Информационные технологии в медиаиндустрии». Теоретические положения диссертации и практические эксперименты используются в учебном процессе НИУ ИТМО и включены в курс лекций и практических занятий по

дисциплинам: «Инженерная и компьютерная графика» для дипломированных специалистов, обучающихся по специальности 220201.65 и магистерского курса обучения «Методы цифровой обработки информации» направления 220200.

Апробация работы. Основные результаты диссертации были представлены на научных конференциях и семинарах:

1. На международной конференции «Optoinformatics - 2008» (Санкт-Петербург, 2008 г.);

2. На семинаре кафедры Автоматизированного полиграфического оборудования Северо-Западного института печати СПГУТД (Санкт-Петербург, 2008 г.);

3. На XI Санкт-Петербургской международной конференции «Региональная информатика - 2008» (Санкт-Петербург, 2008 г.);

4. На международной конференции студентов и молодых ученых «Print-2009» (Санкт-Петербург, 2009 г.);

5. На семинарах кафедр Автоматизации полиграфического производства и Прикладной математики и моделирования систем Московского государственного университета печати (Москва, 2009, 2010 гг.);

6. На семинаре кафедры Обработка сигналов мультимедиа университета г. Констанца (Германия, 2009 г., 2010 г., 2011 г.);

7. На семинаре Российско-Германских программ «Михаил Ломоносов / Иммануил Кант» (Бонн, Германия, 2009 г.);

8. На международной конференции студентов и молодых ученых «Printing Future Days 2011» (Хемниц, Германия, 2011 г.).

Работа поддержана грантом Министерства Рособразования и Германской службы академических обменов DAAD для выполнения НИР по проекту «Разработка и исследование методов компьютерной обработки изображений (полиграфия)» в 2009 г., грантом правительства г. Санкт-Петербурга,

комитетом по науке и высшей школе для молодых ученых1 в 2009 г., для выполнения НИР по проекту «Использование методов квантовой теории информации в задачах обработки и анализа изображений», а также грантом Германской службы академических обменов DAAD для выполнения НИР по проекту «Алгоритмическое обеспечение растровых процессоров изображений» в 2010 г. В 2009-2011 гг. соискатель дважды проходила многомесячную стажировку в университете г. Констанца (Германия), на кафедре Обработка сигналов мультимедиа под руководством профессора Дитмара Заупе, всемирно известного ученого в области обработки изображений, занимаясь изучением свойств Д-алгоритма, его сравнением по отношению к современным алгоритмам бинаризации, программированием в Matlab, работой с иностранной литературой и выступлением на семинарах кафедры.

Публикации. Основные результаты по теме диссертации опубликованы в 13 работах, из них 6 — в журналах, включенных в Перечень ВАК РФ.

Структура и объем диссертации. Диссертация состоит из списка используемых сокращений, введения, четырех глав, заключения, одного приложения и списка цитируемой литературы (92 позиции). Работа изложена на 174 страницах, включая 62 рисунка.

В начале приведена расшифровка сокращений, используемых в диссертации.

В первой главе рассмотрены методы преобразования цифровых изображений, применяемые в полиграфии.

Показано, что бинаризация является важным инструментом обработки изображений. Приведены основные цели бинаризации: а) выявление особенностей объектов, которые несут нужную информацию; б) компактное описание; в) создание иллюзии большого числа оттенков или цвета. Отмечено,

1 Яковлева Е.С. Использование методов квантовой теории информации в задачах обработки и анализа изображений. Четырнадцатая Санкт-Петербургская Ассамблея молодых ученых и специалистов. Аннотации работ победителей конкурса грантов 2009 года для студентов, аспирантов, молодых ученых и молодых кандидатов наук. — СПб.: Издательство Политехи, ун-та, 2009, с. 115.

что бинаризация используется в задачах исследования и диагностики сложных технических и биологических систем, а также является одним из основных методов печати в полиграфии и служит основой RIP, осуществляющего процесс растрирования.

Показано, что алгоритмы растрирования должны учитывать особенности зрительной системы человека, технологию печати, и быть простыми с вычислительной точки зрения.

Рассмотрены некоторые теоретические вопросы растрирования, приведены примеры использования бинаризации в других задачах не полиграфического профиля, а именно в алгоритмах выделения границ, морфологических операциях, преобразовании Хафа.

Во второй главе диссертации приведен анализ методов бинаризации полутоновых и цветных изображений, включающих в себя пороговые методы и методы на основе равенства яркостей.

Рассмотрены субъективные критерии качества и объективные меры искажения, основанные на гельдеровой мере, корреляционных, энтропийных характеристиках и некоторые другие.

В третьей главе разработан и исследован Д-алгоритм бинаризации, впервые предложенный в работе [27], и его модификация.

Выбрано деление изображений на основе таких признаков, как контраст фона и объектов и изменения их яркостей, приведено вероятностное исследование задачи минимизации евклидова расстояния Д-алгоритмом. Рассмотрено преобразование полутоновых и цветных изображений и вычислены объективные меры искажения, такие как среднее расстояние, евклидово расстояние, пиковое отношение сигнал/шум, для оценки работы Д-алгоритма и трех других. Рассмотрен эффект усиления контраста при бинаризации Д-алгоритмом. Приведен вариант модификации Д-алгоритма для решения задачи распознавания образов на примере теста САРТСНА.

В четвертой главе приведен эксперимент, где изучалось влияние шума, который может описывать ошибки процесса печати, на алгоритмы бинаризации, а также предложена модификация исследуемого алгоритма, использующая процесс рандомизации для улучшения визуального качества бинарного изображения.

Для изучения ошибок процесса печати предложена модель бинарного канала со стирающим шумом, действие которого описывается с помощью условных многобитных операций.

Проведены тестовые эксперименты с анализом объективных мер искажения, вызванных стирающим шумом, который визуально приводит к размытию границ. Вычислены меры искажения, такие как евклидово расстояние и относительная энтропия, показывающие, что Д-алгоритм является более помехоустойчивым, по сравнению с рассмотренными алгоритмами, основанными на стохастических методах. Приведен метод рандомизации Д-алгоритма, который позволяет улучшить визуальное качество изображений и сохранить основные достоинства Д-алгоритма.

