Министерство цифрового развития, связи и массовых коммуникаций Российской Федерации
Ордена Трудового Красного Знамени федеральное государственное бюджетное образовательное учреждение высшего образования
Московский технический университет связи и информатики
__________________________________________________________________
Кафедра Телевидения и звукового вещания
Лабораторная работа №63 по дисциплине Телевидение
«Исследование обработки изображений в псевдоцветах»
Выполнили |
|
|
Студенты группы БРВ2201:
|
_______________________ _______________________ _______________________ |
Велит А.И. Мусаев Д.Ш. Зейналов Р.А. |
Проверил |
|
|
Старший преподаватель кафедры ТИЗВ:
|
_______________________
|
Поташников А.М. |
Москва 2025
Цель работы
Ознакомиться с принципами повышения информативности черно-белых изображений с помощью цветового контрастирования методом цветового кодирования. Получить навыки графического задания алгоритма цветового кодирования с помощью диаграммы цветностей. Ознакомиться с особенностями цветового охвата различных RGB-систем.
Ход лабораторной работы
Первым алгоритмом обработки изображения будет – спирально-треугольный алгоритм (рисунок 1):
Рисунок 1 – Спирально-треугольный алгоритм, 10 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
На рентгеновском снимке заметно как в режиме умножения лучше выражена кисть (более контрастна), а также лучше выражена ее структура и объём.
А без режима умножения кость так же лучше видно, чем на черно-белом снимке, но при этом трудно визуально рассматривать кость, так как мышцы сильно пересвечены.
Гео-снимок:
Без умножения более выражен ландшафт (рельеф) земли, но при этом плохо различимы погодные условия. Границы объектов размыты.
С умножением хорошо видно погодные явления и облака, но при этом ландшафт становится трудно различимым из-за затемнения областей.
Далее увеличим количество точек на цветовом пространстве в два раза:
Рисунок 2 – Спирально-треугольный алгоритм, 20 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
Без умножения кость сливается с изображением мышц и элементы кости становится плохо различить.
С умножением кость хорошо видна и рельеф кости стал более выраженным, но при этом стал более тёмным.
Гео-снимок:
Без умножения изображения становится почти неразличимым, однако общие очертания гор и впадин стало более отчётливым. И при этом облака размылились по картинке.
С умножением качество изображения рельефа улучшилось, стало видно впадины рек и трещины рельефа, облака так же отчётливо видно.
Далее идет стигмаобразный алгоритм:
Рисунок 3 – Стигмаобразный алгоритм, 10 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
Без умножения рельеф кости отчётливо видно, заметно все перепады и объём кости. Но при этом внимание очень сильно проецируется на засвеченную часть мышц.
С умножением кость отлично видно, визуально заметна структура кости, ее неровности и перепады, мышцы не мешают оценивать кости.
Гео-снимок:
Без умножения изображение становится очень контрастным, но при этом теряется его информативность, так как картинка становится очень зернистой.
С умножением картинка так же остается зернистой, однако стало более различимы облака и впадины рельефа.
Увеличим количество точек в 2 раза для стигмаобразного алгоритма:
Рисунок 4 – Стигмаобразный алгоритм, 20 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
Как и в прошлом варианте, без умножения рельеф кости отчётливо видно, заметно все перепады и объём кости, а также сильный засвет мышц, эффект даже стал сильнее, из-за чего трудно отделить начало кости от мышц.
С умножением, как и с 10 точками, кость стала гораздо разборчивей, пропадает засвет с мышц.
Гео-снимок:
Без умножения почти ничего нельзя разобрать на снимке, информативность нулевая, снимок представляет собой мешанину из цветов.
С умножением становится возможным различить облака, а также впадины/возвышенности рельефа.
Далее рассмотрим круглый алгоритм:
Рисунок 5 – Круглый алгоритм, 10 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
С умножением изображение кости хорошее, фон в виде мышц почти не заметно и весь акцент идет на кость, однако хорошо рассмотреть структуру кости трудно, в основном видно лишь общую форму кости без деталей.
Без умножения форма кости также различима, однако сильно мешает фон в виде засвеченных мышц.
Гео-снимок:
Без умножения снимок является практически полностью неразличимым, единственное, что можно отчетливо определить – облака.
С умножением ситуация становится гораздо лучше, облака стало крайне хорошо видно, даже очень маленькие и не заметные части облаков на основном фото, стало видно отчетливо. Рельеф стал более прорисованным и заметен перепад высот.
Увеличим количество точек для круглого алгоритма в 2 раза:
Рисунок 6 – Круглый алгоритм, 20 точек
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
С умножением изображение кости стало крайне отчетливым и визуально приятным для восприятия. Можно увидеть все неровности кости, а также ее структуру.
Без умножения кость также хорошо видно, но при этом часть внимания отвлекает на себя пересвеченный фот и мышцы, что негативно сказывается на восприятии.
Гео-снимок:
Без умножения практически ничего не понятно, очень много визуального шума, все объекты плохо различимы и сливаются на фоне друг друга.
С умножением ситуация становится лучше, облака стало крайне хорошо видно, даже очень маленькие и не заметные части облаков на основном фото, стало видно отчетливо. Рельеф стал более прорисованным и заметен перепад высот.
Заключительным алгоритмом станет синтезированный метод, он получил название – "змеиный", так как повторяет форму змеи в упрощенном виде.
Рисунок 7 – Синтезированный алгоритм
Рассчитаем относительную эффективность заметности перепадов яркости с включенным и выключенным режимом умножения:
Выключенный режим умножения:
Включенный режим умножения:
Рентгеновский снимок:
С умножением кость отчётливо видно, разными цветами обозначены разные части кости, так что видно всю структуру, мелкие трещинки и особенности строения кости.
А без умножения визуальная картина почти не поменялась, за исключением фонового пересвета мышцы и фона.
Гео-снимок:
С умножением отчетливо видно весь рельеф местности и облака, однако присутствует посторонняя зернистость картинки, что визуально неприятно глазу.
Без умножения картинка очень зернистая, и информативность такого режима стремиться к нулю, так как почти ничего не различимо глазом. Изображение сильно рябит.
Вывод
В ходе лабораторной работы ознакомились с принципами повышения информативности черно-белых изображений с помощью цветового контрастирования методом цветового кодирования. Получили навыки графического задания алгоритма цветового кодирования с помощью диаграммы цветностей.
Результаты, полученные в ходе выполнения лабораторной работы, показали, что эффективность каждого алгоритма сильно зависит от режима умножения и количества точек в цветовом пространстве. Наиболее стабильные и качественные результаты продемонстрировали спирально-треугольный и синтезированный «змеиный» алгоритмы. Было установлено, что режим умножения критически важен для визуализации деталей на тёмном фоне при использовании сложных схем с большим количеством точек, так как без него эффективность может падать до 10-35%. Для рентгеновских снимков наилучшее качество обеспечивали алгоритмы с включенным режимом умножения, которые эффективно подавляли фон и выделяли структуру кости. Для геоснимков выбор оптимального метода оказался компромиссным: режим без умножения часто лучше передавал рельеф, а с умножением — атмосферные явления. Таким образом, выбор алгоритма и режима его работы должен определяться конкретной задачей и типом анализируемого изображения.