Способ изображения список или

КАРТОГРАФИ́ЧЕСКИЕ СПО́СОБЫ ИЗОБРАЖЕ́НИЯ

В книжной версии

Том 13. Москва, 2009, стр. 242

Скопировать библиографическую ссылку:

• 
• 
• 
• 
• 

КАРТОГРАФИ́ЧЕСКИЕ СПО́ СОБЫ ИЗО­БРАЖ Е́НИЯ, сис­те­мы ус­лов­ных обо­зна­че­ний, при­ме­няе­мые при соз­да­нии карт, для по­ка­за про­стран­ст­вен­но­го раз­ме­ще­ния объ­ек­тов, яв­ле­ний, про­цес­сов, их со­че­та­ний, свя­зей и раз­ви­тия. В этих це­лях ис­поль­зу­ют­ся мно­го­чис­лен­ные и раз­но­об­раз­ные кар­то­гра­фич. сим­во­лы, имею­щие разл. фор­му, раз­мер, цвет, его на­сы­щен­ность, ори­ен­ти­ров­ку и внутр. струк­ту­ру зна­ка и т. п. Они обоб­ще­ны и сис­те­ма­ти­зи­ро­ва­ны в от­но­си­тель­но не­боль­шое чис­ло ос­нов­ных К. с. и. (см. кар­ту Кар­то­гра­фи­че­ские спо­со­бы из­об­ра­же­ния), ко­то­рое уве­ли­чи­ва­ет­ся на ани­ма­ци­он­ных кар­тах за счёт до­бав­ле­ния ди­на­мич. пе­ре­мен­ных: дви­же­ния, ми­га­ния зна­ков, из­ме­не­ния цве­та и т. д. (см. так­же Кар­то­гра­фи­че­ская ани­ма­ция ).

Источник

Алгоритм быстрого нахождения похожих изображений

Недавно наткнулся на статью, размещенную на Хабрахабре, посвященную сравнению изображений «Выглядит похоже». Как работает перцептивный хэш. Так как я сам достаточно долго занимался этой тематикой (являюсь автором программы AntiDupl), то мне захотелось поделиться здесь своим опытом по данному вопросу. В статье я приведу два варианта алгоритма сравнения похожих изображений — базовый и улучшенный. Все они были проверены автором на практике в рамках указанного выше проекта. Изложение мое будет вестись без строгих доказательств, сложных формул и специальной математической терминологии. Надеюсь, что читатели простят меня за это.

Мера схожести изображений

При сравнении похожих изображений первым встает вопрос: что считать мерой схожести изображений? Очевидно, что это величина имеет значение обратное различию изображений друг от друга. Следственно нужно выбрать некую метрику, характеризующую различие изображений друг от друга. Тогда схожими изображениями будут считаться изображения, отличие между которыми меньше некоторого порога. Для изображений с одинаковыми габаритами, обычно такой мерой различия служит среднеквадратическое отклонение пикселей одного изображения от другого. Хотя конечно, нам ни что не мешает выбрать другую метрику, например усредненную абсолютную разность пикселей изображений друг от друга.

Картинки разных размеров

Вопрос несколько усложняется, если нужно сравнить изображения разных размеров. Однако достаточно очевидным решением этой проблемы является приведение всех изображений к одинаковому размеру. Остается выбрать это размер — если выбрать его слишком маленьким, то очевидно, что различия между изображениями тогда будут нивелироваться, и у нас будет много ложно положительных срабатываний. При слишком большом размере неоправданно повышается ресурсоёмкость алгоритма сравнения. Опыт показывает, что наиболее оптимальным является размер приведенного изображения от 16х16 до 64х64. Так же опыт показывает, что цветовые характеристики изображения оказывают гораздо меньшее влияние на визуальные ощущения схожести изображений по сравнению с яркостными, потому их можно отбросить.

Основные шаги

Итак, простейший вариант алгоритма сравнения похожих изображений будет включать в себя следующие шаги:

1. Приведение всех изображений к одному размеру (возьмем для определенности размер 32х32).
2. Отбрасыванию цветовой информации (преобразование в серое изображение).
3. Нахождение среднеквадратической разности для каждой пары уменьшенных серых изображений.
4. Сравнение полученной среднеквадратической разности с некоторым порогом.

