Аппроксимация изображений в ограниченном классе графических примитивов
Автор: Филиппов С.С., Ершов Н.М.
Журнал: Сетевое научное издание «Системный анализ в науке и образовании» @journal-sanse
Рубрика: Моделирование и анализ данных
Статья в выпуске: 2, 2025 года.
Бесплатный доступ
Настоящая статья посвящена разработке и исследованию унифицированного подхода к аппроксимации растровых изображений наборами графических примитивов одного класса с использованием методов многомерной непрерывной оптимизации. Задача аппроксимации изображений поставлена, как задача поиска оптимального набора параметров примитивов, максимизирующего целевую функцию на основе одной из метрик, используемых для определения схожести двух заданных изображений. Практическая реализация на основе предложенного подхода представляет собой модульную программную систему на языке программирования Python с графическим и командным интерфейсами, функциями отрисовки, сохранения/загрузки результатов и генерации анимированных изображений. В ходе экспериментов исследовалась эффективность используемых алгоритмов и влияние их параметров и настроек системы на качество аппроксимации.
Аппроксимация изображений, непрерывная оптимизация, имитация отжига, метод роя частиц, стохастический поиск
Короткий адрес: https://sciup.org/14133173
IDR: 14133173 | УДК: 519.6, 51-7
Image approximation in a limited class of graphic primitives
The paper is devoted to the development and study of a unified approach to approximating raster images with sets of graphic primitives of one class using multidimensional continuous optimization methods. The problem of image approximation is posed as a problem of finding an optimal set of primitive parameters that maximizes the objective function based on one of the metrics used to determine the similarity of two given images. Practical implementation based on the proposed approach is a modular software system in the Python programming language with graphical and command interfaces, functions for drawing, saving/loading results, and generating animated images. During the experiments, the efficiency of the algorithms used and the influence of their parameters and system settings on the quality of approximation were studied.
