способ автоматического ретуширования снимков

Формула изобретения

Способ автоматического ретуширования снимков включает создание массива данных из снимков различного сюжета и классов, формирование базы эталонов из них посредством обработки «в интерактивном режиме» на основе специализированного программного обеспечения Photoshop CS2, предустановленных текстур, дающих комфортное восприятие образов объектов на снимках, построение функции сигнала фотометрической коррекции между исходным и эталонным снимками, определение «штрих-кодов» исходного снимка и эталона путем перекодировки яркости I(x,y) матриц изображений размером |m×n| элементов в матрицы интенсивностей тональных переходов размерностью ||k×k|| элементов исходного и эталонного ретушированного снимков, алгебраическое вычитание матриц «штрих-кодов» с установлением порога для достоверной идентификации эталона, формирование адреса эталона с расширением из его «штрих-кода», пороговой разности и функции сигнала фотометрической коррекции, автоматический поиск эталона для анализируемого снимка и его ретуширование на основе рассчитанного «штрих-кода» по адресу в базе эталонов и функции сигнала фотометрической коррекции.

Описание изобретения к патенту

Изобретение относится к информатике и может найти применение в системах сбора, преобразования, переработки информации в различных сферах человеческой деятельности: криминалистике, космонавтике.

Дистанционное зондирование Земли из космоса в интересах разведки полезных ископаемых, лесного хозяйства, экологии, мониторинга почвенных покровов осуществляют путем получения цифровых изображений подстилающей поверхности. Селективными признаками объектов на изображениях являются цвет, тон, текстура, топология. Экологический мониторинг осуществляют, как правило, получением спектрозональных снимков на трехслойном фотоносителе с чувствительными слоями R, G, В диапазонов.

Известен «Способ оценки загрязнения атмосферы», Патент RU № 2117286, 1998, A01G 23/00 - аналог. Способ-аналог включает преобразование спектральной яркости изображения I(x,y) в цифровые матрицы |m×n| элементов в G, R участках видимого спектра, поэлементную логическую сортировку пикселей в обоих матрицах в соответствии с алгоритмом: если R>G, то R, а если R<G, то R=R_max-|k|·G, где k - коэффициент корреляции хроматических коэффициентов r, g, получают результирующую матрицу тех же размеров, вычисляют числовые характеристики электрического сигнала результирующей матрицы: математическое ожидание, дисперсию, огибающую пространственного спектра, рассчитывают гистограмму распределения пикселей по яркости, осуществляют привязку полученного относительного закона распределения к абсолютным значениям индекса состояния атмосферы региона по его значениям и площади контрольных площадок.

Недостатком аналога является зависимость коэффициента корреляции хроматических коэффициентов r, g от условий съемки и неадекватность алгоритма логической сортировки пикселей физическому процессу, что искажает итоговую гистограмму распределения пикселей по яркости и точность оценки расчетного параметра.

Ближайшим аналогом заявленного технического решения является способ ретуширования изображений в интерактивном режиме [см, например, П.А.Минько, «Обработка графики в Photoshop GS2, изд. «Эксмо», 2007 г., гл.7. «Настройка изображения», стр.170-186]. В способе ближайшего аналога область ретуширования задают путем ее предварительного выделения, затем осуществляют заполнение выделенной области, выбранным визуально оператором, отдельным оттенком из множества предлагаемых программой Photoshop предустановленных текстур в стандартной палитре цветов BGR или в других палитрах CMYK, Lab, дающих комфортное восприятие образа объекта.

Недостатками ближайшего аналога можно считать:

- отсутствие кодового признака, позволяющего автоматически выбрать эталонный снимок для обрабатываемого изображения;

- субъективность комфортного восприятия образа объекта, зависящая от оператора.

Задача, решаемая заявленным изобретением, состоит в автоматическом поиске эталона для обрабатываемого снимка путем создания кодовых признаков каждого эталона, находящегося в базе эталонов, и последующей автоматической фотометрической коррекции обрабатываемого снимка по маске текстуры эталона, хранящейся в базе эталонов.

