Erillinen kuva. Digitaalisten kuvien Fourier -käsittely

Edellisessä luvussa tutkimme lineaarisia avaruudellisesti invariantteja järjestelmiä jatkuvalla kaksiulotteisella alueella. Käytännössä käsittelemme kuvia, joiden koko on rajoitettu ja jotka lasketaan samanaikaisesti erillisiin pisteisiin. Siksi tähän mennessä kehitettyjä menetelmiä on mukautettava, laajennettava ja muutettava, jotta niitä voidaan soveltaa myös tällä alalla. Esille tulee myös monia uusia kohtia, jotka vaativat huolellista harkintaa.

Näytteenottoteoreemi kertoo, missä olosuhteissa jatkuva kuva voidaan rekonstruoida tarkasti erillisestä arvojoukosta. Opimme myös, mitä tapahtuu, kun sen soveltamisen edellytykset eivät täyty. Kaikella tällä on paljon tekemistä visuaalisten järjestelmien kehittämisen kanssa.

Tekniikoista, jotka edellyttävät siirtymistä taajuusalueelle, on tullut suosittua osittain diskreettisen Fourier -muunnoksen nopean laskennan algoritmien ansiosta. Varovaisuutta on kuitenkin noudatettava, koska nämä menetelmät edellyttävät jaksottaista signaalia. Keskustelemme siitä, miten tämä vaatimus voidaan täyttää ja mihin rikkomus johtaa.

7.1. Kuvakoon rajoittaminen

Käytännössä kuvilla on aina rajalliset mitat. Tarkastellaan suorakulmaista kuvaa, jonka leveys ja korkeus on I. Nyt ei tarvitse ottaa integraaleja Fourier -muunnoksessa äärettömissä rajoissa:

On uteliasta, että toiminnon palauttamiseksi meidän ei tarvitse tietää kaikilla taajuuksilla. Sen tietäminen on kova este. Toisin sanoen funktio, joka ei ole nolla vain rajoitetulla kuvatason alueella, sisältää paljon vähemmän tietoa kuin funktio, jolla ei ole tätä ominaisuutta.

Varmistaaksesi tämän, kuvittele, että valkokangas on peitetty tietyn kuvan kopioilla. Toisin sanoen laajennamme kuvaamme jaksottaiseksi funktioksi molempiin suuntiin

Tässä on suurin kokonaisluku, joka ei ylitä x: tä. Tällaisen moninkertaistetun kuvan Fourier -muunnoksella on muoto

Käytä asianmukaisesti valittuja lähentymiskertoimia harjoituksessa. 7.1 se on todistettu

Siten,

mistä näemme, että se on nolla kaikkialla, lukuun ottamatta erillistä taajuusjoukkoa. Näin ollen sen löytäminen riittää, kun tiedämme näissä kohdissa. Toiminto saadaan kuitenkin yksinkertaisesti leikkaamalla alue, jolle. Siksi sen palauttamiseksi riittää, että tiedämme vain kaikille, tämä on laskettavissa oleva joukko numeroita.

Huomaa, että jaksollisen funktion muunnos osoittautuu diskreetiksi. Käänteinen muutos voidaan esittää sarjana, koska

Pakkausalgoritmi, joka tarjoaa erittäin korkean kuvanlaadun ja tietojen pakkaussuhteet ovat suurempia kuin 25: 1. Täysvärinen 24-bittinen kuva, jonka resoluutio on 640 x 480 pikseliä (VGA-standardi), vaatii yleensä videomuistia tallennukseen ... ...

Erillinen Wavelet -muunnos- Esimerkki diskreetin aaltomaisen kuvanmuunnoksen ensimmäisestä tasosta. Yllä on alkuperäinen värillinen kuva, keskellä aallonmuutos, joka on tehty vaakasuunnassa alkuperäisestä kuvasta (vain luminanssikanava), alareunassa on aalto ... ... Wikipedia

