Аналіз результатів масштабування цифрових зображень алгоритмами інтерполяції

Анотація

Масштабування цифрових растрових зображень часто використовується в сучасних комп’ютерних і телекомунікаційних системах. Серед алгоритмів масштабування зображень найбільш поширеними є алгоритми інтерполяції, а саме найближчого сусіда, Ланцоша, білінійної та бікубічної інтерполяцій. Проте, в процесі масштабування зображень алгоритмами інтерполяції на них виникають характерні спотворення. Тому в даній роботі виконано програмну реалізацію та дослідження алгоритмів інтерполяції зображень з метою виявлення їх переваг і недоліків, сфер використання та шляхів удосконалення. З метою дослідження алгоритмів інтерполяції на основі початкового зображення fRGB виконано обчислення масштабованого зображення fRGBs, а потім на основі fRGBs обчислено масштабоване зображення fRGBs2 із розмірами початкового зображення. Точність масштабування оцінено через корінь середньої квадратичної помилки (root mean square error – RMSE) між значеннями пікселів початкового та масштабованого зображень. Програму для масштабування зображень розроблено на мові Python. Обчислення масштабованих зображень виконано функцією cv2.resize() бібліотеки OpenCV. За допомогою розробленої програми проведено масштабування серії з 100 зображень, досліджено точність та швидкодію масштабування цифрових зображень за алгоритмами інтерполяції. Для кожного метода інтерполяції обчислено середню помилку масштабування AR та межі її довірчого інтервалу ARmin та ARmax із заданою надійністю γ.  Визначено середній час масштабування AT для серії з 100 зображень різними алгоритмами. Результати досліджень показали, що у більшості випадків найменшу помилку масштабування забезпечує алгоритм бікубічної інтерполяції, який незначно поступається за швидкодією алгоритмам найближчого сусіда та білінійної інтерполяції. Розроблено рекомендації по застосуванню алгоритмів інтерполяції. Показано, що для найбільш якісного масштабування зображень є перспективним застосування згорткових нейронних мереж.