В заключении сформулированы основные полученные результаты, характеризующие найденные свойства Д-алгоритма и двух предложенных модификаций.

В приложении 1 указаны коды программ, реализованных в среде МаНаЬ.

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Яковлева, Елена Сергеевна

Выводы по главе 4

1. Несмотря на сложность процесса печати, для задачи исследования алгоритмов бинаризации, шум можно моделировать с помощью бинарного канала, где входом служит бинарное изображение в цифровом виде, а выходом — оттиск. Такая модель позволяет изучать влияние шума на процесс печати, который может приводить к ухудшению качества изобразительной продукции. Причин возникновения шума в реальном процессе печати много и реально устранить их невозможно, поэтому для уменьшения ошибок можно выбрать более помехоустойчивые алгоритмы бинаризации.

2. Используемая модель известного из теории информации стирающего шума и ее предложенная модификация приводят к ошибкам, которые визуально выражаются в уменьшении яркости бинарного изображения, размыванию границ и случайному увеличению размеров, что выглядит как смазывание контура объекта.

3. При наличии шума не все объективные меры искажения оказываются адекватными зрительному восприятию. Как следует из полученных результатов, относительная энтропия лучше соответствует оценке зрительного восприятия, чем евклидово расстояние.

4. При действии шума на изображение, обработанное Д-алгоритмом, по сравнению с методом DITHER лучше сохраняются границы объекта. Это свойство выглядит естественным, поскольку в отличие от DITHER исследуемый Д-алгоритм имеет детерминированную основу.

5. При оценке помехоустойчивости Д-алгоритма и набора из современных алгоритмов бинаризации, была найдена коллекция цифровых изображений для которой вычисленные объективные меры искажения и относительная энтропия для Д-алгоритма лучше, что означает что Д-алгоритм более помехоустойчивый.

6. Как показывают результаты работы предложенной рандомизации Д-алгоритма, введение шума приводит к визуальному улучшению качества изображения из-за возникновения эффекта более плавной передачи тона, однако объективные меры искажения при этом ухудшаются.

ЗАКЛЮЧЕНИЕ

В процессе проведенного исследования, включающего разработку помехоустойчивого алгоритма бинаризации цифровых изображений, были получены следующие результаты:

1. Показана актуальность изучения новых алгоритмов бинаризации, которые находят широкое применение в задачах преобразования цифровых изображений, в число которых входит процесс допечатной подготовки изобразительной информации.

2. Реализован помехоустойчивый алгоритм бинаризации цифровых изображений. Найдено, что Д-алгоритм является простым с вычислительной точки зрения.

3. Для сравнения работы алгоритмов бинаризации были выбраны объективные меры искажения, основанные на гельдеровой метрике, и относительная энтропия, которые оказались лучше у Д-алгоритма, чем у типичных алгоритмов, выбранных для сравнения.

4. Применение Д-алгоритма к слабоконтрастным полутоновым изображениям приводит к усилению контраста и выявлению слабоконтрастных деталей.

5. Предложенная модификация Д-алгоритма бинаризации эффективно решает одну из задач распознавания образов, известную как САРТСНА или тест Тьюринга по различению человека и машины.

6. Для описания дефектов в процессе печати предложена модель бинарного канала со стирающим шумом, на основе которой рассмотрена помехоустойчивость работы алгоритмов бинаризации.

7. Объективные меры искажения, выбранные для оценки влияния стирающего шума, показали, что рассмотренные алгоритмы, использующие стохастические методы бинаризации, оказываются менее помехоустойчивыми, чем Д-алгоритм, использующий детерминированные методы на основе условия равенства яркостей.

8. Предложена модификация исходного алгоритма бинаризации, которая использует процесс рандомизации, что приводит к улучшению качества зрительного восприятия.

Список литературы диссертационного исследования кандидат технических наук Яковлева, Елена Сергеевна, 2011 год

ЛИТЕРАТУРА

1. Кузнецов, Ю.В. Технология обработки изобразительной информации / Ю.В. Кузнецов // Москва - СПб.: Петербургский институт печати, 2002, 308 с.

2. Шеберстов, В.И. Технология изготовления печатных форм / В.И. Шеберстов // М.: Книга, 1990, 224 с.

3. Шашлов, Б.А. Цвет и цветовоспроизведение / Б.А. Шашлов // М.: Книга, 1986, 280 с.

4. Андреев, Ю.С. Воспроизведение периодических сигналов в растровой репродукционной системе / Ю.С. Андреев, Н.И. Каныгин // Журнал научной и прикладной фотографии и кинематографии, 1994, т. 20, с. 337340.

5. Андреев, Ю.С. Функция передачи модуляции для оценки полиграфических репродукционных систем /Ю.С. Андреев, Т.А. Макеева // Журнал Полиграфия, М., 2007, №4, с. 30-32.

6. Дроздов, В.Н. Модели полиграфических устройств и сигналов / В.Н. Дроздов // СПб.: Петербургский институт печати, 2002, 100 с.

7. Самарин, Ю.Н. Допечатное оборудование: конструкции и расчет // Ю.Н. Самарин / М.: МГУП, 2002, 555 с.

8. Самарин, Ю.Н. Научные основы и методология проектирования выводных устройств допечатных систем // Ю. Н. Самарин / М.: МГУП, 2004, 431 с.

9. Allebach, Jan P. Digital Printing — An Image Processor's Perspective / Jan P. Allebach // IS&T Reporter «The window on imaging», vol. 19, № 1, February 2004, pp. 1-8.

10.Lau, Daniel L. Modern digital halftoning. Second edition, with CD / Daniel L. Lau, Gonzalo R. Arche // USA: CRC Press, 2008, 664 pp.

