缩略图和模糊的边缘信息利用一半因素规则

文摘

缩略图和模糊边缘信息近年来引起了人们广泛的关注。缩略图,这是一个小版本的原始图像,允许用户扫描图像数据的大部分消除模糊的图像或拿起一把锋利的在用户角度和一个好形象。使用缩略图通常在相机,智能手机,和其他计算设备。在本文中,一个方法来嵌入在缩略图,提出了模糊的边缘信息。这种方法是直接和简单的电子产品中实现。图像进行边缘宽度测量过程通过寻找局部最大值和局部最小值位置根据其大小。这是后获得的实现水平和垂直的一阶导数的原始高分辨率的输入图像。将强调利用边缘模糊边缘宽度将采样过程中信息来支持用户识别模糊边缘鲜明的形象。实验结果显示一个令人满意的结果在嵌入原始图像的模糊特征对该方法缩略图。

1。介绍

照片拍摄的数码相机很方便对于大多数消费者来说,无论是拍照的过程或查看图像捕获后的照片(1]。今天,数码相机已经成为常规工具,特别是当它是集成到智能手机和社交媒体的应用程序。此外,数字图像变得容易通过笔记本电脑和平板电脑等消费电子产品。在2011年,美国人拍摄800亿张照片,2.5亿多人每天照片被张贴在Facebook上。这一数字预计将每年增加(2]。而相机制造商继续提高照片质量,提高图像的分辨率捕捉到他们的产品,消费者正淹没在数字视觉内容(3]。因此,有必要确定审查和检查方法捕获的数码照片的质量。

缩略图通常用于电子设备,如电脑、手持电子产品,如智能手机。缩略图,这是一个小版本的原始图像,通常是被显示在批次。它使用户能够更有效地滚动一堆图片。模糊图像是如何显示的缩略图是很重要的,所以用户可以方便地在一批过滤掉那些不需要的模糊图像缩略图(4]。

缩略图允许用户来判断原始图像的有效途径;一个图像质量或内在价值是否值得。不幸的是,大多数图像的缩略图技术无法描绘真正的从原始图像模糊的信息。这个缺点使图像的质量判断通过缩略图困难和不准确的。因此,这种情况造成不便,导致挫折,特别是当用户犯了一个错误判断模糊的形象,清晰的图像(5]。

目前,有几种方法可以创建缩略图。最常见的方法是基于像素将采样与抗锯齿过滤器(针对PDAF)。针对PDAF使用低通滤波器bandlimit原始图像的频率成分,所以在信号重采样过程可以避免混叠问题。然而,这种方法不能很好保留噪声信息。这是由于噪声主要占据了高频图像组件。因此,缩略图,使得针对PDAF总是从噪声(似乎是很干净的6,7]。

直接基于像素将采样(DPD)是生成缩略图的方法不需要任何过滤。在这种方法中,直接将采样工作,这意味着缩略图图像的像素值需要一个相应的像素值从原始高分辨率图像。DPD缩略图图像比针对PDAF缩略图更清晰,因为它包含更高的频率成分(8]。另一个缩略图的方法是直接subpixel-based downsampling (DSD)。DPD DSD使用一个类似的概念,但从一个像素,而不是使用信息一个缩略图图像的像素DSD使用三种原始图像的像素值。这三个像素对应于红(R),绿色(G),蓝色(B)的颜色通道。因此,DSD只适用于彩色图像(9]。

值得注意的是,上面提到的将采样算法都用来嵌入模糊信息从原始高分辨率图像的缩略图图像。因此,缩略图和模糊信息(创伤性脑损伤)提出。这个新算法的目的是协助用户感知识别的图像质量好的基于缩略图图像。从那时起,用户可以选择想要的或不想要的模糊图像在一个笨重的形象文件夹。

本文安排如下。部分2描述了模糊检测的初步概念。这个有用的概念用于创伤性脑损伤,以强调模糊。接下来,节3详细描述了创伤性脑损伤的过程。部分4介绍了实验结果,建议创伤性脑损伤的表现方法与其他一些著名的缩略图算法。本文结尾部分5总结了研究结果。

