Hình ảnh rời rạc. Xử lý nhanh hơn các hình ảnh kỹ thuật số

Trong chương trước, chúng ta đã nghiên cứu các hệ bất biến không gian tuyến tính trong miền hai chiều liên tục. Trong thực tế, chúng tôi đang xử lý các hình ảnh có kích thước hạn chế và đồng thời được tính trong một tập hợp điểm rời rạc. Do đó, các phương pháp được phát triển cho đến nay cần được điều chỉnh, mở rộng và sửa đổi để chúng cũng có thể được áp dụng trong lĩnh vực này. Một số điểm mới cũng phát sinh cần phải xem xét cẩn thận.

Định lý lấy mẫu cho biết trong những điều kiện nào thì một hình ảnh liên tục có thể được tái tạo chính xác từ một tập giá trị rời rạc. Chúng ta cũng sẽ tìm hiểu điều gì sẽ xảy ra khi các điều kiện về khả năng áp dụng của nó không được đáp ứng. Tất cả những điều này đều liên quan trực tiếp đến sự phát triển của hệ thống thị giác.

Các kỹ thuật yêu cầu chuyển đổi sang miền tần số đã trở nên phổ biến một phần do các thuật toán tính toán nhanh biến đổi Fourier rời rạc. Tuy nhiên, phải cẩn thận vì các phương pháp này giả định rằng có tín hiệu tuần hoàn. Chúng tôi sẽ thảo luận về cách có thể đáp ứng yêu cầu này và vi phạm dẫn đến điều gì.

7.1. Giới hạn kích thước hình ảnh

Trong thực tế, hình ảnh luôn có kích thước hữu hạn. Xét một hình chữ nhật có chiều rộng và chiều cao I. Bây giờ không cần lấy tích phân trong phép biến đổi Fourier trong giới hạn vô hạn:

Điều tò mò là để khôi phục lại chức năng, chúng ta không cần biết ở tất cả các tần số. Biết rằng khi nào là một ràng buộc khó khăn. Nói cách khác, một hàm khác không chỉ trong một vùng giới hạn của mặt phẳng hình ảnh chứa ít thông tin hơn nhiều so với một hàm không có thuộc tính này.

Để xác minh điều này, hãy tưởng tượng rằng mặt phẳng màn hình được bao phủ bởi các bản sao của một hình ảnh nhất định. Nói cách khác, chúng tôi mở rộng hình ảnh của mình thành một hàm tuần hoàn theo cả hai hướng

Đây là số nguyên lớn nhất không vượt quá x. Phép biến đổi Fourier của một ảnh được nhân như vậy có dạng

Sử dụng các yếu tố hội tụ được lựa chọn phù hợp trong bài tập. 7.1 chứng minh rằng

Kể từ đây,

khi nào chúng ta thấy rằng nó bằng 0 ở mọi nơi, ngoại trừ một tập hợp tần số rời rạc Vì vậy, để tìm được nó là đủ để chúng ta biết tại những điểm này. Tuy nhiên, chức năng có được từ một đoạn cắt đơn giản của khu vực dành cho nó. Vì vậy, để khôi phục nó là đủ để chúng ta biết chỉ cho tất cả, đây là một tập hợp các con số có thể đếm được.

Lưu ý rằng sự biến đổi của hàm tuần hoàn là rời rạc. Phép biến đổi nghịch đảo có thể được biểu diễn dưới dạng một chuỗi, vì

Thuật toán nén cung cấp chất lượng hình ảnh rất cao với tỷ lệ nén dữ liệu lớn hơn 25: 1. Hình ảnh 24 bit đầy đủ màu sắc có độ phân giải 640 x 480 pixel (chuẩn VGA) thường yêu cầu RAM video để lưu trữ ...