11. Фурман, Я.А. Цифровые методы обработки и распознавания бинарных изображений / Я.А. Фурман, А.Н. Юрьев, В.В. Яншин // Красноярск, Изд-во Краснояр. ун-та, 1992, 248 с.

12.Soifer, V.A. Computer Image Processing, Part I: Basic concepts and theory / Edited by Victor A. Soifer // YDM Verlag Dr. Mueller E.K., 2009, 283 pp.

13.Soifer, V.A. Computer Image Processing, Part II: Methods and algorithms / Edited by Victor A. Soifer // VDM Verlag Dr. Mueller E.K., 2009, 467 pp.

14.Потапов, А. А. Новейшие методы обработки изображений / А.А. Потапов, Ю.В. Гуляев, С.А. Никитов, А.А. Пахомов, В.А. Герман // М.: Физматлит, 2008, 496 с.

15.Прэтт, У. Цифровая обработка изображений / У. Прэтт // Пер. с англ., М.: Мир, 1982, Кн. 1,312 с.

16.Прэтт, У. Цифровая обработка изображений / У. Прэтт // Пер. с англ., М.: Мир, 1982, Кн.2, 480 с.

17.Понс., Ж. Компьютерное зрение. Современный подход / Д. Форсайт, Ж. Понс // К.: Вильяме, 2004, 928 с.

18.Floyd, R.W. An adaptive algorithm for spatial grey scale / R.W. Floyd, L. Steinberg // Proceedings of the Society of Information Display, 1976, vol. 17, № 2. pp. 75-78.

19.Сэлomoh, Д. Сжатие данных изображений и звука / Д. Сэломон И М.: Техносфера, 2004, 368 с.

20.Гасов, В.М. Информационные технологии в издательском деле и полиграфии / В.М. Гасов, A.M. Цыганенко // Учебное пособие, М.: Мир книги, 1998, Кн. 1,639 с.

21.Гасов, В.М. Информационные технологии в издательском деле и полиграфии / В.М. Гасов, A.M. Цыганенко // Учебное пособие, М.: Мир книги, 1998, Кн. 2., 528 с.

22.Гасов, В.М. Программное обеспечение допечатных процессов / В.М. Гасов, A.M. Цыганенко // М.: Логос, 2000, 370 с.

23.Желудев, Д.Е. Исследование и разработка метода оценки искажений деталей полутоновых оригиналов в автотипном процессе / Д.Е. Желудев // Автореферат дисс. на соискание ученой степени канд. техн. наук, СПб., 2009, 16 с.

24.Щаденко, A.A. Адаптивное растровое преобразование в полиграфической технологии / A.A. Щаденко // Автореферат дисс. на соискание ученой степени канд. техн. наук, СПб., 2009, 16 с.

25.Basharov, A.M. One-way gates based on EPR, GHZ and decoherence-free states of W class / A.M. Basharov, V.N. Gorbachev, A.I. Trubilko, E.S. Yakovleva // Журнал Physics Letters A, Netherlands, Amsterdam.: Elsevier, 2009, vol. 373, issue 38, pp. 3410-3412.

26.Горбачев, B.H. Усиление перепутанного света при отражении от резонатора с нелинейной средой / В.Н. Горбачев, А.И. Трубилко, Е.С. Яковлева // Журнал Оптика и спектроскопия. М.: Наука, 2008, том 105, №3, с. 427-431.

27.Горбачев, В.Н. Один алгоритм бинаризации полутоновых изображений / В.Н. Горбачев, В.Н. Дроздов, Е.С. Яковлева // Журнал Дизайн. Материалы. Технологии. СПб.: СПГУТД, 2009, № 2(9), с. 104-107.

28. Джонс, М.Т. Программирование искусственного интеллекта в приложениях / М.Т. Джонс, пер. с англ. А.И. Осипов. // М.: ДМК Пресс, 2004,312 с.

29.Спинеллис, Д. Анализ программного кода на примере проектов Open Source / Д. Спинеллис // К.: Вильяме, 2004, 528 с.

30.Кошик, А. Веб-аналитика. Анализ информации о посетителях веб-сайтов / А. Кошик // К.: Диалектика, Вильяме, 2009, 464 с.

31.Горбачев, В.Н. Исследование одного алгоритма бинаризации для преобразования цветных изображений / В.Н. Горбачев, И.К. Метелев, A.B. Резанов, Е.С. Яковлева // Материалы XI Санкт-Петербургской

международной конференции Региональная информатика - 2008 (РИ — 2008). СПб.: СПОИСУ, 2008, с. 282.

32.Горбачев, В.Н. О вычислительной сложности одного алгоритма бинаризации полутоновых изображений / В.Н. Горбачев, Е.С. Яковлева // Журнал Дизайн. Материалы. Технологии. СПб.: СПГУТД, 2009, № 3(10), с. 91-93.

33.Яковлева, Е.С. Алгоритмическое обеспечение растрирования при допечатной подготовке оригиналов / Е. С. Яковлева // Журнал Научно-технические ведомости СПбГПУ, серия «Информатика. Телекоммуникации. Управление». СПб.: СПбГПУ, 2009, №4, с. 197-200.

34.Горбачев, В.Н. Об одном алгоритме бинаризации для полутоновых цифровых изображений с выделением слабоконтрастных структур / В.Н. Горбачев, В.Н. Дроздов, Е.С. Яковлева // Журнал Вестник МГУП, М.: МГУП, 2009, №3, с. 66-69.

35.Яковлева, Е.С. Изучение устойчивости бинарного изображения к шумам / Е. С. Яковлева // Материалы международной конференции молодых ученых Print 2009. СПб.: Петербургский институт печати, 2009, с. 91.

36.Яковлева, Е.С. Алгоритмическое обеспечение растровых процессоров изображений (RIP) / Е. С. Яковлева // Сборник материалов научного семинара стипендиатов программ «Михаил Ломоносов II» и «Иммануил Кант II» 2009/10 года, М.: Германская служба академических обменов DAAD, 2010, с. 58-61.

