이미지와 소리를 표현하는 아날로그적이고 이산적인 방법. 아날로그 및 불연속 이미지 이미지 크기 제한

연속 이미지를 불연속 이미지로 교체할 수 있습니다. 다른 방법들. 예를 들어 직교 함수의 일부 시스템을 선택하고 이 시스템의 이미지 표현 계수를 계산한 후(이를 기준으로) 이미지를 해당 시스템으로 대체할 수 있습니다. 베이스가 다양하면 연속 이미지의 다양한 이산 표현을 형성할 수 있습니다. 그러나 가장 일반적으로 사용되는 것은 주기적 샘플링, 특히 위에서 언급한 직사각형 래스터 샘플링입니다. 이 이산화 방법은 shifted 함수를 요소로 사용하는 직교 기저를 사용하기 위한 옵션 중 하나로 간주할 수 있습니다. 또한, 주로 이어서 직사각형 이산화의 주요 특징에 대해 자세히 살펴볼 것이다.

를 연속 이미지라고 하고 직사각형 이산화를 통해 연속 이미지에서 얻은 해당 이산 이미지를 이라고 합니다. 이것은 그들 사이의 관계가 다음 식에 의해 결정됨을 의미합니다.

여기서 수직 및 수평 단계 또는 샘플링 간격은 각각입니다. 그림 1.1은 직사각형 이산화를 사용하여 평면에서 판독값의 위치를 ​​보여줍니다.

연속 이미지가 개별 이미지로 대체될 때 발생하는 주요 질문은 이러한 대체가 완료되는 조건을 결정하는 것입니다. 연속 신호에 포함된 정보의 손실이 수반되지 않습니다. 이산 신호가 있으면 연속 신호를 복원할 수 있는 경우 손실이 없습니다. 따라서 수학적 관점에서 문제는 값을 알고 있는 노드 사이의 2차원 간격에서 연속 신호를 재구성하는 것, 즉 2차원 보간을 수행하는 것입니다. 이 질문은 연속 이미지와 불연속 이미지의 스펙트럼 특성을 분석하여 답할 수 있습니다.

연속 신호의 2차원 연속 주파수 스펙트럼은 2차원 직접 푸리에 변환에 의해 결정됩니다.

이는 2차원 역 연속 푸리에 변환에 해당합니다.

마지막 관계는 직사각형 격자의 노드를 포함하여 의 모든 값에 대해 참입니다. . 따라서 노드의 신호 값에 대해 (1.1)을 고려하여 관계 (1.3)을 다음과 같이 작성할 수 있습니다.

간결함을 위해 2차원 주파수 영역에서 직사각형 영역으로 표시합니다. 전체 주파수 영역에 대한 적분(1.4)의 계산은 개별 섹션에 대한 적분과 결과 합산으로 대체될 수 있습니다.

규칙에 따라 변수 변경을 수행하여 통합 영역의 독립성을 숫자와 다음과 같이 달성합니다.

여기서 고려되는 것은 정수 값 및 . 이 식은 형식상 역 푸리에 변환과 매우 유사합니다. 유일한 차이점은 지수 요인의 잘못된 형식입니다. 필요한 형식을 제공하기 위해 정규화 주파수를 도입하고 이에 따라 변수를 변경합니다. 결과적으로 다음을 얻습니다.

이제 식 (1.5)는 역 푸리에 변환의 형태를 가지므로 적분 기호 아래의 함수

(1.6)

불연속 이미지의 2차원 스펙트럼입니다. 비정규화 주파수 평면에서 식(1.6)은 다음과 같은 형식을 갖습니다.

(1.7)

(1.7)에 따르면 불연속 이미지의 2차원 스펙트럼은 주기와 주파수 축을 따라 직사각형으로 주기적입니다. 불연속 이미지의 스펙트럼은 연속 이미지의 무한한 수의 스펙트럼을 합한 결과로 형성되며 주파수 편이가 서로 다릅니다. 그림 1.2는 연속(그림 1.2.a) 및 불연속(그림 1.2.b) 이미지의 2차원 스펙트럼 사이의 관계를 정성적으로 보여줍니다.