RASTER - rasteri- erillinen kuva, joka esitetään pikselin matriisina ... Sähköinen liiketoimintasanakirja

tietokonegrafiikka- informaatiokuvien visualisointi näyttöruudulla (näytöllä). Toisin kuin kuvan kopioiminen paperille tai muulle tallennusvälineelle, näytöllä luotu kuva voidaan poistaa lähes välittömästi ja / tai korjata, pakata tai venyttää, ... ... tietosanakirjallinen sanakirja

rasteri- Erillinen kuva, joka esitetään pikselimatriisina näytöllä tai paperilla. Rasterille on tunnusomaista resoluutio, pikseleiden määrä pituusyksikköä kohti, koko, värisyvyys jne. Esimerkkejä yhdistelmistä: tiheys ... ... Tekninen kääntäjän opas

pöytä-▲ kaksiulotteinen taulukko kaksiulotteinen taulukko; erillinen kuva kahden muuttujan funktiosta; tietoverkko. matriisi. kellokortti. | taulukointi. linja. linja. sarake. sarake. kaiutin. kuvaaja. kuvaaja. rajata ▼ aikataulu ... Venäjän kielen ideografinen sanakirja

Laplacen muunnos- Laplace -muunnos on kiinteä muunnos, joka yhdistää kompleksimuuttujan (kuvan) funktion ja todellisen muuttujan (alkuperäinen) funktion. Sen avulla tutkitaan ja ratkaistaan ​​dynaamisten järjestelmien ominaisuuksia ... ... Wikipedia

Laplacen muunnos

Käänteinen Laplace -muunnos- Laplace -muunnos on kiinteä muunnos, joka yhdistää kompleksimuuttujan (kuvan) funktion ja todellisen muuttujan (alkuperäinen) funktion. Sen avulla tutkitaan dynaamisten järjestelmien ominaisuuksia ja ... Wikipedia

GOST R 52210-2004: Digitaalinen televisiolähetys. Termit ja määritelmät- Terminologia GOST R 52210 2004: Digitaalinen televisiolähetys. Termit ja määritelmät alkuperäinen asiakirja: 90 (televisio) demultiplekseri: Laite, joka on suunniteltu erottamaan digitaalisen television yhdistetyt datavirrat ... ... Normatiivisten ja teknisten asiakirjojen sanakirja-viitekirja

Pakkaa video- (Englanninkielinen videopakkaus) vähentää videovirran esittämiseen käytettävää dataa. Videon pakkaamisen avulla voit tehokkaasti vähentää videon lähettämiseen tarvittavaa virtaa lähetyskanavien kautta, vähentää tilaa, ... ... Wikipedia

Jatkuvan kuvan korvaaminen erillisellä voidaan tehdä eri tavoin. On esimerkiksi mahdollista valita mikä tahansa ortogonaalisten funktioiden järjestelmä ja laskea kuvan esityskertoimet tämän järjestelmän mukaisesti (tämän perusteella) korvata kuva niillä. Erilaisten kantojen ansiosta on mahdollista muodostaa erilaisia ​​erillisiä esityksiä jatkuvasta kuvasta. Yleisin on kuitenkin määräaikainen näytteenotto, erityisesti kuten edellä mainittiin, näytteenotto suorakulmaisella rasterilla. Tällaista näytteenottomenetelmää voidaan pitää yhtenä vaihtoehtona ortogonaalisen perustan käyttämiselle, joka käyttää elementteinä siirrettyjä toimintoja. Lisäksi, yleisesti ottaen, tarkastelemme yksityiskohtaisesti suorakulmaisen näytteenoton pääpiirteitä.

Antaa olla jatkuva kuva ja sitä vastaava diskreetti, joka saadaan jatkuvasta kuvasta suorakulmaisella diskretilaatiolla. Tämä tarkoittaa, että niiden välinen suhde määräytyy lausekkeen avulla:

missä ovat pystysuorat ja vaaka -askeleet tai näytteenottovälit. Kuva 1.1 kuvaa näytteiden sijaintia tasossa suorakulmaista näytteenottoa varten.

Tärkein kysymys, joka herää, kun jatkuva kuva korvataan erillisellä, on määrittää olosuhteet, joissa tällainen korvaus on valmis, ts. ei liity jatkuvan signaalin sisältämien tietojen menetykseen. Ei häviöitä, jos diskreetin signaalin avulla on mahdollista palauttaa jatkuva signaali. Matemaattisesta näkökulmasta kysymys on siis jatkuvan signaalin palauttamisesta kaksiulotteisina aikaväleinä solmujen välillä, joissa sen arvot tunnetaan, tai toisin sanoen kaksiulotteisen interpoloinnin toteuttamisessa. Tähän kysymykseen voidaan vastata analysoimalla jatkuvien ja erillisten kuvien spektriominaisuuksia.