37.Горбачев, В.Н. Устойчивость к стирающим шумам Д-алгоритма бинаризации изображений / В.Н. Горбачев, В.Н. Дроздов, Е.С. Яковлева // Журнал Проблемы полиграфии и издательского дела, М.: МГУП, 2010, № 1, с. 28-33.

38.Горбачев, В.Н. Устойчивость к шумам Д-алгоритма бинаризации / В.Н. Горбачев, В.Н. Дроздов, Е.С. Яковлева // Юбилейный сборник научных

трудов кафедры автоматизированного полиграфического оборудования / под ред. В.Н. Дроздова. СПб.: СПГУТД, 2010, с. 94-112.

39.Gorbachev, V.N. Modeling of Printing Noises and Estimation of Robustness to Noise of the Halftoning Algorithms / V. N. Gorbachev, E. S. Yakovleva // Proceeding of the international student conference Printing Future Days — Ger., Chemnitz.: University of Technology, 2011, pp. 339-345.

40.Gorbachev, V.N. A binary noisy channel to model errors in printing process / V.N. Gorbachev, E. S. Yakovleva // 2011. http://arxiv.org/abs/1110.0463, 12 pp.

41.Homann, Jan-Peter. Digitales Colormanagement. Grundlagen und Strategien zur Druckproduktion mit ICC-Profilen, der ISO 12647 - 2 und PDF/X-la / Jan-Peter Homann // Berlin-Heidelberg-NY: Springer, 2007, 267 pp.

42.Bovik, Alan C. The essential guide to image processing. Second edition / Alan C. Bovik // Amsterdam: Elsevier, 2009, 853 pp.

43.Киппхан, Гельмут. Энциклопедия по печатным средствам информации. Технологии и средства производства / Гельмут Киппхан // Пер. с нем. М.: МГУП, 2003, 1280 с.

44.Shovgenyuk, M.V. Analysis of the digital screening methods of the image with modulate frequency / M.V. Shovgenyuk, N.S. Pysanchyn, L.A. Didukh // [Электронный ресурс]: Preprint ICMP-05-09U, Institute for Condensed Matter Physics of the National Academy of Sciences of Ukraine. Режим доступа: http://www.icmp.lviv.ua/preprints/PDF/0509U.pdf.

45.Комолова, H.B. Adobe Photoshop CS4 для всех / Н.В. Комолова, Е.С. Яковлева // СПб.: БХВ-Петербург, 2009, 992 с.

46. White, Robert Е. Elements of matrix modeling and computing with MATLAB / Robert E. White // USA: Chapman & Hall/CRC, 2007, 402 pp.

47.Winkler, Stefan. Digital video quality. Vision models and metrics / Stefan Winkler // Chichester: Wiley, 2005, 175 pp.

48.Zhou, Wang. Modern Image Quality Assessment (Synthesis Lectures on Image, Video, & Multimedia Processing) / Zhou Wang, A1 Bovik // USA: Morgan & Claypool Publishers, 2006, 157 pp.

49.Кузнецов, Ю. В. Основы подготовки иллюстраций к печати. Растрирование / Ю.В. Кузнецов // Учебное пособие для вузов, М.: Изд-во МГУП «Мир книги», 1998, 174 с.

50.Ричардсон, Я. Видеокодирование. Н.264 и MPEG-4 — стандарты нового поколения / Я. Ричардсон // М.: Техносфера, 2005, 366 с.

51.Самусев, К.Б. Структурные параметры синтетических опалов: статистический анализ данных электронной микроскопии / К.Б. Самусев, Г.Н. Юшин, М.В. Рыбин, М.Ф. Лимонов // Физика твердого тела, 2008, том 50, вып. 7, с. 1230-1236.

52.Hough, P.V. Methods and means for recognizing complex patterns / P.V. Hough // U.S. Patent 3069654, 1962.

53.Qidwai, Uvais. Digital image processing. An algorithmic approach with Matlab. / Uvais Qidwai and С. H. Chen. // USA: CRC Press, 2010, 286 pp.

54.Pitas, Ioannis. Digital image processing algorithms and application. / Ioannis Pitas //NY: Wiley, 2000, 419 pp.

55.Burger, Wilhelm. Principles of digital image processing. Fundamental techniques. / Wilhelm Burger, Mark J. Burge // London: Springer, 2009, 260 pp.

56,Otsu, N. A threshold selection method from gray-level histograms / N. Otsu // IEEE Trans, on System, Man, and Cybernetics, 1979, vol. 9, № 1, pp. 62-66.

57.Андреев, С.В. Алгоритмическое обеспечение прототипа устройства считывания паспортов и виз / С.В. Андреев, А.В. Бондаренко, В.И. Горемычкин, А.В. Ермаков, С.Ю. Желтов // [Электронный ресурс]: [научная электронная библиотека ИПМ РАН]. Режим доступа: http://www.keldysh.ru/papers/2003/prep46/prepr2003__46.html. Загл. с экрана.

58.Федоров, А. Бинаризация черно-белых изображений: состояния и перспективы развития / А. Федоров // [Электронный ресурс]. Режим доступа: http://iu5.bmstu.ru/~philippovicha/ITS/IST4b/ITS4/Fyodorov.htm

59.Штарк, Г.Г. Применение вейвлетов для ЦОС / Г.Г. Штарк // М.:, Техносфера, 2007, 192 с.

60.Куренков, Н.И. Энтропия бинарной матрицы и ее применение в задачах анализа многомерных данных / Н.И. Куренков, С.Н. Ананьев // Журнал Информационные технологии, М.: Новые технологии, 2007, № 11, с. 5965.

61.Архипов, О.П. Технология цветосинтеза «Цвет случайных точек — Random Dots Color» на CMY-цветных струйных принтерах / О. П. Архипов, 3. П. Зыкова // [Электронный ресурс]: [электронное научно-техническое издание Наука и образование]. Режим доступа: http://technomag.edu.ru/doc/45344.html. Загл. с экрана.