합계 자체의 결과는 본질적으로 이러한 주파수 편이의 값, 즉 샘플링 간격의 선택에 따라 달라집니다. 연속 이미지의 스펙트럼이 제로 주파수 부근의 일부 2차원 영역에서 0과 다르다고 가정합니다. 즉, 2차원 유한 함수로 설명됩니다. 또한 샘플링 간격을 선택하면 다음과 같이 됩니다. for , , 그러면 합계(1.7)의 형성에서 개별 분기가 겹치지 않습니다. 결과적으로 각 직사각형 섹션 내에서 하나의 용어만 0과 다릅니다. 특히 다음과 같은 이점이 있습니다.

에 , . (1.8)

따라서 주파수 영역 내에서 연속 및 불연속 이미지의 스펙트럼은 일정한 계수까지 일치합니다. 이 경우 이 주파수 영역의 불연속 이미지 스펙트럼에는 연속 이미지의 스펙트럼에 대한 완전한 정보가 포함됩니다. 이러한 우연의 일치는 샘플링 간격을 잘 선택하여 결정된 특정 조건에서만 발생한다는 점을 강조합니다. (1.8)에 따라 이러한 조건의 충족은 요구 사항을 충족해야하는 충분히 작은 샘플링 간격 값에 대해 달성됩니다.

어디에 이차원 스펙트럼의 경계 주파수입니다.

관계(1.8)는 불연속 이미지에서 연속 이미지를 얻는 방법을 결정합니다. 이를 위해 다음과 같은 저역 통과 필터를 사용하여 이산 이미지의 2차원 필터링을 수행하는 것으로 충분합니다. 주파수 응답

출력에서 이미지의 스펙트럼은 주파수 영역에서만 0이 아닌 구성 요소를 포함하며 (1.8)에 따라 연속 이미지 의 스펙트럼과 동일합니다. 이는 이상적인 저역 통과 필터의 출력 이미지가 와 같다는 것을 의미합니다.

따라서 연속 이미지의 이상적인 보간 재구성은 직사각형 주파수 응답(1.10)을 갖는 2차원 필터를 사용하여 수행됩니다. 연속 이미지를 복원하는 알고리즘을 명시적인 형식으로 작성하는 것은 쉽습니다. (1.10)의 역 푸리에 변환을 사용하여 쉽게 얻을 수 있는 재구성 필터의 2차원 임펄스 응답은 다음과 같은 형식입니다.

.

필터 곱은 입력 이미지와 주어진 임펄스 응답의 2차원 컨벌루션을 사용하여 결정할 수 있습니다. 입력 이미지를 함수의 2차원 시퀀스로 표현

컨볼루션 후에 다음을 찾습니다.

결과 관계는 2차원 샘플의 알려진 시퀀스에서 연속 이미지의 정확한 보간 재구성 방법을 나타냅니다. 이 식에 따르면 정확한 복원을 위해서는 형태의 2차원 함수를 보간함수로 사용해야 한다. 관계(1.11)는 Kotel'nikov-Nyquist 정리의 2차원 버전입니다.

신호의 2차원 스펙트럼이 유한하고 샘플링 간격이 충분히 작은 경우 이러한 결과가 유효함을 다시 한 번 강조합니다. 이러한 조건 중 하나 이상이 충족되지 않으면 도출된 결론의 유효성이 위반됩니다. 실제 이미지에는 뚜렷한 컷오프 주파수가 있는 스펙트럼이 거의 없습니다. 스펙트럼의 무한대로 이어지는 이유 중 하나는 이미지의 제한된 크기입니다. 이 때문에 각 대역에서 (1.7)의 합산은 인접한 스펙트럼 대역의 항 작용을 보여줍니다. 이 경우 연속적인 이미지의 정확한 복원은 일반적으로 불가능합니다. 특히 직사각형 주파수 응답을 가진 필터를 사용하면 정확한 복원이 이루어지지 않습니다.

샘플 사이의 간격에서 최적의 이미지 재구성의 특징은 절차(1.11)에 규정된 대로 이산 이미지의 모든 샘플을 사용한다는 것입니다. 이것은 항상 편리한 것은 아니며 사용 가능한 소수의 이산 값을 기반으로 로컬 영역에서 신호를 복원해야 하는 경우가 많습니다. 이러한 경우 다양한 보간 함수를 사용하여 준최적 복구를 적용하는 것이 좋습니다. 이러한 종류의 문제는 예를 들어 두 이미지를 연결하는 문제를 해결할 때 이러한 이미지의 기하학적 불일치로 인해 두 이미지 중 하나의 사용 가능한 판독 값이 노드 사이의 간격에 있는 일부 지점과 일치할 수 있을 때 발생합니다. 다른. 이 문제에 대한 해결책은 이 설명서의 다음 섹션에서 자세히 설명합니다.