Jatkuvan signaalin kaksiulotteinen jatkuva taajuusspektri määräytyy kaksiulotteisen eteenpäin suuntautuvan Fourier-muunnoksen avulla:

joka vastaa kaksiulotteista käänteistä jatkuvaa Fourier-muunnosta:

Viimeinen suhde pätee kaikkiin arvoihin, myös suorakulmaisen ristikon solmuihin ... Siksi signaalien arvoille solmuissa, ottaen huomioon (1.1), suhde (1.3) voidaan kirjoittaa muodossa:

Lyhyyden vuoksi merkitsemme suorakulmaisella leikkauksella kaksiulotteisessa taajuusalueessa. Integraalin laskeminen kohdassa (1.4) koko taajuusalueella voidaan korvata integroimalla yksittäisiin osiin ja laskemalla tulokset yhteen:

Muuttamalla muuttujia säännön mukaisesti saavutamme integraatioalueen riippumattomuuden numeroista ja:

Tässä otetaan huomioon, että kaikille kokonaislukuarvoille ja. Tämä lauseke on muodoltaan hyvin lähellä käänteistä Fourier -muunnosta. Ainoa ero on eksponentiaalisen tekijän väärä muoto. Jotta saisimme sille vaaditun muodon, esittelemme normalisoidut taajuudet ja muutamme muuttujia vastaavasti. Tämän seurauksena saamme:

Nyt lausekkeella (1.5) on käänteinen Fourier -muunnos, joten integraalimerkin alla oleva funktio

(1.6)

on erillisen kuvan kaksiulotteinen spektri. Epänormaalien taajuuksien tasolla lauseke (1.6) on muoto:

(1.7)

(1.7): sta seuraa, että erillisen kuvan kaksiulotteinen spektri on suorakulmainen jaksollinen jaksoilla ja taajuusakseleilla ja vastaavasti. Erillisen kuvan spektri muodostuu loputtoman määrän spektrien summaamisen tuloksena jatkuvasta kuvasta, joka eroaa toisistaan ​​taajuudenmuutoksissa ja. Kuva 1.2 esittää laadullisesti jatkuvan (kuva 1.2.a) ja erillisen (kuva 1.2.b) kuvien kaksiulotteisten spektrien suhteen.

Itse summauksen tulos riippuu olennaisesti näiden taajuussiirtojen arvoista tai toisin sanoen näytteenottovälien valinnasta. Oletetaan, että jatkuvan kuvan spektri on nollasta poikkeava jollakin kaksiulotteisella alueella nollan taajuuden läheisyydessä, eli sitä kuvaa kaksiulotteinen äärellinen funktio. Jos tässä tapauksessa näytteenottovälit valitaan siten, että sillä silloin yksittäisten haarojen päällekkäisyyttä summan (1.7) muodostumisen aikana ei tapahdu. Siksi jokaisessa suorakulmaisessa osassa vain yksi termi eroaa nollasta. Erityisesti meillä on:

osoitteessa ,. (1.8)

Siten taajuusalueella jatkuvien ja erillisten kuvien spektrit osuvat vakio -tekijään. Tässä tapauksessa tämän taajuusalueen erillisen kuvan spektri sisältää täydelliset tiedot jatkuvan kuvan spektristä. Korostamme, että tämä sattuma tapahtuu vain määrätyissä olosuhteissa, jotka määräytyvät hyvän näytteenottovälin valinnan mukaan. Huomaa, että (1.8) kohdan mukaisesti nämä edellytykset täyttyvät riittävän pienillä näytteenottovälien arvoilla, joiden on täytettävä vaatimukset:

joissa ovat kaksiulotteisen spektrin rajataajuudet.

Suhde (1.8) määrittelee menetelmän jatkuvan kuvan saamiseksi erillisestä. Tätä varten riittää suorittaa erillisen kuvan kaksiulotteinen suodatus alipäästösuodattimella taajuusvasteella

Sen ulostulossa olevan kuvan spektri sisältää nollasta poikkeavia komponentteja vain taajuusalueella ja on (1.8): n mukaan yhtä suuri kuin jatkuvan kuvan spektri. Tämä tarkoittaa, että ideaalisen alipäästösuodattimen ulostulossa oleva kuva on sama kuin.