62.Лукин, А. Введение в цифровую обработку сигналов (математические основы) / А. Лукин // [Электронный ресурс]: [лаборатория компьютерной графики и мультимедиа МГУ]. Режим доступа: http://graphics.cs.msu.ru/courses/cg/lectures/2004/index.html. Загл. с экрана.

63.Bayer, В.Е. An optimum method for two level rendition of continuous-tone pictures / B.E. Bayer// IEEE International Conference on Communications, Conference Record, Seattle, Washington, USA: 1973, June 11-13, pp. 11-15.

64.Hosevar, S. Reinstating Floyd-Steinberg: Improved Metrics for Quality Assessment of Error Diffusion Algorithms / SamHocevar, Gary Niger // Lecture Notes in Computer Science, Image and Signal Processing, Berlin / Heidelberg: Springer, 2009, vol. 5099, pp. 38-45.

65.Pereria, F. The MPEG-4 Book / F. Pereria, T. Ebrahimi (eds.) // USA: Prentice Hall, 2002, 896 pp.

66.Sadka, A.H. Compression video communications / A.H. Sadka // Chichester: Wiley, 2002, 248 pp.

67 J. Foley, A. van Dam, et al. Computer Graphics: principle and Practice, Second Edition, USA: Addison-Wesley 1990, pp. 568-573.

68.Грибунин, В.Г. Цифровая стеганография / В.Г. Грибунин, И.Н. Оков, И.В. Туринцев // М.: Солон-Пресс, 2002, 272 с.

69.Recommendation ITU-R ВТ.500-11. Methodology for subjective assessment of the quality of television pictures. ITU-T. 2002.

70.Гонсалес, З.Р. Цифровая обработка изображений / З.Р. Гонсалес, Р. Вудс // М.: Техносфера, 2006, 1072 с.

71.Хэмминг, Р.В. Цифровые фильтры / Р. В. Хэмминг // Пер. с англ., под ред. O.A. Потапова М.: Недра, 1987, 221 с.

72.Жук, C.B. Обзор методов подавления шумов на растровых изображениях / C.B. Жук // Известия Волгоградского гос. технического университета, 2009, т. 6, №6, с. 112-116.

73.Калинкина, Д. Проблема подавления шума на изображении и видео и различные подходы к ее решению / Д. Калинкина, Д. Ватолин // [Электронный ресурс] Компьютерная графика и мультимедиа, 2005, №3(2). Режим доступа: http://cgm.computergraphics.ru/content/view/74. Загл. с экрана.

74.Никоноров, A.B. Сравнительный анализ моделей цветообразования при офсетной многокрасочной печати / A.B. Никоноров, С.Б. Попов // Компьютерная оптика, Самара: ИСОИ РАН, 2002, вып. 23, с. 79-83.

75.Никоноров, A.B. Идентификация нелинейных моделей цветовоспроизведения / A.B. Никоноров, С.Б. Попов, В.А Фурсов // Труды 11-й Всерос. конф. «Математические методы распознавания образов» ММРО-11, М.: ВЦ РАН, 2003, с. 381-384.

76.Никоноров, A.B. Построение адаптивной системы управления цветовоспроизведением с распознавания опорных областей цветового пространства / A.B. Никоноров, В.А Фурсов // Компьютерная оптика, 2008, т. 32, №3, с. 290-295.

77.Белкин, Д. Стабильность во имя процветания / Д. Белкин // ФСП (Флексография и специальные виды печати), 2005, № 3; [Электронный ресурс]. Режим доступа: http://old.osp.ru/flexomag/2006/03/042.htm. Загл. с экрана.

78.Толстых, А. ТПФ без проблем / А. Толстых // Рекламные технологии, 2009, №5/6, с. 38-41.

79.ОСТ 29.106-90. Стандарт отрасли. Оригиналы изобразительные для полиграфического репродуцирования.

80.ГОСТ 7.60-90. Издания. Основные виды. Термины и определения.

81.ГОСТ 132-78. Бумага для печати. Размеры.

82. Shannon, С.Е. Communication in the presence of noise / C.E. Shannon // Proc. Institute of Radio Engineers, 1949, vol. 37, №1, pp. 10-21.

83.Попов, В.Г. Моделирование аппликативных помех в задачах компьютерной обработки изображений / В.Г. Попов, АА. Сирота // Вестник Воронежского гос. университета. Серия «Системный анализ и информационные технологии», 2007, №2, с. 11-16.

84.Шмаков, А. Флексография и офсет: различия технологий / А. Шмаков // [Электронный ресурс] КомпьюАрт, 2010, №7. Режим доступа: http://compuart.ru/Article.aspx?id=8850. Загл. с экрана.

85.Китаев, А. Классические и квантовые вычисления / А. Китаев, А. Шень, М. Вялый // М.: МЦНМО, 1999,192 с.

86.Deutsch, D. Quantum computational networks. / D. Deutsch // Proc. R. Soc. bond. A, 1989, vol. 425, no. 1868, pp. 73-90.

87.Кудряшов, Б.Д. Теория информации. Учебник для вузов. / Б.Д. Кудряшов // СПб.: Питер, 2009, 320 с.

88.Helstrom, С. W. Element of Signal Detection and Estimation. Engle-wood Cliffs, / C. W. Helstrom // USA: Prentice-Hall, 1995, pp.

89.1ngle, Vinay K. Digital signal processing using Matlab / Vinay K. Ingle, John G. Proakis // USA: Brooks, 2000, 418 pp.

90.Higham, Desmond J. Matlab Guide. Second edition // Desmond J. Higham, Nicholas J. Higham // USA: Society for Industrial and Applied Mathematics, 2005, 382 pp.

91.Gilat, Amos. Matlab. An Introduction with applications / Amos Gilat // NY: Wiley, 2008, 374 pp.

92.Schweizer, Wolfgang. Matlab kompakt / Wolfgang Schweizer // Ger: Muenchen, 2008, 559 pp.