Biến đổi Wavelet rời rạc- Ví dụ về mức độ 1 của phép biến đổi ảnh wavelet rời rạc. Phía trên là hình ảnh đầy đủ màu sắc ban đầu, ở giữa là sự biến đổi wavelet được thực hiện theo chiều ngang của hình ảnh gốc (chỉ kênh độ sáng), ở phía dưới là wavelet ... ... Wikipedia

RASTER - raster- hình ảnh rời rạc, được biểu diễn dưới dạng ma trận [of] pixel ... Từ điển Kinh doanh Điện tử

đô họa may tinh- trực quan hóa hình ảnh thông tin trên màn hình hiển thị (màn hình). Không giống như tái tạo hình ảnh trên giấy hoặc các phương tiện khác, hình ảnh được tạo ra trên màn hình có thể bị xóa gần như ngay lập tức và / hoặc sửa, nén hoặc kéo dài, ... từ điển bách khoa

raster- Hình ảnh rời rạc được trình bày dưới dạng ma trận điểm ảnh trên màn hình hoặc giấy. Một đường raster được đặc trưng bởi độ phân giải, số lượng pixel trên một đơn vị chiều dài, kích thước, độ sâu màu, v.v. Ví dụ về các kết hợp: mật độ ... ... Hướng dẫn của người phiên dịch kỹ thuật

bàn- ▲ mảng bảng hai chiều mảng hai chiều; ảnh rời rạc của một hàm hai biến; lưới thông tin. ma trận. thời gian biểu. | lập bảng. hàng. hàng. cột. cột. loa. đồ thị. đồ thị. khoanh vùng. ▼ lịch trình ... Từ điển lý tưởng của tiếng Nga

Biến đổi laplace- Phép biến đổi Laplace là phép biến đổi tích phân nối một hàm của một biến phức (ảnh) với một hàm của một biến thực (gốc). Với sự trợ giúp của nó, các thuộc tính của hệ thống động lực học được điều tra và giải quyết ... ... Wikipedia

Biến đổi laplace

Biến đổi Laplace ngược- Phép biến đổi Laplace là phép biến đổi tích phân nối một hàm của một biến phức (ảnh) với một hàm của một biến thực (gốc). Với sự giúp đỡ của nó, các thuộc tính của hệ thống động lực học được điều tra và phân ... Wikipedia

GOST R 52210-2004: Truyền hình quảng bá kỹ thuật số. Điều khoản và Định nghĩa- Thuật ngữ GOST R 52210 2004: Truyền hình quảng bá kỹ thuật số. Thuật ngữ và định nghĩa Tài liệu gốc: 90 (TV) Bộ tách kênh: Một thiết bị được thiết kế để tách các luồng dữ liệu kết hợp của truyền hình kỹ thuật số ... ... Sách tham khảo từ điển về thuật ngữ của tài liệu quy chuẩn và kỹ thuật

Nén video- (Tiếng Anh Video nén) giảm lượng dữ liệu được sử dụng để thể hiện một luồng video. Nén video cho phép bạn giảm hiệu quả luồng cần thiết để truyền video qua các kênh phát sóng, giảm dung lượng, ... ... Wikipedia

Thay thế một hình ảnh liên tục bằng một hình ảnh rời rạc có thể được thực hiện theo nhiều cách khác nhau. Ví dụ, có thể chọn bất kỳ hệ thống các hàm trực giao nào và sau khi đã tính toán các hệ số của biểu diễn ảnh theo hệ thống này (theo cơ sở này), thay thế ảnh bằng chúng. Sự đa dạng của các cơ sở làm cho nó có thể tạo ra các biểu diễn rời rạc khác nhau của một hình ảnh liên tục. Tuy nhiên, phổ biến nhất là lấy mẫu định kỳ, cụ thể như đã đề cập ở trên, lấy mẫu bằng thước quét hình chữ nhật. Phương pháp lấy mẫu như vậy có thể được coi là một trong những lựa chọn để sử dụng cơ sở trực giao sử dụng các hàm chuyển dịch làm phần tử của nó. Nói chung, sau đây, chúng ta sẽ xem xét chi tiết các đặc điểm chính của lấy mẫu hình chữ nhật.

