автореферат диссертации по машиностроению и машиноведению, 05.02.13, диссертация на тему:Разработка рекомендаций по коррекции резкости с учётом особенностей конкретных оригиналов

На правах рукописи

ШЕРСТНЕВ ГРИГОРИЙ КОНСТАНТИНОВИЧ

РАЗРАБОТКА РЕКОМЕНДАЦИЙ ПО КОРРЕКЦИИ РЕЗКОСТИ С УЧЁТОМ ОСОБЕННОСТЕЙ КОНКРЕТНЫХ ОРИГИНАЛОВ

Специальность 05.02.13 - Машины, агрегаты и процессы (печатные средства информации).

АВТОРЕФЕРАТ

диссертации на соискание ученой степени кандидата технических наук

1 5 СЕН 2011

Москва-2011

4852965

Работа выполнена на кафедре «Технология допечатных процессов» в ФГБОУ ВПО «Московский государственный университет печати имени Ивана Федорова»

Научный руководитель:

доктор технических наук, профессор Андреев Юрий Сергеевич

Официальные оппоненты:

доктор технических наук, профессор Самарин Юрий Николаевич

кандидат технических наук, Панкин Павел Викторович

Ведущая организация:

ООО «НТЦ Полиграфии»

Защита диссертации состоится « 30 » сентября 2011 г. в 14:00 на заседании диссертационного совета Д 212.147.01 при Московском государственном университете печати имени Ивана Федорова по адресу: 127550, г. Москва, ул. Прянишникова, д. 2а.

С диссертацией можно ознакомиться в библиотеке Московского государственного университета печати имени Ивана Федорова.

Автореферат разослан « 30 » августа 2011 г.

Ученый секретарь

диссертационного совета Д 212.147.01 доктор технических наук, профессор

Е.Д. Климова

Общая характеристика работы

Актуальность исследования. Одним из важнейших звеньев производственной базы полиграфии является отдел допечатной подготовки. Именно допечатные процессы позволяют наиболее гибко регулировать параметры продукции. Вместе с тем, 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 множество иллюстрированных изданий, к которым в свете перехода на цифровые устройства обработки предъявляются высокие требования по качеству.

На современном этапе развития полиграфии большинство процессов, относящихся к обработке изображений, реализуются с помощью цифровых систем. Очень часто изображения, используемые в качестве оригиналов для воспроизведения в современных цифровых системах обработки информации, имеют недостатки частотной структуры, которые, в частности, приводят к необходимости повышения резкости. Любой оператор допечатной подготовки сталкивается с этой проблемой.

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 таких исследований позволило бы более детально взглянуть на эти закономерности, выявить направления совершенствования способов повышения резкости и в итоге дать рекомендации по проведению процесса 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 конкрет-

ных 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, происход-щих 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.

В работе решена научная задача, заключающаяся в создании методологических основ проектирования высокопроизводительных систем обработки изображений, обеспечивающих эффективную коррекцию резкости и интегрированных в цифровой рабочий поток. Данная задача имеет существенное значение для технологии полиграфического произодства. Изложены научно обоснованные технологические и методологические решения, внедрение которых может внести значительный вклад в развитие полиграфической технологии, в частности, технологии обработки изобразительной информации.

Практическая ценность. Методика объективного анализа параметров коррекции резкости, разработанная в данной диссертации, в сочетании с разработанным методом классификации оригиналов может рассматри-

ваться 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 диссертационной работы докладывались на научно-технических конференциях Московского государственного университета печати (научно-техническая конференция молодых ученых МГУП, 2010 г. и 2011 г.), а также на международных конференциях: 42st Conference of the International Circle of Educational Institutes for Graphic Arts Technology and Management, Москва, 2010; Международная конференция PRINT-2011, Санкт-Петербург, 2011.

Публикации. По тематике работы опубликованы 3 научных статьи и тезисы докладов на научно-технической конференции.

Структура и объем диссертации. Диссертационная работа состоит из введения, четырех глав, заключения, списка использованных источников и приложения. Основной текст диссертации содержит 130 страниц, включая 49 таблиц и 54 рисунка.

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.

Содержание работы

Во введении обоснована актуальность темы диссертации, сформулирована цель и детализированы задачи исследования, раскрыта научная новизна и практическая ценность работы, приведены положения, выносимые на защиту.

