1. DIGITÁLIS ADATFELDOLGOZÁS

1. DIGITÁLIS ADATFELDOLGOZÁS A médiumok szite midegyike előállítható már digitális formába. Ez az ú. digitális közös evező lehetővé teszi az ilye adatok egységes kezelését. Miél összetettebb egy médium, aál agyobb tárigéyel jeletkezik a digitalizálás. Eek illusztrálására álljo itt éháy példa. Amíg szöveg médium esetébe egy 8*8 képpotból álló raszter tárigéye 800*600-as felbotást és *8 bites szímélységet alapul véve: 800 * 600 * *8 = 10.000bit = 14,6Kbyte, 8*8 addig egy 800*600-as felbotású, 8 bit szímélységű bittérképes képé 800*600*8 = 3.840.000 bit = 468,75 Kbyte, míg egy 800*600-as felbotású, 5 kép/s -os képváltási frekveciájú videojelé másodpercekét képpotokét 3 byte (lumiacia, kromiacia) szímélységet feltételezve 800*600*5*3 = 36.000.000 byte/s = 34,3 Mbyte/s! Midezek egyértelműe bizoyítják, hogy ezeket a médiumokat célszerű tömörítve tároli. Digitális adatfeldolgozás alatt értjük azt a folyamatot, amikor az aalóg adatokat tömörített digitális adatokká alakítjuk át. A digitális adatfeldolgozás három elég jól elkülöíthető részfolyamatból áll: az aalóg adatok digitális adatokká törtéő átalakítása (digitalizálás), a digitális médiumok szerkesztése, adattömörítés (1. ábra). Ezek a részfolyamatok még további lépésekre bothatók. aalóg adat digitalizálás szerkesztés tömörítés digitális adat 1. ábra 1.1. Digitalizálás A digitalizálás célja, hogy a két- ill. háromdimeziós térbe lévő objektumokról a számítógép által értelmezhető és feldolgozható adatokat állítso elő. A digitalizálás speciális eszközökkel (scaer, hagkártya, digitális féyképezőgép, digitális kamera, stb.) törtéik, az egyes lépések megvalósítása eszköztől függőe külöböző módo lehetséges. A digitalizálás folyamatát és jellegzetességeit a Multimédia hardvereszközei témakörbe fogjuk tárgyali. 1.. Digitális médiumok szerkesztése A digitalizált objektumok, típustól függőe szerkeszthetők, amely műveletek végrehajtására a legkülöbözőbb programok állak redelkezésükre. Eze szerkesztő műveletek célja lehet az aalóg-digitális átalakítás hibáiak kijavítása, az eredetitől külöböző virtuális objektumok létrehozása, stb. Eze témakörről részbe már volt szó [1], ill. még tárgyalásra fog kerüli az egyes időfüggő médiumokál. 5

1.3. Tömörítés Az adattömörítés okait a fejezet elejé a agy meyiségű adattömegbe jelöltem meg. A tömörítés reverzibilis folyamatát a. ábra mutatja, azaz kitömörítéskor a folyamat visszafelé ugyailye lépések sorozatakét zajlik le. tömörítetle digitális adat Adatelőkészítés Kitömörítés Adatfeldolgozás Kvatálás Tömörítés Kódolás tömörített digitális adat. ábra Az adatelőkészítés sorá törtéik a médium, tömörítéshez szükséges előkészítése. Ez például állóképek esetébe 8*8 képpotból álló egységekre botást jelet. Ekkor határozzuk meg az egyes képpotokhoz redelt bitek számát, ami aak miőségét is meghatározza. Az adatfeldolgozás a téyleges tömörítés első fázisa. Ez lehet például egy traszformáció (pl. időtartomáyból a frekveciatartomáyba DCT direkt kosziuszos traszformáció), amely elősegíti a tömörítés köyebb végrehajtását. A kvatálás az adatfeldolgozás sorá yer együtthatók megadott szabályok szeriti kezelését, pl. súlyozását teszi lehetővé (JPEG eljárás). A kódolás az előzőekbe előállított diszkrét adatfolyam veszteségmetes tömörítését jeleti. Az adatfeldolgozás és a kvatálás sorá ú. veszteséges, míg a kódolás sorá ú. veszteségmetes tömörítési algoritmusokat alkalmazak. Veszteségmetesek evezzük a tömörítést (etrópiakódolás), ameyibe a tömörítés előtti ú. kódoladó adat megegyezik a kitömörítés utá keletkezett ú. dekódolt adattal. Azt az eljárást pedig, amelyél a tömörítés sorá adatvesztés áll fe, veszteséges tömörítések (forráskódolás) evezzük. Az etrópiakódolás médiumfüggetle, míg a forráskódolás médiumfüggő tömörítési eljárás. A médiafüggőség azt jeleti, hogy a tömörítési algoritmusba kihaszálják az adott médiumba rejlő sajátosságokat, például azt, hogy az álló képekél a D DCT alapú kódolásál az alacsoy frekveciák fotosabbak, mit a magas frekveciák. A multimédia redszerekbe az ú. hibrid kódolást alkalmazzák, amely egy sajátos kombiációja a forrás- és etrópiakódolásak. Mielőtt rátérék az egyes kódolási eljárások bemutatására, vizsgáljuk meg rövide az adattömörítéssel szembe támasztott követelméyeket: 6

