Congratulation from Internet Conference!
Hello
СТИСНЕННЯ ЗОБРАЖЕНЬ АЛГОРИТМАМИ КУСКОВО-ЛІНІЙНОЇ АПРОКСИМАЦІЇ
11.11.2021 22:26
[1. Information systems and technologies]
Author: Сєрова М.О., студент, кафедра програмного забезпечення, Національний університет "Львівська Політехніка"
Останнім часом великим попитом користуються системи, що засновані на розпізнаванні зображень[1]. Такі системи обробки зображень піднімають питання формування, введення і подання зображень. Ефективна попередня обробка зображень дозволяє підвищити продуктивність даних систем, що під собою розуміє постійне дослідження в даній сфері і створення нових алгоритмів обробки і розпізнавання зображень.
При зберіганні та передачі великих обсягів зображень великий розмір відіграє негативну роль, оскільки вона призводить до зростання не тільки вартості зберігання, а й часу передачі зображень. В зв'язку з цим на сьогоднішній день для забезпечення ефективності зберігання, передачі великих обсягів зображень широко використовуються алгоритми стиснення. Одним з проблемних місць є отримання оптимального співвідношення ступеня стиснення та точності відтворення зображення. Стиснення зображення може бути без втрат або з втратами. Стиснення без втрат означає, що існує можливість відновити точні вихідні дані зі стиснених даних. Якість зображення не зменшується при використанні стиснення без втрат. На відміну від стиснення без втрат, стиснення з втратами знижує якість зображення і не існує можливості повернути оригінальне зображення після використання методів стиснення з втратами.
При виборі апроксимації слід виходити з конкретного завдання дослідження. Зазвичай, чим простіше рівняння використовується для апроксимації, тим більш приблизним буде отриманий опис залежності. Тому важливо враховувати, наскільки істотні і чим зумовлені відхилення конкретних значень від отриманого тренду.
В даній роботі розглянуто роботу алгоритмів стиснення з використанням алгоритмів кусково-лінійної апроксимації [2]. Даний алгоритм належить до класу алгоритмів з втратами, тому при великих коефіцієнтах стиснення якість зображень помітно знижується. Для реалізації алгоритму необхідно попередньо перетворити зображення у відтінки сірого, для того щоб виконувати апроксимацію лише в одному колірному каналі. Після чого зображення розбивається на рядки висотою до n пікселів (що задається користувачем) і відповідно до обраного алгоритму здійснюється апроксимація даних рядків за середньою яскравістю кожного стовпчика у рядку. Для апроксимації використовувались алгоритми Реуманна-Віткама та Дугласа-Пекера [3].
Проведено огляд основних класів зображень при компресії. Розглянуто класифікацію додатків залежно від необхідних характеристик алгоритмів стиснення зображень. Порівняно продуктивність алгоритмів з точки зору часу обробки та позиційної точності. Дослідження продемонструвало, що алгоритм Дугласа-Пекера дав найбільш точне узагальнення, однак даний алгоритм має меншу продуктивність.
Література:
1. Мельник, Р. А., Квіт, Р. І., & Сало, Т. М. (2021). Виділення ознак профілів зображення обличчя для систем розпізнавання. Науковий вісник НЛТУ України, 31(1), 117-121.
2. Ramer, U. (1972). An iterative procedure for the polygonal approximation of plane curves. Computer Graphics and Image Processing, 1(3), 244–256.
3. DOUGLAS, DAVID & PEUCKER, THOMAS. (1973). Algorithms for the Reduction of the Number of Points Required to Represent a Digitized Line or Its Caricature. Cartographica: The International Journal for Geographic Information and Geovisualization. 10. 112-122. 10.3138/FM57-6770-U75U-7727.
___________________
Науковий керівник: Мельник Р.А., д.т.н., професор, Національний університет "Львівська Політехніка"
Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License
Знайшли помилку? Виділіть помилковий текст мишкою і натисніть Ctrl + Enter
Another articles in this section
-
АНДРОЇД-ДОДАТОК ДЛЯ ОПТИМІЗАЦІЇ ТУРИСТИЧНИХ УРБАНІСТИЧНИХ МАРШРУТІВ
13.11.2021 10:33 -
ДОСЛІДЖЕННЯ СУЧАСНИХ ПРОВАЙДЕРІВ ХМАРНИХ ТЕХНОЛОГІЙ ТА ПУБЛІКАЦІЯ ВЕБ-ДОДАТКУ У ХМАРІ
13.11.2021 10:24 -
СТРУКТУРНИЙ СИНТЕЗ БАЗИ ЗНАНЬ СИСТЕМИ ПІДТРИМКИ ПРИЙНЯТТЯ РІШЕНЬ НА ОСНОВІ НЕЙРОННОЇ МЕРЕЖІ
13.11.2021 10:03 -
АКТУАЛЬНІСТЬ ОБРОБКИ ТА АНАЛІЗУ ВЕЛИКИХ ДАНИХ
13.11.2021 09:59 -
СУЧАСНІ МЕТОДИ ТА ЗАСОБИ ЗАБЕЗПЕЧЕННЯМ БЕЗПЕКИ ІНФОРМАЦІЙНО-ТЕЛЕКОМУНІКАЦІЙНИХ МЕРЕЖ ТА БЕЗПЕКИ НАСЕЛЕННЯ
13.11.2021 09:54
Сonferences
Conference 2024
Conference 2023
Conference 2022
Conference 2021