В первой главе проведен анализ современного понимания вопросов, связанных с коррекцией резкости. Указаны основные причины нерезкости изображений. Эти причины имеют место на различных этапах ввода, обработки и вывода информации и могут быть связаны с несовершенством оптических систем, недостатками сканеров, а также масштабными и иными преобразованиями на этапе программной обработки.

Определены основные пути повышения резкости. Для коррекции искажений в репродукционную систему обработки включают фильтры, усиливающие амплитуды гармонических составляющих высокой частоты, то есть имеющие действие, обратное действию искажающих факторов. Такие фильтры могут в определённой степени компенсировать неидеальность характеристики системы, представляющей собой фильтр низких частот.

Рассмотрены основные цветовые пространства, в которых чаще всего производится коррекция резкости, выделены их преимущества и недостатки. Отмечено, что использование пространства Lab позволяет разделить данные о яркости и цвете, а это может уменьшить негативные эффекты, проявляющиеся в нежелательном изменении цветового тона и появлении шумов в процессе коррекции, поэтому данное пространство было выбрано для проведения коррекции и оценки свойств изображения.

Проведён обзор программного обеспечения, позволяющего производить настройку резкости. В настоящее время существует большое количество таких программ, однако отсутствуют методологические основы проведения классификации изобразительных оригиналов с целью автоматического выбора оптимальных параметров коррекции резкости для каждого конкретного случая, в связи с чем отмечена актуальность разработки этих основ.

Вторая глава посвящена методике количественного анализа воздействия различных параметров настройки резкости. Настройка резкости в современных цифровых обработки изобразительной информации может быть произведена с использованием различных инструментов и алгоритмов, и если на первый взгляд результаты обработки аналогичны, то при более детальном рассмотрении становится ясно, что использование того или иного метода может привести к различным результатам. Каждому способу присущи определённые закономерности, проявляющиеся при изменении параметров. Определение этих закономерностей играет важную роль и должно производиться на основе объективного анализа с использованием специальных тест-объектов, позволяющих количественно моделировать результаты воздействия. В качестве базового предложен тест-объект, состоящий из пяти фрагментов, каждый из которых представляет собой переходы между разными уровнями светлоты Lmin и Lmax (или краевые функции). Таким образом моделируются размытые границы в изображении. В табл. 1 приведены значения Lmin, Lmax и AL для каждого фрагмента, на рис. 1 показан тест-объект и соответствующие краевые функции.

Таблица 1

Значения координат светлоты (Ь) для каждого тестового фрагмента

Фрагмент Ьтш Ьтах дь

1 40 60 20

2 30 70 40

3 20 80 60

4 10 90 80

1, 100 90

80 70 60 50 40 10 20 10 /

--2

----3

--------• //

/

ММ

0 0.05 ОД 0,15 0,2 0,25 0,3 0.35

ы Ь=40 Ь=60

1 Ь=30 Ь=70

Ь=20 Ь=80

■ми

Ь=10 Ь=90

Рис. 1. Тест-объект для проведения количественной оценки воздействия фильтров настройки резкости

Разработанная методика использовалась для моделирования и анализа результатов, имеющих место при воздействии параметров резкостной коррекции. 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 увеличение радиуса 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 границе детали.

Рис. 3. Влияние параметра «Величина»

Увеличение значения порога приводит к уменьшению эффекта действия фильтра нерезкого маскирования. Для каждой комбинации радиуса и величины, а также для каждого тонового скачка можно подобрать такое максимальное значение порога (Тшах), выше которого фильтр нерезкого маскирования не будет оказывать воздействие на изображение, причём показано, что параметры «Радиус» и «Величина» являются взаимозамести-мыми. Это проявляется в том, что при одинаковом произведении значений этих параметров значение Тшах также остаётся постоянным.

Установлено, что применение метода, основанного на использовании фильтра 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 от исходных значений Ь, образующих тоновый переход (в отличие от нерезкого маскирования - см. рис. 4—5).

Рис. 4. Действие фильтра высоких частот

0.05 0.1 0,15 0.2 0.25

Рис. 5. Действие фильтра нерезкого маскирования

Рис. 6 позволяет сравнить результаты обработки реальных изображений. Можно заметить, что применение фильтра High Pass и наложения слоев не сопровождается существенным изменением плотности фона на значительном расстоянии от границ корректируемых деталей, как это происходит под воздействием фильтра нерезкого маскирования.