miél kisebb tömörítési aráytéyező [(tömörített adatmeyiség/tömörítetle adatmeyiség)], amely a tömörítési folyamat hatékoyságát jelöli, a tömörítési algoritmus em jelethet jeletős mértékű adatvesztést, amely már az emberi érzékelés miőségét lerotaá, a tömörítés em tartalmazhat redudás adatot. Azt az adatot evezzük redudásak, amely em a lehető legkisebb meyiségbe tárolja ugyaazt az iformációt. Redudás lehet például az a kétszíű képi adat, amely csak fekete és fehér szít tartalmaz és 1 bit helyett 1 byte-o kódoljuk. 0 fekete és 1 fehér helyett 0 fekete és 55 fehér, közbe az 1-54 közötti tartomáy kihaszálatla. általáos érvéyű algoritmus, amely a legszélesebb körű felhaszálói alkalmazást lehetővé teszi. Így biztosított például, hogy az Iteretes és multimédiás köryezetbe a legelterjedtebb képtömörítési eljárás a GIF, JPEG; mozgókép-tömörítési eljárás az AVI, MPEG; míg audiotömörítési eljárás a MP3. A 3. ábra összefoglalva mutatja a legfotosabb tömörítési eljárásokat. [] Etrópiakódolás Forráskódolás Hibridkódolás Változó hosszúságú kódolás (VLC Variable Legth Codig) Bit-sík kódolás Előrebecsléses (prediktív) kódolás Veszteséges előrebecsléses kódolás Traszformációs kódolás Huffma kódolás Aritmetikai kódolás Veszteségmetes előrebecsléses kódolás DPCM ADPCM FFT (Gyors Fourier traszformáció) DCT (Diszkrét függvéyek kosziuszos Fourier traszformációja) Alulmitavételezéses kódolás Fotosság szeriti kódolás Subbad kódolás JPEG (Joit Photographic Experts Group) MPEG (Movig Picture Expert Group) 3. ábra 1.3.1. Veszteségmetes tömörítési eljárások Állóképek tömörítéséél célszerűbb a képpot értékekhez redelt kódolás helyett a képpot tulajdoságokba bekövetkezett változásokat lekódoli. A szomszéd képpotok lumiaciája és kromiaciája agy valószíűséggel megegyezik, vagy kevésbé tér el egymástól. A ritkábba előforduló (agy változások a lumiaciába ill. a kromiaciába) értékekhez hosszabb kódot, a gyakrabba előforduló (kis változások a lumiaciába, kromiaciába) értékekhez rövidebb kódot redelük hozzá. Ezt az eljárást változó hosszúságú kódolásak evezzük. Tovább övelhetjük az eljárás hatékoyságát, ameyibe először meghatározzuk a változás-értékek statisztikus eloszlását, majd a változó hosszúságú kódokat az eloszlás ismeretébe redeljük hozzá a változásokhoz. A változó hosszúságú kódolásak esetét haszálják: Huffma kódolás, aritmetikai kódolás. 7

A Huffma (D. A. Huffma, 195) kódolás szerit legye k-féle bemeő, ismert előfordulási valószíűségű adatuk, majd mide egyes adathoz olya bithosszúságú kódot redeljük hozzá, amelyek hossza fordította aráyos aak előfordulási gyakoriságával. Ismerük statikusa és adaptíve felépített Huffma kódtáblát. A statikusa felépülő kódtábla függetle az adott képtől, agyobb meyiségű kép elemzése által született kódtábla. Az adaptív kódtábla az adott kép hisztogramja alapjá készül. Következik ebből, hogy először elemezi kell a képet (a hisztogram előállítása), majd csak az utá következik a tömörítési algoritmus. Hátráya a lassúság, előye a kis tömörítési aráytéyező. Az aritmetikai kódolásál figyelembe vesszük az adatot megelőző adatot, vagy adatokat és a változást kódoljuk. Az így előállított kódolt adatfolyam em diszkrét, elkülöíthető adatok sokasága, haem csak elölről haladva, szekveciálisa fejthető vissza tömörítetle adatokká. Az aritmetikai és Huffma kódolást előszeretettel alkalmazzák a JPEG tömörítésél is. A bit-sík kódolásál a képet képsíkokra botjuk. Ayi képsíkot hozzuk létre aháy bitesek a képpotok szímélységei (1 bit = szí 1 bitsík; 4 bit = 16 szí 4 bitsík; 8 bit = 56 szí 8 bitsík; stb.). Egy kép tehát több (1,, 4, 8, 16, 4) egyekét egybites képsíkokból áll. A magasabb bithelyiértékű képsíkok a lassa változó, míg a kisebb bithelyiértékű képsíkok a gyorsa változó képrészleteket tartalmazzák. A tömörítés a képsíkok meté törtéik. A kép visszaállítása progresszíve törtéik, azaz először állítjuk vissza a magasabb bithelyiértékű síkokat és csak utáa az alacsoyakat. A kép egyre fiomabb felbotású lesz. A veszteségmetes előrebecsléses kódolás (relatív vagy más éve differeciál kódolás) léyege, hogy az egymást követő adatok eltérése gyakra miimális vagy zérus, ezért például egy kép adott részlete alapjá aak köryezete jól becsülhető. Videofolyamál is két egymást követő képtartalom alig, vagy egyáltalá em tér el egymástól, stb. Így tehát elégséges letároli azokat az adatokat, amelyek az előrebecslés tévedéseit kikompezálják. Hagsúlyozám, hogy ez veszteségmetes, tehát az eredeti képet potosa visszakapjuk. 1.3.. Veszteséges tömörítési eljárások A veszteséges tömörítési eljárásokak két fő fajtáját külöböztetjük meg: veszteséges előrebecsléses kódolás, traszformációs kódolás. Az előrebecsléses tömörítést az előző fejezetbe már éritettem, csak ott a veszteség em volt megegedve. Veszteséges tömörítésél az előrebecslés hibáját korrigáló ú. differeciaadat akkor kerül kódolásra, ha egy bizoyos küszöbértéket meghalad. Ez a küszöbérték határozza meg a kitömörítéssel yert kép valósághűségét és persze ezzel összefüggésbe a tömörítési aráytéyezőt is. Mit is jelet ez a gyakorlatba? Egy állókép eseté differeciára ad lehetőséget az élek (kotúrok)-felületek átmeet, videofelvételél időbeli differeciálási lehetőség va az egymást követő képkockák álladó és változó részletei között. Az előbb vázolt tulajdosága miatt evezik ezt az eljárást relatív kódolásak is. Fotos lehet a differeciába az is, hogy milye két egymást követő képrészlet közötti külöbségről va szó. Azokat a tömörítési eljárásokat, amelyek lehetővé teszik a tömörítések a midekori tömörítedő adatokhoz való alkalmazkodását, adaptív előrebecslési eljárásak evezzük. Erre példa az audiotechikába alkalmazott DPCM (differeciális impulzus kód moduláció) és ADPCM (adaptív DPCM eljárás) eljárások közötti külöbség. Ezt a későbbiek folyamá még részletese vizsgáli fogom. A traszformációs kódolásál az adatokat egy másik matematikai térbe traszformáljuk, mert ott köyebb őket tömörítei. Követelméy, hogy ez a traszformáció reverzibilis 8

