НАСЫЩЕННОСТЬ ЦВЕТА, КОНТРАСТ НАСЫЩЕННОСТЕЙ И ПЕРЕНОСИМАЯ ИМИ ИЗОБРАЗИТЕЛЬНАЯ ИНФОРМАЦИЯ

Введение

Преамбулу о соприкосновении разрабатываемых в статье вопросов с традиционно очерченными областями научного поиска изложим тезисно по материалам работы [1]. Теоретически – в перцепционном рассмотрении – всю изобразительную информацию можно охватить лишь двумя разновидностями: цветовой и формной. Но цветовая в аналитических приложениях компьютерной графики бывает востребована нечасто (либо эпизодически, либо локально) в силу ограничений, накладываемых известными особенностями, свойственными человеческому восприятию цвета, – ущербности его непосредственной оценки, то есть потребности сравнения с мерой цвета [2], и цветовой константности [3]. Напротив, формная изобразительная информация в задачах анализа востребуется повсеместно. В пользу столь категоричного утверждения свидетельствует характерный пример из сферы криминалистики – идентификация отпечатков пальцев производится по признаку формы папиллярных линий, но не по признаку их цвета [4]. А распознавание сугубо по цвету присуще только весьма редко встречающимся среди многочисленных графических приложений случаям, когда дело касается сигнальной изобразительной информации.

Если исключить экзотический – тактильный – канал переноса формной информации, то исходным для восприятия формы остаётся зрительное ощущение контура. А контур прочерчивается границей раздела. В глазу граница раздела отображается контрастом соседствующих полей: интересующего наблюдателя фрагмента и фона.

У изобразительного контраста в его перцепционном рассмотрении принято различать яркостную и цветовую составляющие. Последнюю же – опираясь на восходящую к законам Грасмана методологию построения цветовых пространств – предполагается дифференцировать на контраст оттенков и контраст насыщенностей. Это впоследствии приводит к понятию контрастного анализа, поскольку каждый из классифицируемых таким – перцепционным – образом контрастов в превалирующей степени обусловлен соответствующим ему изобразительным фактором:

- подсветкой (контраст яркостей),

- окраской (контраст оттенков),

- загрязнением (контраст насыщенностей).

В подтверждение сформулированного тезиса сошлёмся на результаты, полученные в ходе проведения масштабного исследования потожировых загрязнений применительно к бумажным объектам [5]:

1. Распределения пикселей по оттенкам и насыщенностям, как у отдельных образцов, так и усреднённые по большой выборке, – практически гауссовы. Это подтверждает достоверность статистических данных о разбросе средних оттенков и насыщенностей пикселей по образцам.

2. Разбросы, в свою очередь, говорят о том, что при загрязнении оттенок цвета почти не изменяется. В среднем вдесятеро сильнее, чем оттенок, прирастает насыщенность цвета загрязнённого образца. И экспериментальным фактам можно поставить в соответствие известные физические (оптика) механизмы.

Таким образом, теперь представляется возможным обосновать предметную область настоящей статьи, отражённую в её названии, и, переходя от обзорной к оригинальной части резюмировать:

- насыщенность – это носитель мало актуальной в экспертных приложениях цифровой графики цветовой изобразительной информации;

- контраст насыщенностей – это носитель исключительно актуальной в приложениях формной изобразительной информации.

В изображениях, да и в пространстве предметов тоже, упомянутый ранее отпечаток пальца есть типичное загрязнение (тем более, – то же самое потожировое, что и на банкнотах [5]). Это значит, что проявляться визуально он должен именно контрастом насыщенностей, в чём легко убедиться, если внимательно разглядывать рис. 1 слева при достаточно большом увеличении.

Рис. 1. Отпечаток: слева – исходное изображение, справа – результат обработки.