Оригинал Нерезкое маскирование

High Pass

Рис. 6. Результаты обработки различными фильтрами настройки резкости

Тем не менее, метод повышения резкости с помощью применения фильтра высоких частот не лишён недостатков. Один из них - отсутствие такого параметра, как порог. Если, например, требуется обрабатывать не все найденные контуры, а ограничиться воздействием на какие-то определённые области (например, не воздействовать на объекты, которые не являются сю-жетно важными), то приходится прибегать к ручному выделению области

коррекции, созданию дополнительных масок и т.п., что часто является достаточно трудоёмкой операцией. Таким образом, возникает необходимость в совершенствовании указанного алгоритма.

Метод, основанный на применении фильтра высоких частот, может быть усовершенствован за счёт дополнительной пороговой обработки, что позволит производить настройку резкости только сюжетно важных элементов (на рис. 7 приведены примеры обработки с установкой различных пороговых значений).

Т=60

Т=80

Т=100 Т=120

Рис. 7. Результаты обработки с использованием различных пороговых значений

В третьей главе описана методика анализа изображений с использованием операторов выделения контуров. Обоснована необходимость применения такой методики для классификации оригиналов с целью дальнейшей настройки резкости: знание закономерностей, описанных в главе 2, может привести к эффективному решению задачи коррекции в том случае, если будет определено, какие именно параметры коррекции необходимо применить к той или иной группе оригиналов. Произведён выбор критерия, соответствующего поставленной задаче. В качестве такого критерия выступило относительное количество элементов изображения, относящихся

к контурной информации (в дальнейшем - контуры или К). Это количество определялось путём получения гистограмм выделенных контуров в программе МАТЬАВ.

Был проведён сравнительный анализ действия следующих операторов выделения контуров: Канни, ЬоС, Собела, Превитта и Робертса.

Анализ показал, что для решения поставленной задачи классификации оригиналов по структурным признакам в наибольшей степени подходит оператор Робертса - как с точки зрения быстродействия, так и с точки зрения выделения именно сюжетно важных контурных элементов изображения.

Проведена традиционная классификация оригиналов по семантическим (сюжетным) признакам. Создан банк данных, включающий большое число (более 100) оригиналов с различной семантикой. На основании оценки относительного количества сюжетно важных границ в изображениях (К) с различной семантикой можно сделать вывод о том, что разброс значений в пределах каждой группы достаточно велик, более того, диапазоны значений К всех групп в значительной степени перекрывают друг друга (рис. 8), что ставит под сомнение сам принцип классификации на основе выделения семантических групп.

мГ

тЦ

тг

тт

Ж

□ 8

-]3

1 - Ночная съёмка

2 - Макросъёмка

3 - Информационные указатели

4 - Портрет

5 - Животные

6 - Морской пейзаж

7 - Летний пейзаж

8 - Горы

9 - Город

10 - Зимний пейзаж

ч к (%)

Рис 8. Диапазоны значений количества контуров для изображений различных семантических групп

Предложен новый подход к классификации изобразительных оригиналов. В рамках этого подхода, во-первых, оценивалось количество контуров не во всём изображении, а только в пределах информативной зоны (для выделения этой зоны использовался процесс сегментации - пример приведён на рис. 9), во-вторых, изображения были сгруппированы уже не по семантике, а в порядке возрастания контурной информации. Именно такой подход позволил выявить закономерность, имеющую большое практическое значение: увеличение доли контуров свидетельствует о постепенном повышении 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.

Рис. 9. Пример сегментации изображения и выделения информативной зоны (показана белым цветом)

Четвёртая глава посвящена определению оптимальных параметров настройки резкости с учётом особенностей конкретных оригиналов путём проведения экспертной оценки. Основополагающим этапом проведения данного эксперимента являлся отбор оригиналов и изготовление образцов, которые отличаются друг от друга тем, что получены с использованием различных установок параметров настройки резкости. При этом диапазон настроек достаточно широк, велико количество теоретически возможных комбинаций значений параметров, также велико и количество изображений в созданном банке данных, поэтому проанализировать все варианты практически не представлялось возможным. Требовалось произвести отбор наиболее характерных образцов. Выбор пал на оригиналы из следующих семантических 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 по предложенному 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 среднем диапазоне доли найденных контуров (10-15%);

3) оригиналы группы «Портрет» чаще всего попадают в интервал, характеризующийся самым низким количеством контуров (то есть 0-5%).