legye (iverz traszformáció). Az adattömörítés szempotjából a leghatékoyabb az ú. diszkrét kosziuszos traszformáció (DCT) és a gyors Fourier traszformáció (FFT). A fotosság szeriti kódolásál az adatokak valamilye szabály szerit preferált csoportját kódolják. Például a Subbad féle szelektív frekvecia-traszformációál a jelek csak egy előre meghatározott frekveciasávba eső részét traszformáljuk.. KÉPFELDOLGOZÁS ÉS TÖMÖRÍTÉS Az adatfeldolgozás folyamatáak általáos vizsgálata utá ézzük meg azokat az egyes médiumokál: állóképek; mozgóképek aimáció, videó; audio. A képfeldolgozás képszerkesztési műveleteivel eze muka előző részébe [1] már foglalkoztam, itt csak rövide térek ki rá..1. Képdigitalizálás A valóságos világ objektumai háromdimeziósak, a rájuk eső féyt visszaverik, vagy pedig öállóa bocsátják ki. Ameyibe az így keletkezett féyt valamilye érzékelő eszközzel rögzítjük, úgy kétdimeziós aalóg képi iformációvá állítjuk elő, amely a tárolási módszertől függő képadatot eredméyez. Ahhoz, hogy a kétdimeziós aalóg képi iformációt (adatot) digitális iformációvá (adattá) alakítsuk át aalóg-digitális (A/D) koverzióra va szükség. Ez egy kétlépéses művelet: mitavételezés, kvatálás (4. ábra). 3D-s objektum 3D-D koverzió Mitavételezés Kvatálás Digitalizált raszteres kép Képszerkesztés tárolt D-s aalóg képi adat Szerkesztett digitális kép tárolt raszteres képi adat 4. ábra A mitavételezés szemléltetésére álljo itt az alábbi példa (5. ábra). Az aalóg képre helyezzük egy kisméretű égyzetekből álló hálót, majd mide égyzetbe található folytoos képi iformációt valamilye módszerrel átlagoljuk, ezek utá az egyes égyzetekbe lévő aalóg értékeket ezzel az átlagértékkel helyettesítjük. Fotos megjegyezi, hogy ez az érték egy meghatározott itervallumba bármilye értéket felvehet. Ez óriási adattömeget eredméyeze, ezért ezt az itervallumot kisebb résztartomáyokra osztják fel, és ha az előbb kapott átlagérték egy ilye résztartomáyba esik, akkor a féyiformációt aak biáris kódjával azoosítjuk. Ezt a folyamatot kvatálásak evezzük. Következik az előzőekből, hogy miél agyobb az itervallum és miél kisebb résztartomáyokra osztjuk fel aál jobba fog a digitális kép az eredeti aalóg képhez közelítei, persze a képállomáy mérete is aál agyobb lesz. Az előzőekbe kapott digitális kép feldolgozható a raszter (potmátrix)grafikába (képszerkesztés) vagy már végállapotak tekithető. 9

+ = 5. ábra.1.1. Leképezés A leképezés sorá a háromdimeziós térbe lévő objektumról ill. objektumból érkező elektromágeses ill. akusztikus hullámokat leíró függvéyeket az emberi látás ill. hallás fiziológiai tulajdoságait figyelembe véve egy kétdimeziós függvéyé traszformáljuk át: f(x,y,z,t,λ,) g(x,y,t), amelybe az objektum egy potját az x,y,z koordiáták, időbei függőségét a t jelöli. Időfüggetle médiumokál t=0, időfüggő médiumokál t 0. A szemlélőek a helyzetét az objektumhoz képest az vektor jellemzi, míg a féy ill. hag hullámtermészetét a λ hullámhossz írja le. A g(x,y,t) függvéy matematikai értelembe folytoos, em egatív és korlátos továbbá a sík azo potjá va értelmezve, ahová leképeztük. Mide egyes szíill. hagjellemzőre létezik egy ilye leképezési függvéykapcsolat, pl. a szí eseté az egy lumiacia és a két kromiacia függvéy írható fel. Ez a leképezés a hardver eszközbe zajlik le. A videokamera eseté a töltéskép, a féyképezőgép eseté a film ill. az előhívott fotó, hagfelvételél a hagszalag tekithető a g(x,y,t) függvéy fizikai megtestesítőjéek. Fizikai értelembe azoba a részecskék véges méretét figyelembe véve legfeljebb diszkrét függvéyekről beszélhetük..1.. Mitavételezés Az időfüggetle médiumok eseté a g(x,y) függvéyel megadott sík egységyi területéről (kép) vett mitát, időfüggő médiumokál megadott időközökét a g(x,y,t) függvéyel leírt jelből vett mitát mitavételezések evezzük. Eek következtébe a folytoos g(x,y) ill. g(x,y,t) függvéyből állítjuk elő a g(x*,y*) ill. g(x*,y*,t) diszkrét függvéyeket. 6. ábra 7. ábra 10

