2020-10-11
136
Очевидно, что низкое число уровней квантования приводит к возникновению ложных контуров и делает очень сложным распознавание объектов, которые демонстрируют медленное пространственное изменение в уровнях яркости. Как правило, 256 уровней квантования, являются достаточными, для того чтобы создать иллюзию непрерывного изменения яркости. Кроме того, в этом случае каждый пиксель занимает 8 бит или 1 байт, что согласуется с побайтовым обращением к памяти в компьютерах.
Второй критерий относится к задаче формирования изображения. Для простого использования в “машинном” зрении, где нужно выделить и измерить равномерно освещаемые объекты, достаточно только двух уровней квантования, т.е. бинарного изображения. Другие области применения, например медицинская диагностика с использованием рентгеновских изображений, требуют разрешения слабых изменений в интенсивности. Тогда 8-битовое разрешение является недостаточным.
Можно сделать вывод, что малое число уровней квантования создаёт ложные контуры и приводит к частичному и полному исчезновению признаков с низкой контрастностью. На мелкоструктурных частях изображений искажения, создаваемые квантованием, практически незаметны. Следовательно, мелкие детали изображения можно квантовать более грубо, чем участки с плавным изменением яркости. Этот факт используется во многих методах сжатия изображений [6].
|
|
|
Шумы квантования
Вследствие представления сигнала изображения конечным числом уровней квантования в восстановленном изображении возникают шумы квантования. Особенностью шумов квантования является то, что они возникают одновременно с сигналом. По природе возникновения шумы квантования обусловлены неизбежным различием между исходным и квантованным сигналом, поэтому они существенно зависят от вида характеристики квантователя. Шум квантования на изображении проявляется по-разному и зависит от характера передаваемой сцены. В мелких деталях изображения шум квантования проявляется в форме случайного шумового компонента яркости. В низкочастотной области помехи квантователя проявляются в виде ложных контуров (плавные изменения яркости преобразуются в скачкообразные), заметность которых уменьшается при увеличении числа уровней квантования.
1.4 Дискретное косинусное преобразование.
Для уменьшения корреляции соседних пикселей применяются различны обратимые преобразования, представляющие исходные данные в видео не коррелированных коэффициентов. ДКП является одним из эффективных преобразований для решения задачи декорреляции и концентрации энергии в спектральных составляющих. Косинусное преобразование в отличие от преобразования Фурье применяется только для симметричных функций. При использовании частотно-временных преобразований используется понятие периодического расширения функции, заключающееся в следующем: если преобразуется дискретный ряд отсчетов, то его спектр становится периодичным, а в случае преобразования частотного спектра периодически продолжается восстановленный дискретный ряд данных. В точках нечетного периодического расширения исходного ряда вперед и назад (на стыках сегментов) имеет место разрыв амплитуд (рис.11, б). В этом случае из-за скачков амплитуды Фурье-спектр B'(p) убывает пропорционально 1/p, где р – индекс спектральног коэффициента. Четное расширение приводит к разрыву не амплитуд, а первой производной (рис.11, в), вследствие чего частотный спектр ДКП B''(p) убывает пропорционально 1/p2. Таким образом, из-за сужения спектра для восстановления сигнала с заданной точностью требуется меньшее число коэффициентов. ДКП представляет изображение в виде набора спектральных компонентов, что позволяет вести дальнейшую обработку изображения, в частности уменьшение точности представления коэффициентов с учетом особенностей визуальной системы человека. Данное преобразование в стандарте MPEG выполняется поблочно.
|
|
|
Прямое, двухмерное ДКП блока // A\\ размером M x N исходного изображения определяется следующим образом:
(1.19)
где B[p,q] – значения спектральных коэффициентов в преобразованном блоке;
Рис. 1.18. Сравнение спектральных особенностей ДКП и ДПФ:
а – последовательность исходных отсчетов А(m);
б – расширение последовательности для преобразования Фурье А'(m) и ее частотный спектр B(p)~1/p;
в – расширение последовательности для косинусного преобразования А''(m) и ее частотный спектр B'(p) ~ 1/p2.
в исходном блоке изображения; p,q – индексы коэффициентов в преобразованном блоке; A[m,n] – значения пикселей в исходном блоке A.
В результате исходный блок точек преобразуется в матрицу частотных коэффициентов ДКП такого же размера. Наиболее важным коэффициентом является коэффициент с координатами (0,0), поскольку он представляет собой среднее значение всей матрицы и является постоянной составляющей сигнала DC (Direct Current). Все остальные коэффициенты являются переменными составляющими АС (Alternating Current).
Обратное ДКП определяется следующим выражением:
(1.20)
Для стандартного блока 8 x 8, который используется в стандарте MPEG,
M = N = 8, поэтому ДКП имеет вид:
(1.21)
Матричная форма выражения (1.21) имеет следующий вид:
B = TMT ′, (1.22)
-значения элементов матрицы Т; M –сдвинутый блок исходного изображения;
T ′ – транспонированная матрица T.
В выражении (12) матрица М получена из исходной матрицы путем вычитания 128 из каждого элемента пикселя, так как пиксельные значения черно-белого изображения изменяются от 0 до 255 (чисто черный цвет представляется 0, чисто белый цвет – 255), а ДКП работает со значениями пикселей от –128 до +127.
Восстановленный блок вычисляется по формуле A ′ = round (T ′ BT) + 128,где round(x) – функция округления до целого.
Матрица частотных коэффициентов ДКП не имеет прямой геометрической связи с положением пикселей видеосигнала на растре, а представляет собой форму математической записи, при которой частотные коэффициенты ДКП являются двухмерным спектром изображения по горизонтальному и вертикальному направлениях кадра. Изображение базисных функций преобразования ДКП (1.20) представлено на рис.1.19. Графический смысл этого преобразования заключается в том, что блок изображения рассматривается как суперпозиция изображений синусоидальных колебаний разной частоты. Так, если изображение имеет постоянную яркость, то (для простоты рассматривается черно-белое изображение) его блок коэффициентов будет содержать только один коэффициент DC с координатами (0,0). Если яркость изображения меняется по косинусоиде вдоль горизонтальной оси, то его блок ДКП будет содержать два коэффициента (0,0) и (2,0). Численные значения коэффициентов соответствуют яркостям соответствующих составляющих. Более сложные изображения представляются большим количеством коэффициентов ДКП.
|
|
|
Спектр ДКП имеет важную особенность для компрессии видеоданных: основная энергия частотных составляющих этого спектра концентрируется в небольшой области около нулевых частот. Амплитуда высокочастотных составляющих мала или равна нулю.
