Разработка рекомендаций по коррекции резкости с учётом особенностей конкретных оригиналов тема диссертации и автореферата по ВАК РФ 05.02.13, кандидат технических наук Шерстнев, Григорий Константинович

• Шерстнев, Григорий Константинович
• кандидат технических наук
• 2011

Оглавление диссертации кандидат технических наук Шерстнев, Григорий Константинович

Содержание.

Введение.

Глава 1. Современное понимание принципов коррекции резкости.

1.1. Причины нерезкости изображений.

1.2. Коррекция частотных искажений.

1.3. Направления коррекции резкости.

1.4. Программное обеспечение, в котором возможна коррекция резкости.

1.4.1. Paint ShopPro 7.

1.4.2. Photoimpact 6.

1.4.3. PhotoLine 32.7.

1.4.4. Photo-Paint 10.

1.4.5. Picture Publisher 9.

1.4.6. TheGIMP 12.

1.4.7. Adobe Photoshop.

1.5. Выбор стратегии коррекции резкости в цифровом рабочем потоке.

1.6. Коррекция резкости в различных цветовых пространствах.

1.6.1. Коррекция резкости в цветовом пространстве Lab.

1.6.2. Коррекция резкости в цветовом пространстве CMYK.

1.6.3. Коррекция резкости в цветовом пространстве RGB.34 S

Выводы по главе 1.

Глава 2. Методика количественного анализа воздействия различных параметров настройки резкости.

2.1. Постановка задачи.

2.2. Исследование влияния параметров фильтра нерезкого маскирования.

2.2.1. Влияние параметра «Радиус».

2.2.2. Влияние параметра «Величина».

2.2.3. Влияние параметра «Порог».512.3. Исследование действия алгоритма, основанного на применении фильтра высоких частот (High Pass).

2.3.1. Исследование влияния параметра «Радиус» фильтра высоких частот (High Pass).

2.3.2. Исследование влияния изменения прозрачности при использовании фильтра высоких частот с последующим наложением слоев.

2.4. Оценка влияния ширины зоны перехода на действие фильтров настройки резкости.

2.5. Совершенствование способа повышения резкости, основанного на использовании фильтра высоких частот (High Pass).

Выводы по главе 2.

Глава 3. Методика анализа изображений с использованием операторов выделения контуров.

3.1. Обзор и сравнительный анализ операторов выделения контуров.

3.1.1. Оператор Собела.

3.1.2. Оператор Превитта.

3.1.3. Оператор Робертса.

3.1.4. Оператор лапласиан гауссиана (LoG).

3.1.5. Оператор Канни.

3.2. Анализ сюжетно важных границ в изображениях.

3.2.1. Город.

3.2.2. Летний пейзаж.

3.2.3. Зимний пейзаж.

3.2.4. Объекты, снятые в режиме макросъёмки.

3.2.5. Животные.

3.2.6. Морской пейзаж.

3.2.7. Ночная съёмка.

3.2.8. Горы.

3.2.9. Портрет.

3.2.10. Информационные указатели.

Выводы по главе 3.

Глава 4. Определение оптимальных параметров настройки резкости в зависимости от особенностей конкретных оригиналов.

4.1. Постановка задачи и выбор тестовых образцов.

4.2. Анализ изображения 1.

4.3. Анализ изображения 2.

4.4. Анализ изображения 3.

Выводы по главе 4.

Введение диссертации (часть автореферата) на тему «Разработка рекомендаций по коррекции резкости с учётом особенностей конкретных оригиналов»

Конкурентоспособность полиграфического предприятия в современных условиях определяется, с одной стороны, качеством выпускаемой продукции, с другой — скоростью исполнения заказов. Именно с учётом этих критериев клиенты делают свой выбор в пользу того или иного предприятия. Соответственно, необходимы инструменты, позволяющие выполнять поставленные задачи качественно и оперативно.