Здесь порог определяет меру схожести изображений. Так если выбрать порогом 0%, то алгоритм найдет только полностью идентичные изображения. При 5% пороге алгоритм сможет найти также визуально похожие изображения, которые могут различаться разрешениям, качеством сжатия, наличием мелких надписей, кропом и т.д. при незначительном количестве ложных срабатываний. При пороге выше 10%, как правило, количество ложных срабатываний может превышать число положительных срабатываний. Несомненно, данный алгоритм в том или ином варианте должен быть реализован в любой программе, осуществляющей поиск похожих изображений. Вариации обычно касаются способа получения уменьшенного изображения, размеров уменьшенного изображения и способов его квантования по цветовой палитре, выбора метрики, определяющей степень различия изображений.

Недостатки базового алгоритма

К недостаткам данного алгоритма, можно отнести его плохую чувствительность при сравнении слабо контрастных изображений, а также изображений без крупномасштабных особенностей (контурные рисунки, изображения текста). Слабая чувствительность объясняется тем, что при уменьшении исходного изображения до размера 32х32, как правило все такие изображения становятся не различимыми друг от друга. Также недостатком данного подхода можно считать квадратическую зависимость времени исполнения алгоритма в зависимости от общего числа изображений, так как нужно провести сравнение для каждой пары изображений. Так для сравнения пары отнормированных изображений друг с другом алгоритму нужно выполнить порядка 10^3 арифметических операций, то для тысячи изображений это уже порядка 10^9 операций, а для миллиона изображений — 10^15 операций. Конечно не у каждого пользователя есть коллекции изображений с миллионом картинок, но даже для сравнения 100 тысяч изображений (что не является такой уж редкостью для фотолюбителей) нам требуется выполнения порядка 10^13 операций, что может занять существенное время даже на современном железе.

Быстрый алгоритм

Как уже было сказано, у данной базовой реализации алгоритма две проблемы — невысокая точность на изображениях без крупномасштабных особенностей и квадратичная зависимость времени исполнения от общего числа изображений. Первая проблема достаточно специфична и характерна для довольно узкого круга изображений, потому далее мы сосредоточимся на решении второй проблемы. Очевидно, что данный алгоритм хорошо распараллеливается и векторизуется. Однако, в рамках данной статьи мне хотелось бы остановиться не на программной, а на алгоритмической оптимизации данного алгоритма.

Соотношение сторон

Визуально одинаковые изображения, как правило, обладают близкими соотношениями ширины и высоты. Отсюда логичный вывод — сравнивать только изображения с близкими соотношениями сторон. На практике, большинство изображений в одной коллекции, как правило, имеет одинаковое соотношение сторон (например — 3:4), но имеет разную ориентацию (вертикальную или горизонтальную). Таким образом, мы получаем два изолированных класса изображений, которые не обязательно сравнивать друг с другом. Приблизительное ускорение алгоритмов от этого факта — около двух раз.

Предварительное сравнение

Первый самый очевидный шаг: если мы один раз уменьшили изображение, то почему бы не сделать это снова? Делаем из картинки 32х32 картинку размером 4х4, где каждая точка уменьшенного изображения представляет собой усредненную яркость соответствующей части исходного изображения размером 8х8. Можно математически строго доказать, что среднеквадратическая разность для этого уменьшенного изображения будет не больше, чем среднеквадратическая разность исходного изображения. Следовательно, мы можем путем предварительного сравнения уменьшенных изображений размером 4х4 создать своеобразный фильтр, который будет отсеивать большую часть кандидатов на полноценное сравнение (при условии, что в выборке большая часть изображений относительно уникальны). Таким несложным приемом можно достичь, как несложно подсчитать, практически 50-и кратного ускорения. Однако, очевидно, что чем выше порог, с которым мы сравниваем изображения, тем меньше эффективность данного фильтра.