Техническое решение задачи достигается тем, что способ автоматического ретуширования снимков включает создание массива данных из снимков различного сюжета и классов, формирование базы эталонов из них посредством обработки «в интерактивном режиме» на основе специализированного программного обеспечения Photoshop CS2, предустановленных текстур, дающих комфортное восприятие образов объектов на снимках, построение функции сигнала фотометрической коррекции между исходным и эталонным снимками, определение «штрих-кодов» исходного снимка и эталона путем перекодировки яркости I(х,у) матриц изображений размером |mxn| элементов в матрицы интенсивностей тональных переходов размерностью ||kxk|| элементов исходного и эталонного ретушированного снимков, алгебраическое вычитание матриц «штрих-кодов» с установлением порога для достоверной идентификации эталона, формирование адреса эталона с расширением из его «штрих-кода», пороговой разности и функции сигнала фотометрической коррекции, автоматический поиск эталона для анализируемого снимка и его ретуширование на основе рассчитанного «штрих-кода» по адресу в базе эталонов и функции сигнала фотометрической коррекции.

Изобретение поясняется чертежами, где:

фиг.1 - функции сигналов фотометрической коррекции:

а) гистограммы яркости пикселей текущего 1 и ретушированного 2 снимков;

б) стандартная (оптимальная) кривая повышения контрастности большинства снимков ближайшего аналога;

фиг.2 - визуализированные образы матриц «штрих-кодов»:

а) эталонного ретушированного снимка, б) исходного снимка, в) алгебраического вычитания матриц «штрих-кодов»;

фиг.3 - функциональная схема устройства, реализующая способ;

фиг.4 - результат автоматического ретуширования снимков:

а) анализируемый снимок; б) автоматически ретушированный снимок.

Техническая сущность способа состоит в следующем.

Интерактивное улучшение параметров фотоизображений широко применяется в различных фоторедакторах [см., например, П.А.Минько, «Обработка графики в Photoshop CS2, изд. «Эксмо», 2007 г., стр.71-89, стр.145-151]. Однако уровень автоматизации процессов фотокоррекции пока очень низок: человек-фоторедактор вынужден сам подбирать оптимальные параметры преобразований фотоизображений в соответствии со своим художественным вкусом. Автоматизация заключается в написании специальных программ (скриптов и экшенов) на языках, воспринимаемых фоторедакторами, которые могут осуществлять фиксированную последовательность преобразований при запуске соответствующей программы.

Пока не существует универсальных методов автоматической оптимизации основных параметров фотоснимков, поскольку выбор алгоритмов и параметров такой оптимизации зависит от сюжета фотоизображений. Например, меню общего и избирательного контрастирования снимков с использованием низкочастотной и высокочастотной фильтрации ближайшего аналога представляется галереей, включающей более 80 фильтров (см. ближайший аналог, стр.225-237).

Инструментами интерактивного ретуширования снимков ближайшего аналога являются:

- коррекция гистограмм распределения пикселей по яркости, команда Histogram, Photoshop CS2, стр.171, иллюстрируемая фиг.1;

- повышение контрастности, общее затемнение или осветление изображения, команда Levels, стр.172;

- избирательное изменение контрастности с использованием галереи фильтров, команды Curves, группы Adjustment, меню Filter, стр.174, 225-229.

В заявленном способе для автоматического ретуширования снимков используют кодовое преобразование матрицы исходного изображения, функции яркости I(x,y) размерностью |m×n| элементов, в матрицу «штрих-кодов» (матрицу фреймов) размером ||k×k|| элементов, где k - максимальное значение яркости. Матрица фреймов не является обратимым преобразованием исходного изображения, но она несет полную информацию для распознавания сюжета изображения.