Рис. 10. Оригиналы для экспертной оценки

Подбор 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 «Летний пейзаж». Как уже было сказано, это изображение характеризуется высокой концентрацией контуров внутри информативной зоны (20%<К<25%), что свидетельствует об относительно большом количестве мелких элементов (в данном случае к ним относится листва и ветки деревьев, трава и т.д.), причём эти детали являются сюжетно важными, поскольку именно на них строится вся композиция изображённой сцены, и чем лучше они будут проработаны - тем качественнее будет казаться результат коррекции. Вместе с тем, коррекция резкости деталей не должна быть избыточной, поскольку есть все основания полагать, что в этом случае изображение будет выглядеть противоестественно и результат будет признан неудовлетворительным. Таким образом, возникает необходимость определить комбинацию параметров, которая давала бы оптимальный результат, в том числе с точки зрения экспертов.

Для достижения нужного эффекта коррекции оригинала из группы с большим количеством контурной информации должно быть минимизировано взаимное перекрытие краевых функций (то есть зона перехода должна быть по возможности минимальной), при этом подчёркивающая кайма на

границах деталей должна иметь необходимую интенсивность. Анализ результатов исследований, описанных в главе 2, показывает, что эти условия могут 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 этим было принято решение об использовании в процессе экспертной оценки следующих способов настройки резкости:

1) нерезкое маскирование (USM);

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 2

Параметры, использованные при изготовлении тестовых образцов

Образец 1

High Pass + Т High Pass USM

R=5, Т=115 R=10 R=5, A=100

R=10, T=115 R=20 R=5, A=200

R=15, T=115 R=30 R=20, A=100

R=5, T=105 R=50, A=20

R=5, T=125

Образец 2

High Pass + T High Pass USM

R=5, T=120 R=10 R=5, A=200

R=10, T=110 R=20 R=10, A=150

R=20, T=100 R=30 R=20, A=100

R=30, T=100 R=30, Overlay 50% R=40, A=80

Образец 3

High Pass + T High Pass USM

R=5, T=115 R=10 R=5, A=100

R=20, T=100 R=20 R=5, A=200

R=20, T=100, Overlay 50% R=30 R=40, A=40

R=30, T=100, Overlay 50% R=30, Overlay 50% R=60, A=20

Экспертный 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 цветового тона, 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. Как можно заметить, 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.

Таблица 3

Данные экспертного опроса

Изображение 1

Способ Оптимальные настройки Средняя оценка Количество экспертов , выбравших данный образец в качестве лучшего

High Pass + Т R=5, Т=105 7,7 7

High Pass R=10 7,5 5

USM R=50, A=20, T=1 8,8 9

Изображение 2

Способ Оптимальные Средняя Количество экспертов ,

настройки оценка выбравших данный образец в качестве лучшего

High Pass + Т R=20, Т=100 8,4 7

High Pass R=20 8,2 6

USM R=20, А=100, T=1 7,7 6

Таблица 3 (продолжение)

Изображение 3

Способ Оптимальные настройки Средняя оценка Количество экспертов , выбравших данный образец в качестве лучшего

High Pass + Т R=30, Т=100, Overlay 50% 6,7 9

High Pass R=30, Overlay 50% 6,4 8

USM R=60, A=20, T=1 6,2 9

Степень согласованности мнений определялась путём определения такого показателя, как среднее квадратическое отклонение - оно вычисляется по формуле (1):

S,=

м

т-1

О)

где - оценка, присвоеннаяу-му параметру г-тым экспертом;

- средняя арифметическая оценок по у-му параметру; т - число экспетров (в данном случае оно равно 10). Также в процессе обработки данных экспертной оценки по формуле (2) вычислялся коэффициент вариации:

у = £-100%.

* (2)

Таблица 4 содержит результаты вычисления показателей согласованности мнений экспертов. Как можно заметить, имеет место высокая согласованность.