2。模糊检测的初步概念

该方法中使用的概念之一,创伤性脑损伤,是呈现在图1。这个图展示了一个例子显示模糊的影响对图像中物体的边缘的斜率。锋利的图像如图所示的数据1(一)和1 (b)包含步骤边缘。然而,当图像变得模糊,步骤边缘变得斜坡边缘。模糊的程度增加从图1(一)图1 (c)图1 (e)。因此,合成强度概要文件从这三个灰度图像生成减少(即从尖锐的形象。,图1(一)最模糊图像(即)。,图1 (e))。注意的是,600年“合并效应”的边缘之间的距离沿剖面越来越严重时图像越来越模糊。这一现象更为普遍当边缘附近。图1表明,边缘的斜率是根据模糊的程度。因此,模糊的测量可以估计通过使用信息从对象的边缘10]。

拟议的创伤性脑损伤的方法使用估计边缘宽度估计模糊程度。这个方法被分为几个过程,如下。(我)阶段1:计算图像的水平和垂直导数。(2)第二阶段:找当地最大和最小边的大小。(3)第三阶段:确定方向的模糊和边缘宽度计算。(iv)第四阶段:生成downsampled形象。

3所示。缩略图的模糊信息

图2显示了创伤性脑损伤的方法。在水平和垂直梯度地图是一阶导数进行输入图像。边缘大小计算通过使用获得的数据的一阶导数。后级地图边缘,边缘模糊方向地图生成。在当地最大的组合下,局部最小值,和边缘级数据,图像中的模糊宽度地图可以被估计。

3.1。水平和垂直导数的形象

在初始阶段,梯度,,输入图像的像素计算采用二维方向导数给出的 在哪里一阶导数在吗方向,是一阶导数的方向,是原始图像,空间坐标的像素。

在创伤性脑损伤的实现,Sobel过滤器(11)在这个阶段使用为了找到二维定向衍生品。Sobel过滤器是用来计算梯度大小每一点每2 d图像通道。Sobel算子选择不太敏感的噪音比罗伯茨交叉过滤或拉普拉斯算子的过滤器10]。因此,这给一个优势的创伤性脑损伤的方法,因为一个Sobel过滤器将使创伤性脑损伤提供更多强调模糊问题,这种方法的主要问题。导数在和执行方向分别为每个R, G, B原始图像的颜色通道。方程(2)是计算一阶导数的方程使用Sobel Sobel水平和垂直导数内核(12)如下: 在哪里代表一个卷积过程。

3.2。级,局部最大值和局部最小值

级,使用数据获得,计算和通过 边缘在创伤性脑损伤的大小是需要为了找到当地最大和最小值。找到当地的最大和最小,我们使用峰谷分析的概念从边缘级数据。局部最小值和局部极大点的使用将会利用在以下小节定义边缘宽度。方程(4定义局部最小值和最大值)总结了如何基于边缘大小值如下: &逻辑”和“,在哪里和局部最小值和局部最大值地图,分别。

请注意,(4)只显示了流程方向。类似的过程定义的局部最大值和局部最小值方向需要进行使用相同的概念。当地所有的最大和最小将嵌入在一个新的屏蔽地图,和,分别。局部最大值,,将被用来表示初始边缘位置在这种方法中,局部最小值,而将被定义为终点。局部最大值和局部最小值都将被用来估计边缘宽度在接下来的阶段。

3.3。确定边缘模糊方向和边缘宽度

边缘模糊方向指示的方向正常的边缘点相互重合使用量化函数在定义 获得的数据量化的(5),其值的范围内来,创伤性脑损伤中用于表示的方向模糊边缘宽度计算过程。边缘模糊方向是双向的,这意味着。创伤性脑损伤使用的想法涌et al。10)确定边缘宽度。计算边缘宽度的过程是从一个局部最大值。在每一个局部最大值点,算法遍历,指导下,直到它找到了一个局部最小值点的“左”边。然后,该算法在同一局部极大点重新开始,直到找到另一个局部最小值点的“右侧”优势。图像模糊的宽度就定义为这两个地方之间的距离极限。