Täten jatkuvan kuvan ihanteellinen interpolointi-rekonstruktio suoritetaan käyttämällä kaksiulotteista suodatinta, jossa on suorakulmainen taajuusvaste (1.10). Ei ole vaikeaa kirjoittaa nimenomaisesti muistiin jatkuvan kuvan palauttamisen algoritmia. Uudelleenrakennesuodattimen kaksiulotteinen impulssivaste, joka voidaan helposti saada käyttämällä (1.10) Fourier-käänteismuunnosta, on muoto:

.

Suodatintuote voidaan määrittää käyttämällä tulokuvan 2D -konvoluutiota ja tiettyä impulssivastetta. Edustamalla tulokuvaa kaksiulotteisena -funktioiden sekvenssinä

konvoluution jälkeen löydämme:

Tuloksena oleva suhde osoittaa menetelmän jatkuvan kuvan tarkan interpoloinnin rekonstruoimiseksi sen kaksiulotteisten näytteiden tunnetusta sekvenssistä. Tämän ilmaisun mukaan lomakkeen kaksiulotteisia funktioita tulisi käyttää interpoloivien funktioiden roolin tarkkaan rekonstruointiin. Suhde (1.11) on kaksiulotteinen versio Kotelnikov-Nyquist-lauseesta.

Korostetaan jälleen, että nämä tulokset ovat päteviä, jos signaalin kaksiulotteinen spektri on äärellinen ja näytteenottovälit ovat riittävän pieniä. Tehtyjen johtopäätösten pätevyys loukkaantuu, jos vähintään yksi näistä ehdoista ei täyty. Todellisilla kuvilla on harvoin spektrejä, joilla on selkeä rajataajuus. Yksi syy taajuuksien rajoittamattomuuteen on kuvan rajallinen koko. Tästä syystä yhteenvetona (1.7) vierekkäisten taajuuskaistojen termien toiminta ilmenee kussakin kaistassa. Tässä tapauksessa jatkuvan kuvan tarkka rekonstruktio tulee yleensä mahdottomaksi. Erityisesti suorakulmaisen suodattimen käyttö ei johda tarkkaan rekonstruointiin.

Optimaalisen kuvan palauttamisen ominaisuus näytteiden välisillä aikaväleillä on kaikkien erillisen kuvan näytteiden käyttäminen menettelyn (1.11) mukaisesti. Tämä ei ole aina kätevää; usein vaaditaan signaalin rekonstruointi lähialueella pienen määrän käytettävissä olevien erillisten arvojen perusteella. Näissä tapauksissa on suositeltavaa soveltaa lähes optimaalista palautusta käyttämällä erilaisia ​​interpolointitoimintoja. Tällainen ongelma syntyy esimerkiksi ratkaistessaan kahden kuvan yhdistämisongelmaa, kun näiden kuvien geometrisen ristiriidan vuoksi käytettävissä olevat lukemat voivat vastata joitain pisteitä, jotka sijaitsevat kuvan solmujen välisillä väleillä muut. Tämän ongelman ratkaisua käsitellään tarkemmin tämän oppaan seuraavissa osissa.

Riisi. 1.3 kuvaa näytteenottovälien vaikutusta kuvan rekonstruointiin. Alkuperäinen kuva, joka on sormenjälki, on esitetty kuvassa. 1.3, a ja yksi sen normalisoidun spektrin osista on esitetty kuviossa. 1.3, b. Tämä kuva on erillinen, ja arvoa käytetään rajataajuutena. Kuten kuviosta 1 ilmenee. 1.3, b, taajuuden arvo tällä taajuudella on vähäinen, mikä takaa korkealaatuisen rekonstruktion. Itse asiassa havaittiin kuviossa. 1.3 Kuva on tulos jatkuvan kuvan palauttamisesta, ja palautussuodattimen rooli on visualisointilaitteella - näytöllä tai tulostimella. Tässä mielessä kuvion 1 kuva. 1.3.a voidaan pitää jatkuvana.

Riisi. 1.3, c, d osoittavat näytteenottovälien väärän valinnan seuraukset. Kun ne saatiin, ”jatkuva” kuvan diskretointi suoritettiin kuviossa. 1.3. Harventamalla näytteitään. Riisi. 1.3, c vastaa näytteenottovaiheen kasvua kullakin koordinaatilla kolmella, ja kuvio. 1,3, d - neljä kertaa. Tämä olisi hyväksyttävää, jos rajataajuuksien arvot olisivat pienemmät yhtä monta kertaa. Itse asiassa, kuten kuviosta näkyy. 1.3, b, vaatimuksia (1.9) on rikottu, erityisesti brutto, kun näytteet desimaalitetaan nelinkertaisesti. Siksi algoritmilla (1.11) rekonstruoidut kuvat eivät vain tarkennusta, vaan myös vääristävät voimakkaasti tulosteen koostumusta.

