Покращення зображень із використанням градаційних перетворень їх Фур’є образів

Автор(и)

  • Ігор Іванович Половинко Львівський національний університет ім. І. Франка, Україна https://orcid.org/0000-0003-2810-5173
  • Любомир Олександрович Князевич Львівський національний університет ім. І. Франка, Україна https://orcid.org/0000-0001-5039-8350

DOI:

https://doi.org/10.15587/2706-5448.2021.230079

Ключові слова:

цифрова обробка зображень, градаційні перетворення, дискретне перетворення Фур’є, космічні знімки

Анотація

Об'єктом дослідження є низькоякісні цифрові зображення. Представлена робота присвячена проблемі цифрової обробки зображень низької якості, що є одним з найбільш важливих завдань data science в області добування корисної інформації з великого масиву даних. Запропоновано здійснювати процес покращення зображень шляхом градаційної обробки їх Фур’є образів. Підставою для такого підходу є той факт, що Фур'є образи описуються значеннями яскравостей у широкому діапазоні значень, який можна значно зменшити шляхом градаційних перетворень. У роботі здійснено перетворення Фур’є зображення із виділенням амплітуди та фази. Показано важливу роль фази в процесі формування зображення, отриманого після здійснення зворотного перетворення Фур’є. Хоча при аналізі фази інформація про амплітуду сигналу втрачається, тим не менше всі основні деталі безпомилково відповідають початковому зображенню. Це говорить про те, що при модифікації Фур’є спектрів зображень необхідно враховувати вплив, як на амплітуду, так і на фазу досліджуваного об’єкту.

Дієвість запропонованого методу продемонстровано на прикладі космознімку Земної поверхні. Показано, що після градаційного логарифмічного перетворення Фур’є образу та зворотного Фур’є перетворення, отримано зображення, яке є більш контрастним у порівнянні з початковим, що безумовно полегшить роботу з ним в процесі візуального аналізу. Для пояснення отриманих результатів здійснено розклад отриманого градаційного перетворення у ряд Меркатора. Показано, що результуюче зображення складається з двох частин. Перша з них відповідає відтворенню початкового зображення, отриманого шляхом зворотного перетворення Фур’є, а друга здійснює згладжування його яскравості, що аналогічно дії комбінованому методу просторового покращення зображень. При використанні запропонованого методу необхідна також попередня обробка, яка, як правило, включає в себе операції, необхідні для центрування Фур'є образу, а також перетворення початкових даних у формат з плаваючою точкою.

Біографії авторів

Ігор Іванович Половинко, Львівський національний університет ім. І. Франка

Доктор фізико-математичних наук, професор

Кафедра оптоелектроніки та інформаційних технологій

Любомир Олександрович Князевич, Львівський національний університет ім. І. Франка

Кафедра оптоелектроніки та інформаційних технологій

Посилання

  1. Nielsen, M. A., Chuang, I. L. (2009). Quantum Computation and Quantum Information. Cambridge University Press, 676. doi: http://doi.org/10.1017/cbo9780511976667
  2. Goswami, D. (2003). Optical computing. Resonance, 8 (6), 56–71. doi: http://doi.org/10.1007/bf02837869
  3. Gonzalez, R. C., Woods, E. R. (2017). Digital Image Processing. Upper Saddle River: Prentice Hall, 797.
  4. Nakonechny, A., Nakonechny, R., Pavlish, V. (2010). Digital Image Processing. Lviv: Lviv Polytechnic Publishing House, 366.
  5. Jain, A. (1994). Fundamental of Digital Image Processing. Prentice Hall, 592.
  6. Seul, M., O'Gorman, L., Sammon, M. J. (2000). Practical algorithms for image analysis: description, examples, and code. Cambridge University Press, 521.
  7. Polovynko, I., Kashuba, A. (2019). A method of improving space image by using spatial masks and frequency filters. Electronics and Information Technology, 12, 55–63. doi: http://doi.org/10.30970/eli.12.6
  8. Polovynko, I., Kashuba, A. (2020). Color transformations of space images in reflected and scattered light. Measuring and computing equipment in technological processes. International scientific and technical journal, 1 (65), 11–16.
  9. Bribiesca, E., Jimenez, J. R., Medina, V., Valdes, R., Yanez, O. (2003). A voxel-based measure of discrete compactness for brain imaging. Proceedings of the 25th Annual International Conference of the IEEE Engineering in Medicine and Biology Society (IEEE Cat. No.03CH37439). doi: http://doi.org/10.1109/iembs.2003.1279913
  10. Lyons, R. (2010). Understanding Digital Signal Processing. Pearson, 954.
  11. Forsyth, D., Ponce, J. (2011). Computer Vision: A Modern Approach. Pearson India, 792.
  12. Zaiats, V. M., Kaminskyi, R. M. (2004). Metody rozpiznavannia obraziv. Lviv, 173.
  13. C# у Visual Studio. Available at: https://docs.microsoft.com/ru-ru/dotnet/csharp/tour-of-csharp/
  14. Hairer, E., Wanner, G. (Eds.) (2008). Analysis by Its History. Undergraduate Texts in Mathematics. doi: http://doi.org/10.1007/978-0-387-77036-9

Опубліковано

2021-04-30

Як цитувати

Половинко, І. І., & Князевич, Л. О. (2021). Покращення зображень із використанням градаційних перетворень їх Фур’є образів. Technology Audit and Production Reserves, 2(2(58), 16–19. https://doi.org/10.15587/2706-5448.2021.230079

Номер

Розділ

Інформаційні технології: Звіт про науково-дослідну роботу