Как видим, насыщенность цвета у папиллярных линий отличается от насыщенности цвета у фона на ≈10%, в то время, как оттенки цвета у папиллярных линий и у фона, получается, практически одинаковы (оценка их разницы сопоставима с обусловленной 8-битной дискретизацией RGB-координат погрешностью определения оттенка). Вопрос о соотношении яркостей цвета у папиллярных линий и фона здесь не затрагивается, поскольку в своей визуальной ипостаси оценка яркости отягощается необходимостью учёта физиологических эффектов Кольрауша-Гельмгольца и Ханта [3] и, возможно, их взаимодействия. Тем более, что предметом изучения в настоящей работе изначально определены насыщенность цвета и контраст насыщенностей, а отнюдь не яркость и не контраст яркостей, – эти атрибуты изображения уже были детализированы прежде – см. серию статей [6, 7, 8, 9].

Но на практике контраст насыщенностей может оказаться намного меньшим 10% и, как результат, незаметным на глаз. Если необходимо визуализировать форму загрязнения, контраст насыщенностей средствами компьютерной графики усиливают, например, пропорционально увеличивая насыщенность у каждого пикселя. При этом разность насыщенностей любой пары пикселей изображения растёт ровно во столько же раз (а разность насыщенностей и есть искомый контраст по определению: не надо путать с контрастностью – отношением величин). Усиление слишком слабого для глаз человека контраста производится оператором вплоть до получения явно видимого результата, как это продемонстрировано на рис. 1 справа, или – что насущно для криминалистики – отсутствия такового.

Проиллюстрированная рис. 1 обработка была выполнена в наиболее распространённом программном пакете PhotoShop CS5 путём увеличения насыщенности (программный инструмент <Saturation>) всех пикселей изображения до значения +55. Как следствие, насыщенность цвета папиллярных линий стала отличаться от насыщенности цвета фона приблизительно вдвое сильнее, чем было исходно. Достигаемый таким приёмом двукратный рост контраста насыщенностей уже позволяет проводить исследование особенностей отпечатка визуально без каких либо дополнительных манипуляций с полученным изображением. Оговоримся сразу, авторы не претендуют на то, что рис. 1 демонстрирует наилучший возможный результат: все программы работают по-разному, и PhotoShop CS5 – совсем не панацея, просто для данного исходного изображения он вполне приемлем.

Цель работы

Собственно, поиску ответов на вопросы типа “А для других исходных изображений?”, “Насколько приемлем?”, “Можно ли сделать лучше?”, – список можно продолжить – и посвящено предстоящее исследование.

В таком аспекте, цель настоящей работы можно обобщить следующей формулировкой: ревизия средств и методов повышения информативности изображений штатными инструментами из номенклатуры современного программного обеспечения (ПО) и разработка новых. Для достижения этой цели в части загрязнения отображаемых на экране монитора объектов экспертизы по-видимому необходимо (но, априори, не факт, что достаточно) решить следующие задачи:

1. Изучить работу инструментов управления насыщенностью.

2. Выявить пути систематического управления контрастом насыщенностей.

Сегодня не будет слишком большой ошибкой применять термин изображение лишь к результатам фотографирования, TV-регистрации, сканирования, …, сохраняемым на электронных носителях, как в аналоговой, так и в цифровой форме.

Материал исследования

Работа проводилась с достаточно представительной выборкой программного продукта практически всех существующих форм правового статуса современного графического ПО, начиная с собственности международных корпораций (Sun, Microsoft, Adobe, Nikon, Corel) вплоть до индивидуальных разработчиков и открытых лицензий (GIMP, Paint.NET); – имея в виду программный продукт, сведения, характеризующие разброс стран-изготовителей, приводить не имеет смысла. В выборку вошли и инсталлируемые, и портативные, и on-line программы. Перечень, включающий 24 подлежащих исследованию программных пакета, размещён в таблице. В ней сразу же проставлены и результирующие числовые данные.

Заранее оговоримся, что вопрос вариации насыщенности или контраста насыщенностей в цв. модели Lab выходит за рамки настоящей статьи подобно тому как цветовая координатная система Lab выходит за рамки цветовой координатной системы RGB, тогда как в RGB-координатах сегодня хранится подавляющее большинство цифровых изображений.