쌀. 1.3은 샘플링 간격이 이미지 복구에 미치는 영향을 보여줍니다. 지문인 원본 이미지는 Fig. 1.3, a 및 정규화 된 스펙트럼 섹션 중 하나가 그림 1에 나와 있습니다. 1.3, 나. 이 이미지는 이산적이며 값이 컷오프 주파수로 사용됩니다. 그림에서 다음과 같이. 1.3b에서 이 주파수의 스펙트럼 값은 무시할 정도로 작기 때문에 고품질 재구성이 보장됩니다. 실제로 그림에서 볼 수 있듯이 1.3.a에서 그림은 연속적인 이미지를 복원한 결과이며 복원 필터의 역할은 시각화 장치(모니터 또는 프린터)에 의해 수행됩니다. 그런 의미에서 Fig. 1.3.a는 연속으로 간주될 수 있습니다.

쌀. 1.3, c, d는 잘못된 샘플링 간격 선택의 결과를 보여줍니다. 그것들을 얻었을 때, "연속의 이산화" 이미지(그림 2)가 수행되었습니다. 1.3.a 판독 값을 얇게하여. 쌀. 1.3, c는 각 좌표에 대한 샘플링 단계의 3 증가에 해당하며 그림. 1.3, d - 네 번. 컷오프 주파수 값이 같은 횟수만큼 낮으면 허용됩니다. 실제로 그림에서 볼 수 있듯이 1.3, b, 요구 사항(1.9)을 위반하며, 특히 샘플을 4회 엷게 할 때 거칠다. 따라서 알고리즘(1.11)을 사용하여 재구성된 이미지는 초점이 흐려질 뿐만 아니라 각인의 질감이 강하게 왜곡됩니다.

무화과. 1.4는 "초상화" 유형의 이미지에 대해 얻은 유사한 일련의 결과를 보여줍니다. 더 세게 솎아내는 결과(그림 1.4.c에서 4번, 그림 1.4.d에서 6번)는 주로 선명도의 손실로 나타납니다. 주관적으로 품질 손실은 그림 1보다 덜 중요해 보입니다. 1.3. 이는 지문 이미지보다 스펙트럼 폭이 훨씬 작기 때문입니다. 원본 이미지의 이산화는 컷오프 주파수에 해당합니다. 그림에서 볼 수 있듯이. 1.4.b에서 이 값은 의 실제 값보다 훨씬 높습니다. 따라서 샘플링 간격의 증가는 그림 1과 같습니다. 1.3, c, d, 그림을 악화시키지만 여전히 이전 예에서와 같은 엄청난 결과를 초래하지는 않습니다.

각각이 한정된 시간에 변하는 한정된 수의 구별 가능한 값만 가질 수 있는 불연속 요소로 구성된 이미지를 불연속이라고 합니다. 일반적으로 불연속 이미지의 요소는 동일하지 않은 영역을 가질 수 있으며 각 요소는 동일하지 않은 수의 구분 가능한 계조를 가질 수 있음을 강조해야 합니다.

첫 번째 장에서 살펴본 것처럼 망막은 개별 이미지를 시각 분석기의 상위 부분으로 전송합니다.

그들의 명백한 연속성은 눈의 환상 중 하나에 불과합니다. 초기 연속 이미지의 이러한 "양자화"는 눈의 광학 시스템 해상도와 관련된 제한이 아니라 시각 시스템의 형태학적 구조적 요소가 아니라 신경망의 기능적 조직에 의해 결정됩니다.

이미지는 하나 또는 다른 수의 광 수용체를 결합하는 수용 필드에 의해 개별 요소로 나뉩니다. 수용 필드는 공간적 및 시간적 합산을 통해 유용한 광 신호의 기본 선택을 생성합니다.

망막 (fovea)의 중앙 부분은 원추체 만 차지하고 중심와 외부 주변에는 원추체와 막대가 모두 있습니다. 야간 시력 조건에서 망막 중앙 부분의 원뿔 필드는 대략 같은 크기(각도로 약 5")를 가집니다. 각 치수가 약 90"인 중심와에 있는 이러한 필드의 수는 약 200. 야간 시력 조건의 주요 역할은 망막 표면의 나머지 부분을 차지하는 막대 필드에 의해 수행됩니다. 그들은 망막의 전체 표면에 걸쳐 약 1°의 각도 크기를 가지고 있습니다. 망막에 있는 이러한 필드의 수는 약 3,000개이며, 이러한 조건에서 희미한 물체의 감지뿐만 아니라 검사도 망막의 주변 영역에서 수행됩니다.