Giả sử là một hình ảnh liên tục, và một hình ảnh rời rạc tương ứng với nó, thu được từ một hình ảnh liên tục bằng cách rời rạc hóa hình chữ nhật. Điều này có nghĩa là mối quan hệ giữa chúng được xác định bởi biểu thức:

tương ứng là các bước dọc và ngang hoặc khoảng lấy mẫu. Hình 1.1 minh họa vị trí của các mẫu trên một mặt phẳng để lấy mẫu hình chữ nhật.

Câu hỏi chính đặt ra khi thay thế một hình ảnh liên tục bằng một hình ảnh rời rạc là xác định các điều kiện mà sự thay thế đó hoàn thành, tức là không kèm theo mất thông tin chứa trong tín hiệu liên tục. Không có tổn thất nào nếu, với một tín hiệu rời rạc, có thể khôi phục một tín hiệu liên tục. Do đó, từ quan điểm toán học, câu hỏi đặt ra là khôi phục một tín hiệu liên tục trong khoảng hai chiều giữa các nút mà giá trị của nó được biết đến, hay nói cách khác, trong việc thực hiện nội suy hai chiều. Câu hỏi này có thể được trả lời bằng cách phân tích các đặc tính quang phổ của ảnh liên tục và rời rạc.

Phổ tần số liên tục hai chiều của tín hiệu liên tục được xác định bằng phép biến đổi Fourier trực tiếp hai chiều:

tương ứng với phép biến đổi Fourier liên tục nghịch đảo hai chiều:

Mối quan hệ cuối cùng đúng với bất kỳ giá trị nào, kể cả ở các nút của mạng hình chữ nhật ... Do đó, đối với các giá trị tín hiệu tại các nút, có tính đến (1.1), quan hệ (1.3) có thể được viết dưới dạng:

Để ngắn gọn, chúng ta biểu thị bằng một tiết diện hình chữ nhật trong miền tần số hai chiều. Việc tính tích phân trong (1.4) trên toàn bộ miền tần số có thể được thay thế bằng tích phân trên các phần riêng lẻ và tính tổng các kết quả:

Thay đổi các biến theo quy tắc, chúng tôi đạt được sự độc lập của khu vực tích hợp khỏi các con số và:

Nó được tính đến ở đây rằng cho bất kỳ giá trị số nguyên nào và. Biểu thức này rất gần với dạng biến đổi Fourier ngược. Sự khác biệt duy nhất là dạng sai của thừa số mũ. Để cung cấp cho nó ở dạng bắt buộc, chúng tôi giới thiệu các tần số chuẩn hóa và thay đổi các biến cho phù hợp. Kết quả là, chúng tôi nhận được:

Bây giờ biểu thức (1.5) có dạng của phép biến đổi Fourier ngược, do đó, hàm dưới dấu tích phân

(1.6)

là một phổ hai chiều của một hình ảnh rời rạc. Trong bình diện của các tần số không chuẩn hóa, biểu thức (1.6) có dạng:

(1.7)

Từ (1.7), phổ hai chiều của một hình ảnh rời rạc là hình chữ nhật tuần hoàn với các chu kỳ và dọc theo các trục tần số và tương ứng. Quang phổ của một hình ảnh rời rạc được hình thành là kết quả của sự tổng hợp vô số phổ của một hình ảnh liên tục khác nhau về sự thay đổi tần số và. Hình 1.2 thể hiện một cách định tính mối quan hệ giữa phổ hai chiều của ảnh liên tục (Hình 1.2.a) và ảnh rời rạc (Hình 1.2.b).

Kết quả của việc tổng kết về cơ bản phụ thuộc vào các giá trị của những dịch chuyển tần số này, hay nói cách khác, vào sự lựa chọn các khoảng lấy mẫu. Chúng ta hãy giả sử rằng phổ của một hình ảnh liên tục là khác không trong một vùng hai chiều nào đó trong vùng lân cận của tần số 0, tức là nó được mô tả bởi một hàm hữu hạn hai chiều. Nếu, trong trường hợp này, các khoảng thời gian lấy mẫu được chọn sao cho cho ,, thì sự chồng chất của các nhánh riêng biệt trong quá trình hình thành tổng (1.7) sẽ không xảy ra. Do đó, trong mỗi khu vực hình chữ nhật, chỉ có một số hạng khác 0. Đặc biệt, đối với chúng tôi có:

tại , . (1.8)