Ebből egyértelműe következik, hogy miél kisebb az egységyi terület, amelyből mitát veszük (6-7. ábra), ill. miél gyakrabba veszük mitát (időfüggő médiumok), aál jobba közelít a g(x,y) ill. g(x,y,t) függvéy a h(x*,y*) ill. h(x*,y*,t) függvéyhez. Befolyásolja a h(x*,y*) függvéy miőségét a hozzáredelés módja, azaz, hogy az egységyi területből hogya válasszuk ki reprezetáló diszkrét értéket. A legegyszerűbb, de ugyaakkor legrosszabb eredméyt adó középpotból vett szímita helyett az átlagos szímita értéket haszáljuk. Az egységyi kis égyzet középpotjába lehet egy olya kiugró szíérték, amely jeletőse eltér a többitől és a hiba az egész égyzetre kiterjed. A mitavételezés tulajdoképpe egy itegrálás, amely sorá kapott képpotérték a h(x*,y*) függvéyek a kép adott potjába tartozó helyettesítő értéke egy egységyi terület meghatározott tulajdoságértékeit adja. A kép médium esetébe ez egy lumiacia és két kromiacia érték. Az itegrálás sorá a súlyfüggvéy a mitavételezés helyétől távolodva csökke, azaz a mitavételezés a távolfekvő értékeket kevésbé veszi figyelembe. Az ideális mitavételezés eseté a h(x*,y*) függvéyből a teljes itervallumba visszaállítható a g(x,y) eredeti függvéy..1.3. Kvatálás A digitalizálás befejező művelete a kvatálás, amikor is a tetszőleges diszkrét értékű h(x*,y*) függvéyt egy meghatározott diszkrét értékű j(a,b) függvéyé traszformáljuk át. Ezek a meghatározott diszkrét értékek egy előre meghatározott mita értékei közé tartozak. Ezek az értékek bitbe, azaz hatváyaikét vaak megadva. Képekél 8 =56 féle, 16 =65.536 féle; hagokál 16 =65.536 féle elemű leggyakrabba ez a mita. Szíes kép eseté a kvatálás összetevőkét (lumiacia, kromiacia), egymástól függetleül törtéik. A mita lehet egyelő ill. em egyelő osztásközű, attól függőe, hogy melyik eredméyez jobb képet. 8. ábra 11

A kvatálás előbb leírt folyamatát a 8. ábra szemlélteti, ahol az Y 1 * értékhez redelt legközelebbi mitaelem az a 1. Mit a 9-10. ábra mutatja képekél a mita elemeiek száma jeletőse befolyásolja a kvatálás miőségét. A 9. ábrá egy bit (4 szí), míg az 10. ábrá egy 8 bit (56 szí) szímélységű képet láthatuk, a külöbség ömagáért beszél... Digitális képek szerkesztése 9. ábra 10. ábra A digitális időfüggetle médiumok szerkesztési műveleteiről a korábbiakba már volt szó [1], a most következő részbe elmélyítjük eze ismereteiket. A végcél szempotjából a képjavításak kétféle módszerét külöböztetjük meg: képhelyreállítás, képmiőségfokozás. Az előbbiek célja, hogy a digitalizálás sorá torzult képből előállítsuk az ideális képet, amely eltávolítja a képet zavaró hatásokat. A képmiőség-fokozás célja ezzel elletétes lehet, amikor is a kép bizoyos tulajdoságait kiemeljük, hagsúlyozzuk. A képjavítási eljárások elvégezhetők a kvatálás utá kapott függvéy(ek) felhaszálásával - j(a,b) vagy pedig ezeket a függvéyeket a frekvecia tartomáyba traszformáljuk és így hajtjuk végre a szerkesztési műveleteket. Ez utóbbi esetbe Fourier traszformációt hajtuk végre, mert az - bizoyos feltételek teljesülése eseté - egyértelműe és ivertálható módo sorbafejthetők. Eek matematikai hátterét világítom meg rövide az elkövetkező fejezetbe...1. A képjavítás matematikai háttere a Fourier traszformáció a) Folytoos függvéyek Fourier traszformációja (FFT) A Fourier traszformációval kapott k(t) periódikus időfüggvéy sorbafejtés utá felbotható egy kostas tag, továbbá végtele sok harmoikus összetevő összegére. A harmoikus összetevőket általába sziuszos és kosziuszos időfüggvéyekkel írják le. A függvéy T periódusidejéek reciproka adja az alapharmoikus frekveciáját, és a további összetevők frekveciája eek az alapfrekveciáak az egész számú többszörösei (): k( t) = c0 + = 1 ( a t cos(π ) + b T si(π t T )) (1),ahol a kostas összetevő: a T T 0 k( t) 1 c = T 0 dt, míg a harmoikus összetevők amplitúdói: t T = k( t) cos( dt () T π t b = k( t) si( ) dt. 0 T T π T ) 0 (3) 1