Одним из важнейших звеньев производственной базы является отдел допечатной подготовки. Именно допечатные процессы позволяют наиболее гибко регулировать параметры продукции. Вместе с тем, именно на этапе допечатной подготовки изданий часто возникают проблемы, которые отрицательно сказываются на оперативности выполнения работ. В первую очередь это касается обработки изобразительной информации. В последнее время данный вопрос стал особенно актуальным, поскольку на рынке представлено великое множество иллюстрационных изданий, к которым заказчиками и потребителями предъявляются высокие требования по качеству, особенно в свете перехода на цифровые способы обработки.

На современном этапе развития полиграфии большинство процессов, относящихся к обработке изображений, реализуются с помощью цифровых систем, при этом сами изображения тоже поступают на обработку в цифровой форме. Очень часто изображения, используемые в качестве оригиналов для воспроизведения в современных системах поэлементной обработки информации, имеют недостатки частотной структуры, которые, в частности, приводят к необходимости повышения резкости. Трудно найти оператора допечатной подготовки, который в своей деятельности ни разу не сталкивался с этой проблемой.

Актуальность работы

К настоящему моменту разработано большое количество аппаратных и программных средств, позволяющих производить настройку резкости, однако какие-либо научные исследования, направленные на установление объективных закономерностей, проявляющихся при изменении параметров коррекции, не проводились. Проведение же таких исследований позволило бы более детально и с научной точки зрения взглянуть на эти закономерности, выявить направления совершенствования способов повышения резкости и в итоге дать рекомендации с учётом особенностей конкретных изобразительных оригиналов. Особого внимания заслуживает вопрос классификации оригиналов с точки зрения последующей настройки их резкости - этот вопрос в настоящее время тоже не проработан. Проведение этих исследований, в свою очередь, позволит разработать научные и методологические основы проектирования новых систем (программ) обработки изображений, которые могут быть интегрированы в цифровой рабочий поток современного полиграфического предприятия.

Учитывая вышесказанное, можно утверждать, что исследования, направленные на установление объективных закономерностей коррекции резкости, а также на классификацию оригиналов по критерию структурных свойств, влияющих на выбор оптимальных параметров коррекции, являются актуальными.

Цель диссертационной работы

Целью работы является разработка рекомендаций по коррекции резкости с учётом особенностей конкретных оригиналов, что будет являться методологической основой создания новых программ обработки изображений, которые будут использоваться на этапе допечатной подготовки информации.

Для достижения поставленной цели в работе решаются следующие прикладные задачи:

1. Обзор современного программного обеспечения для коррекции резкости и выбор программ, в наибольшей степени соответствующих поставленным целям.

2. Разработка методики объективной оценки изменений, происходящих при регулировании параметров различных способов настройки резкости, разработка показателей такой оценки.

3. Разработка основополагающих признаков и методов классификации изобразительных оригиналов по критерию структурных свойств, влияющих на выбор оптимальных параметров коррекции резкости.

4. Проведение экспертной оценки для практического подтверждения правильности теоретически выбранных параметров.

Научная новизна работы заключается в следующем:

1. Разработаны тест-объекты и определены критерии объективной оценки изменений, происходящих под действием исследуемых способов резкостной коррекции, предложены направления совершенствования этих способов.

2. Разработан метод проведения классификации оригиналов на основании анализа структурных свойств (анализа контурной информации).

3. Обоснован выбор оптимальных параметров настройки резкости для различных классов оригиналов, определённых на основании предложенного метода классификации.

Положения, выносимые на защиту

1. Методика объективного анализа воздействия параметров различных способов коррекции резкости и предложения по оптимизации способов коррекции.

2. Метод классификации изобразительных оригиналов по критерию оценки структурных свойств, влияющих на выбор оптимальных параметров резкостной коррекции.

3. Рекомендации по установке оптимальных параметров коррекции резкости с учётом предложенного критерия и полученных результатов анализа.