Do đó, trong miền tần số, phổ của các hình ảnh liên tục và rời rạc trùng khớp đến một hệ số không đổi. Trong trường hợp này, phổ của ảnh rời rạc trong miền tần số này chứa thông tin đầy đủ về phổ của ảnh liên tục. Chúng tôi nhấn mạnh rằng sự trùng hợp này chỉ diễn ra trong các điều kiện quy định được xác định bởi sự lựa chọn tốt của khoảng thời gian lấy mẫu. Lưu ý rằng việc đáp ứng các điều kiện này, theo (1.8), đạt được ở các giá trị đủ nhỏ của các khoảng lấy mẫu, các giá trị này phải thỏa mãn các yêu cầu:

trong đó là các tần số cắt của quang phổ hai chiều.

Quan hệ (1.8) xác định một phương pháp để có được một hình ảnh liên tục từ một hình ảnh rời rạc. Để làm điều này, chỉ cần thực hiện lọc hai chiều của một hình ảnh rời rạc bằng bộ lọc thông thấp có đáp ứng tần số

Phổ của hình ảnh ở đầu ra của nó chỉ chứa các thành phần khác không trong miền tần số và bằng với phổ của hình ảnh liên tục, theo (1.8). Điều này có nghĩa là hình ảnh ở đầu ra của bộ lọc thông thấp lý tưởng giống như.

Do đó, việc tái tạo nội suy lý tưởng của một hình ảnh liên tục được thực hiện bằng cách sử dụng bộ lọc hai chiều với đáp ứng tần số hình chữ nhật (1.10). Không khó để viết ra một cách rõ ràng thuật toán khôi phục một hình ảnh liên tục. Đáp ứng xung hai chiều của bộ lọc tái tạo, có thể dễ dàng thu được bằng cách sử dụng biến đổi Fourier ngược của (1.10), có dạng:

.

Sản phẩm bộ lọc có thể được xác định bằng cách sử dụng tích chập 2D của hình ảnh đầu vào và một phản ứng xung nhất định. Bằng cách biểu diễn hình ảnh đầu vào dưới dạng một chuỗi-chức năng hai chiều

sau khi thực hiện phép chập, chúng tôi thấy:

Mối quan hệ kết quả chỉ ra một phương pháp để tái tạo nội suy chính xác của một hình ảnh liên tục từ một chuỗi các mẫu hai chiều đã biết của nó. Theo biểu thức này, để tái tạo chính xác trong vai trò của các hàm nội suy, nên sử dụng các hàm hai chiều của biểu mẫu. Quan hệ (1.11) là một phiên bản hai chiều của định lý Kotelnikov-Nyquist.

Chúng ta hãy nhấn mạnh lại rằng những kết quả này có giá trị nếu phổ hai chiều của tín hiệu là hữu hạn và khoảng thời gian lấy mẫu đủ nhỏ. Hiệu lực của các kết luận rút ra bị vi phạm nếu ít nhất một trong các điều kiện này không được đáp ứng. Hình ảnh thực hiếm khi có quang phổ với tần số cắt rõ rệt. Một trong những lý do dẫn đến tính không liên kết của quang phổ là kích thước hạn chế của hình ảnh. Do đó, khi tính tổng trong (1.7), hành động của các số hạng từ các dải quang phổ lân cận sẽ xuất hiện trong mỗi dải. Trong trường hợp này, việc tái tạo chính xác một hình ảnh liên tục nói chung là không thể. Đặc biệt, việc sử dụng bộ lọc hình chữ nhật không dẫn đến việc tái tạo chính xác.