13 A sorbafejtés feltételei, hogy a k(t) függvéy a T tartomáyba legye korlátos, itegrálható és legalább szakaszokét differeciálható. A trigoometrikus függvéyek komplex expoeciális függvéyekkel is kifejezhetők, eek alapja a következő két összefüggés: Ezek behelyettesítésével a k(t) függvéy a következőképpe írható fel (átcsoportosítva a szumma jel alatti tagokat): Ha bevezetjük a harmoikus összetevőkre a komplex amplitúdót akkor a k(t) még egyszerűbbe felírható: Az előbb defiiált a és b amplitúdók felhaszálásával redezés utá a C komplex amplitúdó a következőképpe határozható meg: A Fourier sorfejtés emcsak a periódikus időfüggvéyekre, haem tetszőleges k(x) skalárfüggvéyre igaz, ahol T periódus idő helyett az L periódushosszt bevezetve az előző két egyelet a következőképpe alakul: b) Diszkrét függvéyek Fourier traszformációja (DFT) A mitavételezésél már láttuk, hogy a függvéy em folytoos, haem diszkrét mitáival áll redelkezésre (11. ábra). (4) (5) (6) (7) (8) (9) ) ( 1 ) cos( e T t j e T t j T t π π π + = ) ( 1 ) si( e T t j e T t j j T t π π π = ) ( ) ( 1 0 e T t j jb a e T t j jb a c t k π π + + + = =, jb a C = e T t j C t k π ) ( = = e T dt t j t k T C T = 0 ) ( 1 π e L x j C x k π ) ( = =

11. ábra L periódushossz alatt N darab mitát feltételezve, az i. helye k i értéket mérve igyekszük a sorbafejtést végrehajtai. Két mitavétel között a függvéy em mutathat olya változásokat, ami iformációvesztéshez vezet. A mitavételi tétel szerit a mitavételek olya sűrűek kell leie, hogy a jelbe előforduló legmagasabb frekveciájú összetevő egy periódusára legalább két mita essék. L A x = mitatávolságot felhaszálva a Fourier sor együtthatói csak közelítéssel N határozhatók meg: C x ki e 1 jπ i x L = N 1 N 1 1 L i= 0 ki e π j i N Az N darab elemből álló k i értéksorozat diszkrét Fourier taraszformáltját az előző képlet végé látjuk és D -el jelöljük: 1 N i= 0 (10) D 1 1 N = ki e N i= 0 π j i N, ahol 0 1 0 N 1 Az előző együtthatók felhaszálásával a függvéy az alábbi összefüggés felhaszálásával traszformálható vissza: k p N 1 =0 π e j p N = D N 1 0 p N 1 0, ahol c) Folytoos függvéyek kosziuszos Fourier traszformációja (FCT) A gyakorlatba a Fourier traszformáció egy speciális esetét a kosziuszos Fourier traszformációt alkalmazzák. A (1)-(3) képletek felhaszálásával godoljuk végig a 14

sorbafejtést. A k(t) függvéyt sorral közelítjük ismét, de most csak a [0;τ] itervallumba, ui. az eze kívüli tartomáyba em cél a jó közelítés. 1. ábra Sőt arra a tartomáyra ézve tetszőleges feltételezést is tehetük a függvéy lefutására voatkozóa. Ezért az egyszerűség kedvéért a k(t) függvéy a [τ;τ] itervallumba legye t=τ helyre szimmetrikus a [0;τ]-hez képest (1. ábra). A k(t) függvéy T=τ szerit periodikus. Midezek figyelembe vételével a két harmoikus amplitúdó így alakul: = τ τ t k( t) cos( π dt τ a ) 0 b = 0 (13) (14) A k(t) függvéy szimmetrikusságáak az előye a (14) egyeletbe látható. A kostas együttható a (15) szerit írható fel. c τ 1 0 = τ k( t) 0 dt (15) A k(t) függvéy most már kosziuszos tagokból álló sor összegekét állítható vissza, ie ered a kosziuszos sorbafejtés elevezés: k( t) = c + 0 =1 t a cos( π ) τ d) Diszkrét függvéyek kosziuszos Fourier traszformációja (DCT) A..1.3. fejezetbe megismert törvéyszerűségeket a..1.. fejezetbe bevezetett (11) és (1) képletekre alkalmazva a D és a k p az alábbiak szerit írhatók fel: (16) D N = 1 π 1 ki cos i + i= 0 N 0 N 1 (17) 15

k p N = N = 1 π 1 D0 D cos p + N N 0 0 p N 1 (18) Az összefüggések felírásakor felhaszáltuk a (4 és 5) komplex expoeciális függvéyeket is. e) Kétváltozós diszkrét függvéyek Fourier traszformációja (D DFT) A kép leírásához kétváltozós függvéyre ill. függvéyekre va szükség, még pedig szám szerit egyre ill. háromra attól függőe, hogy fekete-fehér vagy szíes kép leírásáról va-e szó. Fekete-fehér képél a k(x,y) a lumiacia, míg szíes képél eze kívül az l(x,y) ill. m(x,y) függvéyek a kromiacia leírására szolgálak. Az egyszerűség kedvéért most vizsgáljuk meg a lumiaciát leíró függvéyt egy x,y síko, potosabba diszkréte véve az m, síko (13. ábra). D m N 1M 1 1 = M N q= 0 p= 0 k pq e 1 1 jπ pm+ q M N 13. ábra A k(x,y) folytoos függvéy sorba fejtésével kapott együtthatómátrix értékeit az alábbi összefüggés adja a (11) felhaszálásával: A visszatraszformálást a (1) alapjá végezzük: 0 m M 1 és 0 N 1 k rs = N 1 M 1 = 0 m= 0 D m e 1 1 jπ mr+ s M N (0) A diszkrét függvéy az m, síko M és N szerit periodikus. A (0) szeriti iverztraszformációt felhaszálva állapítsuk meg, hogy az m, sík egyes potjaihoz milye 16