Алгоритм перекодировки включает следующие процедуры:

- задают матрицу |k×k| элементов «штрих-кодов», где k - максимальное значение яркости;

- выбирают окно фиксированной апертуры размерностью 2 элемента по строке;

- задают цикл сканирования матрицы в пределах 1 i m; 1 j n, где i - номер строки, j - номер столбца;

- циклически выбирают по два соседних элемента x(i,j) и x(i,j+1) исходной матрицы, и если значение x(i,j)=a, x(i,j+l)=b, то элемент матрицы «штрих-кода» с индексами (а, b) увеличивается на 1;

- отображают элементы матрицы |k×k|, не равные нулю, в виде узлов матрицы «штрих-кода», размеры которых пропорциональны накопленным значениям k-й яркости;

- вычисляют диагональный элемент матриц «штрих-кодов»

Перечисленные процедуры, а также алгоритм вычитания матрицы «штрих-кода» текущего изображения из эталона реализуется на основе специализированных программ на языке Турбо-Паскаль.

Программа получения матриц «штрих-кодов».

Разность матриц (матрицу разности) можно получить по простому алгоритму

По результатам выполнения перечисленных выше операций формируют адрес эталона с расширением из его «штрих-кода», пороговой разности и функции сигнала фотометрической коррекции для данного класса и сюжета анализируемых снимков. Процедура реализации автоматического ретуширования рассмотрена в примере конкретной реализации.

Пример реализации способа.

Заявленный способ может быть реализован по схеме фиг.3. Функциональная схема устройства фиг.3 содержит флеш-карту 1, набор клиентских цифровых фотоизображений в одном из общеупотребимых форматов (JPG, TIFF, RAW и др.), аппаратно-программную систему сети Интернет 2, реализованный на микропроцессорной базе цифровой конвертер 3, формирующий из цифровых фотоизображений (клиентских или эталонных) специальные матрицы фреймов изображений, ОЗУ 4, содержащее матрицу фреймов клиентских фотоизображений, ПЗУ 5, содержащее эталонные цифровые фотоизображения в одном из общеупотребимых форматов, ПЗУ 6, содержащее массив матриц фреймов эталонных фотоизображений, реализованный на микропроцессорной базе цифровой анализатор-дискриминатор 7, определяющий путем попарного сравнения матриц фреймов для каждого клиентского фотоизображения ближайшее эталонное фотоизображение и меру отличия клиентского фотоизображения от эталонного, реализованный на микропроцессорной базе цифровой преобразователь 8, корректирующий клиентские цифровые фотоизображения с учетом меры отличия каждого клиентского фотоизображения от соответствующего ему эталонного, ОЗУ 9, содержащее скорректированные клиентские цифровые фотоснимки в одном из общеупотребимых форматов. Все элементы устройства реализованы на существующей технической базе, ПЭВМ типа Intel. Предварительно, в ПЗУ 5 устанавливают специализированное программное обеспечение Photoshop QS2 с глобальным доступом задействуемых команд функций сигнала фотометрической коррекции: Histogram, Levels, Curves. В ОЗУ 4 устанавливают специализированную программу расчета матриц «штрих-кодов» снимков.

Интенсивности пикселей (0..255) изображения находятся в текстовом файле A1.txt. Значения интенсивностей прочитываются из файла построчно попарно. Пара «соседних» значений интенсивности, деленных нацело на 16, определяет координаты матрицы размером 16х16, названной штрих-кодом. Значением элемента матрицы штрих-кода является целое число, соответствующее количеству горизонтальных пар пикселей изображения с интенсивностями, значения которых совпадают с координатами элемента. Матрица штрих-кода построчно записывается в текстовый файл SCod.txt.

Матрица «штрих-кода», полученная по изображению, представленному на фиг.2а.

