Сравнительный анализ методов оценки контраста изображений
Автор: Дубровская Е.А., Баланев К.С., Привалов К.Э., Раскатова М.В.
Рубрика: Информатика и вычислительная техника
Статья в выпуске: 3, 2024 года.
Бесплатный доступ
Проведен сравнительный анализ методов оценки контраста изображений, включая глобальные методы (RMS-контраст, энтропийный контраст, контраст по диапазону) и локальные методы с использованием сверточных операторов (Собеля, Прюитта, Лапласа, Робертса), а также контраст Вебера и локальное стандартное отклонение. Исследованы особенности каждого метода, их чувствительность к шуму и точность оценки локальных и глобальных изменений яркости. На основе анализа экспериментов выявлено, что локальные методы, такие как сверточные операторы и контраст Вебера, более точно оценивают локальные контрасты, но чувствительны к шумовым артефактам. Глобальные методы на основе гистограмм, включая RMS-контраст и энтропийный контраст, предоставляют общую оценку контраста без учета локальных особенностей изображения.
Контрастность изображения, методы оценки контрастности, гистограмма яркости, локальные и глобальные изменения яркости
Короткий адрес: https://sciup.org/148330043
IDR: 148330043 | DOI: 10.18137/RNU.V9187.24.03.P.124
Список литературы Сравнительный анализ методов оценки контраста изображений
- Голуб Ю.И., Старовойтов Ф.В. Исследование локальных оценок контраста цифровых изображений при отсутствии эталона // Системный анализ и прикладная информатика. 2019. № 2. С. 4–11. EDN NDHOWC.
- Беззубик В.В., Белашенков Н.Р., Никифоров В.О. Метод количественной оценки контраста цифрового изображения // Научно-технический вестник Санкт-Петербургского государственного университета информационных технологий, механики и оптики. 2010. № 6 (70). С. 86–88. EDN MWPLIB.
- Небаба С.Г. Методы оценки и подготовки изображений в видеопотоке к распознаванию объектов // GraphiCon 2018: Труды 28-й Междунар. конф. по компьютерной графике и машинному зрению. Томск, 24–27 сентября 2018 г. / Нац. исслед. Том. политех. ун-т. Томск, 2018. C. 450–453. URL: https://www.graphicon.ru/html/2018/papers/450-453.pdf?ysclid=m1iamv6puw240563682 (дата обращения: 14.09.2024).
- Кокошкин А.В., Коротков В.А., Коротков К.В., Новичихин Е.П. Сравнение объективных методов оценки качества цифровых изображений // Журнал радиоэлектроники. 2015. № 6. С. 17. EDN TYZENT. URL: http://jre.cplire.ru/jre/jun15/15/text.html (дата обращения: 14.09.2024).
- Гонсалес Р., Вудс Р., Эддинс С. Цифровая обработка изображений в среде MATLAB / Пер. с англ. В.В. Чепыжова. М.: Техносфера, 2006. 616 с. ISBN 5-94836-092-Х.
- Dash L., Chatterji B.N. Adaptive contrast enhancement and de-enhancement // Pattern Recognition. 1992. Vol. 24. No. 4. P. 289–302. DOI: https://doi.org/10.1016/0031-3203(91)90072-D
- Wang Z., Bovik A.C. A Universal Image Quality Index // IEEE Signal Processing Letters. 2002. Vol. 9. No. 3. P. 81–84. DOI: 10.1109/97.995823 2002
- Peli E. Contrast in complex images // Journal of the Optical Society of America A. 1990. Vol. 7. No. 10. P. 2032–2040. DOI: https://doi.org/10.1364/JOSAA.7.002032
- Cheng H.D., Shi X.J. A simple and effective histogram equalization approach to image enhancement // Digital Signal Processing. 2004. Vol. 14. No. 2. P. 158–170. DOI: https://doi.org/10.1016/j.dsp.2003.07.002
- Kanopoulos N., Vasanthavada N., Baker R.L. Design of an image edge detection filter using the Sobel operator // IEEE Journal of Solid-State Circuits. 1988. Vol. 23. No. 2. P. 358–367. DOI: 10.1109/4.996
- Maini R., Aggarwal H. Study and comparison of various image edge detection techniques // International Journal of Image Processing (IJIP ). 2009. Vol. 3. No. 1. P. 1–11. URL: https://www.academia.edu/3345358/Study_and_comparison_of_various_image_edge_detection_techniques (дата обращения: 14.09.2024).
- Marr D., Hildreth E. Theory of edge detection // Proceedings of the Royal Society of London. Series B. Biological Sciences. 1980. Vol. 207. No. 1167. P. 187–217. DOI: https://doi.org/10.1098/rspb.1980.0020
- Canny J. A computational approach to edge detection // IEEE Transactions on Pattern Analysis and Machine Intelligence. 1986. Vol. PA MI-8. No. 6. P. 679–693. DOI: 10.1109/TPA MI.1986.4767851
- Сизиков В.С., Довгань А.Н., Лавров А.В., Манойлов В.В. Устойчивые методы математико‐компьютерной обработки изображений и спектров. СПб.: Национальный исследовательский университет «ИТМО», 2022. 72 с. EDN YGCSL H.
- Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А. Цифровая обработка изображений в информационных системах. Новосибирск: Новосибирский государственный технический университет, 2000. 168 с. EDN FTCG YB.