ПРИЛОЖЕНИЕ 1. КОДЫ ПРОГРАММ, РЕАЛИЗОВАННЫХ В СРЕДЕ MATLAB

Программные коды были выполнены в лицензионной программе Matlab версии R2010b с использованием литературы [10, 42, 46, 53, 54, 89 - 92], а также справки программы. Вычисление было осуществлено на платформе 64bit ОС Windows Vista Business, процессор Intel Core 2 Quad 2.83 GHz.

Модуль Д-алгоритм

Функция IMBINDif, h) преобразует полутоновое или цветное rgb-изображение в бинарное. Если изображение цветное, оно разбивается на цветовые составляющие, каждая составляющая бинаризируется и из них собирается цветное изображение.

/ — исходная матрица изображения, h — размер блока изображения,

рекомендуется 10, 11, 12.

function d = imbind(f,h)

fff=double(f);

[x,y,z]=size(fff);

M=h*fix(x/h); % Обрезание изображения для кратности h

N=h*fix(y/h);

if z—— 1

ff=cat(3,fff,fff,fff); elseif z==3 ff=fff; end

for rgb=l:3 % Изображение разделено на 3 компоненты f=ff(:,: ,rgb)/max(max(ff(:,: ,rgb))); r=zeros(M,N); % Здесь будет бинарная матрица

trunc_im=zeros(M,N); % Это будет исходное изображение, но подрезанное по кратности h for m=l:h:M for n=l:h:N

% Выделение растрируемой ячейки Smn=f(m:m+h-1 ,n:n+h-1); % Среднее значение отсчета растровой ячейки Nsr=sum(sum(Smn)); trunc_im(m :m+h-1 ,n:n+h-1 )=Smn; %%%%%% Д-алг for L=l:Nsr

% Ищет номер столбца V и строки Н с максимальным значением матрицы Smn [M4,V]=max(max(Smn)); [M5,H]=max(Smn(:,V));

r(m+H-1 ,n+V-1 )= 1; Smn(H,V)=0; % V,H- номер столбца и строки с максимальным значением end end end

end_img(l:M, 1:N, rgb)=r; % Собрали все компоненты = cat(3,R,G,B) % Исходное изображение, обрезанное до размеров кратных h. % Ее размер равен размеру бинарного изображения end_trunc_im(l:M, 1:N, rgb)=trunc_im; % Бинарное изображение u=end_img; end if z=l d=u(:,:,l); elseif z==3

d=u; end

Модуль KONUS

Строит конус второго порядка в области hxh. for L=l:h; for G=l:h

z(L,G)=sqrt((L-ent(h/2))A2+(G-ent(h/2))A2); ma=max(max(z));

end end

% Нормировка

ma=max(max(z));

Z=(ma-z)/ma;

Модуль Модифицированный Д-алгоритм

tic; % Начало замера времени h=12; % Сторона ячейки

vh_img=imread('9_l.bmp'); % Прочитали изображение d_img=double(vh_img); % Перевели в тип double

m_img=d_img/255;%max(max(d_img)); % Текущий вариант лучше и надежнее с точки зрения оптимизации

[x,y,z]=size(m_img); % Получили размеры картинки M=h*fix(x/h); % Обрезание картинки для кратности 12 N=h*fix(y/h); for rgb=l:3

r_all=zeros(M,N); % Инициализация Smn=zeros(h,h); %Процедура растрирования for m=l:h:M

for n=l :h:N

%Выделение растрируемой ячейки Smn=m_img(m:(m+h-1 ),n:(n+h-1 ),rgb); %Оптимизация скорости обработки уже имеющихся бинарных значений в исходном изображении

[pos0_Smn]=fmd(Smn==0); % Ищем количество нулей [numO_Smn, musor]=size(posO_Smn); [pos 1 _Smn]=find(Smn= 1); % Ищем количество единиц [numl_Smn, musor]=size(pos l_Smn);

r=zeros(h,h,( 144-numO_Smn-num 1 _Smn)); % Инициализация вспомогательной матрицы с учетом оптимизации памяти, нули и единицы в подборе не учитываются

r=fix(Smn); % Исходные единицы переносим на вспомогательную матрицу

Smn=Smn-r(l :h, 1 :h, 1); % И удаляем их с исходной % Начало подбора минимума функции

for i=l :(144-numO_Smn-numl_Smn) % Количество необходимых шагов определяется автоматически и динамически res=0;

if (numO_Smn+num 1 _Smn)== 144 % В том случае, если взятый кусок весь белый или весь черный, выходим из перебора break; end

[max_znach_v_stolbce_Smn,Ind_max_znach_v_stolbce_Smn]=max(Smn); [max_znach_v_Smn,Ind_max_znach_v_Smn_po_goriz]=max(max_znach_v_stolbce

_Smn);

Ind_max_znach_v_Smn_po_vert=Ind_max_znach_v_stolbce_Smn(Ind_max_znach_ v_Smn_po_goriz);

r(Ind_max_znach_v_Smn_po_vert,Ind_max_znach_v_Smn_po_goriz,i:(144-numO_Smn))=l; % Отметили его на конечной матрице % Ключевая запись - характеристическая функция

res=sum(sum((m_img(m:(m+h-1 ),n:(n+h-1 ),rgb)-r( 1 :h, 1 :h, i)). *(m_img(m:(m+h-1 ),n:(n+h-1 ),rgb)-r( 1 :h, 1 :h, i))));

% Записали результат ее подсчета в массив всех результатов для данного фрагмента

Ocenka(i)=res;

Smn(Ind_max_znach_v_Smn_po_vert,Ind_max_znaeh_v_Smn_po_goriz)=0; % Обнулили максимальный элемент end

% Итак, если фрагмент весь белый или весь черный, обозначим, что минимум (0) в первой же ячейке массива Ocenka if (numO_Smn+num 1 _Smn)=144 0cenka=0; end;

% Поиск минимума

[min_znach_func, Ind_min_znach_func]=min(Ocenka); % Поиск минимального значения функции и ее позиции в массиве оценок 0cenka=0;