Кроме того,
необходимо пояснить, что конкретизация цв. модели в таблице ниже подразумевает не только и не столько указание на опцию программного пакета (а, надо заметить, разработчики графического ПО не слишком утруждают себя вопросами стандартизации интерфейса в части обозначений, не говоря уж о качестве перевода, если таковой имеет место вообще), сколько используемую в этом пакете формулу для вычисления насыщенности при проведении преобразований с помощью инструмента <Saturation>.

В соответствии с поставленными задачами таблицей раздельно отражаются свойства уже реализованных преобразований самой насыщенности и оценки достигнутого на сегодня уровня программной реализации всевозможных путей управления контрастом насыщенностей.

Методы исследования

Во-первых, суть эксперимента. Это апробация инструментов <Saturation> приведённого в таблице ПО на одном и том же изображении (тест-объекте). Использовавшийся тест-объект демонстрируется рис. 2. Он представляет собой квадратное поле, насыщенность окраски левой половины которого составляет 32% (в цв. модели HSV) или 19% (в цв. модели HSL); правой – 16% (в цв. модели HSV) или 9% (в цв. модели HSL).

Рис. 2. Тест-объект.

Насыщенность тест-объекта варьировалась тем или иным инструментом <Saturation> во всём возможном диапазоне его действия с минимально допустимым шагом, после чего измерялись RGB-координаты полей и по формуле

S=[Max(RGB)-Min(RGB)]/Max(RGB)

вычислялись получившиеся значения насыщенности каждого. Выбор математического выражения, присущего цв. модели HSV, был обусловлен следующими соображениями.

Аналогичная формула

S=[Max(RGB)–Min(RGB)]/[Max(RGB)+Min(RGB)],

если [Max(RGB)+Min(RGB)]≤Sup(RGB),

или

S=[Max(RGB)-Min(RGB)]/ 2Sup(RGB)–[Max(RGB)+Min(RGB)],

если [Max(RGB)+Min(RGB)]>Sup(RGB),

в цв. модели HSL [10] не вполне адекватно описывает насыщенность (и, как следствие, контраст насыщенности). Здесь под неадекватностью следует понимать противоречие визуального представления насыщенности его математическому представлению.

Но теоретическое разрешение вопросов о корректности аналитического описания насыщенности для целей контрастирования требует весьма протяжённых выкладок (вероятно, они будут опубликованы отдельной работой). Поэтому в настоящей статье ограничимся иллюстративным аргументом. Действительно, о каком управлении контрастом насыщенности можно говорить, если шкала насыщенностей (по визуальной оценке – от белого R=254 G=255 B=254 до чисто зелёного R=0 G=255 B=0 цвета – см. рис. 4) в цв. модели HSL описывается одним единственным значением S=100%? Ведь тогда все контрасты между стопроцентными насыщенностями будут нулевыми! А у альтернативной цв. модели HSV значения насыщенности по шкале, изображённой на рис. 4, плавно растут снизу вверх, и соответствующие контрасты очень даже значимы.

С точки зрения физики цвета изложенные выше соображения – не новость: упоминания о подобных затруднениях с математическим определением насыщенности в цв. модели HSL, опущенные в переводе [10], есть в оригинальной статье [11]. Хотя с точки зрения физики контраста, преобразования контраста и последующего контрастного анализа в [11] приведённые выше противоречия не обсуждаются.

Остаётся добавить, что HSV предпочитают, к примеру, авторы [12, 13, 14] etc. Все они, пусть и по своему, но обосновывают выбор именно этой цв. модели. Таким образом, обсуждение методики расчёта насыщенности можно завершить следующим выводом:

HSL-формализацию насыщенности цвета для целей контрастирования использовать представляется нецелесообразным, хотя она, судя по таблице, и более популярна в современном графическом ПО, чем HSV.

Во-вторых, обработка и представление результатов. Помимо показанных ниже на рис. 3 графических, это ещё приведённые в таблице числовые оценки параметра управления. Определим параметр управления в общем (нелинейном) случае математически:

dM/dN≠const,

где dM=(S+dS)/S-1 – приращение нормированной на исходное значение насыщенности, dN – смещение движка <Saturation>. Физический смысл параметра управления – это прибавка к увеличению насыщенности на одно деление движка. При сдвиге dM/dN≡0.

