Harmonic Smoothing of Digital Images

Authors

  • Vasilenko V.V. Serov's Krasnodar Higher Military Aviation School for Pilots, Krasnodar, Russian Federation
  • Safronov A.P. Kuban State University, Krasnodar, Russian Federation
  • Smyslov A.A. Kuban State University, Krasnodar, Russian Federation
  • Tseplayev D.P. Kuban State University, Krasnodar, Russian Federation
  • Markovsky A.N. Kuban State University, Krasnodar, Russian Federation

UDC

004.932.2

EDN

MGAKYI

DOI:

10.31429/vestnik-17-1-2-8-15

Abstract

The problem of smoothing monochromic digital images is considered. The proposed approach can be attributed to the diffusion smoothing method. Digital images are modeled using functions from the space $L_{2}(Q)$, $Q$ is the field of vision. The diffusion transformation is introduced as a solution of the heat conductivity equation and the problem of stabilization of the solution is considered with an unlimited increase in time. We study the extension of the classical Laplace operator with the allocation of a subspace of its one-to-one action and then the construction the inverse operator - the harmonic smoothing operator. Such an operator is the convolution of the original (sharp) image and the fundamental solution of the Laplace equation minus the projection of this convolution to the harmonic subspace. A method for the approximate calculation of the convolution integral is given. The decomposition of the space $L_{2}(Q)$ into the orthogonal sum of a harmonic and Novikov subspace is analyzed. The algorithm of the method of basic potentials of the allocation of the harmonic component of a digital image is presented; the method is based on the completeness of systems of basis potentials. A discrete case and a one-parameter family of smoothing transformations for which the parameter acts as a measure of blur is considered. The results of computational experiments for different values of the spectral parameter is presented.

Keywords:

Laplace operator, smoothing of images, diffusion equation

Authors info

  • Vera V. Vasilenko

    канд. физ.–мат. наук, доцент 103 кафедры математики (и информатики) Краснодарского высшего военного авиационного училища летчиков имени Героя Советского Союза А.К. Серова

  • Aleksey P. Safronov

    студент факультета математики и компьютерных наук Кубанского государственного университета

  • Aleksandr A. Smyslov

    студент факультета математики и компьютерных наук Кубанского государственного университета

  • Daniil P. Tseplayev

    студент факультета математики и компьютерных наук Кубанского государственного университета

  • Aleksey N. Markovsky

    канд. физ.–мат. наук, доцент кафедры математических и компьютерных методов Кубанского государственного университета

