Разработка рекомендаций по коррекции резкости с учётом особенностей конкретных оригиналов, страница 2

Определение этих закономерностей играет важную роль и должнопроизводиться на основе объективного анализа с использованием специальных тест-объектов, позволяющих количественно моделировать результаты воздействия. В качестве базового предложен тест-объект, состоящийиз пяти фрагментов, каждый из которых представляет собой переходымежду разными уровнями светлоты Lmin и Lmax (или краевые функции).Таким образом моделируются размытые границы в изображении. В табл. 1приведены значения Lmin, Lmax и ΔL для каждого фрагмента, на рис.

1 показан тест-объект и соответствующие краевые функции.7Таблица 1Значения координат светлоты (L) для каждого тестового фрагментаРис. 1. Тест-объект для проведения количественной оценкивоздействия фильтров настройки резкости8Разработанная методика использовалась для моделирования и анализа результатов, имеющих место при воздействии параметров резкостнойкоррекции. Исследованию подверглись следующие способы коррекции:– способ нерезкого маскирования,– метод, основанный на применении фильтра высоких частот и последующего наложения отфильтрованного изображения на исходное.Результаты проведённых исследований показывают, что увеличениерадиуса приводит в первую очередь к увеличению ширины зоны перехода(за счёт появления подчёркивающей каймы на обеих границах перехода),в то время как воздействие величины в значительно большей степени выражается в увеличении яркостных скачков на границах (см.

рис. 2 и 3). Действие фильтров тем сильнее, чем больше тоновый скачок на границедетали.LммРис. 2 Влияние параметра «Радиус»LLммммРис. 3. Влияние параметра «Величина»9Увеличение значения порога приводит к уменьшению эффекта действия фильтра нерезкого маскирования. Для каждой комбинации радиуса ивеличины, а также для каждого тонового скачка можно подобрать такое максимальное значение порога (Tmax), выше которого фильтр нерезкого маскирования не будет оказывать воздействие на изображение, причёмпоказано, что параметры «Радиус» и «Величина» являются взаимозаместимыми. Это проявляется в том, что при одинаковом произведении значенийэтих параметров значение Tmax также остаётся постоянным.Установлено, что применение метода, основанного на использованиифильтра высоких частот, позволяет в значительной степени уменьшить образование так называемых ореолов, то есть зон со значительным изменением плотности, поскольку в данном случае действие фильтра зависит отисходных значений L, образующих тоновый переход (в отличие от нерезкогомаскирования – см.

рис. 4–5).Рис. 4. Действие фильтра высоких частотРис. 5. Действие фильтра нерезкого маскирования10Рис. 6 позволяет сравнить результаты обработки реальных изображений. Можно заметить, что применение фильтра High Pass и наложенияслоёв не сопровождается существенным изменением плотности фона назначительном расстоянии от границ корректируемых деталей, как это происходит под воздействием фильтра нерезкого маскирования.ОригиналНерезкое маскированиеHigh PassРис. 6. Результаты обработкиразличными фильтрами настройки резкостиТем не менее, метод повышения резкости с помощью примененияфильтра высоких частот не лишён недостатков.

Один из них – отсутствиетакого параметра, как порог. Если, например, требуется обрабатывать не всенайденные контуры, а ограничиться воздействием на какие-то определённыеобласти (например, не воздействовать на объекты, которые не являются сюжетно важными), то приходится прибегать к ручному выделению области11коррекции, созданию дополнительных масок и т.п., что часто является достаточно трудоёмкой операцией. Таким образом, возникает необходимостьв совершенствовании указанного алгоритма.Метод, основанный на применении фильтра высоких частот, можетбыть усовершенствован за счёт дополнительной пороговой обработки, чтопозволит производить настройку резкости только сюжетно важных элементов (на рис. 7 приведены примеры обработки с установкой различных пороговых значений).T=60T=80Рис.

7. Результаты обработкис использованием различных пороговых значенийВ третьей главе описана методика анализа изображений с использованием операторов выделения контуров. Обоснована необходимость применения такой методики для классификации оригиналов с цельюдальнейшей настройки резкости: знание закономерностей, описанных вглаве 2, может привести к эффективному решению задачи коррекции в томслучае, если будет определено, какие именно параметры коррекции необходимо применить к той или иной группе оригиналов. Произведён выбор критерия, соответствующего поставленной задаче.

В качестве такого критериявыступило относительное количество элементов изображения, относящихся12к контурной информации (в дальнейшем – контуры или К). Это количествоопределялось путём получения гистограмм выделенных контуров в программе MATLAB.Был проведён сравнительный анализ действия следующих операторов выделения контуров: Канни, LoG, Собела, Превитта и Робертса.Анализ показал, что для решения поставленной задачи классификации оригиналов по структурным признакам в наибольшей степени подходитоператор Робертса – как с точки зрения быстродействия, так и с точки зрениявыделения именно сюжетно важных контурных элементов изображения.Проведена традиционная классификация оригиналов по семантическим (сюжетным) признакам.

Создан банк данных, включающий большоечисло (более 100) оригиналов с различной семантикой. На основанииоценки относительного количества сюжетно важных границ в изображениях (К) с различной семантикой можно сделать вывод о том, что разбросзначений в пределах каждой группы достаточно велик, более того, диапазоны значений К всех групп в значительной степени перекрывают другдруга (рис.