Одномерное индексирование изображений

Как известно, поиск в упорядоченном массиве данных может быть осуществлен за время порядка О(ln(N)), в отличие от неупорядоченного, которое требует О(N). Таким образом, если каким-то образом нам удастся упорядочить изображения, то теоретически можно свести квадратичную сложность поиска О(N^2) к квазилинейной — О(N*ln(N)). И так попытаемся создать индекс, с помощью которого мы будем производить сортировку изображений. Для этого берем нашу уменьшенную картинку размером 4х4 и уменьшаем ее еще в два раза до размера 2х2. Из этой картинки легко сформировать первый индекс:

который представляет собой среднюю яркость нашего изображения. Фактически, это изображение, уменьшенное до размера 1х1. Среднеквадратическая разность исходных изображений, будет не меньше, чем разность их интенсивностей. Таким образом, если порог для сравнения изображений имеет значение t, то все возможные кандидаты на сравнение должны иметь среднюю яркость в диапазоне от i[0] — t до i[0] + t. Фактически, если мы отсортируем все изображения по индексу i[0], то можем проводить сравнение со значительно меньшим числом изображений — 2*t/255. Не сложно подсчитать, что для типичного порога в 5% — имеем теоретический выигрыш в 10 раз. Практически, выигрыш будет меньше, так как статистическое распределение изображений по средней яркости не равномерно в диапазоне [0. 255], а имеет колоколообразный максимум вблизи значения 127 и спадает по краям диапазона. Его фактическая ширина, а следственно и практический выигрыш алгоритма от теоретически возможного составляет порядка 70-80%.

Многомерное индексирование изображений

Помимо средней яркости i[0], из изображения размером 2×2 можно построить еще 3 дополнительных индекса:

i[1] = 128 + (p[0][0] — p[0][1] + p[1][0] — p[1][1])/4,

i[2] = 128 + (p[0][0] + p[0][1] — p[1][0] — p[1][1])/4,

i[3] = 128 + (p[0][0] — p[0][1] — p[1][0] + p[1][1])/4,

которые имеют простой физический смысл: индекс i[1] показывает на сколько левая часть изображения ярче чем правая, i[2] — на сколько верхняя часть ярче нижней, а i[3] — на сколько отличаются диагонали изображения. По всем этим индексам можно также отсортировать изображения, как и по первому, причем все возможные кандидаты на сравнение будут лежать в диапазонах от i[j] — t до i[j] + t. Т.е. в четырехмерном пространстве, образованном этими индексами область поиска будет представлять 4-х мерный куб со стороной 2*t и центром с координатами, образованными индексами искомого изображения. Теоретическое ускорение, равно отношению объема этого 4-мерного куба к общему объему индексного пространства и равна (2*t/255)^4 = 1/10000. Практическое ускорение значительно скромнее, так как эффективная ширина распределения изображений по индексам i[1] и i[2] составляет порядка 40-50%, а i[3] — всего 20-30% от максимально возможного. Из-за узкого фактического диапазона, на практике использование последнего индекса часто вообще не целесообразно, потому можно ограничиться первыми 3-мя индексами. Тем не менее практически достижимое ускорение достигает двух порядков (для пороговой разности в 5%).

Основные этапы улучшенного алгоритма

И так, можно обобщить наши рассуждения и привести основные шаги, которые необходимо сделать в рамка алгоритма быстрого сравнения изображений.

1. Приведение всех изображений к одному размеру (32х32) и отбрасывание цветовой информации.
2. Нахождение уменьшенного изображения для предварительного сравнения размером 4х4.
3. Построение n-мерного индекса изображения на основании изображения для предварительного сравнения.
4. Определение границ области поиска в n-мерном индексном пространстве.
5. Проверка соотношения сторон у кандидатов из этой области.
6. Проведение предварительного сравнения изображений с кандидатами прошедшими предыдущий пункт.
7. Проведение полноценного сравнения изображений с кандидатами прошедшими предыдущие пункты.

Недостатки быстрого алгоритма

В целом эффективность индексирования сильно зависит от порога схожести изображения — при нулевом пороге сложность поиска похожих изображений приближается к линейной О(N), а при большом пороге к квадратичной О(N^2). Тем не менее, это является значительным прогрессом, так как в базовом варианте алгоритма сложность поиска всегда квадратична О(N^2). Также стоит отметить, что на практике для реализации сортировки по n-мерному индексному пространству приходится организовывать n-мерный массив со списками изображений, лежащих в определенном диапазоне индексов. Что вносит дополнительные накладные расходы и делает неоправданным использование индексирования большой размерности, а также не эффективность такого индексирования для небольших коллекций изображений.