Kuviossa 1 1.4 esittää samanlaisia ​​tuloksia "muotokuva" -tyyppiselle kuvalle. Voimakkaamman ohenemisen seuraukset (neljä kertaa kuvassa 1.4.c ja kuusi kertaa kuvassa 1.4.d) ilmenevät pääasiassa määritelmän menetyksessä. Subjektiivisesti laadun menetys näyttää olevan vähemmän merkittävä kuin kuvassa. 1.3. Tämä selittyy huomattavasti pienemmällä spektrin leveydellä kuin sormenjälkikuva. Näytteenotto alkuperäisestä kuvasta vastaa rajataajuutta. Kuten kuviosta voidaan nähdä. 1.4.b, tämä arvo on paljon suurempi kuin todellinen arvo. Siksi näytteenottovälin pidentyminen, kuten kuviossa 1 on esitetty. 1.3, c, d, vaikka se huonontaa kuvaa, ei silti johda tuhoisiin seurauksiin kuin edellisessä esimerkissä.

Henkilö pystyy havaitsemaan ja tallentamaan tietoja kuvien muodossa (visuaalinen, ääni, tunto, maku ja haju). Visuaaliset kuvat voidaan tallentaa kuvien muodossa (piirustukset, valokuvat jne.), Ja äänikuvat voidaan tallentaa levyille, magneettinauhoille, laserlevyille ja niin edelleen.

Tiedot, mukaan lukien kuva ja ääni, voidaan esittää analogisessa tai erillisessä muodossa. Analogisella esityksellä fyysinen määrä saa äärettömän joukon arvoja ja sen arvot muuttuvat jatkuvasti. Diskreetissä esityksessä fyysinen määrä ottaa rajallisen arvojoukon ja sen arvo muuttuu äkillisesti.

Esimerkki graafisen tiedon analogisesta esityksestä voi olla esimerkiksi maalauskangas, jonka väri muuttuu jatkuvasti, ja erillinen, kuva, joka on tulostettu mustesuihkutulostimella ja joka koostuu erillisistä eri väreistä. Esimerkki äänitiedon analogisesta tallentamisesta on vinyylilevy (ääniraita muuttaa muotoaan jatkuvasti) ja erillinen ääni -CD (jonka ääniraita sisältää alueita, joilla on erilainen heijastavuus).

Graafisten ja äänitietojen muuntaminen analogisesta erilliseen muotoon suoritetaan näytteenotolla eli jakamalla jatkuva graafinen kuva ja jatkuva (analoginen) audiosignaali erillisiksi elementeiksi. Näytteenottoprosessissa suoritetaan koodaus, eli jokaisen elementin liittäminen tiettyyn arvoon koodin muodossa.

Näytteenotto Onko jatkuvien kuvien ja äänen muuttaminen erillisten arvojen joukkoksi koodien muodossa.

Kuvan koodaus

Graafisia kohteita voidaan luoda ja tallentaa tietokoneellesi kahdella tavalla - miten rasteri tai miten vektori kuva. Jokaiselle kuvatyypille käytetään eri koodausmenetelmää.

Bitmap -koodaus

Rasterikuva on kokoelma eri värejä (pikseliä). Pikseli on kuvan pienin alue, jonka värin voi asettaa itsenäisesti.

Kuvan koodausprosessissa suoritetaan sen paikkanäytteenotto. Kuvan spatiaalista näytteenottoa voidaan verrata kuvan rakentamiseen mosaiikista (suuri määrä pieniä monivärisiä laseja). Kuva on jaettu erillisiin pieniin osiin (pisteisiin), ja kullekin fragmentille annetaan sen värin arvo eli värikoodi (punainen, vihreä, sininen jne.).

Mustavalkoisessa kuvassa yhden pisteen tietomäärä on yhtä bittiä (joko musta tai valkoinen - joko 1 tai 0).

Neljä väriä - 2 bittiä.

8 väriä varten tarvitaan 3 bittiä.

16 väriä, 4 bittiä.

256 väriä - 8 bittiä (1 tavu).