Если преобразование пропорционального типа, то

ΔM/ΔN=(M’-M₀)/(N’-N₀)=(S’/S₀-1)/N’=const,

где M’ – увеличение насыщенности относительно его исходного значения M₀≡1, N’ – соответствующее M’ положение движка <Saturation> относительно исходного N₀≡0, S’ – результирующая насыщенность, S₀ – исходная насыщенность. Для пропорционального преобразования M’ показывает ещё и увеличение контраста насыщенностей.

Результаты исследования

На рис. 3 приведены графики работы двадцати одного программного инструмента <Saturation>, отражающие их контрастирующую способность. Ряд пакетов, упомянутых в таблице, здесь опущены: Microsoft Photo Editor и OpenOffice таким инструментом не обладают, а у PhotoShop обеих ревизованных версий <Saturation> работают одинаково.

Рис. 3. Результаты исследования.

На графиках по оси абсцисс отложены показания в окне инструмента <Saturation>, по оси ординат – результирующие насыщенности полей тест-объекта (в процентах). Контраст насыщенностей отображается расстоянием между кривыми по оси ординат. Определим типы зависимостей насыщенности от <Saturation>, визуализируемых рис. 3. Как результат, приведём классификацию механизмов преобразования:

- сдвиговые (Advanced Batch Converter, XnView);

- пропорциональные (ArcSoft PhotoStudio, AVS Photo Editor, Focus Photoeditor, GIMP, Microsoft Office Picture Manager, SunlitGreen Photo Editor);

- нелинейные (Focus Photoeditor, FastStone Image Viewer, IrfanView, mtPaint, Nikon Capture, PhotoFiltre Studio, HDR PhotoStudio, Pixlr Photo editor), в т.ч. ломаные (ACDSee Pro, CorelDRAW, Paint.NET) и экспоненциальные (PhotoImpact, PhotoShop, Roxio Photo Suite).

Такое деление логично – оно удачно коррелирует с законами управления остальными характеристиками цвета, яркостью [7, 9] и оттенком [15, 16].

Перейдём к анализу особенностей каждой группы с точки зрения эволюции контраста насыщенностей. Отметим инструменты <Saturation> ограниченной функциональности: у CorelDRAW, который способен только уменьшать этот контраст; у Roxio Photo Suite, который способен его только увеличивать. Отметим всевозможные сдвиги <Saturation>, не изменяющие контраст насыщенности в принципе. Для некоторых, в первую очередь экспоненциальных, графиков отметим характерные краевые эффекты, в большей или меньшей степени, но всегда искажающие подразумевающийся – пропорциональный либо нелинейный – механизм воздействия <Saturation> на контраст насыщенностей: возникает спорадичность. Отметим изломы кривых, – они наоборот систематичности воздействия не нарушают.

Однако, независимо от принадлежности к той или иной классификационной группе, все графики, сведённые на рис. 3, проявляют одну общую тенденцию: сами насыщенности закономерно растут слева направо.

Обсуждение результатов

Последнее замечание приводит к ряду соображений об упускаемых ныне возможностях инструмента <Saturation>, когда он применяется для контрастирования насыщенностей. Рассмотрим существующий инструмент и его способность воздействовать на контраст (дефектные Corel и Roxio не в счёт). Озвучим функциональные недостатки <Saturation> с позиций информационного контрастирования насыщенностей:

- судя по графикам на рис. 3 (верхние три – сдвиги – исключаются, естественно, из рассмотрения), увеличение <Saturation> только повышает контрасты насыщенности у всех пар пикселей изображения. Такое действие <Saturation> иллюстрирует рис. 4 слева для пары пикселей с исходно малыми насыщенностями. Напротив, любое уменьшение <Saturation> только понижает контрасты насыщенности у всех пар пикселей;

- получается, что так инструментом <Saturation> слабые контрасты исходно больших насыщенностей (рис. 4 справа) уже практически не повысить, поскольку возможность увеличения насыщенности физически исчерпана.

Такое затруднение можно преодолеть введением – см. вышеприведённую таблицу –режимов Complex и Inverse Saturation, как развитие существующего инструмента – его тогда придётся относить к режиму Real Saturation. На рис. 4 проведена сравнительная демонстрация работы <Saturation> во всех трёх возможных режимах.