Một tính năng của việc tái tạo hình ảnh tối ưu trong khoảng thời gian giữa các mẫu là việc sử dụng tất cả các mẫu của một hình ảnh rời rạc, theo quy định của quy trình (1.11). Điều này không phải lúc nào cũng thuận tiện; nó thường được yêu cầu tái tạo lại tín hiệu trong khu vực cục bộ, dựa trên một số lượng nhỏ các giá trị rời rạc có sẵn. Trong những trường hợp này, nên áp dụng phục hồi gần như tối ưu bằng cách sử dụng các hàm nội suy khác nhau. Loại vấn đề này nảy sinh, ví dụ, khi giải bài toán liên kết hai hình ảnh, khi do sự không khớp về hình học của những hình ảnh này, số đọc sẵn có của một trong số chúng có thể tương ứng với một số điểm nằm trong khoảng giữa các nút của khác. Giải pháp cho vấn đề này được thảo luận chi tiết hơn trong các phần tiếp theo của sách hướng dẫn này.

Lúa gạo. 1.3 minh họa ảnh hưởng của các khoảng lấy mẫu đối với việc tái tạo hình ảnh. Hình ảnh ban đầu, là một dấu vân tay, được hiển thị trong Hình. 1.3, a, và một trong các phần của phổ chuẩn hóa của nó được hiển thị trong Hình. 1.3, b. Hình ảnh này là rời rạc và giá trị được sử dụng làm tần số cắt. Như sau từ Hình. 1.3, b, giá trị của phổ ở tần số này là không đáng kể, đảm bảo khôi phục chất lượng cao. Như một vấn đề của thực tế, quan sát trong Hình. 1.3. Hình ảnh là kết quả của việc khôi phục một hình ảnh liên tục và vai trò của bộ lọc khôi phục được thực hiện bởi thiết bị trực quan - màn hình hoặc máy in. Theo nghĩa này, hình ảnh của Fig. 1.3.a có thể được coi là liên tục.

Lúa gạo. 1.3, c, d cho thấy hậu quả của việc lựa chọn sai khoảng thời gian lấy mẫu. Khi chúng thu được, việc tùy chỉnh hình ảnh "liên tục" được thực hiện trong Hình. 1.3.а bằng cách làm mỏng các mẫu của nó. Lúa gạo. 1,3, c tương ứng với sự gia tăng bước lấy mẫu cho mỗi tọa độ lên ba, và Hình. 1,3, d - bốn lần. Điều này có thể chấp nhận được nếu các giá trị của tần số cắt thấp hơn cùng một số lần. Trên thực tế, như có thể thấy từ Hình. 1.3, b, có sự vi phạm các yêu cầu (1.9), đặc biệt là tổng với số mẫu gấp bốn lần. Do đó, các hình ảnh được tái tạo bằng thuật toán (1.11) không chỉ bị mất nét mà còn làm sai lệch kết cấu của bản in một cách mạnh mẽ.

Trong bộ lễ phục. 1.4 cho thấy một loạt các kết quả tương tự thu được đối với hình ảnh thuộc loại "chân dung". Hậu quả của việc làm mỏng mạnh hơn (bốn lần trong Hình 1.4.c và sáu lần trong Hình 1.4.d) được biểu hiện chủ yếu ở việc mất định nghĩa. Về mặt chủ quan, tổn thất chất lượng dường như ít đáng kể hơn trong Hình. 1.3. Điều này được giải thích là do độ rộng quang phổ nhỏ hơn đáng kể so với hình ảnh dấu vân tay. Lấy mẫu ảnh gốc tương ứng với tần số cắt. Như có thể thấy từ Hình. 1.4.b, giá trị này cao hơn nhiều so với giá trị thực. Do đó, khoảng thời gian lấy mẫu tăng lên, được minh họa trong Hình. 1.3, c, d, mặc dù nó làm xấu bức tranh, nhưng vẫn không dẫn đến những hậu quả phá hoại như trong ví dụ trước.

Một người có thể nhận thức và lưu trữ thông tin dưới dạng hình ảnh (thị giác, âm thanh, xúc giác, xúc giác và khứu giác). Hình ảnh trực quan có thể được lưu dưới dạng hình ảnh (hình vẽ, ảnh chụp, v.v.), và hình ảnh âm thanh có thể được ghi lại trên hồ sơ, băng từ, đĩa laze, v.v.