Kuvan laatu riippuu pikselimäärästä (mitä pienempi pistekoko ja vastaavasti mitä suurempi luku, sitä parempi laatu) ja käytettyjen värien määrästä (mitä enemmän värejä, sitä parempi kuva on koodattu).

Värin esittämiseksi numeerisena koodina käytetään kahta toisiinsa päinvastaista värimallia: RGB tai CMYK... RGB -mallia käytetään televisioissa, näytöissä, projektoreissa, skannerissa, digitaalikameroissa ... Tämän mallin päävärit ovat punainen (punainen), vihreä (vihreä), sininen (sininen). CMYK -värimallia käytetään painoteollisuudessa paperille tulostettavien kuvien muodostamiseen.

Värikuvilla voi olla eri värisyvyys, mikä määräytyy pisteen värin koodaamiseen käytettävien bittien lukumäärän mukaan.

Jos koodaamme kuvan yhden pisteen värin kolmella bitillä (yksi bitti kullekin RGB -värille), saamme kaikki kahdeksan eri väriä.

Käytännössä RGB -mallin värikuvan kunkin pisteen värin tietojen tallentamiseksi varataan yleensä 3 tavua (eli 24 bittiä) - 1 tavu (eli 8 bittiä) kunkin komponentin väri -arvolle . Siten jokainen RGB -komponentti voi ottaa arvon välillä 0 - 255 (yhteensä 2 8 = 256 arvoa), ja jokainen kuvan piste, jossa on tällainen koodausjärjestelmä, voidaan värittää jollakin 16 777 216 väristä. Tätä värisarjaa kutsutaan yleensä True Color -väriksi (todelliset värit), koska ihmissilmä ei edelleenkään kykene erottamaan monipuolisuutta.

Jotta kuva voidaan muodostaa monitorin näytölle, tiedot jokaisesta pisteestä (pisteiden värikoodi) on tallennettava tietokoneen videomuistiin. Lasketaan tarvittava videomuistin määrä yhdelle grafiikkatilasta. Nykyaikaisissa tietokoneissa näytön resoluutio on yleensä 1280x1024 pikseliä. Nuo. yhteensä 1280 * 1024 = 1310720 pistettä. Kun värisyvyys on 32 bittiä pisteessä, vaadittava videomuistin määrä on 32 * 1310720 = 41943040 bittiä = 5242880 tavua = 5120 kt = 5 MB.

Bittikartat ovat erittäin herkkiä skaalaus (suurennus tai pienennys). Rasterikuvaa pienennettäessä useat vierekkäiset pisteet muunnetaan yhdeksi, joten kuvan pienten yksityiskohtien erotettavuus menetetään. Kun kuvaa lähennetään, kunkin pisteen koko kasvaa ja näkyviin tulee porrastettu vaikutus, joka näkyy paljaalla silmällä.

Erillisistä elementeistä koostuvia kuvia, joista jokainen voi ottaa vain rajallisen määrän erottavia arvoja, jotka muuttuvat rajallisen ajan kuluessa, kutsutaan diskreteiksi. On korostettava, että erillisen kuvan elementeillä voi yleensä olla epätasa -arvoinen alue ja jokaisella niistä voi olla epätasainen määrä erotettavissa olevia sävyjä.

Kuten ensimmäisessä luvussa esitetään, verkkokalvo lähettää erillisiä kuvia visuaalisen analysaattorin ylempiin osiin.

Niiden näennäinen jatkuvuus on vain yksi näön illuusioista. Tämä alun perin jatkuvien kuvien "kvantisointi" ei määräydy rajoituksista, jotka liittyvät silmän optisen järjestelmän ratkaisukykyyn, eivätkä edes visuaalisen järjestelmän morfologisista rakenteellisista elementeistä, vaan hermoverkkojen toiminnallisesta organisaatiosta.

Kuva on jaettu erillisiin elementteihin vastaanottavilla kentillä, jotka yhdistävät yhden tai toisen määrän valoreseptoreita. Vastaanottavat kentät tuottavat hyödyllisen valosignaalin ensisijaisen eristämisen tila- ja ajallisella summauksella.