8), что ставит под сомнение сам принцип классификации на основе выделения семантических групп.1 – Ночная съёмка2 – Макросъёмка3 – Информационные указатели4 – Портрет5 – Животные6 – Морской пейзаж7 – Летний пейзаж8 – Горы9 – Город10 – Зимний пейзажРис 8. Диапазоны значений количества контуровдля изображений различных семантических группПредложен новый подход к классификации изобразительных оригиналов.

В рамках этого подхода, во-первых, оценивалось количество контуровне во всём изображении, а только в пределах информативной зоны (для выделения этой зоны использовался процесс сегментации – пример приведённа рис. 9), во-вторых, изображения были сгруппированы уже не по семантике, а в порядке возрастания контурной информации. Именно такой подходпозволил выявить закономерность, имеющую большое практическое значение: увеличение доли контуров свидетельствует о постепенном повышенииколичества мелких деталей и их концентрации в области интереса, а это,в свою очередь, позволяет разделить изображения на группы (в зависимостиот К), к каждой из которых целесообразно применять определённые настройки коррекции резкости.13Рис.

9. Пример сегментации изображения и выделенияинформативной зоны (показана белым цветом)Четвёртая глава посвящена определению оптимальных параметровнастройки резкости с учётом особенностей конкретных оригиналов путёмпроведения экспертной оценки. Основополагающим этапом проведения данного эксперимента являлся отбор оригиналов и изготовление образцов, которые отличаются друг от друга тем, что получены с использованиемразличных установок параметров настройки резкости. При этом диапазоннастроек достаточно широк, велико количество теоретически возможныхкомбинаций значений параметров, также велико и количество изображенийв созданном банке данных, поэтому проанализировать все варианты практически не представлялось возможным. Требовалось произвести отбор наиболее характерных образцов.

Выбор пал на оригиналы из следующихсемантических групп: летний пейзаж, горы, портрет.Сами оригиналы представлены на рис. 10.Решение о выборе именно этих оригиналов было обусловлено тем,что они являются представителями различных диапазонов значений количества контуров, определённых в процессе проведения классификации попредложенному критерию оценки структурных свойств, а именно по количеству элементов изображений, определённых как контуры:1) группа «Летний пейзаж» является преобладающей для изображений с большой долей контурной информации (20–25%);2) оригиналы группы «Горы» наиболее часто встречаются в среднемдиапазоне доли найденных контуров (10–15%);3) оригиналы группы «Портрет» чаще всего попадают в интервал,характеризующийся самым низким количеством контуров (то есть0–5%).14231Рис.

10. Оригиналы для экспертной оценкиПодбор параметров производился на основании совмещения методик, описанных в главах 2 и 3. В качестве примера рассмотрим один из выбранных оригиналов, а именно изображение 1 – из группы «Летнийпейзаж». Как уже было сказано, это изображение характеризуется высокойконцентрацией контуров внутри информативной зоны (20%<К<25%), чтосвидетельствует об относительно большом количестве мелких элементов (вданном случае к ним относится листва и ветки деревьев, трава и т.д.), причём эти детали являются сюжетно важными, поскольку именно на нихстроится вся композиция изображённой сцены, и чем лучше они будут проработаны – тем качественнее будет казаться результат коррекции.

Вместе стем, коррекция резкости деталей не должна быть избыточной, посколькуесть все основания полагать, что в этом случае изображение будет выглядетьпротивоестественно и результат будет признан неудовлетворительным.Таким образом, возникает необходимость определить комбинацию параметров, которая давала бы оптимальный результат, в том числе с точки зренияэкспертов.Для достижения нужного эффекта коррекции оригинала из группы сбольшим количеством контурной информации должно быть минимизировано взаимное перекрытие краевых функций (то есть зона перехода должнабыть по возможности минимальной), при этом подчёркивающая кайма на15границах деталей должна иметь необходимую интенсивность.

Анализ результатов исследований, описанных в главе 2, показывает, что эти условиямогут быть выполнены при установке малых значений радиуса и больших –величины.Помимо выбора оптимальных параметров каждого отдельно взятого способа коррекции, не менее важным представляется вопрос выбора способа, использование которого даёт наилучшие результаты. В связи с этимбыло принято решение об использовании в процессе экспертной оценки следующих способов настройки резкости:1) нерезкое маскирование (USМ);2) способ, основанный на применении фильтра высоких частот(High Pass);3) предложенный способ, основанный на применении фильтра высоких частот и дополнительной пороговой обработки (High Pass + Т).На цифровой печатной машине HP indigo press 1050 были изготовлены образцы, параметры которых приведены в таблице 2 (жирным выделены образцы с теоретически оптимальными значениями параметров).Таблица 2Параметры, использованные при изготовлении тестовых образцовОбразец 116Экспертный опрос проводился с использованием 10-балльной шкалы.

Участникам предлагалось оценить образцы, изготовленные с использованием различных параметров различных фильтров настройки резкости.Оценка «10» означала наилучший результат обработки, «1» – наихудший.В первую очередь эксперты должны были обратить внимание на свои субъективные ощущения относительно того, резкость какого именно образца настроена оптимально, а именно:1) не является ли резкость недостаточной или же избыточной,2) достаточно ли улучшена проработка мелких деталей (при их наличии) по сравнению с оригиналом,3) повышена ли резкость только в тех местах, где это (по мнению эксперта) необходимо, или же изменения затронули фрагменты, повышать резкость которых не требуется,4) имеют ли место локальные или глобальные изменения цветовоготона, насыщенности, памятных цветов и т.д.,5) становятся ли после коррекции заметны шумы,6) не возникает ли у эксперта ощущение «искусственности» образца.В таблице 3 приведены данные экспертного опроса.