способ преобразования и обработки цифрового изображения на основе многоцентричной развертки

Формула изобретения

Способ преобразования и обработки цифрового изображения на основе многоцентричной развертки, построенной по правилам кривой заполняющей плоскость (КЗП), отличающийся тем, что начальную ячейку многоцентричной развертки (МЦР) представляют дискретным квадратом, состоящим из девяти клеток (3×3=9), имеющим свой центр и свои четыре грани (стороны); развертку начальной ячейки МЦР выполняют от центра к краю квадрата и далее с обходом остальных ячеек по кругу; приоритетным является путь с направлением обхода влево от центра квадрата и далее по часовой стрелке; формируемая конструкция является фасетом (pFas), где p - шаг рекурсии, при p=1 имеют описанную выше начальную ячейку (3×3=9); для построения дальнейших направлений рекурсий различают четыре типа обхода: описанный выше обход w1 как начальный (1Fas1), обход w2 как зеркальный от 1Fas1 в левую сторону (1Fas2), обход w3 как зеркальный от 1Fas2 в верхнюю сторону (1Fas3), обход w4 как зеркальный от 1Fas3 в правую сторону; для получения направления рекурсий МЦР применяют 2Fas (p=2, со стороной в 9 клеток, 9×9=81), где центром задают 1Fas; на основе вышеуказанных вращений w выполняют обход в последовательности с начальным движением в квадрат влево от 1Fas и далее по часовой стрелке вокруг 1Fas: w1 w2 w3 w4 w3 w2 w3 w4 w3; далее запускают рекурсию МЦР на основе 1Fas и 2Fas (p>2), представляя плоскость в координатах вращения (w), носителем которых является pFas, а точкой этой плоскости, , есть квадрат со стороной 3^p, где p=0 N, при этом N задает сторону квадрата, в который вкладывают габарит исходного изображения; при p=0 (0Fas) точка вырождается в пиксел; при p>0 МЦР разбивает плоскость на независимых точек (квадратов); параметры x, y для Q - это его центр на плоскости; в результате образуют многокоординатное пространство точки Q: две координаты декартового измерения (x, y), координата измерения вращения (w), координата измерения размера граней фасета pFas, координата измерения номера хранения в памяти вычислителя F^p; причем эти координаты измерений комбинируют в зависимости от поставленных задач; общим для этих координат является отображение декартовой плоскости в память при взаимно однозначном и непрерывном отображении точки в память вычислителя F^p.

Описание изобретения к патенту

Область техники

Способ преобразования и обработки цифрового изображения на основе многоцентричной развертки (МЦР) относится к области обработки изображений. Способ предназначен для преобразования строчного (растрового) представления изображения в самоподобные квадраты согласно отображениям типа кривой заполняющей плоскость (КЗП).

Применение МЦР позволяет в несколько раз поднять эффективность реализации процедур по существующим классам системы обработки изображений (СОИ), а именно: анализ, преобразование, синтез, передача.

Эффективность задается тройкой параметров:

- быстродействие,

- простота аппаратной реализации,

- повышение степени релевантности (т.е. по информационной ценности для наблюдателя) на начальном уровне представления изображения.

Последний компонент тройки ориентирован на выделения семантических зон интересов в изображении без предварительных обработок.

Быстродействие достигается за счет увеличения размера окрестности исследуемой точки изображения (пиксела) по площади сходимости.

Простота аппаратной реализации достигается декларированием процедуры отображения плоскости в отрезок. Условия повышения уровня релевантности заложены в пирамидальном представлении цифрового изображения в памяти процессора деревом с основанием 9, листья которого размещены на разных уровнях, то есть применяется неравномерное дерево.

Аналоги и их недостатки

В работах [1, 2] показаны и исследованы более 10 существующие КЗП разверток и их приложений для СОИ. Известные КЗП Пеано, Гильберта, Мура, Серпинского и др. Эти КЗП, являясь самоподобными (это преимущество), обладают общим недостатком, а именно сходимостью к точке интереса, которая заявлена как 4 ^p, где p - мера сходимости как вложенность квадратов. Кроме того, в этих КЗП отсутствует режим развертки от центра изображения (наиболее информативного) и низкая сходимость как на этапе отображения изображения из двухмерного в одномерное, так и на этапе адресации к памяти процессора для СОИ.

