Comparison of Doubling the Size of Image Algorithms

Abstract

Сравнение алгоритмов удвоения размера изображенияВаганов С. Е., Хашин С.И.получена 18 апреля 2016Аннотация. В данной работе произведен сравнительный анализ качества некоторых интерполяционных неадаптивных методов увеличения размера изображения в два раза. В качестве оценки точности (качества) аппроксимации использовалась величина среднеквадратичного отклонения. Артефакты (алиасинг, эффект Гиббса, размытие и др.), вносимые интерполяционными методами, не рассматривались. Приведено описание интерполяционных алгоритмов удвоения, таких как: метод ближайшего соседа, линейная и кубическая интерполяции, интерполяция сверткой с ядром Ланцоша (при a=1, 2, 3), а также метод 17-точечной интерполяции. Для каждого метода удвоения были найдены оптимальные коэффициенты ядер сверток для различных алгоритмов уменьшения размера вдвое. Рассмотрены различные методы уменьшения размера вдвое: усреднение по 4-м ближайшим точкам и взвешенное 16-ти ближайших точек с оптимальными коэффициентами. Оптимальные коэффициенты найдены для каждого рассматриваемого в работе метода удвоения, они подбирались таким образом, чтобы минимизировать величину среднеквадратичного отклонения точного значения от приближения.В работе предлагается простой метод дополнительной корректировки произвольного алгоритма удвоения размера. Этот метод показывает хорошие результаты на простых интерполяционных алгоритмах. Однако при использовании наиболее сложных алгоритмов (17-точечный, Ланцош a = 3) улучшения оказываются незначительными. По результатам численных экспериментов самым точным среди рассмотренных алгоритмов является метод 17-точечной интерполяции, немного хуже -интерполяция посредством свертки с ядром Ланцоша с параметром a = 3 (см. таблицу в конце работы).Ключевые слова: интерполяция, свертка функций, фильтр Ланцоша, 17-точечная интерполяция Для цитирования: Ваганов С. Е., Хашин С.И., "Сравнение алгоритмов удвоения размера изображения", Моделирование и анализ информационных систем, 23:4 (2016), 389-400. Благодарности:Работа выполнена при финансовой поддержке проекта 162 госзадания на НИР №2014/40

Traditional pattern enhancement based on improved singular value decomposition and gamma function in the frequency domain

“…This sub-section presents the assessment metrics for the image quality. In this study, three objective evaluation indicators are mainly used to evaluate the enhanced patterns: mean square error [34,35] (MSE)，peak signal-to-noise ratio [36,38] (PSNR) and structural similarity [39,40] (SSIM).…”