Таблица 4

Показатели согласованности мнений экспертов при выборе наилучших образцов

Изображение 1

Способ Среднее квадратическое отклонение Коэффициент вариации

High Pass + Т 0,23 4,96

High Pass 0,28 11,11

USM 0,1 2,56

Таблица 4 (продолжение)

Изображение 2

Способ Среднее квадратическое отклонение Коэффициент вариации

High Pass + Т 0,23 4,96

High Pass 0,28 11,11

USM 0,1 2,56

Изображение 3

Способ Среднее квадратическое отклонение Коэффициент вариации

High Pass + T 0,49 13,58

High Pass 0,27 7,41

USM 0,28 7,94

Проводя окончательный анализ результатов, полученных в ходе эксперт-нош опроса, можно сделать вывод о том, что методика определения оптимальных параметров настройки резкости на основе предложенной классификации оригиналов по критерию количества и концентрации контуров показала хорошее соответствие данным экспертной оценки. При этом окончательные рекомендации по коррекции резкости, разработанные на основании исследований, описанных в главах 2 и 3 настоящей диссертации и подтверждённых результатами опроса экспертов, можно представить в виде таблицы 5.

Таблица 5

Группы оригиналов Оптимальные параметры коррекции резкости

1. Оригиналы с высокой концентрацией контуров внутри информативной зоны, содержащие большое количество сюжетно важных мелких деталей, расположенных близко друг к другу (примеры: летний пейзаж, животные) 1. High Pass + Т (небольшие значения радиуса, ориентировочно R=5) 2. High Pass (небольшие значения радиуса, ориентировочно R=10)

2. Оригиналы со средней концентрацией контуров, с меньшим количеством мелкоструктурных элементов по сравнению с оригиналами, относящимися к группе 1 (примеры: горный пейзаж, городской пейзаж, море) 1. High Pass + Т (средние значения радиуса, ориентировочно R=20) 2. High Pass (R=20) 3. Нерезкое маскирование (средние значения радиуса, ориентировочно R=20, и величины, А=100)

3. Оригиналы с малой концентрацией контуров (примеры: портретная съёмка, ночная съёмка) 1. High Pass + Т: R не менее 30, желательно изменение степени наложения на 0verlay=50% 2. High Pass: R не менее 30, желательно изменение степени наложения на 0verlay=50% 3. Нерезкое маскирование: R не менее 50, А не более 30.

В заключении представлены основные результаты работы, делается вывод об их соответствии поставленной цели и задачам исследования.

Основные выводы и результаты работы

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 V),

- разработан 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:

- способ 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 яркост-ных 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 светлоты Ь, образующих тоновый переход.

5. Предложено совершенствование 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 Ро-бертса- 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 по сюжетному признаку. 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 - в порядке возрастания доли контуров, содержащихся в зоне интереса. Именно такой подход позволил разделить изображения на группы (в зависимости от относительного количества контуров), 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. 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, 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).

Таким образом, все поставленные задачи решены, создана методика объективного анализа изменений под действием различных способов настройки. Предложена новая методика классификации оригиналов по критерию концентрации контуров в информативной зоне. Проведение исследований с использованием этих методик в сочетании с данными экспертной оценки позволило сформулировать рекомендации по коррекции резкости с учётом особенностей конкретных оригиналов.

Разработанные рекомендации по оптимальным параметрам коррекции резкости могут иметь большое практическое значение при обработке изображений, поступающих в отдел допечатной подготовки. Полученные результаты исследований могут рассматриваться в качестве методологической основы проектирования и создания новых цифровых высокопроизводительных систем обработки изображений, которые можно будет интегрировать в цифровой рабочий поток, а это, в свою очередь, положительно скажется на скорости и оперативности выполнения допечатной подготовки издания и, как следствие, на конкурентоспособности полиграфического предприятия.

Публикации по теме диссертационной работы

Статьи в ведущих научных изданиях, рекомендуемых ВАК РФ:

1. 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. (0,35 пл./0,17 пл.)

Другие публикации:

2. 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 Technology and Management: материалы конференции. - Москва, 2010. - С. 184-190. (0,22 п.л.)

3.Шерстнев Г.К. Сравнительный анализ и совершенствование способов повышения резкости в системе поэлементной обработки информации // Международная конференция молодых учёных Print-2011. - Санкт-Петер-бург-2011.-С. 120. (0,1 п.л.)

4.Шерстнев Г.К., Сравнительный анализ и совершенствование способов повышения резкости в системе поэлементной обработки информации // Вестник молодых учёных СПГУТД - 2011. - сентябрь. (0,35 пл.)

Подписано в печать 09.08.2011. Формат 60x84/16. Тираж 100 экз. Заказ № 466. Отпечатано в ООО "Типография "Возрождение"

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.

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.

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.

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.