조명이 증가함에 따라 또 다른 저장 셀 시스템인 원뿔 수용 필드가 주요 역할을 하기 시작합니다. Fovea에서 조명의 증가는 약 100 asb의 밝기에서 하나의 콘으로 감소될 때까지 유효 전계 강도를 점진적으로 감소시킵니다. 주변부에서는 조명이 증가함에 따라 로드 필드가 점차 꺼지고(느려짐) 콘 필드가 작동합니다. 중심와와 같이 주변의 원뿔 필드는 입사되는 빛 에너지에 따라 감소하는 능력이 있습니다. 원뿔 수용 필드가 가질 수 있는 가장 많은 수의 원뿔은 조명이 중심에서 망막의 가장자리로 증가하고 중심에서 50-60 °의 각 거리에서 약 90에 도달합니다.

좋은 일광 조건에서 수용 필드의 수는 약 800,000개에 달한다고 계산할 수 있으며 이 값은 대략 인간 시신경의 섬유 수에 해당합니다. 주간 시력에서 물체의 구별 (해상도)은 주로 수용 필드가 하나의 원뿔로 줄어들 수 있고 원뿔 자체가 가장 조밀하게 위치한 중심와에서 수행됩니다.

망막의 저장 세포의 수는 만족스러운 근사치로 결정될 수 있지만 수용 영역의 가능한 상태 수를 결정하기에는 여전히 데이터가 충분하지 않습니다. 수용 필드의 미분 역치에 대한 연구를 기반으로 일부 추정만 할 수 있습니다. 조명의 특정 작동 범위에서 중심와 수용 영역의 임계 대비는 1 정도입니다. 이 경우 구별 가능한 계조의 수가 적습니다. 원뿔 중심와 수용장의 전체 재배치 범위에서 8-9 단계가 다릅니다.

수용 영역의 축적 기간(소위 임계 기간)은 평균적으로 0.1초 정도의 값으로 결정되지만 높은 조명 수준에서는 분명히 크게 감소할 수 있습니다.

실제로 전송된 이미지의 개별 구조를 설명하는 모델은 훨씬 더 복잡해야 합니다. 시각적 임계값의 통계적 특성뿐만 아니라 수용 필드의 차원, 임계값 및 임계 지속 시간 간의 관계를 고려해야 합니다. 그러나 지금은 이것이 필요하지 않습니다. 영역이 동일한 일련의 요소를 이미지 모델로 상상하는 것으로 충분하며 각 치수는 눈으로 확인할 수 있는 가장 작은 세부 사항의 각 치수보다 작으며 구별 가능한 상태의 수는 최대 수보다 큽니다. 밝기의 구별 가능한 계조, 임계 플리커 융합 주파수에서 플리커 기간보다 짧은 불연속 변화 시간.

외부 세계의 실제 연속 객체 이미지가 그러한 개별 이미지로 대체되면 눈은 대체를 알아차리지 못할 것입니다.* 따라서 이러한 종류의 개별 이미지에는 적어도 시각 시스템이 인식하는 만큼의 정보가 포함됩니다. **

* 컬러 및 체적 이미지는 개별 모델로 교체할 수도 있습니다.
** 연속 이미지를 불연속 이미지로 대체하는 문제는 영화 및 TV 기술에서 매우 중요합니다. 시간 양자화는 이 기술의 핵심입니다. 펄스 코드 텔레비전 시스템에서 이미지는 개별 요소로 분할되고 밝기로 양자화됩니다.

신호는 일반적으로 연속적인 형태로 정보 처리 시스템에 입력됩니다. 연속 신호를 컴퓨터로 처리하려면 먼저 신호를 디지털 신호로 변환해야 합니다. 이를 위해 이산화(Discretization)와 양자화(Quantization) 연산을 수행한다.

이미지 샘플링

견본 추출- 이것은 연속적인 신호를 일련의 숫자(카운트)로 변환하는 것입니다. 즉, 일부 유한 차원 기준에 따른 이 신호의 표현입니다. 이 표현은 주어진 기준에 신호를 투사하는 것으로 구성됩니다.