Рис. 4. Возможные режимы управления насыщенностью и контрастом насыщенности.

Слева проиллюстрирован Real Saturation, посередине – Complex Saturation, справа – Inverse Saturation. Стрелками указано направление изменения насыщенности по шкале: от исходного значения до результирующего. Говоря о контрасте, следует сопоставлять насыщенности пары полей слева и справа от каждой шкалы, объединяемых на рис. 4 соответствующими скобками. И наконец, уместно регуляризовать феноменологические аспекты модернизированного процесса контрастирования:

Режим Real Saturation реализуется тогда, когда контраст насыщенностей растёт с их увеличением (как на графиках рис. 3);

Режим Inverse Saturation реализуется тогда, когда контраст насыщенностей растёт с их уменьшением;

Режим Complex Saturation совмещает методологию режимов Real Saturation (в части больших насыщенностей) и Inverse Saturation (в части малых насыщенностей).

В случае пропорционального типа преобразования при всех трёх режимах справедливо следующее правило: во сколько раз производится увеличение/уменьшение девиации (отклонения от точки отсчёта) каждой насыщенности, во столько же раз растёт/падает контраст.

В частности, при режиме Real Saturation формулировка вырождается до: во сколько раз увеличивается/уменьшается значение (отклонение от нуля) каждой насыщенности, во столько же раз растёт/падает контраст.

Рассмотрим результаты внедрения таких процедур. Контрастирование насыщенностей в режиме Complex Saturation интуитивно более-менее понятно, поэтому на модельном примере (рис. 5) продемонстрированы изобразительные возможности Inverse Saturation.

Рис. 5. Inverse Saturation: слева – исходное изображение, справа – результат обработки.

Здесь контраст насыщенности у исходного изображения ΔS=1%, у результирующего – ΔS=100%. Оговоримся, для наглядности цвета исходного изображения на рис. 5 были подобраны так, чтобы его оттенок и яркость по полю не менялись (это даёт нам право отождествлять единственный ненулевой контраст насыщенности с полным – визуально воспринимаемым – контрастом). Сравнивая контраст у обработанного изображения с контрастом отпечатка на рис. 1, можно судить о перспективах использования режима Inverse Saturation, как минимум, в сфере криминалистики. В целом же выигрыш от его применения формально можно оценивать кратным увеличением информативности контрастной обработки изобразительного материала. В свете подобных перспектив тот факт, что пазлы на рис. 5 были просчитаны вручную, апеллирует к созданию нового программного инструмента, включающего существующий алгоритм <Saturation>, как составную часть.

Итак, в современном ПО для управления насыщенностью, которой посвящена эта статья, отсутствуют (см. таблицу) опции, хоть и с ошибками [6, 7, 8, 9], но имеющие место в системе управления <Brightness> – возможности Complex и Inverse Lightening. Как, впрочем, нет таких опций и в системе управления оттенками [17]. Это, конечно, свидетельствует об изрядной несистемности существующего сегодня инструментария для управления цветом в целом.

Вывод и заключение

Инструмента <Saturation> явно недостаточно для действенного управления контрастом насыщенностей цифровых изображений в деле выявления латентной изобразительной информации. Под действенностью здесь следует понимать не столько достигаемый прирост контраста, сколько возможность применения инструмента (с положительным – факт выявления – результатом) к наибольшему числу исходных изображений.

Проведённое исследование и сформулированный вывод позволяют актуализировать на будущее две задачи:

- масштабного анализа точности инструмента <Saturation>;

- создания нового алгоритма, реализующего аргументированные выше преобразования, и его программного воплощения.