图3显示了一个示例的边缘宽度是如何被确定。在这个例子中,我们使用一个图像的大小4×4像素,坐标位于左前角。显示的值在每个像素呈现梯度方向。白盒的坐标介绍了局部极大点,而黑匣子在坐标和存在局部最小值点。局部最大值点作为初始起始位置的计算边缘宽度。这个例子的解释如下。(一)的价值将引导算法遍历的8个相邻像素。在这种情况下,在位置的价值,等于。因此,该算法将坐标。数“1”将在这个位置映射。(b)的像素不是一个局部最小值。因此,这成为当前像素。在这个位置,的价值等于。该算法将坐标。这些坐标起始点之间的距离是2像素,因此,数“2”将被映射在这个位置吗。(c)现在在当前像素坐标。在这个职位的价值。因此,该算法将坐标。数“3”将会在这个位置映射。因为像素坐标是一个局部最小值点,这表明终止点的模糊边缘“右边”。(d)该算法需要找到模糊边缘的宽度位于左侧。“因此,坐标的算法重新开始。但是,通过使用双向属性,现在等于。因此,它将搬到坐标。然后,在坐标,等于,从而导致局部最小值点。因此,遍历进程终止在这个位置。(e)这个过程是一个计数的合成地图。从这个统计图,可以计算边缘的宽度。在这个例子中,边缘的宽度等于3(即。“右”的宽度)+ 2(即。“左”的宽度)+ 1(即。,局部极大点)= 6像素。(f)边缘宽度算法生成的地图将会通过将每个像素的边缘宽度值与遍历的过程。

3.4。创伤性脑损伤将采样的图像

我们假定原始图像被downsampled使用一个因素。因此,这个过程将采样窗口的大小像素。如果当地边缘宽度值包含在这个将采样窗口区域 然后平均模糊边缘宽度值被定义为

创伤性脑损伤将采样流程使用第一个像素值(即。,using the same method as DPD method) or the average intensity value, depending on the value of the local average blur width。缩略图将使用的平均像素值时满足规则的一半因素。一半因素规则实现是一个过程,当某一地区的平均宽度大于将采样因子的一半。这个平均值是得到一个平均的过程发起的一个二维矩阵的图像缩略图本身,使用一个窗口大小为3×3像素。另一方面,第一个像素值时使用模糊平均宽度小于等于将采样因子的一半。

4所示。实验结果

为了评估创伤性脑损伤的表现,从创伤性脑损伤的缩略图与输出从针对PDAF相比,DPD, DSD方法。三个测试图像已经被使用。这些图像是彩色图像和JPEG格式。所有图片已经使用手机相机,获得了三星GT-I9100。获得原始图像的尺寸是2448×3264像素。将采样因子使用设置为,因此,缩略图大小432×288像素。

图4使用一个测试图像的显示结果。这个测试图像“船”展示了一个图像的船,昏暗的灯光下捕获的夜间时间。这张照片出现黄色因为现场被黄色的路灯照亮。由图所示5(一个),有一个稍微模糊区域的船的引擎,是由一个红色的矩形表示。在这个图中,结果表明,DPD DSD产生更清晰的缩略图,针对PDAF的输出相比,也提出了创伤性脑损伤。然而,这些方法没有强调模糊了船上的发动机。该方法产生一个更好的缩略图,因为它携带了原始图像的模糊信息以最准确的方式。

图5(一个)显示了我们的测试图像命名为“男孩。“这图片上的红色矩形,涵盖一个枕头的一部分,表明该地区遭受运动模糊。从图5,我们可以观察到DPD DSD,针对PDAF产生几乎相同的缩略图。另一方面,提出了创伤性脑损伤的方法成功地嵌入到其独特的模糊信息缩略图图像。

图6(一)是一个测试图像,显示了一个猫的形象。这个测试图像遭受失焦模糊。模糊区域由一个红色的矩形表示。从图6,我们可以注意到,DPD DSD方式生产出更加清晰的显示缩略图图像,而针对PDAF和创伤性脑损伤。但DPD和DSD未能给强调模糊区域。针对PDAF,该方法成功地嵌入模糊特征到他们的缩略图。通过比较图6 (d)与图6 (e),我们可以看到,创伤性脑损伤是更有效地嵌入模糊的信息。