0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	123	3	170	1	0	0	0	0	0	0	0	0	0	0
0	0	2	0	11	0	0	0	0	0	0	0	0	0	0	0
0	0	158	7	7199	1151	720	0	3	0	0	0	0	0	0	0
0	0	2	1	1027	2081	1508	1	13	0	2	0	0	0	0	1
0	0	3	1	638	1301	42416	2187	2449	13	32	0	13	2	0	4
0	0	1	0	1	4	2032	3814	2181	4	7	0	1	1	0	2
0	0	4	0	56	22	2127	2039	47525	2397	189	1	112	28	0	108
0	0	1	0	10	8	36	0	2197	19244	2898	0	32	8	0	51
0	0	1	1	9	6	33	3	102	2768	59833	8	180	29	0	165
0	0	0	0	0	0	0	0	0	0	4	1	4	0	0	1
0	0	0	0	16	10	30	1	14	4	115	0	156	14	0	221
0	0	1	0	52	15	11	0	12	3	2	0	7	1	0	82
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	1	0	49	37	146	3	112	52	56	0	76	103	0	56002

Визуализированный образ матрицы «штрих-кода» исходного снимка (фиг. 2а) иллюстрируется фиг.2б.

Матрица «штрих-кода», полученная из исходного снимка путем использования команды «Curves» оптимальной фотометрической коррекции.

471	0	4	0	55	12	8	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
4	0	107	3	152	1	0	0	0	0	0	0	0	0	0	0
0	0	2	0	10	0	0	0	0	0	0	0	0	0	0	0
56	0	140	6	6740	1121	718	0	3	0	0	0	0	0	0	0
12	0	2	1	1004	2048	1498	1	13	0	2	0	0	0	0	1
7	0	3	1	630	1298	42409	2187	2449	13	32	0	13	2	0	4
0	0	1	0	1	4	2032	3814	2181	4	7	0	1	1	0	2
0	0	4	0	56	22	2127	2039	47525	2397	189	1	112	28	0	108
0	0	1	0	10	8	36	0	2197	19244	2898	0	32	8	0	51
0	0	1	1	9	6	33	3	102	2768	59833	8	180	29	0	165
0	0	0	0	0	0	0	0	0	0	4	1	4	0	0	1
0	0	0	0	16	10	30	1	14	4	115	0	156	14	0	221
0	0	1	0	52	15	11	0	12	3	2	0	7	1	0	82
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	1	0	49	37	146	3	112	52	56	0	76	103	0	56002

Визуализированный образ матрицы «штрих-кода» ретушированного снимка иллюстрируется фиг.2а.

Для установления «соответствия» исходного изображения эталону осуществляют алгебраическое вычитание матриц с получением разностной матрицы. Меру соответствия выбирают установлением некоторого порога по критерию N<E, где N - принятая норма матрицы разности, например максимальное абсолютное значение, Е - число, установленное экспертом. Очевидно, что для снимков разного класса и сюжетов число (Е) может варьироваться в некоторых пределах и должно устанавливаться экспериментально. Для анализируемого исходного снимка фиг.2а разностная матрица приняла следующий вид.

-471	0	-4	0	-55	-12	-8	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
-4	0	16	0	18	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	1	0	0	0	0	0	0	0	0	0	0	0
-56	0	18	1	459	30	2	0	0	0	0	0	0	0	0	0
-12	0	0	0	23	33	10	0	0	0	0	0	0	0	0	0
-7	0	0	0	8	3	7	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0
0	0	0	0	0	0	0	0	0	0	0	0	0	0	0	0

Визуализируемый образ разностной матрицы «штрих-кодов» иллюстрируется фиг.2в. База данных эталонов может представлять собой реляционную базу данных, поля записей которых состоят из указателя (адрес эталона) в составе матрицы «штрих-кода», классификатора (меры совпадения разностной матрицы) и расширения (команды Curves - функции сигнала фотометрической коррекции).

Эффективность способа характеризуется возможностью автоматического ретуширования снимков с различным сюжетом с высокой достоверностью идентификации и качеством обработки.