% Собираем целиком изображение для одного цветового канала r_all(m:(m+h-l),n:(n+h-l))=r(l:h, l:h, Ind_min_znach_func);

end end

% Собираем каналы вместе end_img_opt(l :М, 1:N, rgb)=r_all(l:M, 1:N); end

%Вывод на экран figure;

imshow(m_img); figure;

imsho w(end_img_opt);

% Время выполнения в секундах

time=toc

Модуль RandomC

Алфавит длиной h, сдвиг а, последовательность длиной М разбивается на блоки h, в каждом блоке сдвиг на а позиций. % Пример h=4, М=12, а=2

% 1 2 3 4 5 6 7 8 9 10 И 12

%3 4 1 2 7 8 5 6 11 12 9 10

а=2;

h=4;

М=12;

for m=l:h:M;

ml=m:m+h-l;

RR(ml)=ml;

m2=mod(m 1+a-1 ,h)+1 +(m-1);

R(ml)=m2;

end

Модуль RandomT

В матрице из нулей размером hxh случайным образом расставляется N единиц.

function t =cointos(h,N)

w=hA2;

xo=zeros(w);

A=zeros(h);

x=xo(l,l:end);

y=randperm(w); for m=l:l:N x(y(m))=l; end

for k=l:h a=(k-l)*h+l; A(k, 1 :h)=x(a:a+h-1); end t=A;

Модуль Printing Errors

Моделирование ошибок, возникающих при печати. Бинаризация полутонового изображения с зашумлением. Бинарное изображение А портится бинарным шумом. % Бинаризация с шумом % Шум в окрестности h х h % Бш=0, ничего не меняется % Бш=1: в центре БИ=0 - ничего не меняется

% Бш=1: в центре БИ=1 - добавляется случайным образом t штук 0 (черное) % в окрестности БИ h х h % А=[0 0 0 1 1 1 1 00; % 0 10 10 1110; % 0 0 0 1 1 1 1 1 1]; % [r,c]=fmd(A==l);

% %0 - черный 1 - белый find [г,с]=(А=1); % z=numel(r);

% p=randperm(z); % Случайная перестановка последовательности 1 :п f=imread('filename');

A=imbind(f,l 1); % Изображение, бинаризованное Д-алгоритмом %A=dither(f); % Изображение, бинаризованное DITHER

% Исходное бинарное изображение БИ - это А % Параметры h=l 1; % Ячейка h х h

% Т - порог, яркость шума, цикл Т от 0 до 1 шум растет с ростом Т, t=50; % Количество 1 (черных), которые ставятся в окрестности h х h случайным образом [x,y]=size(A); M=h*fix(x/h); N=h*fix(y/h);

АА=А(1:М,1 :N); % Подрезанное БИ, использумое для сравнения

0=А;

% Массив из 10 элементов, для записи 10 изображений tu=zeros(x,y);

D={tu,tu,tu,tu,tu,tu,tu,tu,tu,tu};% Массив из Т = 10 элементов C=zeros(M,N); % Заготовка для выходного изображения % Цикл по Т for а=1:10; Т=(а-1)/10;

%%%%%%%%%% Генерация бинарного шума %%%%%%%%%%%%%%%%

UUU=rand(M,N); U=double(UUU); V=zeros(M,N); for i=l:M; for j=l:N; ifU(i,j)>=T;

V(i,j)=l; else

V(i,j)=0; end

end end

%%%%%%%%%%% Здесь получается бинарный шум БШ - V for m=l:h:M; for n=l:h:N;

W=Q(m:m+h-1 ,n:n+h-1); %%%%%%%%% Случайная расстановка 1 (черных) в окрестности h х h % t - количество 1 (черных) которые ставятся в окрестности h х h for u=l:t;

s=V(m+l,n+l); % Это центр ячейки 3x3 БШ ce=(h+l)/2; % Центр ячейки h х h w=W(ce,ce); % Это центр ячейки БИ 3x3 W(ce,ce)=0; % Убрали центр ячейки у БИ [r,c]=find(W==l); % Ищутся позиции, начиная с 1 W(ce,ce)=w; % Восстановили центр ячейки БИ z=numel(r); % Число позиций в ячейке БШ 3x3, где стоят 1 (белый) if ((s=0)&(z>0)&(w=0)); % шум=0 (черный) в центре=0(черный): в окрестности добавляется О(черный)

p=randperm(z);

о=Р(1);

rl=r(o); cl^o);

W(l+rl-l,l+cl-l)=0; % Ставится 0 (черный) в случайную позицию с номером р(1) else

% % % %

end

p=randperm(z);

о=Р(1);

Row=r(o); Col=c(o); W( 1 +Ro w-1,1+Col-1 )=1;

C(m:m+h-l,n:n+h-l)=W; % БИш

end

end

end

D{a}=C;

r(a)=sqrt(mean(mean((AA-C).A2))); % Евклидово расстояние БИ-БИш

end

j=0:9

% subplot(2,2,l), imagesc(AA),gray; % Би % subplot(2,2,2), imagesc(V),gray; % БШ % subplot(2,2,3), imagesc(C),gray; %БИш %%%%%%% рисует 12 изображений %%%%%%%%%%%% % Здесь сейчас с 1 по 10 картинки, что в массиве D,

% 11 - исходное изображение, 12 - евклидово расстояние от яркости шума

subplot(4,3,l), imshow(D{l}), colormap gray;

subplot(4,3,2), imshow(D{2}), colormap gray;

subplot(4,3,3), imshow(D{3}), colormap gray;

subplot(4,3,4), imshow(D{4}), colormap gray;

subplot(4,3,5), imshow(D{5}), colormap gray;

subplot(4,3,6), imshow(D{6}), colormap gray;

subplot(4,3,7), imshow(D{7}), colormap gray;

subplot(4,3,8), imshow(D{8}), colormap gray;

subplot(4,3,9), imshow(D{9}), colormap gray;

subplot(4,3,10), imshow(D{ 10}),colormap gray;

subplot(4,3,ll), imshow(AA),title('BHHapHoe изображение'),colormap gray; subplot(4,3,12), plot(j,г),1;Ше('Расстояния от уровня шума'), х1аЬе1('Мощность шума'), у1аЬе1('Евклидово расстояние');