Практическая ценность

Методика объективного анализа параметров коррекции резкости, разработанная в данной диссертации, в сочетании с разработанным методом классификации оригиналов может рассматриваться в качестве научной и методологической основы проектирования и создания новых цифровых систем обработки изобразительной информации, которые будут соответствовать современным требованиям внутреннего и внешнего рынка, что позволит интегрировать их в цифровой рабочий поток, а это, в свою очередь, положительно скажется на скорости и оперативности выполнения допечатной подготовки издания при изготовлении полиграфической продукции.

Апробация работы

Положения диссертации докладывались на следующих научно-технических конференциях:

1. Научно-техническая конференция молодых учёных МГУП, Москва, 2010.

2. 42st Conference of the International Circle of Educational Institutes for Graphic Arts Technology and Management, Москва, 2010.

3. Международная конференция PRINT-2011, Санкт-Петербург, 2011.

4. Научно-техническая конференция молодых учёных МГУП, Москва, 2011.

Заключение диссертации по теме «Машины, агрегаты и процессы (по отраслям)», Шерстнев, Григорий Константинович

Выводы по главе 4

1. Методика определения оптимальных параметров коррекции резкости на основе исследований, описанных в главе 2, и предложенной классификации изобразительных оригиналов по критерию количества контуров внутри информативной зоны, показала хорошее соответствие данным визуальной экспертной оценки.

2. Окончательный анализ данных, полученных в ходе экспертной оценки, позволил сформулировать следующие рекомендации по коррекции резкости:

- резкость оригиналов с относительно большим количеством сюжетно важных контуров и мелких деталей рекомендуется повышать за счёт установки малых значений радиуса и больших — величины, в противном случае эффект будет недостаточным, при этом предпочтительно использование способа, основанного на применении фильтра высоких частот High Pass с дополнительной пороговой обработкой, оригиналы со средним количеством контуров требуют коррекции с использованием более высоких значений радиуса и более низких - величины, оригиналы с низким количеством контуров рекомендуется корректировать путём установки как можно более низких значений величины и как можно более высоких - радиуса, при этом результаты, полученные с использованием трёх рассмотренных способов, близки друг к другу (небольшое преимущество по средней оценке экспертов имеет способ High Pass + Т), причём для данной группы оригиналов выявлена наиболее низкая согласованность мнений экспертов, при этом мнения по вопросу определения наилучшего образца у большинства экспертов совпадают.

ЗАКЛЮЧЕНИЕ

1. Разработана методика объективного анализа эффектов, возникающих при настройке резкости с применением различных цифровых операторов и алгоритмов, а именно:

- определены основные параметры, изменение которых контролируется и оценивается (этими параметрами стали ширина зоны перехода, измеряемая в мм, и яркостной скачок, оцениваемый посредством измерения координаты светлоты Ь),

- разработан специальный тест-объект, который состоит из нескольких тестовых фрагментов, моделирующих размытые границы в изображении -эти фрагменты представляют собой тоновые переходы между различными уровнями светлоты.

2. Разработанная методика использовалась для моделирования и анализа результатов, имеющих место при воздействии тех или иных параметров резкостной коррекции. Исследованию подверглись следующие способы коррекции:

- фильтр нерезкого маскирования,

- метод, основанный на применении фильтра высоких частот и последующего наложения отфильтрованного изображения на исходное.

3. Установлено, что увеличение радиуса приводит в первую очередь к увеличению ширины зоны перехода (за счёт появления так называемой подчёркивающей каймы на обеих границах перехода), в то время как воздействие величины в значительно большей степени выражается в увеличении яркостных скачков на границах; увеличение значения порога приводит к уменьшению эффекта действия фильтра нерезкого маскирования, то есть для каждой комбинации радиуса и величины, а также для каждого тонового скачка можно подобрать такое максимальное значение порога, выше которого фильтр нерезкого маскирования не будет оказывать воздействие на изображение, причём параметры «Радиус» и «Величина» являются взаимозаместимыми.

4. Экспериментально доказано, что применение способа, основанного на использовании фильтра высоких частот, позволяет в значительной степени уменьшить образование так называемых ореолов, поскольку в данном случае действие фильтра зависит от исходных значений Ь, образующих тоновый переход.