Thông tin, bao gồm hình ảnh và âm thanh, có thể được trình bày dưới dạng tương tự hoặc rời rạc. Với biểu diễn tương tự, một đại lượng vật lý nhận một tập giá trị vô hạn và các giá trị của nó thay đổi liên tục. Với cách biểu diễn rời rạc, một đại lượng vật lý nhận một tập giá trị hữu hạn và giá trị của nó thay đổi đột ngột.

Ví dụ về biểu diễn tương tự của thông tin đồ họa có thể là, ví dụ, một bức tranh vẽ, màu sắc của nó thay đổi liên tục và một bức ảnh rời rạc - một hình ảnh được in bằng máy in phun và bao gồm các chấm riêng biệt có màu sắc khác nhau. Một ví dụ về lưu trữ thông tin âm thanh dạng analog là bản ghi vinyl (bản âm thanh thay đổi hình dạng liên tục) và bản ghi rời là CD âm thanh (bản âm thanh chứa các vùng có hệ số phản xạ khác nhau).

Việc chuyển đổi thông tin đồ họa và âm thanh từ dạng tương tự sang dạng rời được thực hiện bằng cách lấy mẫu, tức là chia hình ảnh đồ họa liên tục và tín hiệu âm thanh liên tục (tương tự) thành các phần tử riêng biệt. Trong quá trình lấy mẫu, mã hóa được thực hiện, nghĩa là, việc gán mỗi phần tử cho một giá trị cụ thể dưới dạng mã.

Lấy mẫu Là sự biến đổi hình ảnh và âm thanh liên tục thành một tập hợp các giá trị rời rạc dưới dạng mã.

Mã hóa hình ảnh

Có hai cách để tạo và lưu trữ các đối tượng đồ họa trên máy tính của bạn - cách raster hoặc thế nào vectơ hình ảnh. Đối với mỗi loại hình ảnh, một phương pháp mã hóa khác nhau được sử dụng.

Mã hóa bitmap

Hình ảnh raster là một tập hợp các chấm (pixel) có màu sắc khác nhau. Pixel là vùng nhỏ nhất của hình ảnh, màu sắc có thể được đặt độc lập.

Trong quá trình mã hóa hình ảnh, việc lấy mẫu không gian của nó được thực hiện. Lấy mẫu không gian của một hình ảnh có thể được so sánh với việc xây dựng một hình ảnh từ một bức tranh ghép (một số lượng lớn các kính nhỏ nhiều màu). Hình ảnh được chia thành các mảnh nhỏ riêng biệt (chấm) và mỗi mảnh được gán một giá trị cho màu của nó, tức là mã màu (đỏ, lục, lam, v.v.).

Đối với hình ảnh đen trắng, khối lượng thông tin của một điểm bằng một bit (đen hoặc trắng - 1 hoặc 0).

Đối với bốn màu - 2 bit.

Đối với 8 màu, 3 bit là bắt buộc.

Đối với 16 màu, 4 bit.

Đối với 256 màu - 8 bit (1 byte).

Chất lượng hình ảnh phụ thuộc vào số lượng chấm (kích thước chấm càng nhỏ và theo đó, số lượng càng lớn thì chất lượng càng tốt) và số lượng màu sắc được sử dụng (càng nhiều màu, hình ảnh càng được mã hóa tốt).

Để biểu diễn một màu dưới dạng mã số, hai mô hình màu nghịch đảo với nhau được sử dụng: RGB hoặc CMYK... Mô hình RGB được sử dụng trong TV, màn hình, máy chiếu, máy quét, máy ảnh kỹ thuật số ... Màu sắc chính trong mô hình này là đỏ (Red), xanh lá cây (Green), xanh lam (Blue). Mô hình màu CMYK được sử dụng trong ngành công nghiệp in ấn để tạo hình ảnh dùng để in trên giấy.

Hình ảnh màu có thể có độ sâu màu khác nhau, được xác định bằng số bit được sử dụng để mã hóa màu của một điểm.

Nếu chúng ta mã hóa màu của một điểm trong hình ảnh bằng ba bit (một bit cho mỗi màu RGB), thì chúng ta nhận được tất cả tám màu khác nhau.