References

  1. Кольцов П.П. Оценка размытия изображения // Компьютерная оптика. 2011. Т. 31. № 1. С. 95–102. [Kol'tsov, P.P. Otsenka razmytiya izobrazheniya [Assessment of image blur]. Komp'yuternaya optika [Computer optics], 2011, vol. 31, no. 1, pp. 95–102. (In Russian)]
  2. Ронжин Ан.Л., Ватаманюк И.В., Ронжин Ал.Л., Железны М. Математические методы оценки размытости изображения и распознавания лиц в системе автоматической регистрации участников совещаний // Автоматика и телемеханика. 2015. Вып. 11. С. 132–144. [Ronzhin, A.L., Vatamanyuk, I.V., Ronzhin, A.L. et al. Mathematical methods to estimate image blur and recognize faces in the system of automatic conference participant registration. Automation and Remote Control, 2015, vol. 76, pp. 2011–2020.]
  3. Асатрян Д.Г. Оценивание степени размытости изображения путём анализа градиентного поля // Компьютерная оптика. 2017. Т. 41. № 6. С 957–962. [Asatryan, D.G. Otsenivanie stepeni razmytosti izobrazheniya putem analiza gradientnogo polya [Estimating the degree of image blur by analyzing a gradient field]. Komp'yuternaya optika [Computer Optics], 2017, vol. 41, no. 6, pp. 957–962. (In Russian)]
  4. Методы компьютерной обработки изображений / Под ред В.А. Сойфера. М.: Физматлит, 2003. 784 с. [Soyfer, V.A. (ed.) Metody komp'yuternoy obrabotki izobrazheniy [Computer image processing methods]. Fizmatlit, Moscow, 2003. (In Russian)]
  5. Гонсалес Р., Вудс Р. Цифровая обработка изображений. М.: Техносфера, 2012. 1104 с. [Gonsales, R., Vuds, R. Tsifrovaya obrabotka izobrazheniy [Digital image processing]. Tekhnosfera, Moscow, 2012. (In Russian)]
  6. Сизиков В.С. Прямые и обратные задачи восстановления изображений, спектроскопии и томографии с MatLab. М.: Лань, 2017. 412 с. [Sizikov, V.S. Pryamye i obratnye zadachi vosstanovleniya izobrazheniy, spektroskopii i tomografii s MatLab [Direct and inverse problems of image restoration, spectroscopy and tomography with MatLab]. Lan', Moscow, 2017. (In Russian)]
  7. Михайлов В.П. Дифференциальные уравнения в частных производных. М.: Наука, 1987. 391 с. [Mikhaylov, V.P. Differentsial'nye uravneniya v chastnykh proizvodnykh [Partial Differential Equations]. Nauka, Moscow, 1987. (In Russian)]
  8. Лежнев В.Г., Марковский А.Н. Прямая и обратная краевые задачи уравнения распространения неизотропной диффузии // Экологический вестник научных центров Черноморского экономического сотрудничества. 2005. № 3. С. 28–33. [Lezhnev, V.G., Markovskiy, A.N. Pryamaya i obratnaya kraevye zadachi uravneniya rasprostraneniya neizotropnoy diffuzii [Direct and inverse boundary value problems of the distribution equation of non-isotropic diffusion]. Ekologicheskiy vestnik nauchnykh tsentrov Chernomorskogo ekonomicheskogo sotrudnichestva [Ecological Bulletin of the Scientific Centers of the Black Sea Economic Cooperation], 2005, no. 3, pp. 28–33. (In Russian)]
  9. Борисенко Г.В., Денисов А.М. Нелинейный источник в диффузионных методах фильтрации изображений // Ж. вычисл. матем. и матем. физ. 2007. Т. 47. № 10. С. 1701–1705. [Borisenko, G.V., Denisov, A.M. Nonlinear source in diffusion filtering methods for image processing. Comput. Math. and Math. Phys., 2007, vol. 47, pp. 1631–1635.]
  10. Россовский Л.Е. К фильтрации изображений с использованием анизотропной диффузии // Ж. вычисл. матем. и матем. физ. 2017. Т. 57. № 3. С. 396–403. [Rossovskii, L.E. Image filtering with the use of anisotropic diffusion. Comput. Math. and Math. Phys., 2017, vol. 57, pp. 401–408.]
  11. Шонин И.С. Применение анизотропного фильтра Перона–Малика в задаче распознавания посадочной площадки // Вестник Концерна ВКО "Алмаз-Антей". 2017. Т. 1. № 20. С. 82–87. [Shonin, I.S. Primenenie anizotropnogo fil'tra Perona–Malika v zadache raspoznavaniya posadochnoy ploshchadki [The use of the Peron-Malika anisotropic filter in the recognition of the landing site]. Vestnik Kontserna VKO "Almaz-Antey" [Bulletin of the Concern "Almaz-Antey"], 2017, vol. 1, no. 20, pp. 82–87. (In Russian)]