Заключение

Надеюсь, что читателей заинтересовало мое изложение. Возможно, даже кому-то показалось полезным. Жду отзывов.

Источник

Выразительные средства фотосъёмки

В этом посте выложу основные термины, используемые в фотографии. Признаюсь сразу, текст не мой, взят со «Школы фотографии»
Выразительные средства фотосъемки

Многие из нас задумываются, почему у одного фотографа снимки получаются лучше и качественнее, чем у другого, хотя условия съемки, казалось бы, одинаковые. Здесь есть несколько хитростей. В целом, качество будущей фотографии не в последнюю очередь определяется целым набором специальных выразительных средств:

Композиция – это совокупность отдельных элементов, объединенных автором в художественное единство. Именно композиция призвана наиболее ярко и четко донести аудитории мысли и идеи автора, и именно от нее зависит весь произведенный эффект.
Композиция строится из нескольких компонентов. Во-первых, это главный тематический центр, то есть сюжетный смысл всей работы, во-вторых, — остальные сопутствующие элементы.
Композиция является основой, но не залогом удачного кадра. Дополняют композиционный состав особые выразительные средства, такие, как ракурс, освещение, точка съемки, тональность, колорит, момент съемки, контраст, план.
Каждому фотографу стоит помнить, что композиция фотографии — это не самоцель и не самостоятельный элемент. Композиция — это лишь визуальное проявление идей.

Использование в кадре сюжетно-тематического центра представляет собой изобразительный акцент. Определить сюжетный центр довольно просто. Как правило, это контраст укрупненных главных элементов.
В любом жанре, будь то студийная, репортажная съемка, групповые фотографии или что-то иное, каждый элемент, попавший в кадр, играет свою роль. Следует учитывать, что не все эти роли равнозначны. Одни определяют суть кадра, становятся его идейным центром, а другие обрамляют этот сюжетный центр и придают ему некие изобразительные, характерные, временные характеристики. Причем, не стоит упускать из виду те элементы, которые принято называть помехами. Выстраивая композицию, фотограф должен учитывать их и оставлять за кадром.

Светотень — это последовательный переход светлых и темных оттенков, который и позволяет воспринимать на снимке объемные предметы фигуры в окружающем пространстве.
Оттенки светотени зависят от ряда условий: освещения, формы самих предметов, объёма, фактуры объекта и глубины пространства. В зависимости от того, как объект расположен по отношению к источнику света, светотень будет иметь ту или иную яркость. К элементам светотени можно отнести света, блики, тени, полутени, рефлексы.
Эффекты светотени помогают фотографу получить нужную эмоциональную выразительность снимка, более гармоничный композиционный состав. Однако каждый фотограф должен учитывать, что фотографическое изображение имеет меньше тонов, чем реальный объект.

Термин «колорит» используется для характеристики изображения по соответствию, реалистичности и взаимосвязи использованных цветовых элементов. Основное свойство колорита — это возможность создания цветовых оттенков, максимально соответствующих цветам в действительности.
Правдоподобность колорита сложно достигнуть простым воспроизводством цвета с действительного предмета. Сам по себе графический световой фон никогда не передает полноту цвета реальных красок. А достигнуть максимальной правдоподобности можно только благодаря определенной связи с другими тонами.
Сила, интенсивность цвета, ее сочетание с другими цветами и оттенками помогают фотографу подчеркивать сюжет снимка, задают ему определенное настроение, указывают на характерные элементы и обозначивают идею.