Прототипы

Наиболее широко применяемой является КЗП Гильберта. Это базис для всех на сегодня существующих КЗП - в силу наличия предельного индекса окрестности (Jp=4.6) ее элемента [1. стр.10]. Такая КЗП, в отличие от других, проработана вплоть до ее аппаратной реализации [2. стр.233]. Достоинство КЗП Гильберта в форме согласованности с двоичным форматом организации памяти для работы вычислителя, то есть 4^p или вычислитель работает с блоками типа байт, слово и так далее. КЗП Гильберта - четная КЗП. Недостаток четных КЗП указан выше в предыдущем разделе. Кроме того, эталонная ячейка этой КЗП (2×2) не позволяет строить геометрические примитивы, то есть создавать семантические базисы, например, в виде отрезка прямой.

Уровень техники

Изобретение относится к области обработки изображений. Его применение - преобразование строчной развертки изображения в самоподобные квадраты, со стороной размером 3^p, где p - степень сходимости, p=0 10.

В специальных приложениях допускается, например, при 100-кратном увеличении исходного изображения (задача построения баннера), применяется p<0. Такой принцип обеспечивает независимую центровку квадрата с наличием прямого доступа к его краю. Отображение этих квадратов в памяти процессора выполняется по правилам кривой заполняющей плоскость (КЗП), или отрезками длиной 9^p, а наличие центра обеспечивает параллельный доступ к этим отрезкам. Отсюда и название - многоцентричная развертка.

При этом центр изображения (монохромного, полутонового, цветного) задан в памяти первым номером первого отрезка. Предлагаемая развертка элементов (пикселов) изображения позволяет (за счет организации памяти и сверх параллельного доступа) в десятки раз увеличить скорость обработки изображения по всем его классам процедур.

Раскрытие изобретения

Изобретение относится к области обработки изображений и создано для

преобразования изображения из растра в квадрат, с помощью самоподобных отображений от центра квадрата - многоцентричная развертка по правилам Кривой Заполняющей Плоскость (КЗП).

Технический результат изобретения в следующем:

- повышение степени сжатия изображения без потерь;

- повышение скорости сжатия и обработки цифрового изображения в преобразованном сжатом виде по всем классам процедур (анализ, преобразование, синтез, передача), что достигается, в том числе, посредством организации независимого (сверхпараллельного) доступа процедур обработки изображения к памяти вычислителя;

- возможность эффективной работы с оцифрованными сигналами любого частотного диапазона и полученных любым типом сенсоров, например оптических, ультразвуковых, рентгеновских, радиоволновых, магниторезонансных, инфракрасных, или их комбинаций, др., задающих многозональный спектр.

Заявленный способ отличается тем, что выполняют управляемую перестановку пикселов из строчной развертки в квадратную, сторона которого равна 3^p, где p - степень приближения области реального изображения к зоне точки интереса заказчика или это управляемый уровень сходимости для точки , где эта точка задана фасетом - квадратом, со стороной p, имеющего свой центр (xy), а также свою площадь 9^p и свои пронумерованные грани (периметр квадрата) в виде целых чисел.

Способ преобразования и обработки изображения на основе многоцентричной развертки (МЦР), построенной по правилам кривой заполняющей плоскость (КЗП), с установкой начала и направления рекурсии, определяют тем, что начальную ячейку МЦР (начало рекурсии) задают как дискретный квадрат, состоящий из девяти клеток (3×3=9), имеющий свой центр и свои четыре грани (стороны); развертка начальной ячейки МЦР (направление рекурсии) стартует от центра к краю квадрата и далее с обходом остальных ячеек по кругу (таким образом, возможны 16 путей обхода из учета 8 граничных клеток и двух вариантов обхода - по и против часовой стрелки).

Приоритетным, в т.ч. для сканирования и визуализации изображений, является путь с обходом влево от центра и далее по кругу по часовой стрелке (фиг.1).

Такую конструкция представляет собой фасет pFas, где p - шаг рекурсии, при р=1 имеем описанную выше начальную ячейку (3×3=9).

Для формирования направления рекурсии будем различать четыре типа обхода (фиг.2) необходимые для описания 2Fas:

- описанный ранее обход w1 как начальный (1Fas1);

- обход w2 как зеркальный от 1Fas1 в левую сторону (1Fas2),

- обход w3 как зеркальный от 1Fas2 в верхнюю сторону (1Fas3),

- обход w4 как зеркальный от 1Fas3 в правую сторону.