térharmoikusok tartozak. Először az r és s diszkrét változókak feleltessük meg az x és y folytoos változókat: r = x x és s = y y Ezt felhaszálva a (0) egy tagja: Κ x, y) = D ahol x és y a két mitavételi lépésköz. x y cos π m + + A B j si x y j m + m e π 1 1 (, M x N y = Dm, π m Az M N méretű téglalap eseté a (0,0) koordiátájú potba va a térfrekveciákak miimuma va. Fekete-fehér áryalatos képet feltételezve a (0,0) potba a lumiacia értéke miimális, ettől távolodva mide iráyba folyamatosa övekszik (14. ábra). x A + y B (1) 14. ábra Midezek alapjá megállapítható, hogy ha egy folytoos k(x,y) képfüggvéyt mitavételezük, akkor először a magas térfrekveciás harmoikusokat kell kiszűrük. A kétdimeziós mitavételi tétel kimodja, hogy ha a szűrés olya, hogy az m iráyba az M 1 N 1 = feletti térfrekveciákat, míg az iráyba az = feletti térfrekveciákat A x B y távolítjuk el, akkor a (1) szeriti tagokból álló traszformáció visszaadja az eredeti képet. A fekete-fehér képfelvételi eljárásokál ez tétel érvéyesül, hisze egy pixel em a kép egyetle potjáak féyességéből adódik, haem egy kicsi köryezet féyességéek átlagából adódik. Természetese szíes képél ez háromszor hajtódik végre. Visszatérve a 14. ábrához és a (1) összefüggéshez, a D m mátrix kis frekveciás elemei a traszformált mátrix sarokpotjaiba, míg a magas térfrekveciás együtthatók a téglalap közepére kerülek. f) Kétváltozós diszkrét függvéyek kosziuszos Fourier traszformációja (D DCT) Az előző potba megismertek alapjá felírhatjuk a kétváltozós diszkrét kosziuszos függvéyekre is a k rs t. 17

krs = N 1 M 1 Dm = 0 m = 0 cos π 1 1 ( + 1) r cos π ( m + 1) s 4 N 4 M () A levezetéseket mellőztem, de ez em jeletheti aak kevésbé fotosságát, hisze olya képformátum is mit a JPEG is ezt haszálja. Eek kiemelt fotosságára utalva, erről külö fejezetbe szólok... Képjavítás Általáos érvéyű megállapítás, hogy a képmiőséget javító eljárások em eredméyezhetek olya iformációt, amely valamilye formába e lett vola rajta a kiidulási képe is. A képjavítási eljárásokat a felmerülő hibák típusa szerit lehet csoportosítai. Ezek szerit megkülöböztetük: kotrasztfokozó, zajelyomó, élkiemelő műveleteket. Az egyes műveletek végrehajtásához az Adobe Phoshop program 5.0-s verzióját hívjuk segítségül. Az egyes műveletek bemutatásához a kiiduló kép legye 15. ábrá látható csedélet. [3-CD mellékleté található] A legfotosabb képjavító műveletek érvéyesíthetők a kép kijelölt részeire vagy az egész képre is. 15. ábra 16. ábra 17. ábra...1. Szíkorrekció A beszkeelt kép vagy digitális fotó élességéek fokozását szíkorrekcióak evezzük. Ezzel a művelettel képükö több és szebb szí látszatát tudjuk keltei, holott valójába csökke a szerkesztett képüket alkotó szíek száma. Két olya pixel, amelyekek a szíe külöböző volt, a szíkorrekció hatására azoos szíűekké válhatak. Lehet, hogy a kép sokkal jobba fog mutati, de kevésbé lesz szígazdag. Az ide tartozó műveletek az Image/Adjust meübe találhatók meg. A legfotosabb szíkorrekciós műveleteket: a szíkiegyelítés (Equalize) az összes szícsatorát alapul véve a legvilágosabb szít fehérre a legsötétebbet pedig feketére változtatja, ezáltal a képpotok egyeletes eloszlásúak leszek a lumiacia (féyerősség, világosság) tartomáyba (16. ábra). a határérték (Threshold) az összes olya szít, amelyek a beállított értékél világosabbak fehérré, míg amelyek sötétebbek feketévé alakítja át. Ez a művelet fekete-fehér képek szerkesztéséél alkalmazható. A szerkesztési műveletet elősegíti a bejeletkező hisztogram, amely a kép egészére mutatja a lumiacia értékek gyakoriságát (az adott lumiacia értékből háy pixel fordul elő a képe). A csúszkát úgy célszerű beállítai, hogy balról ill. jobbról ugyaakkora területet fedjeek le a függőleges voalak (17. ábra). Az eredméy a 18. ábrá látható. 18