В отличие от реальности фотография не передает глубину изображения — только высоту и ширину. Для передачи этой третьей проекции используют перспективу, которая представляет собой способ изображения объемных тел на плоскости с учетом зрительного восприятия. При этом необходимо учитывать пространственную структуру объектов и их расположение в пространстве.
В фотографии перспектива применяется как одно из средств выразительности для создания художественных образов.
В зависимости от изменения расположения предмета относительно глаз человека, немного меняется его форма, цветовые оттенки, очертания. Именно подобные свойства позволяют несколько изменять изображение самого предмета.
Существует несколько видов перспектив. Среди них можно назвать прямую (уменьшение предметов по мере удаления от глаз) и обратную линейную перспективы (увеличение предметов по мере их удаления), аксонометрию (проецирование), сферическую (изгиб некоторых линий при удалении), воздушную (исчезновение четкости и очертаний при удалении предмета) и тональную перспективы (изменение тонов).
Все виды перспективы в той или иной мере используются в фотографии и создают, порой, уникальны визуальные эффекты. Например, использование подобных законов позволяет на снимке передать протяженность пространства или иллюзию глубины и трехмерность объектов. Зная как «работают» различные виды перспектив и грамотно нарушая эти правила и законы, профессиональный фотограф может создавать поистине уникальные снимки.
Очень часто на снимке именно с перспективой обнаруживаются проблемы, когда линии объекта не соответствуют реальным. В этом случае используют коррекцию, которая заключается в исправлении линий: наклонные меняют на вертикальные, сходящиеся или расходящиеся на параллельные.

Точка и момент съемки

Точка съемки является основой будущего снимка. Ведь именно то того, где находится фотограф по отношению к предмету зависят все основные характеристики кадра: и перспектива, и светотень, и композиция. Точка съемки во многом определяет изображаемый предмет. Ярким примером этого служат портреты или так называемые «неудачные фотографии». Зачастую изображение на этих снимках не неудачное, а попросту непривычное. Человек просто глядит на себя не с необычной точки.
Съемочная точка определяется тремя координатами:направлением, расстоянием и высотой. Любое изменение хотя бы одной из них, может принципиально повлиять на получившееся изображение, начиная попавшими в композицию объектами, заканчивая перспективой. Соответственно этим координатам точка съемки может быть фронтальной, под углом или боковой, а говоря о портрете — анфас, труакар, профиль.
Что касается момента съемки, то здесь можно говорить скорее не о технической, а о художественной составляющей снимка. Хороший фотограф должен быть динамичным и успевать «поймать» интересные кадры, сочетая быстроту с техническими навыками. Один и тот же момент никогда не повторяется дважды. Возможно, именно по этой причине для некоторых фотографов наиболее интересными моделями представляются дети и животные, те, кто не умеет позировать специально, а наиболее увлекательными жанрами фотографии — динамичные съемки.
Искусство фотографии заключается в умелом сочетании точки и момента съемки. То, что с одной точки может казаться обычным, приобретает удивительные черты с другой.

Планы – это условное деление пространства на снимке, в котором присутствуют заметные части изображения для сюжетной линии и опорные пункты для передачи глубины пространства.
Хотя на практике планов может быть сколь угодно много (все зависит от постановки фотографа), в общем виде различают первый план, его еще называют передним, второй план и задний или дальний план. Наличие какого-либо плана и их количество полностью зависит от сюжетной композиции и точки съемки. На плоских объектах, коим является фотография, план передается за счет пропорций предметов, перспективы, светотени и оттенков цветов.

Ракурс представляет собой сокращение формы предмета в перспективе. Такой прием приводит к перемене привычных очертаний предмета. В фотографии под ракурсом обычно понимают кадры, сделанные под острым углом сверху, снизу или вблизи.
При съемке ракурс «работает» на композицию. Он обостряет ее, выделяет главное в сюжетной линии и увеличивает сам объект съемки.

Контраст служит фотографу для того, чтобы противопоставить два качества или свойства объекта. При выставлении контраста получается взаимное усиление каких-либо черт. Контраст придает фотографии большее выражение и экспрессию, эмоциональность и яркость.
Разновидностей контрастов существует столько, сколько и самих фотографов и их идей. Самые распространенные — это цветовой и светотеневой контрасты. Однако работать с контрастом следует особенно осторожно. Чрезмерное противопоставление может загубить всю задумку снимка, и фотография станет не выразительной, а гиперболизированной.
Противопоставить на фотографии можно многое, причем не только в техническом плане, но и в самой сюжетной линии снимка. Например, яркое и бледное, темное и светлое, сфокусированное и размытое, симметричное и асимметричное, статичное и динамичное и многое, многое другое.

Для прояснения и уточнения каких-либо моментов, пишите в комменты. Если желаете увидеть более подробный пост о каком-либо из изобразительных средств-тоже в комменты.

Источник