Trong thực tế, để lưu trữ thông tin về màu của mỗi điểm của ảnh màu trong mô hình RGB, 3 byte (nghĩa là 24 bit) thường được phân bổ - 1 byte (nghĩa là 8 bit) cho giá trị màu của mỗi thành phần . Do đó, mỗi thành phần RGB có thể nhận một giá trị trong phạm vi từ 0 đến 255 (tổng 2 8 = 256 giá trị) và mỗi điểm của hình ảnh, với hệ thống mã hóa như vậy, có thể được tô màu bằng một trong 16 777 216 màu. Bộ màu này thường được gọi là True Color, vì mắt người vẫn chưa thể phân biệt được nhiều loại hơn.

Để tạo thành một hình ảnh trên màn hình điều khiển, thông tin về mỗi điểm (mã màu điểm) phải được lưu trữ trong bộ nhớ video của máy tính. Hãy tính toán lượng bộ nhớ video cần thiết cho một trong các chế độ đồ họa. Trong các máy tính hiện đại, độ phân giải màn hình thường là 1280x1024 pixel. Những thứ kia. tổng 1280 * 1024 = 1310720 điểm. Với độ sâu màu là 32 bit mỗi điểm, dung lượng bộ nhớ video cần thiết là 32 * 1310720 = 41943040 bit = 5242880 byte = 5120 KB = 5 MB.

Bitmap rất nhạy cảm với việc chia tỷ lệ (phóng to hoặc thu nhỏ). Khi giảm hình ảnh raster, một số điểm lân cận được chuyển thành một, do đó, khả năng phân biệt các chi tiết nhỏ của hình ảnh bị mất. Khi hình ảnh được phóng to, kích thước của mỗi chấm tăng lên và hiệu ứng bước sẽ xuất hiện có thể nhìn thấy bằng mắt thường.

Hình ảnh bao gồm các phần tử rời rạc, mỗi phần tử chỉ có thể nhận một số hữu hạn các giá trị có thể phân biệt được thay đổi trong một thời gian hữu hạn, được gọi là rời rạc. Cần nhấn mạnh rằng các phần tử của một hình ảnh rời rạc, nói chung, có thể có diện tích không bằng nhau và mỗi phần tử trong số chúng có thể có số lượng phân cấp phân biệt không bằng nhau.

Như đã trình bày trong chương đầu tiên, võng mạc truyền các hình ảnh rời rạc đến các phần cao hơn của máy phân tích thị giác.

Sự liên tục rõ ràng của chúng chỉ là một trong những ảo ảnh của thị giác. Việc "lượng tử hóa" các hình ảnh liên tục ban đầu này không được xác định bởi những hạn chế liên quan đến khả năng phân giải của hệ thống quang học của mắt và thậm chí không phải bởi các yếu tố cấu trúc hình thái của hệ thống thị giác, mà bởi tổ chức chức năng của mạng thần kinh.

Hình ảnh được chia thành các phần tử rời rạc bởi các trường tiếp nhận kết hợp một số cơ quan thụ cảm cụ thể. Các trường tiếp nhận tạo ra sự cô lập chính của tín hiệu ánh sáng hữu ích bằng tổng hợp không gian và thời gian.

Phần trung tâm của võng mạc (fovea) chỉ được chiếm bởi các tế bào hình nón; ở ngoại vi, bên ngoài fovea, có cả tế bào hình nón và hình que. Trong điều kiện nhìn ban đêm, các trường hình nón ở phần trung tâm của võng mạc có kích thước xấp xỉ bằng nhau (khoảng 5 "tính theo góc). 200. Vai trò chính trong điều kiện nhìn ban đêm được thực hiện bởi các trường que chiếm phần còn lại của võng mạc. Chúng có kích thước góc khoảng 1 ° trên toàn bộ bề mặt của võng mạc. Số lượng các trường như vậy trong võng mạc là khoảng 3 nghìn. Không chỉ phát hiện, mà còn thực hiện việc kiểm tra các đối tượng được chiếu sáng kém trong những điều kiện này được thực hiện bởi các vùng ngoại vi của võng mạc.