5. Выявлены направления совершенствования способа, описанного в п.4: данный способ может быть усовершенствован за счёт дополнительной пороговой обработки, что позволит производить настройку резкости только сюжетно важных элементов.

6. Проведён сравнительный анализ различных операторов выделения контуров, использование которых имеет большое значение при определении семантически важных границ в изображениях с целью дальнейшей настройки резкости. По результатам анализа можно сделать вывод о том, что наилучшие результаты достигаются с использованием оператора Робертса -он превосходит конкурентов по быстродействию и по точности выделения сюжетно важных границ, поэтому было принято решение в дальнейших исследованиях использовать именно этот оператор.

7. Проведена первичная классификация оригиналов — сформированы группы в зависимости от семантики. На основании оценки относительного количества сюжетно важных границ в изображениях с различной семантикой можно сделать вывод о том, что разброс значений в пределах каждой семантической группы достаточно велик, более того, диапазоны значений К (%) всех групп в значительной степени перекрывают друг друга, что ставит под сомнение сам принцип классификации на основе выделения семантических групп.

8. Предложен новый подход к классификации оригиналов, уже не по семантике, а в порядке возрастания доли содержащихся в них контуров.

Именно такой подход позволил выявить закономерность, имеющую большое практическое значение: увеличение доли контуров свидетельствует о постепенном увеличении количества мелких деталей и их концентрации в области интереса, а это, в свою очередь, позволяет разделить изображения на группы (в зависимости от К), к каждой из которых целесообразно применять определённые настройки коррекции резкости.

9. Методика определения оптимальных параметров коррекции резкости на основе исследований, описанных в главе 2, и предложенной классификации изобразительных оригиналов- по критерию количества контуров внутри информативной зоны, показала хорошее соответствие данным визуальной экспертной оценки.

10. Окончательный анализ данных, полученных в ходе экспертной оценки, позволил сформулировать следующие рекомендации по коррекции резкости:

- резкость оригиналов с относительно большим количеством сюжетно важных контуров и мелких деталей рекомендуется повышать за счёт установки малых значений радиуса и больших - величины, в противном случае эффект будет недостаточным, при этом предпочтительно использование способа, основанного на применении фильтра высоких частот High Pass с дополнительной пороговой обработкой,

- оригиналы со средним количеством контуров требуют коррекции с использованием более высоких значений радиуса и более низких - величины,

- оригиналы с небольшим количеством контуров рекомендуется корректировать путём установки как можно более низких значений величины и как можно более высоких — радиуса, при этом результаты, полученные с использованием трёх рассмотренных способов, близки друг к другу (небольшое преимущество по средней оценке экспертов имеет способ High Pass + Т), причём для данной группы оригиналов выявлена наиболее низкая согласованность мнений экспертов, при этом мнения по вопросу определения наилучшего образца у большинства экспертов совпадают.

Таким образом, все поставленные задачи решены, в результате чего, во-первых, создана методика объективного анализа изменений, имеющих место под действием различных способов настройки резкости, во-вторых, на основании созданного цифрового банка данных предложена новая методика классификации оригиналов, и, наконец, в-третьих, на основании предложенных методик и данных экспертной оценки сформулированы рекомендации по коррекции резкости с учётом особенностей конкретных оригиналов.

Разработанные рекомендации по оптимальным параметрам коррекции резкости могут иметь большое практическое значение при первичном анализе оригиналов, поступающих в отдел допечатной подготовки. Полученные результаты исследований могут рассматриваться в качестве методологической основы проектирования и создания новых цифровых высокопроизводительных систем обработки изображений, которые будут соответствовать современным требованиям рынка, что позволит интегрировать их в цифровой рабочий поток, а это, в свою очередь, положительно скажется на скорости и оперативности выполнения допечатной подготовки издания и всего заказа и, как следствие, на конкурентоспособности полиграфического предприятия.