Модуль Метрики ошибок

Функция те(Х, Н) вычисляет метрики ошибок, такие как среднее расстояние, евклидово расстояние и пиковое отношение сигнал-шум, между двумя изображениями, function [a,e,p]=me(X,H)

% Среднее расстояние - а, евклидово расстояние - е

% и PSNR - р для двух матриц А и В одинакового размера, тип данных любой, если изображения цветные, то выбирается только одна компонента [x,y,z]=size(X); [х 1 ,у 1 ,z 1 ]=size(H); % ZZ=[x,y]; % ZZZ=[xl,yl]; g=double(X(:,:,l))/255;

% g=double(X(:,:, 1 )); % Для Д-алгоритма, на 255 не делим gg=double(H( :, :, 1 )) ; if [x,y]=[xl,yl]

a=(mean(mean(abs(g-gg)))); e=power( mean(mean( (g-gg).A2)),l/2); p=20 * log 10(1/(e+eps)); else

еггог('Ошибка') end

Модуль Relative Entropy

Функция relent(C, S) вычисляет относительную энтропию между двумя изображениями, function Q=relent(C,S) [xl,yl,zl]=size(C); nl=xl*yl;

[x2,y2,z2]=size(S);

n2=x2*y2;

fl=uint8(C(:,:,l));

gl=uint8(S(:,:,l));

hMmhist(fl)/nl;

h2=imhist(g 1 )/n2;

% Относительная энтропия Q(C|S)

Hl=double(hl);

H2=double(h2);

Z=sum(Hl .*(log2((Hl ./(H2+eps)+eps)))); % энтр Q(C||S) if abs(Z)< le-9

Z=0; end Q=Z;

Модуль рандомизированный Д-алгоритм

Рандомизация Д-алгоритма, по пороговой дисперсии. Если дисперсия в блоке hxh меньше порога, то ставятся единицы в случайные позиции, полученные методом RandomТ, m— функция Cointos, число единиц как у Д-алгоритма. A=imread('filename'); AA=double(A); f=AA/max(max(AA)); % Пороговая дисперсия D=0.025006241; % Величина блока h-4; w=hA2;

[x,y,z]=size(A);

M=h*fix(x/h); % Обрезание изображения для кратности 12

N=h*fix(y/h);

% Здесь будет бинарное изображение, полученное Д-алгоритмом r=zeros(M,N);

% Здесь будет рандомизированное бинарное изображение rr=zeros(M,N);

% Здесь будет исходное изображение с размерами как у бинарного tr=zeros(M,N); R=zeros(M,N); for m=l:h:M for n=l:h:N

Smn=f(m:m+h-1 ,n:n+h-1); Nsr=(sum(sum(Smn))); tr(m:m+h-1 ,n:n+h-1 )=Smn; fcp=mean(mean(Smn)); % Дисперсия блока h x h dis=sqrt(mean(mean(Smn-fcp).A2)); m3=(m+h-l)/h; n3=(n+h-l)/h; % Дисперсии всех блоков R(m3,n3)=dis; % Д-алгоритм for L=l:Nsr

[M4,V]=max(max(Smn)); [M5,H]=max(Smn(:,Y)); r(m+H-l,n+V-l)-l; Smn(H,V)=0;

end

end

end

% Выделение блоков h X h

for a=l :h:M for b=l:h:N

Sab=f(a:a+h-1 ,b:b+h-1); Uab=r(a:a+h-1 ,b :b+h-1); 0=sum(sum(Uab)); q=(mean(mean(Sab)));

m33=(a+h-l)/h; n33=(b+h-l)/h; SU(m3 3 ,n3 3 )=R(m3 3 ,n3 3 ); Ao=cointos(h,0); % Пороговое условие disp=R(m33,n33); if disp<=©;

rr(a:a+h-1 ,b:b+h-1 )=Ao; elseif disp>D rr(a:a+h-1 ,b :b+h-1 )=Uab; end end end

% figure, imagesc(rr), colormap gray, % figure, imagesc(r), colormap gray,

% Вывод рандомизированного, не рандомизированного, и исходного

полутонового изображений на экран

figure, imshow(rr), colormap gray,

figure, imshow(r), colormap gray,

figure, imshow(tr), colormap gray,

% Вывод евклидовых расстояний

eD=sqrt(mean(mean((tr-r). A2)))

eR=sqrt(mean(mean((tr-rr).A2)))

Модуль Modern Algorithms

Компиляция алгоритмов из [10], затем бинаризация с заданными параметрами.

X = imread('caprichos_-_plate_44_they_spin_finely-large.jpg');

% l.Dotdif

тех errdif.c % Компиляция кодов на С в Matlab mask=randn(32,32,3); H=dotdif(double(X)/255, mask); figure, imshow(H);

% 2.Errdif тех errdif.c

W=[0 1 0;1 0 1;0 1 0]/2; P=[0 1 0; 1 0 2;0 2 0]; T=[0 1 0;1 0 1;0 1 0]/2;

H2=errdif(double(X)/255, W, 1.0, -1, P, T, 1.0); figure, imshow(H2);

% 3.Lau тех lau.c

W=[0 1 0;1 0 1;0 1 0]/2; H3=lau(double(X)/25 5, W); figure, imshow(H3);

% 4.Ulichney тех ulichney.c

H4 = ulichney(double(X)/255); figure, imshow(H4);

% 5.Cdod

% Угол поворота 0 градусов тех cdod.c

H5=cdod(double(X)/255, 4, 4, 0); figure, imshow(H5);

% Cdod

% Угол поворота 75 градусов H6=cdod(double(X)/255, 4, 4, 75); figure, imshow(H6);

% б.Вауег тех bayer, с

H7=bayer(double(X)/255); figure, imshow(H7);