5。结论

在本文中,一种新的缩略图算法(创伤性脑损伤)提出了。实验结果通过使用三个测试图像表明,该方法已经成功地围住模糊信息缩略图图像。创伤性脑损伤的复杂性较低,方法很简单。因此,创伤性脑损伤可以表示为一个数码消费电子产品的显示选项。创伤性脑损伤可能可以防止麻烦过滤掉低质量或不必要的图片。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者要感谢那些评论家的建设性意见。先生也要感谢罗斯坦Affendi Hamzah和金小姐茶梅的帮助他们校对。这部分工作是支持马来西亚理科大学的研究型大学个人(瑞)拨款帐户。1001 / PELECT / 814169。

引用

1. a·莱文,“盲目的运动图像去模糊使用统计数据,”诉讼第20届年度会议上的神经信息处理系统(捏06年)2006年12月,页841 - 848。视图:谷歌学术搜索
2. p·安德鲁斯和m·朗格弗德朗格弗德的开始摄影:向导创建伟大的图片2014年,泰勒和弗朗西斯。
3. l . l . Hinthorne”使用数字和即时胶片摄影研究文档:一份研究报告中,“定性研究,14卷,不。4、508 - 519年,2014页。视图:出版商的网站|谷歌学术搜索
4. c .精致,“电影摄影术死了:电影:万岁时代数码摄影能从电影中学到什么?”IEEE消费电子杂志,1卷,不。1,第64 - 61页,2012。视图:出版商的网站|谷歌学术搜索
5. l .方k . Tang o . c . Au和a . k . Katsaggelos“抗混叠滤波器基于频率分析的亚像素采样下来,”《第36 IEEE国际会议音响,演讲,和信号处理(ICASSP 11),页1117 - 1120,布拉格,捷克共和国,2011年5月。视图:出版商的网站|谷歌学术搜索
6. 凌y, o . c . Au k . Tang j .彭日成j .曾和l .方”的分析研究subpixel-based图像在频域采样下来模式”《IEEE国际会议上视觉通讯和图像处理(VCIP 13)古晋,页1 - 6,IEEE,马来西亚,2013年11月。视图:出版商的网站|谷歌学术搜索
7. r . Samadani t·a·莫尔·d·m·Berfanger和j·h·克拉克,“图像缩略图表示模糊和噪声,”IEEE图像处理,19卷,不。2、363 - 373年,2010页。视图:出版商的网站|谷歌学术搜索|MathSciNet
8. h·易卜拉欣,“图像与模糊和噪声信息缩略图,提高浏览体验,”多媒体的发展,卷2,不。3,39-48,2011页。视图:谷歌学术搜索
9. l .方o . c . Au k . Tang x,和h·王,“小说”二维MMSE subpixel-based图像采样下来,IEEE电路和系统视频技术,22卷,不。5,740 - 753年,2012页。视图:出版商的网站|谷歌学术搜索
10. 研究。钟,人类。王,r·r·贝利S.-W。陈,S.-L。常”,非参数模糊测量基于边缘分析对于图像处理应用程序,”《IEEE会议控制论和智能系统2004年12月,页356 - 360。视图:谷歌学术搜索
11. g . t . Shrivakshan”SOBEL和伽柏图像过滤器的分析对于识别鱼”学报》国际会议模式识别、信息和移动工程(' ' 13)2013年2月,页115 - 119。视图:出版商的网站|谷歌学术搜索
12. r . Maini和h . Aggarwa”,研究和比较各种图像边缘检测技术,”国际期刊的图像处理(IJIP),3卷,不。1、1 - 11,2009页。视图:谷歌学术搜索

版权

版权©2014恩梭织Koik和海迪易卜拉欣。这是一个开放的分布式下文章知识共享归属许可,它允许无限制的使用、分配和复制在任何媒介,提供最初的工作是正确引用。