처리 조직 및 자연스러운 이산화 방법의 관점에서 가장 편리한 것은 별도의 규칙적인 간격의 지점에서 해당 값의 샘플(샘플) 형태로 신호를 표현하는 것입니다. 이 방법은 상영, 샘플을 채취하는 노드의 순서 - 래스터. 연속 신호의 값을 취하는 간격을 호출합니다. 샘플링 단계. 단계의 역수를 호출합니다. 샘플링 속도,

샘플링 과정에서 발생하는 본질적인 질문은 이러한 샘플에서 역으로 재구성할 수 있도록 신호 샘플을 어떤 주파수로 가져와야 하는가입니다. 분명히 샘플을 너무 드물게 채취하면 빠르게 변화하는 신호에 대한 정보가 포함되지 않습니다. 신호 변화율은 스펙트럼의 상위 주파수로 특징지어집니다. 따라서 허용 가능한 최소 샘플링 간격 폭은 신호 스펙트럼의 최고 주파수와 관련이 있습니다(반비례).

균일 이산화의 경우, 코텔니코프의 정리, 1933 년“On 대역폭통신의 에테르와 전선”. 그것은 말한다: 연속 신호가 주파수에 의해 제한된 스펙트럼을 가지고 있다면, 주기로 취한 이산 샘플로부터 완전하고 고유하게 재구성될 수 있습니다. 빈도로.

신호 복구는 기능을 사용하여 수행됩니다. . Kotelnikov는 위의 기준을 만족하는 연속 신호가 시리즈로 표현될 수 있음을 증명했습니다.

.

이 정리는 샘플링 정리라고도 합니다. 함수라고도 함 계수 기능 또는 Kotelnikov, 비록 이런 종류의 보간 시리즈가 1915년 Whitaker에 의해 연구되었지만. 계수 함수는 시간의 길이가 무한하며 대칭인 지점에서 1과 같은 최대값에 도달합니다.

이러한 각 기능은 이상적인 반응으로 간주될 수 있습니다. 저역 통과 필터(LPF) 시간에 도착한 델타 펄스에 . 따라서 이산 샘플에서 연속 신호를 복원하려면 해당 저역 통과 필터를 통과해야 합니다. 이러한 필터는 비인과적이며 물리적으로 실현할 수 없다는 점에 유의해야 합니다.

위의 비율은 판독 순서에서 제한된 스펙트럼 신호를 정확하게 재구성할 수 있는 가능성을 의미합니다. 제한된 스펙트럼 신호정의 도메인의 제한된 영역 내에서만 푸리에 스펙트럼이 0이 아닌 신호입니다. 광학 신호는 그들에 기인할 수 있습니다. 광학 시스템에서 얻은 이미지의 푸리에 스펙트럼은 해당 요소의 제한된 크기로 인해 제한됩니다. 주파수라고 합니다 나이퀴스트 주파수. 이것은 입력 신호에 스펙트럼 성분이 없어야 하는 차단 주파수입니다.

이미지 양자화

디지털 이미징에서 휘도 값의 연속 동적 범위는 여러 개별 레벨로 나뉩니다. 이 절차는 양자화. 그 본질은 연속 변수를 유한한 값 집합을 갖는 불연속 변수로 변환하는 데 있습니다. 이 값은 양자화 수준. 일반적인 경우 변환은 계단 함수로 표현됩니다(그림 1). 이미지 샘플의 강도가 간격에 속하는 경우(즉, ), 원래 샘플은 양자화 수준으로 대체됩니다. 여기서 – 양자화 임계값. 밝기 값의 동적 범위는 제한되고 .

쌀. 1. 양자화를 설명하는 함수

이 경우 주요 작업은 임계 값 및 양자화 수준을 결정하는 것입니다. 가장 간단한 방법이 문제에 대한 해결책은 동적 범위를 등간격으로 나누는 것입니다. 그러나 이 솔루션이 최선은 아닙니다. 예를 들어 대부분의 이미지 샘플의 강도 값이 "어두운" 영역에 그룹화되고 레벨 수가 제한되면 불균일하게 양자화하는 것이 좋습니다. "어두운" 영역에서는 더 자주 양자화되어야 하고 "밝은" 영역에서는 덜 자주 양자화되어야 합니다. 이렇게 하면 양자화 오류가 줄어듭니다.