Verkkokalvon keskiosa (fovea) on vain kartioiden käytössä; reuna -alueella, fovean ulkopuolella, on sekä kartioita että sauvoja. Pimeänäköolosuhteissa verkkokalvon keskiosassa olevat kartiokentät ovat suunnilleen samankokoisia (noin 5 "kulmamitta). Näiden kenttien lukumäärä foveassa, jonka kulmakoko on noin 90", on noin 200. Päärooli pimeänäkötilanteessa on muilla verkkokalvoilla sijaitsevilla sauvakentillä. Niiden kulmakoko on noin 1 ° koko verkkokalvon pinnalla. Tällaisten kenttien määrä verkkokalvossa on noin 3 000. Verkkokalvon reuna -alueet eivät ainoastaan ​​havaitse, vaan myös tutkivat huonosti valaistuja kohteita näissä olosuhteissa.

Valaistuksen lisääntyessä toinen varastointisolujärjestelmä, kartion vastaanottava kentät, alkaa olla pääroolissa. Foveassa valaistuksen lisääntyminen aiheuttaa tehollisen kenttäarvon asteittaisen pienenemisen, kunnes noin 100 asb: n kirkkaudella se pienenee yhdeksi kartioksi. Reunalla, valaistuksen lisääntyessä, sauvakentät sammuvat vähitellen (estetään) ja kartiokentät alkavat toimia. Reunan kartiokentät, kuten fovealit, kykenevät pienentymään riippuen niistä tulevasta valoenergiasta. Suurin määrä käpyjä, joilla voi olla kartiovastaanottokenttiä kasvavalla valaistuksella, kasvaa keskeltä verkkokalvon reunoille ja 50-60 ° kulmaetäisyydellä keskipisteestä saavuttaa noin 90.

Voidaan laskea, että hyvässä päivänvalossa vastaanottokenttien määrä saavuttaa noin 800 tuhatta arvoa, joka vastaa karkeasti ihmisen näköhermon kuitujen määrää. Kohteiden erottaminen (erottaminen) päiväsaannissa suoritetaan pääasiassa fovea -alueella, jossa vastaanottava kenttä voidaan pienentää yhdeksi kartioksi ja itse kartiot sijaitsevat tiheimmin.

Jos verkkokalvon tallennussolujen lukumäärä voidaan määrittää tyydyttävässä likimääräisessä arvossa, niin tiedot eivät vielä riitä määrittämään vastaanottokenttien mahdollisten tilojen lukumäärää. Vain joitakin arvioita voidaan tehdä vastaanottokenttien erorajojen tutkimuksen perusteella. Kynnyskontrasti foveal -vastaanottoalueilla tietyllä valaistusalueella on luokkaa 1. Erotettavien sävyjen määrä on pieni. Kartio-foveal-vastaanottavan kentän rakenneuudistuksen koko alueella on 8-9 asteikkoa.

Vastaanottoalueen kerääntymisaika - niin kutsuttu kriittinen kesto - määräytyy keskimäärin noin 0,1 sekuntia, mutta korkealla valaistustasolla se voi ilmeisesti vähentyä merkittävästi.

Itse asiassa lähetettyjen kuvien erillistä rakennetta kuvaavan mallin on oltava vielä monimutkaisempi. Vastaanottavan kentän koon, kynnysarvojen ja kriittisen keston välinen suhde sekä visuaalisten kynnysarvojen tilastollinen luonne olisi otettava huomioon. Mutta toistaiseksi tämä ei ole välttämätöntä. Riittää, että kuvamallina esitetään joukko saman alueen elementtejä, joiden kulmamitat ovat pienempiä kuin pienimmän silmän ratkaiseman yksityiskohdan kulmamitat, joiden erotettavien tilojen lukumäärä on suurempi kuin erotettavien kirkkausasteiden enimmäismäärä ja joiden diskreetin muutoksen aika on lyhyempi kuin välkkymisaika kriittisellä välkkymisfrekvenssitaajuudella.

Jos korvaamme ulkoisen maailman todellisten jatkuvien kohteiden kuvat tällaisilla erillisillä kuvilla, silmä ei huomaa korvausta. * Näin ollen tällaiset erilliset kuvat sisältävät vähintään yhtä paljon tietoa kuin visuaalinen järjestelmä havaitsee. **

* Värilliset ja tilavuuskuvat voidaan korvata myös erillisellä mallilla.
** Ongelma jatkuvien kuvien korvaamisesta erillisillä on erittäin tärkeä elokuva- ja televisiotekniikalle. Ajan kvantisointi on tämän tekniikan ydin. Pulssikooditelevisiojärjestelmissä kuva jaetaan myös erillisiin elementteihin ja kvantisoidaan kirkkauden suhteen.