Для получения рекурсий МЦР выполняют 2Fas (фиг.3) (р=2, со стороной 9 клеток, 9×9=81), где исходной служит начальная 1Fas, которая (на основе выше указанных вращений w), выполняема в последовательности с начальным движением в квадрат влево от 1Fas и далее по часовой вокруг 1Fas: w1 w2 w3 w4 w3 w2 w3 w4 w3. Собственно это и порождает направление рекурсий.

Каждая последующая рекурсия pFas (p>2) строится на основе 1Fas и 2Fas. Пример для 3Fas дан на фиг.4.

Включение рекурсии МЦР на основе 1Fas и 2Fas (р>2) позволяет плоскость представить в координатах вращения (w), носителем которых является pFas, причем точкой этой плоскости, далее , является квадрат со стороной 3^p, где р=0 N, где N - наперед заданный этот квадрат, в который вложим габарит исходного изображения. При р=0 (0Fas) или точка вырождается в пиксел, при р>0, на котором действует МЦР, плоскость разбивается на независимых точек (квадратов). Параметры xy для Q - это его центр на плоскости.

Таким образом МЦР создает многокоординатное пространство точки Q:

- две координаты декартового измерения (x,y координаты),

- координата измерения вращения (w),

- координата измерения вложенности точки в дерево Q,

- координата измерения размера граней фасета pFas,

- координата измерения вложений обрабатываемой точки из О^p-1 в Q^p,

- координата измерения номера хранения в памяти вычислителя F^p.

Причем эти координаты измерений свободно комбинируют в зависимости от поставленных задач.

Общим для координат является отображение декартовой плоскости в память при взаимно однозначном отображении точки в F^p или формально: <--->F^p при р=0, Q_xy--->P _xy; где P_xy-пиксел с декартовыми координатами, a F^p - отрезок в целых числах как f_a f_a+p, для в памяти вычислителя, f_a - номер или его номер центра на плоскости.

Важным преимуществом представляемого способа является то, что в изображении, представленном МЦР, выделение площади сегмента изображения по заданному критерию релевантности (т.е. по информационной ценности для наблюдателя) в плоскости изображения (для выделения линий прямых, областей постоянной яркости или цветности, хаотичных скоплений пикселей и др.), выполняют в форме управляемых вложений pFas по параметру p=1 10 в точку зоны интереса релеванта, с точностью p, с помощью представления точки интереса в изображении на основании таблиц преобразования, получаемых, как описано выше (1Fas или 2Fas или pFas). И все это не требует применения уравнений местонахождения точки на физическом уровне представления изображения через его габариты.

Следующим преимуществом представляемого способа является то, что в изображении, представленном в памяти в форме МЦР, т.е. представленном в форме графа типа «лес», с учетом ранее представленных процедур вложенности, выполняют выделение графа типа «дерево» из «леса», при том, что "дерево" есть pFas (где p=1 10, в зависимости от содержимого изображения).

Тем самым выполняют прямой доступ (в т.ч. несколькими процессорами независимо) к точке интереса или группам точек интереса изображения по схеме 9^p; где каждый процессор отрабатывает свое «дерево» из вышеуказанного «леса», при этом доступ выполняется минимальной шириной захвата пикселей 9 ¹ или в зависимости от параметра p=1 10. При этом процессоры однородны, и их количество зависит от габарита входного изображения.

В представляемом способе эффективно определяют восьмисвязную окрестность любой точки зоны интереса на изображении путем использования таблиц преобразований (без средств маскирования): эта восьмисвязная окрестность определяется, для . При p=0 она превращается в точку, а при p>0 она превращается в окрестность квадрата со стороной 3^p. Причем окрестность представлена гранями квадрата на основе таблиц преобразования 1Fas и 2Fas, без учета габаритов изображения.

Представляемый способ, по умолчанию, также выполняет сжатие изображения без потерь. Путь (трек) развертки задан от его (квадрата) центра по правилам кривых заполняющих плоскость (КЗП); при p=1 (форма КЗП) изображение, независимо от своих габаритов (w, h), сегментируется на 9 квадратов, каждый из которых сегментируется снова на 9 квадратов или p=2 (направление КЗП). Остальные КЗП (p>2) строятся рекурсивно на длине p=0 10. При p=10 габарит изображения или w, h равны по 59049 пикселов. Формально, многоцентричная развертка (МЦР) выполняет взаимно однозначное отображение xi, yj в rj, где пара xi, yj - декартовые координаты пиксела или Pxy, rj - номер из натурального ряда чисел отрезком 1 59049×59049.