a keméyítés (Posterize) a teljes lumiacia tartomáyt automatikusa felosztja meghatározott számú egyelőe övekvő részekre és a megadáskor azt az értéket állítjuk be, melyeket megakaruk tartai. Nagyobb értékek fiomabb, míg kisebb értékek durvább szíbeállítást eredméyezek. Ezt a műveletet em csak fekete-fehér, haem szíes képekre is alkalmazhatjuk, de ez akkor igazá hatékoy, ha magasa áteresztő szűrőkkel kombiálva alkalmazzuk. 18. ábra 19. ábra H - szíezet, szíáryalat S - szítelítettség A L- lumiacia 0. ábra A 0. ábrá látható ábra műveletei sorba a következők: rétegmásolat készítés magasa áteresztő szűrés - keméyítés a másolato a két réteg összefűzése rétegátfedési módok megadása (Lumiosity, Hard Light, Hue). a szíkorrekció (a szítulajdoságok széleskörű megváltoztatását eredméyezi (szíezet H, világosság L, szítelítettség S). A 16. ábrá a HSL szímodell összetevőit látjuk, amelyek megváltoztatása jeleti a kép átszíezését. Ezek a műveletek elvégezhetők az egyes szícsatorákra, vagy pedig az összes szícsatorára egyidejűleg (3. ábra - Edit). A szíezet (Hue) jeleti a szivárváy tiszta szíeit, amelyet egy -180 - +180 -os szögtartomáyba mérek, 0 -ál va a piros, 60 -ál a sárga, 10 -ál a zöld, 180 -ál a ciákék, 40 -ál a kék és 300 -ál pedig a bíbor szí található. A telítettség (Saturatio) adja a szí tisztaságát, élékségét. 100 jeleti a szürkét és +100 pedig az adott szíezet legtisztább szíeit adja. A világosság, féyesség (Lightess, Brightess, Lumiacia) adja a szí helyét a fehér-fekete tartomáyba. 100 jeleti a feketét és +100 pedig a fehéret (3. ábra). A Pipetták szolgálak szí hozzáadására ill. elvételére, míg a szítartomáy szabályzók segítségével kitágíthatjuk ill. leszűkíthetjük azt a tartomáyt, amelye a szíkorrekciót végrehajthatjuk.(csak ha a Master opció kívül vá- 19

lasztuk valamit). A 1. ábrá a vörös csatorába a H, S, L értékek egyidejű állításával sikerült éretle paradicsomok látszatát keltei, míg a 3. ábrá a Brightess/Cotrast állításával sikerült érettebb paradicsomok látszatát keltei. 1. ábra. ábra Szítartomáy szabályzók Szíezés 3. ábra Pipetták az átszíezésre többféle művelet is szolgál, emeljük ki ezek közül Replace Color és a Selective Color opciókat. ezek lehetővé teszik, hogy kijelöljük egy egymással összefüggő szíű területet, majd beállítsuk a szíezetét és a telítettségét (4. ábra). A Pipetták alkalmazásával lehet a szíeket kijelöli, bővítei ill. csökketei. A Fuzziess a kijelölt szíe túlmeőe kiválasztadó szítartomáy állítására szolgál. A 0 érték beállításakor csak a kijelölt szít választja ki, vagyis a tűrés értéke 0. A Fuzziess agyo hasolatos a Varázspálca kijelölés (Magic Wad) Tűrés (Tolerace) opciójához, azzal a külöbséggel, hogy a Tűrés állításával a kijelölés pereme fiom lesz (ati-aliased), míg a Fuzziess ikább egy áttűő, lépcsőzetes peremet eredméyez. A Trasform blokko belül látjuk azokat a tulajdoságokat, amelyek a kijelölt szíre voatkozóa megváltoztathatóak. A 5. ábrá látható a Selective Color paracs párbeszédablaka, ezzel elsősorba CMYK szíredszerbe készült képek szíezhetők át. A Colors opcióál kiválasztható a szerkesztei kívát szí, majd a égy yomdai szí szerkeszthetővé válik. Egy ilye szerkesztés eredméye látható a 5. ábrá. Az előző műveletekél fejlettebb szíkorrekciós paracs a Variatios (6. ábra), amellyel midazo műveletek elvégezhetőek, amelyekről eddig szó volt, csak mide egyidejűleg szemlélhető is. Az ablak közepé az RGB ill. CMY szíek láthatók, ezzel lehet eltoli a képet valamelyik szí felé, eek lépésközét a Fie-Coarse (Fiom-Durva) értéke adja. Az ablak tetejé lévő rádiógombok segítségével szabályozhatók, hogy a kép mely szíei legyeek befolyásolva. A Shadows a sötétebb, a Highlights a világosabb, míg a Midtoes a kettő közötti szíek változtatására szolgál. A Saturatio a szítelítettség állítására szolgál. Az ablak jobb szélé lévő Lighter-Darke a féyesség, lumiacia állítására szolgál. 0

4. ábra 5. ábra 6. ábra 1

Az eddig megismert képszerkesztési műveletek kibővített tárháza található a Levels ill. a Curves paracsokba. A Levels paracs meghívásakor a 7. ábrá látható ablak jeleik meg, amelyek értelmezése a következő: Chael szícsatora, amelyre a módosítás voatkozik, Iput levels bemeeti szitek (ezek összhagba vaak a hisztogram alatti három csúszkával) adják a kép kotrasztosságát. Az első (fekete) és utolsó (fehér) szám ill. csúszka 0 és 55 közötti értéket vehet fel. Az első rovatba írt 35 például azt jeleti, hogy az eredeti képe mide olya szí, amelyek féyessége (világossága) 35-él kisebb fekete lesz, ezzel a képet sötétítjük. Ha viszot az utolsó rovatba lévő értéket csökketem például 0-ra, akkor mide olya szí melyek féyessége (világossága) 0-ál több fehér lesz, ezzel a képet világosítjuk. A középső rovatba lévő Gamma érték (0.10-9.99) ill. a középső csúszka adja a középszürke világossági értékét. Mide Gamma-érték változtatás a kép kotrasztosságáak csökkeését fogja eredméyezi aélkül, hogy az áryékok ill. az erős megvilágítások megváltozáak. A Gamma 1.00-re állítása adja a középszürkét, eek csökketése a középszürke (középtóus) sötétítését, övelése a aak világosítását eredméyezi. Output levels kimeeti szitek a világossági tartomáy (lumiacia) lerövidítésére szolgál. Eek eredméyekét a kép legsötétebb potjai világosodak, a világosak pedig sötétedek. A bal oldali rovatba írt 40 például azt jeleti, hogy képükö em lesz olya szí, amelyek világossága, féyessége (lumiaciája) 40-él kevesebb, ezzel a képet világosabbá teszi. Ha viszot a jobb oldali rovatba például 190- at íruk, em lesz a képükö olya szí, melyek világossága 190-ál több, ezzel a képet sötétebbé teszi. Eyedroppers pipetták automatikus világosságállítást fog eredméyezi. A fekete pipettával (bal oldali) egy pixelre kattitva az összes olya szít, amelyek világossága a pixeléél kevesebb, feketíti. A fehér pipettával (jobb oldali) egy pixelre kattitva az összes olya szít, amelyek világossága a pixeléél több, fehéríti. A középső pipetta a középszürke világosítására szolgál. A pipetták szerepe, tehát megegyezik az Iput levels-él leírtakkal. 7. ábra