Список литературы диссертационного исследования кандидат технических наук Шерстнев, Григорий Константинович, 2011 год

1. Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB. М.: Техносфера, 2006. С. 348.

2. Каменский B.C. Многомерное шкалирование // Прогнозирование развития библиотечного дела в СССР. — М. 1973. - Вып. 3.

3. Константинов Д. Повышение чёткости изображений в Photoshop. Электронный ресурс. www.photodalc.ru

4. Кузнецов Ю.В. Технология обработки изобразительной информации. -СПб.: Издательство «Петербургский институт печати», 2002 С.115-122.

5. Маргулис Дэн. Photoshop для профессионалов: классическое руководство по цветокоррекции. Четвёртое издание // Пер. с англ. М.: «Интерсофтмарк» - 2003 - С. 95.

6. Митропольский H.H. Агломеративная сегментация и поиск однородных объектов на растровых изображениях: дис. на соискание учёной степени канд. техн. наук-М., 2010.

7. Панкова JI.A. Петровский A.M., Шнейдерман М.В. Организация экспертизы и анализ экспертной информации. М.: Наука, 1970.8. «Тонкости градационной коррекции». // Журнал «Курсив» 2006 - №9.

8. Фрэйзер Б. Thoughts on a sharpening workflow Электронный ресурс. http://www.creativpro.com/story/feature/20457.html

9. Шерстнев Г.К., Андреев Ю.С. Совершенствование способов повышения резкости в системе поэлементной обработки информации // Известия вузов. Проблемы полиграфии и издательского дела. — 2011.— №2.-С. 146- 158.

10. Шерстнев Г.К. The comparative analysis of the operators used for edge detection of the image for the adjustment of sharpness // 42st Conference of the International Circle of Educational Institutes for Graphic Arts

11. Technology and Management: материалы конференции. Москва, 2010. -С. 184- 190.

12. Abdou I.E. and Pratt W.K. Quantative design and evaluation enhancement/threshholding edge detectors. // Proc. IEEE vol. 67 - P. 754.

13. Acklam P. J. MATLAB Array Manipulation Tips and Tricks. Электронный ресурс. http: //home, online.no/pj acklam/matlab/doc/mtt/

14. Andreas Ballhaus. Bildbearbeitung am PC. // Munchen Tewi Verlag GmBH - 1995. ISBN 3-89362-337-X - PP. 195-200.

15. Bassmann Henning. Digitale Bildverarbeitung und Systementwicklung. // Springer-Verlag. ISBN 3-540-63649-8 P. 192.

16. Bergholm F. Edge focusing. // IEEE Trans. Pattern Anal. Machine Intell. / vol. PAMI-9 1987 - P. 741.

17. Canni John. Finding edges and lines in images. // MIT Artif. Intell. Lab., Cambridge, MA, Tech. Rep. AI-TR-720 1983.

18. Canni John. A computional approach to edge detection. // IEEE Trans. Pattern Anal. Machinge Intell., vol. 8 1986. - P. 714.

19. Caponetti L. A genetic approach to edge detection // Int. Conf. Image Processing 1994 - vol. 94 - P. 318.

20. Charge-coupled Device. Электронный ресурс. http://de.wikipedia.org/wiki/ChargecoupledDevice

21. Compatison of edge detectors, a methodology and initial studi. // Comput. Vis. Image Understanding. vol. 69. - PP. 38-54.

22. Correia, P., Pereira, F. Classification of video segmentation application scenarios. // IEEE Transactions on Circuits and Systems for Video Technology-2004-vol. 14(5)-PP. 735-741.

23. Demighi D. Evaluation of edge detector performances with a discrete expression of Canni's criteria // Conf. Image Processing. 1995 - P. 169.

24. Digital Image Analysis and Understanding. Course notes. 1983. P. 532.

25. Dirk Slawski. Digitale Bildbearbeitung. // Smart Books, 2002. ISBN 3908492-13-0, P. 15.

26. Dougherty S. Objective evaluation of the edge detectors using a formally defined framework. // Los Alamitos, CA: IEEE Comput. Soc. Press 1998 -P. 211.

