Аннотации:
В данной работе исследуются свойства и возможные приложения алгоритма сглаживания, который позволяет сохранять выраженные структуры на изображении и подавлять слабозаметные текстуры. Он основан на анализе двух компонент векторов градиента, отражающих изменение интенсивности цвета в окрестности
определенной точки. Эти компоненты — длина и угол наклона вектора градиента. В основе теории, которая служит основанием изучаемому методу лежит различие между двумя видами границ на изображении, которые отличаются поведением векторов градиента. Предполагается, что близость углов градиента в точках
окрестности говорит о принадлежности двух точек к одной границе, а значит, при сглаживании они должны иметь большее влияние на результат. Также принимается во внимание обратное значение длины вектора градиента как фактор формирования веса, который позволяет выделять края объектов. Мы ставим своей целью сфокусироваться на результатах применения алгоритма в качестве предобработки в задачах выделения контуров и подобных им, сглаживая лишние детали, которые не важны при формировании изображения контуров. Мы также выявили интересные свойства последствий применения алгоритма несколько итераций подряд и изучили его поведение в задаче борьбы с шумом. In this paper properties and possible applications of an image smoothing algorithm are explored. The algorithm
allows us to remove small textures and to preserve main structures on the image. Algorithm is based on the analysis of two gradient components. These components are the length and the angle of gradient vector. Theory that underlies the algorithm is based on distinction between two types of boundaries, which differ in behavior of gradient
vectors. We suppose that closeness of gradient angles in given neighborhood means that points belong to the same boundary. This in turn means that they should have bigger weights. We also take into consideration inverted gradient length as the factor for weight computation. Our goal is to focus on the results of applying the algorithm as a preprocessing step for the tasks like edge detection. This method shows interesting results as a preprocessing step for edge detection tasks. It smooths insignificant details, from which we do not need edges to be shown at the image of the edges. We also explore interesting properties of using algorithm for several iterations and its behavior on noise reduction task.
Описание:
Гудков Владимир Юльевич, д.ф.-м.н., профессор, кафедра электронных вычисли-
тельных машин, Южно-Уральский государственный университет (национальный исследовательский университет) (Челябинск, Российская Федерация)
Моисеев Илья Юрьевич, студент, кафедра электронных вычислительных машин,
Южно-Уральский государственный университет (национальный исследовательский университет) (Челябинск, Российская Федерация)
V.Y. Gudkov, I.Y. Moiseev
South Ural State University (pr. Lenina 76, Chelyabinsk, 454080 Russia)
E-mail: diana@sonda.ru, villeman.5@yandex.ru