  12. Попова Г.М., Степанов В.Н. Анализ и обработка изображений медикобиологических микрообъектов // Автомат. и телемех. 2004. № 1. С. 131–142. [Popova, G.M., Stepanov, V.N. Examination and Processing of the Images of Biomedical Microobjects. Automation and Remote Control, 2004, vol. 65, pp. 116–126.]
  13. Гайдель А.В., Крашенинников В.Р. Отбор признаков для задачи диагностики остеопороза по рентгеновским изображениям шейки бедра // Компьютерная оптика. 2016. Т. 40. № 6. С. 939–946. [Gaydel', A.V., Krasheninnikov, V.R. Otbor priznakov dlya zadachi diagnostiki osteoporoza po rentgenovskim izobrazheniyam sheyki bedra [Selection of signs for the diagnosis of osteoporosis using x-ray images of the femoral neck]. Komp'yuternaya optika [Computer optics], 2016, vol. 40, no. 6, pp. 939–946. (In Russian)]
  14. Хрящёв Д.А. Об одном методе выделения контуров на цифровых изображениях // Вестн. Астрахан. гос. техн. ун-та. Сер. управление, вычисл. техн. информ. 2010. Т. 2. С. 181–187. [Khryashchev, D.A. Ob odnom metode vydeleniya konturov na tsifrovykh izobrazheniyakh [About one method of selecting contours in digital images]. Vestnik Astrakhanskogo gosudarstvennogo tekhnicheskogo universiteta. Seriya "Upravlenie. Vychislitel'naya tekhnika. Informatika" [Bulletin of the Astrakhan State Technical University. Series "Management. Computer engineering. Informatics"], 2010, vol. 2, pp. 181–187. (In Russian)]
  15. Ягола А.Г., Кошев Н.А. Восстановление смазанных и дефокусированных цветных изображений // Выч. мет. и программирование. 2008. Т. 9. № 3. С. 207–212. [Yagola, A.G., Koshev, N.A. Vosstanovlenie smazannykh i defokusirovannykh tsvetnykh izobrazheniy [Recovery of blurry and defocused color images]. Vychislitel'nye metody i programmirovanie [Computational methods and programming], 2008, vol. 9, no. 3, pp. 207–212. (In Russian)]
  16. Сережникова Т.И. Устойчивые методы восстановления зашумленных изображений // Вестн. ЮУрГУ. Сер. Матем. моделирование и программирование. 2011. № 25. С. 32–42. [Serezhnikova, T.I. Ustoychivye metody vosstanovleniya zashumlennykh izobrazheniy [Sustainable methods for restoring noisy images]. Vestnik YuUrGU. Seriya Matematicheskoe modelirovanie i programmirovanie [Bulletin of the South Ural State University. Series "Mathematical Modeling and Programming"], 2011, no. 25, pp. 32–42. (In Russian)]
  17. Лежнев А.В., Лежнев В.Г. Метод базисных потенциалов в задачах математической физики и гидродинамики. Краснодар: КубГУ, 2009. 111 с. [Lezhnev, A.V., Lezhnev, V.G. Metod bazisnykh potentsialov v zadachakh matematicheskoy fiziki i gidrodinamiki [The method of basic potentials in problems of mathematical physics and hydrodynamics]. Kuban State University, Krasnodar, 2009. (In Russian)]
  18. Василенко В.В. Математические алгоритмы анализа цифровых изображений. Автореф. дис. ... канд. физ.-мат. наук. Ставрополь, 2006. 94 с. [Vasilenko, V.V. Matematicheskie algoritmy analiza tsifrovykh izobrazheniy [Mathematical algorithms for the analysis of digital images]. Abstract. of dis. ... cand. Phys.-Math. of sciences. Stavropol, 2006. (In Russian)]

Downloads

Download data is not yet available.

Issue

Pages

8-15

Section

Mathematics

Dates

Submitted

December 8, 2019

Accepted

January 6, 2020

Published

March 31, 2020

How to Cite

[1]
Vasilenko, V.V., Safronov, A.P., Smyslov, A.A., Tseplayev, D.P., Markovsky, A.N., Harmonic Smoothing of Digital Images. Ecological Bulletin of Research Centers of the Black Sea Economic Cooperation, 2020, т. 17, № 1, pp. 8–15. DOI: 10.31429/vestnik-17-1-2-8-15

Similar Articles

1-10 of 147

You may also start an advanced similarity search for this article.