27. Glenn E. Mitchell. Put a Fine Edge on Your Sharpening Skills. Электронный ресурс. http://www.thelightsright.com/tutorials

28. Gonzalez, R.C., and Wintz, P. Digital Image Processing // Addison-Wesley- 1992-P. 114.

29. Hennig Wargala. Profitricks fur Photoshop-Anwender, Teil 30: Unscharf maskieren. Электронный ресурс. http://www.wargalla.de/05-97.pdf

30. Helmut Kraus. Digitale Fotografie. // Galileo Press -2003. ISBN 3-89842-278-X-P. 45.

31. Helmut Kraus. Scannen: mit Desktop-Scannern zum perfekten Bild. // Paris: Addison-Wesley, 1996. ISBN 3-89319-890-3 -P. 57.

32. Hugo Plettenberg. Moderne Reproduktion. // Verlag Berufsschule 1996. ISBN 3-932566-63-0 - C. 45-48.

33. Individualfunktion 23: Unscharfemaskierung Электронный ресурс. www.nilconeuro. com/nikoneurode/hit/dc/dcd 1 /de/HITdcd 1 de 1. htm

34. Jansson P.A. Deconvolution of Images and Spectra // Academic Press, NY.- 1997.

35. Kitchen N., Rosenfeld A., Scene analysis using region-based constraint filtering // Pattern recognition. 1984.

36. Luo, Y., Zhang, Y.J., Gao Y.Y., et al. Extracting meaningful region for content-based retrieval of image and video. // SPIE. 2001.

37. Otsu N. 1979. "A Threshold Selection Method from Gray-Level Histograms // IEEE Trans. Systems, Man, and Cybernetics -vol. SMC-9, no. 1 PP. 62-66.

38. P. deSouza. Edge detection using sliding statistical tests. // Comput. Graph. Image Process. 1983 - vol. 23 - no. 1 - P. 14.

39. Photoshop-Grundlagen: Unscharfmaskierung Электронный ресурс. http -.//www.metamac. de/content/Features/9 5

40. Prati, A., Milde, I., Trivedi, M.M., et al. Detecting moving shadows: Algoritms and evaluation. // IEEE PAMI 2003 - vol. 25(7) - PP. 918-923.

41. Pratt W.K. Digital image processing. // New York 1978. - P. 50.

42. Pratt W.K. Digital image processing. Second Edition. // Aohn Wiley and Sons, Inc.-1991-P. 303.

43. Prewitt J. Object enhancement and extraction, Picture Process. // Psychopict.- 1970-P. 75.

44. Ralph Altmann. Scharfmacher. // c't-Magazin 2001 - №16 - PP. 146-150. http://www.ralphaltmann.de/bildbearbeitung/interna/scharfmacher.html

45. RAW-Files Ultimativ Scharfen Электронный ресурс. http://fmeartprinter.de/de,03ee,03f8,29;doc.html

46. Roberts L.G. Machine perception of three-dimensional solids. // Cambridge, MA: MIT Press. 1965 - P. 159.

47. Sibylle Muhllce. Adobe Photoshop CS2 // Galileo Press 2005 - P. 60.

48. Schurr Ulrich. Digitale Bildverarbeitung. // dpunkt.verlag GmBH 2000 -ISBN 3-932566-63-0 - PP. 45-48.

49. Ulrich Reiser. Digitale Bildverarbeitung // Stuttgart Hochschule der Medien - 2007.

50. Van Tress H.L. Detection, Estimation, and Modulation Theory, Part 1 // Wiley, NY- 1968.

51. Vincent L., Soille P. Watersheds in Digital Spaces: An Efficient Algorithm Based on Immersion Simulations // IEEE Trans. Pattern Anal. Machine Intell vol. 11 - no. 6 - PP. 583-598.

52. Winfried Schwolgin. Digitale Dunkelkammertechnik // Dpunkt.verlag -2005 ISBN 3-89864-304-2 - P. 39.