디지털 이미지 처리 시스템에서는 이미지 인코딩에 필요한 정보의 양이 숫자에 따라 다르기 때문에 양자화 수준 및 임계값의 수를 줄이는 경향이 있습니다. 그러나 레벨 수가 상대적으로 적으면 양자화된 이미지에 잘못된 윤곽선이 나타날 수 있습니다. 그것들은 양자화된 이미지의 밝기의 급격한 변화의 결과로 발생하며 특히 그 변화의 평탄한 영역에서 두드러집니다. 인간의 시각은 윤곽에 특히 민감하기 때문에 잘못된 윤곽은 이미지의 시각적 품질을 크게 저하시킵니다. 일반적인 이미지의 균일한 양자화를 위해서는 최소 64레벨이 필요합니다.

생성자와 소멸자는 무엇을 위한 것입니까?

4) 구현이란 무엇이며 무엇을 위한 것입니까?

5) 파스칼 모듈의 이름을 지정하고(예를 들어 crt와 같이 Uses 라인에서) 이 모듈이 제공하는 기능은 무엇입니까?

6) 변수의 종류: 포인터(Pointer)

7) 마지막으로 @ , #, $ , ^ 기호는 무엇을 의미합니까?

자연 시스템의 예를 제시하십시오.6. 기술 시스템의 예를 제시하십시오.7. 혼합 시스템의 예를 제시하십시오.8. 비물질 시스템의 예를 제시하십시오.9. 분류란 무엇입니까?10. 개체 클래스란 무엇입니까?

디자인 모드에서 테이블 생성
- 마법사를 사용하여 테이블을 생성합니다.
- 데이터를 입력하여 테이블을 생성합니다.

2. 뭐야 벡터 형식?

3. 다음은 서비스 프로그램에 귀속될 수 있습니까?
a) 디스크 관리 프로그램(복사, 큐어링, 포맷 등)
b) 디스크의 파일 압축(아카이버)
c) 컴퓨터 바이러스 등에 맞서 싸우십시오.
나는 여기서 대답이 B라고 생각합니다-맞습니까?

4. 알고리즘의 속성(a. 불연속성, b. 효율성, c. 질량 특성, d. 확실성, d. 실행 가능성 및 이해 가능성)을 나타내는 것 - 여기에서 모든 옵션이 정확하다고 생각합니다. 맞습니까?

13. 프로세서 클럭 속도는 다음과 같습니다.

A. 단위 시간당 프로세서가 수행하는 이진 연산 수

B. 컴퓨터 노드의 작동을 동기화하는 초당 생성되는 펄스 수

C. 가능한 프로세서 호출 수 랜덤 액세스 메모리시간 단위당

D. 프로세서와 입출력 장치 간의 정보 교환 속도

14. 컴퓨터를 작동하도록 설계된 최소 필수 장치 세트를 지정합니다.

프린터, 시스템 장치, 키보드

B. 프로세서, RAM, 모니터, 키보드

C. 프로세서, 스트리머, 하드 드라이브

D. 모니터, 시스템 장치, 키보드

15. 마이크로프로세서란 무엇입니까?

ㅏ. 집적 회로, 입력 및 제어에 들어오는 명령을 실행합니다.

컴퓨터 작업

나. 업무상 자주 사용하는 자료를 저장하는 장치

다. 텍스트 또는 그래픽 정보를 표시하는 장치

D. 영숫자 출력 장치

16. 소프트웨어 환경과의 사용자 상호 작용은 다음을 사용하여 수행됩니다.

가. 운영체제

B. 파일 시스템

C. 응용 프로그램

D. 파일 관리자

17. 직접 제어 소프트웨어 도구사용자가 수행할 수 있습니다.

돕다:

가. 운영체제

B. GUI

다. UI

D. 파일 관리자

18. 물리적 매체에 데이터를 저장하는 방법은 다음을 결정합니다.

가. 운영체제

B. 애플리케이션 소프트웨어

C. 파일 시스템

D. 파일 관리자

19. 개체 및 컨트롤을 표시하는 그래픽 환경 Windows 시스템,

사용자 편의를 위한 설계:

A. 하드웨어 인터페이스

B. 사용자 인터페이스

다. 데스크탑

D. 소프트웨어 인터페이스

20. 컴퓨터 속도는 다음에 따라 달라집니다.