Az előbb leírt műveletek az egyes szícsatorákba (R, G, B; C, M, Y, K) is elvégezhetőek. Mitaképek közlése helyett bátorítok midekit a következő értékek egymás utái kipróbálására egy tetszőleges képe: Iput levels Output levels 0 1.00 55 0 55 100 1.00 55 0 55 0 1.00 170 0 55 0 0.60 55 0 55 0.00 55 0 55 0 1.00 55 40 55 0 1.00 55 0 150 1. táblázat A Curves paracs az előbb említett műveleteke túlmeőe a Gradációs görbék segítségével lehetővé teszi, hogy akár szícsatorákét az összes világosságértéket átkovertáljuk egy másik értékre. A féyerősségskála (vízszites tegely) két részből áll (fekete-fehér ill. fehér-fekete) a sorredek jeletősége va -, amelyek a szíeket jellemzik. A fekete-fehér sorred eseté az egyes szíeket féyerősségük alapjá adhatjuk meg, ha ilyekor a gradációs görbét felfelé mozdítjuk el, akkor a képet világosítjuk, ha pedig lefelé, akkor sötétítjük. A fehér-fekete sorred eseté az egyes szíeket a szükséges festék szeriti osztásba adja. A gradációs görbe módosítható potokét (görbe) vagy meg is rajzolható (ceruza). Ha a digitális képük életle féyképről származik, akkor az egyes képpotoko kapott itezitás és az adott potra beesett féymeyiség ics lieáris aráyba egymással. Alapértelmezésbe a lieáris kapcsolatból iduluk ki és ezt traszformáljuk például a 8. ábráak megfelelőe. A gradációs függvéy megadja tehát az egyes képpotok itezitását adja a megvilágítás (világosság) függvéyébe. Kimeeti szitek a bemeeti szitek alapjá Bemeeti szitek: - világosságértékek alapjá, - festékezés alapjá. világosság-görbe görbe - ceruza 8. ábra 3

9. ábra Fotos eleme lehet a szíkorrekcióak az ú. korrekciós réteg (Layer/New/Adjusmet Layer), amely olya réteg ami a matematikai szíkorrekciós iformációkat tartalmazza. Ez a réteg végrehajtja a korrekciót az összes alatta lévő rétege, de a fölötte lévőeke em. A paracs meghívása eseté a 9. ábrá látható ablak jeletkezik be, amely em csak a rétegekre jellemző paramétereket teszi beállíthatóvá, haem a Type opció keresztül támogatja a szíkorrekciót is. A réteg-alapú korrekció előyei: - örökre szerkeszthetőség, - támogatott rétegmaszkolás, - a korrekciók sorrediségéek megváltoztathatósága, - az összhatásmód módosíthatósága.... Képjavítás szűréssel A képet ért zavaró hatásokat zajak evezzük. A zajt a képfeldolgozás előtt el kell távolítai a képről, vagy legalább is miimalizáli kell. Ezt a műveletet zajszűrések evezzük. A legtöbb hibajavítás elvégezhető a zajszűréssel mid a frekvecia, mid pedig a Fourier traszformáció előtt, azaz a képtartomáyba. A frekvecia tartomáyba végrehajtott zajszűréskor em egyből a D m együttható mátrixszal (19) hajtjuk végre a visszatraszformálást, haem egy S m szűrőegyüttható mátrixszal beszorozzuk, majd ezek utá végezzük el az iverz Fourier traszformációt. A visszatraszformáláskor kapott k rs függvéy (0) helyett a szűrt függvéyel leírt képet kapjuk (k rs ). A frekveciatartomáyba végrehajtott szűrés alkalmas jól meghatározott frekveciájú periodikus zajak a képből törtéő kiszűrésére. Ez úgy törtéhet, hogy az S m bizoyos elemeit 0-ak vesszük, így a kép visszaállításakor eek az együtthatóak megfelelő bázisfüggvéy kiesik. A képet érő zajok egy jeletős része abba yilvául meg, hogy megváltozik bizoyos képpotok világosságkódja. A zaj a világosságkódokba a véletleszerű, hirtele bekövetkező változást jeleti, azok pedig az előbb említett magas frekveciájú bázisfüggvéyek leullázásával kiszűrhetőek. Eek azoba lehet egy hátráyos következméye is, ui. az élek is elmosódhatak. A zajszűrő függvéyeket aluláteresztő szűrőkek evezzük. Nézzük éháy aluláteresztő szűrőt: az ideális szűrő az u u 0 sugarú kör belsejébe eső frekveciákat átegedi, míg az eze kívülieket kiszűri. A 14. ábra alapjá tudhatjuk, hogy az origó köryezetébe vaak a kis frekveciás együtthatók, míg oa távolodva pedig a magasak találhatók. Így távolítja el a magas frekveciákat a lumiacia függvéyből. Az ideális szűrő hátráya, hogy a magas frekveciás összetevőket teljese kiszűri, így az éleket is elsímítja, a képet homályosítja. 4