Với sự gia tăng độ chiếu sáng, một hệ thống ô lưu trữ khác, trường tiếp nhận hình nón, bắt đầu đóng vai trò chính. Trong fovea, sự gia tăng độ chiếu sáng làm giảm dần giá trị trường hiệu dụng cho đến khi, ở độ sáng khoảng 100 asb, nó giảm xuống một hình nón. Ở vùng ngoại vi, với sự gia tăng độ chiếu sáng, trường hình que dần dần tắt (bị ức chế) và trường hình nón bắt đầu hoạt động. Các trường hình nón ở ngoại vi, giống như trường hình nón, có khả năng giảm tùy thuộc vào năng lượng ánh sáng chiếu vào chúng. Số lượng tế bào hình nón lớn nhất, có thể có trường tiếp nhận hình nón với độ chiếu sáng tăng dần, phát triển từ trung tâm đến các cạnh của võng mạc và ở khoảng cách góc 50-60 ° từ trung tâm đạt khoảng 90.

Có thể tính toán rằng trong điều kiện ánh sáng ban ngày tốt, số lượng trường tiếp nhận đạt khoảng 800 nghìn, giá trị này gần tương ứng với số lượng sợi trong dây thần kinh thị giác của con người. Sự phân biệt (độ phân giải) của các đối tượng trong tầm nhìn ban ngày được thực hiện chủ yếu bởi fovea, nơi trường tiếp nhận có thể giảm xuống một hình nón và bản thân các hình nón nằm ở vị trí dày đặc nhất.

Nếu số lượng tế bào lưu trữ của võng mạc có thể được xác định một cách gần đúng thỏa đáng, thì vẫn chưa đủ dữ liệu để xác định số lượng trạng thái có thể có của các trường tiếp nhận. Chỉ một số ước tính có thể được thực hiện dựa trên nghiên cứu về các ngưỡng khác biệt của các trường tiếp nhận. Độ tương phản ngưỡng trong các trường tiếp nhận của foveal trong một phạm vi chiếu sáng làm việc nhất định là bậc 1. Số lượng phân cấp có thể phân biệt được là nhỏ. Trong toàn bộ phạm vi tái cấu trúc của lĩnh vực tiếp thu foveal hình nón, có 8-9 cấp độ.

Khoảng thời gian tích lũy trong trường tiếp nhận - cái gọi là thời lượng tới hạn - được xác định trung bình khoảng 0,1 giây, nhưng ở mức độ chiếu sáng cao, nó dường như có thể giảm đáng kể.

Trên thực tế, mô hình mô tả cấu trúc rời rạc của các hình ảnh được truyền đi còn phải phức tạp hơn. Mối quan hệ giữa kích thước của trường tiếp nhận, các ngưỡng và thời lượng quan trọng cần được tính đến, cũng như bản chất thống kê của các ngưỡng trực quan. Nhưng cho đến nay, điều này là không cần thiết. Nó đủ để biểu diễn dưới dạng mô hình của hình ảnh một tập hợp các phần tử có cùng diện tích, kích thước góc của chúng nhỏ hơn kích thước góc của chi tiết nhỏ nhất mà mắt phân biệt được, số trạng thái có thể phân biệt của chúng lớn hơn số lượng phân cấp độ sáng tối đa có thể phân biệt được và thời gian thay đổi rời rạc của chúng nhỏ hơn khoảng thời gian nhấp nháy ở tần số hợp nhất nhấp nháy quan trọng.

Nếu chúng ta thay thế hình ảnh của các vật thể liên tục thực của thế giới bên ngoài bằng những hình ảnh rời rạc như vậy, mắt sẽ không nhận thấy sự thay thế. **

* Hình ảnh màu sắc và thể tích cũng có thể được thay thế bằng một mô hình rời rạc.
** Vấn đề thay thế hình ảnh liên tục bằng hình ảnh rời có tầm quan trọng lớn đối với công nghệ điện ảnh và truyền hình. Lượng tử hóa thời gian là trọng tâm của kỹ thuật này. Trong hệ thống truyền hình mã xung, hình ảnh cũng được chia thành các phần tử rời rạc và được lượng tử hóa về độ sáng.