Представим алгоритм преобразования растра в МЦР.

Исходные данные:

1. Исходный BMP-файл шириной w и высотой h пикселей (w - длина по x, h -длина по y); w,h>=243;

2. Таблицы развертки T_N (N от 1 до 4), T_N=(t_n0 , t_n1, t_nj, t_n59048), где t_nj=(x_nj ,y_nj) - декартова координата точки;

3. Таблица вращений R=(r₀, ) - определяет номер N используемой таблицы развертки для каждой обрабатываемой области 243×243 точки. Элемент таблицы (rt) задается как r_t=(y_1jmod2)+(x_1j mod2)+1, где mod - операция взятия целочисленного остатка от деления.

Этапы алгоритма:

Шаг 1. Определяется минимальное целое p, такое что H=3^p<=max(w,h) (исходный растр изображения вложим в квадрат со стороной H);

Шаг 2. Определяются смещения левого верхнего угла исходного растра относительно левого верхнего угла растра со стороной H:

смещение по оси абсцисс xoffset=(H-w)/2,

смещение по оси ординат yoffset=(H-h)/2,

здесь и далее «/» означает операцию целочисленного деления;

Шаг 3. Последовательно выполняются выбор и представление одномерной формой H²/59049 областей размером 243×243 точки, каждой из которых присваивается последовательный номер t от 0 до Н²/59049-1.

Алгоритм выполнения итерации следующий:

Шаг 3.1. По таблице R определяется текущая таблица развертки T_r =r_t;

Шаг 3.2. Определяются смещения верхнего левого угла текущей области (xoffset2, yoffset2) относительно верхнего левого угла растра со стороной Н:

xoffset2=x1t*243;

yoffset2=y1t*243;

Шаг 3.3. Определяется область покрытия исходным растром текущей области 243×243 точки (если w,h<>Н, то граница исходного растра может не совпадать с границей области 243×243 точки) как прямоугольный фрагмент, лежащий по ширине - от xStart до xEnd, по высоте - от yStart до yEnd. А также определяются промежуточные переменные xFileOffset, yFileOffset, используемые для вычисления смещения позиции файлового указателя (курсора), относительно начала файла, по которому будет позиционироваться «окно» доступа к области файла.

Шаг 3.3.1. Если xoffset2>=xoffset, то: xStart=0; xFileOffset=xoffset2-xoffset; иначе: xStart=xoffset-xoffset2; xFileOffset=0;

Шаг 3.3.2. Если yoffset2>=yoffse, то: yStart=0; yFileOffset=yoffset2-yoffset; иначе: yStart=yoffset-yoffset2; yFileOffset=0;

Шаг 3.3.3. Если xFileOffset+243<=w, то: xEnd=242; иначе: xEnd=w -xoffset2;

Шаг 3.3.4. Если yFileOffset+243<=h, то yEnd=242; иначе: yEnd=h-yoffset2;

Шаг 3.4. Определяется позиция M (смещение относительно начала файла до байта) и размер S (число последовательных байтов файла) «окна», по которому осуществляется доступ к области файла на данной итерации с использованием механизма «отображения файлов в память» (File Mapping). При этом учитывается «перевернутое» хранения растра изображения в bmp-файле, для чего вводится вспомогательная переменная yFileOffset2:

Шаг 3.4.1. yFileOffset=h-yFileOffset-243;

Шаг 3.4.2. Если yFileOffset<0, то yFileOffset2=-yFileOffset-1; yFileOffset=0;

иначе: yFileOffset2=0;

Шаг 3.4.3. М=54+(3*xFileOffset)+(L*yFileOffset), где 54 - фрейм bmp-файла;

L - число байтов на одну горизонтальную строку исходного растра,

определяется следующим образом:

если (h*3)mod4=0, то L=h*3, иначе: L=h*3+4-((h*3)mod3);

Шаг 3.4.4. S=243*L;

Шаг 3.5. Строится функция F, выполняющая частичное отображение байтового массива P в три матрицы субпикселей M_R, M_G, M _B (красная, зеленая и синяя компонента соответственно) размером 243×243 точки каждая. Здесь P - одномерный байтовый массив длины S, представляющий собой «окно» доступа к последовательной области файла, полученное в пункте 3.4. Функция F описывается следующим образом:

Шаг 3.5.1. r(x,y)=p((x-xStart)*3+(242-y-yFileOffset2)*L), где r(x,y) - элемент матрицы M_R с заданными индексами x, y; p(Z) - элемент массива p с индексом, заданным выражением Z;

Шаг 3.5.2. g(x,y)=p((x-xStart)*3+(242-y-yFileOffset2)*L+1), где g(x,y) - элемент матрицы M_G с заданными индексами x, y;

Шаг 3.5.3. b(x,y)=p((x-xStart)*3+(242-y-yFileOffset2)*L+2), где b(x,y) - элемент матрицы M_B с заданными индексами x, y.