1. Бондарь О.В. Разработка метода повышения контраста насыщенности изображений объектов экспертизы и его программного обеспечения: Дипломная работа. / Рук. А.М. Чмутин. – Волгоград: ВолГУ, 2013. 70 с.
2. Домасёв М.В., Гнатюк С.П. Цвет, управление цветом, цветовые расчёты и измерения. – СПб.: Питер, 2009. 224 с.
3. Fairchild M.D. Color Appearance Models. – Chichester: Wiley, 2005. 385 p.
4. Жуковский В.В. Методы распознавания отпечатков пальца. // Информатика и системы управления. 2009. № 2(20). С. 130-137.
5. Гребенюк П.Е., Чмутин А.М. Исследование цвета загрязненных бумажных объектов и их анализ методом оттеночного контрастирования. // Тр. 23 Междунар. конф. «Лазерно-информационные технологии в медицине, биологии, геоэкологии и транспорте». – Новороссийск: КубГТУ, 2015. С. 120-121.
6. Боровкова А.О., Рвачева О.В., Чмутин А.М. Управление яркостным контрастом: от телевидения к компьютерной графике. // Журнал радиоэлектроники. 2012. №2. 10 с. [Электронный ресурс]. – Режим доступа: http://jre.cplire.ru/jre/feb12/7/text.pdf (дата обращения: 14.02.2018).
7. Боровкова А.О., Чмутин А.М. Управление яркостью изображений в фотографии, в телевидении, в компьютерной графике. Часть 1. // Интернет-вестник ВолгГАСУ. 2013. №3(28). 6 с. [Электронный ресурс]. – Режим доступа: http://www.vestnik.vgasu.ru//attachments (дата обращения: 14.02.2018).
8. Боровкова А.О., Чмутин А.М. Управление яркостью изображений в фотографии, в телевидении, в компьютерной графике. Часть 2. // Интернет-вестник ВолгГАСУ. 2013. №3(28). 7 с. [Электронный ресурс]. – Режим доступа: http://www.vestnik.vgasu.ru//attachments (дата обращения: 14.02.2018).
9. Рвачёва О.В., Чмутин А.М. Управление яркостью в компьютерной графике: нелинейный аспект. // Инженерный вестник Дона. 2017. № 1. 12 с. [Электронный ресурс]. – Режим доступа: http://ivdon.ru/ru/magazine/archive/n1y2017/3974 (дата обращения: 14.02.2018).
10. HSL. // Википедия. [Электронный ресурс]. – Режим доступа: https://ru.wikipedia.org/wiki/ (дата обращения: 14.02.2018).
11. HSL and HSV. // Wikipedia. [Электронный ресурс]. – Режим доступа: https://en.wikipedia.org/wiki/ (дата обращения: 14.02.2018).
12. Сидорчук Д., Жижина Е. Выделение нечетких объектов на цветных изображениях с помощью стохастических алгоритмов. // Информационные процессы. 2013. Т. 13. № 3. С. 171-184. [Электронный ресурс]. – Режим доступа: http://www.jip.ru/171-184-2013.pdf (дата обращения: 14.02.2018).
13. Ежова К.В. Моделирование и обработка изображений: Учебное пособие. – СПб.: НИУ ИТМО, 2011. 93 с.
14. Красильников Н.Н. Цифровая обработка 2D- и 3D-изображений: Учебное пособие. – СПб.: БХВ-Петербург, 2011. 608 с.
15. Андронова Н.Е., Гребенюк П.Е., Чмутин А.М. Алгоритм и программная реализация управления оттеночным контрастом цифровых изображений. // Инженерный вестник Дона. 2016. № 4. 14 с. [Электронный ресурс]. – Режим доступа: http://ivdon.ru/ru/magazine/archive/n4y2016/3783 (дата обращения: 14.02.2018).
16. Гребенюк П.Е., Чмутин А.М., Чуйко В.А. Алгоритм преобразования контраста оттенков в цветовом пространстве Lab. // Известия вузов. Приборостроение. 2018. Т. 61. № 1. С. 71-77. DOI: 10.17586/0021-3454-2018-61-1-71-77.
17. Гребенюк П.Е., Чмутин А.М. Оттеночный сдвиг и яркостный контраст: парадоксы PhotoShop. // Современные научные исследования и инновации. 2016. № 8. 9 с. [Электронный ресурс]. – Режим доступа: http://web.snauka.ru/issues/2016/08/70870 (дата обращения: 14.02.2018).

Все статьи автора «strat01»