A. CPU 클럭 속도

B. 프린터 연결 여부

C. 운영 체제 인터페이스 구성

D. 외부 저장 공간

연속 이미지 고려 - 두 공간 변수의 함수 엑스 1과 엑스 2 에프(엑스 1 , 엑스 2) 제한된 직사각형 영역(그림 3.1).

그림 3.1 - 연속 이미지에서 불연속 이미지로 전환

공간 변수에 대한 이산화 단계 Δ 1의 개념을 소개하겠습니다. 엑스변수에 의한 1 및 Δ2 엑스 2. 예를 들어, 축을 따라 거리 Δ 1만큼 서로 떨어진 지점에서 엑스 1포인트 비디오 센서가 있습니다. 이러한 비디오 센서를 전체 직사각형 영역에 설치하면 이미지가 2차원 격자에 제공됩니다.

표기법을 짧게 하기 위해

기능 에프(N 1 , N 2) 2개의 이산 변수의 함수이며 2차원 수열이라고 합니다. 즉, 공간 변수 측면에서 이미지를 이산화하면 이미지를 샘플 값 테이블로 변환합니다. 테이블의 치수(행과 열의 수)는 원래 직사각형 영역의 기하학적 치수와 공식에 따른 이산화 단계의 선택에 따라 결정됩니다.

여기서 대괄호 […]는 숫자의 정수 부분을 나타냅니다.

연속 영상의 영역이 정사각형인 경우 엘 1 = 엘 2 = 엘샘플링 단계는 축을 따라 동일하도록 선택됩니다. 엑스 1과 엑스 2(Δ 1 = Δ 2 = Δ), 그러면

그리고 테이블의 크기는 N 2 .

이미지를 샘플링하여 얻은 테이블의 요소를 " 픽셀"또는 " 카운트다운". 픽셀 고려 에프(N 1 , N 2). 이 숫자는 연속 값을 취합니다. 컴퓨터 메모리는 불연속 숫자만 저장할 수 있습니다. 따라서 메모리 항목의 경우 연속 값 에프단계 D에서 아날로그-디지털 변환을 거쳐야 합니다. 에프(그림 3.2 참조).

그림 3.2 - 연속 수량의 양자화

아날로그에서 디지털로의 변환(레벨에 따른 연속 값의 이산화) 작업을 종종 호출합니다. 양자화. 밝기 함수의 값이 간격 _____ _ ____ ___에 있는 경우 양자화 수준의 수는 다음과 같습니다.

이미지 처리의 실제 문제에서 값 큐에서 크게 다릅니다 큐= 2("바이너리" 또는 "흑백" 이미지) 큐= 210 이상(사실상 연속적인 밝기 값). 가장 자주 선택됨 큐= 28, 이미지 픽셀은 1바이트의 디지털 데이터로 인코딩됩니다. 위의 모든 것에서 우리는 컴퓨터 메모리에 저장된 픽셀이 인수(좌표?) 및 수준 측면에서 원본 연속 이미지를 이산화한 결과라는 결론을 내립니다. (어디에서 얼마만큼, 모든 것이 불연속적임) 이산화 단계 Δ 1임이 분명하다. , Δ 2는 샘플링 오류를 무시할 수 있고 디지털 표현이 이미지에 대한 기본 정보를 유지하도록 충분히 작게 선택해야 합니다.

동시에 샘플링 및 양자화 단계가 작을수록 컴퓨터 메모리에 기록해야 하는 이미지 데이터의 양이 많아진다는 점을 기억해야 합니다. 이 설명을 설명하기 위해 디지털 광학 밀도계(마이크로밀도계)를 사용하여 메모리에 입력되는 50×50mm 슬라이드의 이미지를 고려하십시오. 입력 시 마이크로 밀도계(공간 변수 측면에서 샘플링 단계)의 선형 분해능이 100미크론이면 메모리에 기록됩니다. 2차원 배열치수 픽셀 N 2 = 500×500 = 25∙10 4 . 스텝이 25마이크론으로 줄어들면 어레이의 크기는 16배로 증가하고 N 2 = 2000×2000 = 4∙10 6 . 256 레벨의 양자화, 즉 찾은 픽셀을 바이트 단위로 인코딩하여 첫 번째 경우에는 녹음에 0.25MB의 메모리가 필요하고 두 번째 경우에는 4MB의 메모리가 필요하다는 것을 알 수 있습니다.