Далее, полученная в пункте 3.5 область размером 243×243 точек обрабатывается по таблице развертки, рассчитанной в пункте 3.1.

Особенностью реализации механизма отображения последовательной области файла в память (параметры которого рассчитываются в пункте 3.4), характерного для ОС Windows, является то, что позиция М и размер S «окна» должны быть кратны 64 килобайтам. В этом случае вводится поправочный коэффициент А=М mod 65036. Тогда параметры M_W, S _W, P_W «окна», с учетом особенностей Windows, будут скорректированы следующим образом:

M_W=M-A; S_W=S+A; P_W:p_W (Z)=p(Z+А).

Краткое описание чертежей

На Фиг.1 показана начальная ячейка МЦР, названная 1Fas, которая представляет собой дискретный квадрат, состоящий из девяти клеток (3×3=9), имеющий свой центр и свои четыре грани (стороны); развертка МЦР начальной ячейки стартует от центра с обходом влево от центра и далее по кругу по часовой стрелке.

На Фиг.2 показаны четыре типа обхода квадрата, состоящего из девяти клеток (3×3=9): обход w1, описанный как начальный (1Fas1); обход w2 - как зеркальный от 1Fas1 в левую сторону (1Fas2), обход w3 - как зеркальный от 1Fas2 в верхнюю сторону (1Fas3), обход w4 - как зеркальный от 1Fas3 в правую сторону; эти типы обхода необходимы для получения направления рекурсии МЦР для 2Fas.

На Фиг.3 показано направление рекурсии МЦР для 2Fas (p=2, со стороной 9 клеток, 9×9=81), где исходной служит начальная 1Fas, на основе выше указанных вращений w в последовательности с движением в квадрат влево от 1Fas и далее по часовой вокруг 1Fas: w1 w2 w3 w4 w3 w2 w3 w4 w3.

На Фиг.4 показана рекурсия МЦР для 3Fas (p=3, со стороной 27 клеток).

Промышленная применимость

МЦР обеспечивает прямой доступ к блокам изображения, лежащим в оперативной памяти, в зависимости от их информационной ценности (релевантности).

МЦР позволяет упорядочить содержимое изображения по его релевантам.

МЦР минимизирует число обращений к внешней памяти, хранящей сотни миллионов изображений.

МЦР в состоянии формировать в изображении семантические единицы, состоящие из сотен и выше пикселов, отражающих смысловой запрос, пусть через сканер пользователя.

МЦР обемпечивает повышение степени сжатия изображения без потерь и повышение скорости обработки цифрового изображения в преобразованном сжатом виде по всем классам процедур (анализ, преобразование, синтез, передача).

Возможна эффективная работы с оцифрованными сигналами любого частотного диапазона и полученных любым типом сенсоров, например оптических, ультразвуковых, рентгеновских, радиоволновых, магниторезонансных, инфракрасных или их комбинаций, др., задающих многозональный спектр.

Способ имеет аппаратную и программно-аппаратную реализации.

Источники информации

1. Н.Д. Горский, С.Н. Мысько, В.П. Сухаричев. Сравнительное исследование некоторых характеристик двумерных разверток. Препринт ЛНИВЦ АН СССР, № 44, Л., 1982.

2. Генри Уоррен, мл. Алгоритмические трюки для программистов. "Вильямс", Москва, 2004.

3. Александров В.В., Горский Н.Д., Поляков А.О. Рекурсивные алгоритмы представления и обработки данных. - В кн.: Алгоритмы и системы автоматизации исследований и проектирования. - М.: Наука, 1980.

4. Александров В.В., Горский Н.Д. Структуризация иерархических систем. - В кн.: Алгоритмические модели в автоматизации исследований. - М.: Наука, 1980.

5. Р.М. Кроновер. Фракталы и хаос в динамических системах. Основы теории. - М.: Постмаркет, 2000.

6. Федер Е. Фракталы. - М.: Мир, 1991.

7. Орловский В.А. Передача факсимильных изображений. - М.: Связь, 1980.