УДК 004.93 П.О. АРХИПОВ P.O. ARKHIPOV

УДК 004.93
П.О. АРХИПОВ
P.O. ARKHIPOV
АЛГОРИТМИЧЕСКАЯ МОДЕЛЬ ФОРМИРОВАНИЯ МЕТАДАННЫХ ЦВЕТНЫХ
ИЗОБРАЖЕНИЙ
ALGORITHMIC MODEL FORMATION OF METADATA OF COLOR IMAGES
В статье автор описывает алгоритмическую модель формирования метаданных цветных
изображений. Данная модель состоит из нескольких алгоритмов, позволяющих ограниченным набором
идентифицирующих характеристик описать цветное графическое изображение. Приведены алгоритмы
выделения контуров цветного изображения.
Ключевые слова: алгоритмическая модель; метаданные; цвет; изображение; пиксель; зона
толерантности; контуры объекта; характеристические точки.
In the article the author describes the algorithmic model of formation of metadata color images. This model
consists of multiple algorithms allows identifying a limited set of characteristics to describe color pictures. The
algorithms contours allocation color image.
Keywords: algorithmic model; metadata; color; image; pixel; zone of tolerance; object contours;
characteristic dots.
Введение
Одной из важнейших задач в системе маркировки и идентификации графического
интернет контента (СМГИК), осуществляющей регистрацию графических изображений с
выдачей защищенного сертификата на бумажном носителе [1] является принятие решения о
достоверности изображения.
Для снижения степени субъективизма при принятии решения о подлинности
изображения можно руководствоваться подходом, предложенным в работе [2], суть которого
заключается в накоплении дополнительных данные о структуре цветов изображения и их
местоположении. Такие данные можно сформировать путем разделения изображения на
сегменты,
состоящие
из
цветонеразличимых
пикселей,
выделения
пикселей
характеризующих местоположение сегментов и фиксации их координат в пределах самого
изображения. Кроме перечисленных «внутренних» данных в сертификат необходимо внести
внешние данные, такие как: данные об авторе, времени съемки, типе фотосенсоров, формате
файлов, применяемого для сохранения оцифрованных данных, разрешении матрицы,
расстоянии до фотографируемого объекта.
Целью работы является создание алгоритмической модели формирования метаданных
цветных изображений (АМФМЦИ).
Для достижения поставленной цели необходимо решить следующие задачи:
- разработать алгоритмы обеспечивающие реализацию предложенной модели;
- показать циркуляцию данных внутри разработанной модели.
Для реализации поставленных задач, разработаны следующие алгоритмы:
- формирования зон толерантности;
- выделения контуров объекта внутри изображения;
- разбиения изображения на сегменты с характеристическими точками;
- заполнение массива метаданных сертификата.
Предложенные алгоритмы могут быть представлены в виде обобщенного алгоритма
заполнения массива метаданных сертификата представленного на блок-схеме рисунка 1.
1 Алгоритм формирования зон толерантности.
- определение внешних данных: об авторе, времени съемки и разрешении и т.д.,
- оцифровка изображения, получение набора пикселей данного изображения,
- аппроксимация цветового пространства оцифрованного изображения,
- получение рабочей палитры аппроксимированного изображения,
- выделение пикселей по признаку цветоразличия,
- формирование зон толерантности цветонеразличимых пикселей.
2 Алгоритм выделения контуров объекта внутри изображения.
- перевод исходного изображения в полутоновое изображение,
- бинаризация изображения,
- применение оператора Собеля для получения контуров объектов [4],
- нахождение пространственного положения контуров объектов (ППКО):
- нахождение крайней точки контура слева,
- нахождение самой нижней точки контура,
- нахождение самой правой точки контура,
- построение по найденным точкам прямоугольника, описывающего внешний контур и
определение расстояния (в пикселях) от этих точек до сторон прямоугольника,
- присвоение нижней грани – ось X, левой – ось Y, создавая локальные системы
координат (ЛСК) – X0Y,
- вычисление расстояния в пикселях от каждой из найденных точек (левой, нижней и
правой) до осей X и Y.
- вычисление координат (в пикселях) трех точек контура объекта.
3 Алгоритм разбиения изображения на сегменты с одной характеристической точкой.
- сегментация выделенных зон толерантности [3]:
- построение вокруг выбранной зоны толерантности описывающего прямоугольника,
- построение внутри выбранной зоны толерантности вписанного прямоугольника,
- нахождение координат центра вписанного прямоугольника,
- определение цвета характеристической точки,
- определение координат вписанного и описывающего прямоугольников,
- присвоение индекса сегменту,
- присвоение цвета сегменту,
- подсчет количества пикселей в сегменте.
После того как все вышеперечисленные алгоритмы (1-3) выполнят свою работу, в
массив метаданных сертификата будут занесены следующие идентифицирующие
изображение данные:
- внешние данные: об авторе, времени съемки и разрешении и т.д.
- формат рабочей палитры,
- координаты левой, нижней и правой точки контура объектов,
- расстояние в пикселях от найденных контурных точек до пересечения с прямоугольником,
описывающим внешний контур объектов,
- характеристические точки сегментов изображения (вписанных прямоугольников) и их цвета
(r, g, b),
- индексы сегментов и количество пикселей в них, а так же усреднённое значение цвета
сегментов (r, g, b),
- координаты аппроксимирующих прямоугольников: вписанного и описывающего.
начало
данные об авторе, времени съемки
и разрешении
Формирование зон толерантности
формат рабочей палитры
координаты левой, нижней и
правой точки контура
Выделение контуров объекта внутри
изображения
Разбиение изображения на сегменты
с характеристическими точками
расстояние от контурных точек до
пересечения с прямоугольником
Массив
метаданных
характеристические точки
сегментов и их цвет
индексы сегментов, количество
пикселей в них и цвет
координаты аппроксимирующих
прямоугольников
окончание
Рисунок 1 – Блок-схема обобщенного алгоритма заполнения массива метаданных
сертификата
После сравнения метаданных оригинала и анализируемого изображения, принимается
решение об их идентичности. Для анализируемого изображения необходимо провести весь
комплекс последовательных операций аналогично тому, что мы применяли для оригинала.
Когда значения метаданных совпадают – то изображения идентичны, иначе можно сделать
вывод о несоответствии представленного изображения оригиналу.
Заключение
Предложенная алгоритмическая модель формирования метаданных цветных
изображений дает представление о том, как формируются идентифицирующие
характеристики цветного изображения. Приведено описание основных алгоритмов модели и
данных, циркулирующих в ней.
Реализованная алгоритмическая модель может быть использована для исключения
субъективизма при принятии решения о подлинности изображения, при сравнении его с
оригиналом.
Использование дополнительных данных о структуре цветов изображения, их
местоположении внутри изображения, позволяет ускорить время принятия решения о
подлинности изображения, исключая воздействие человеческого фактора.
СПИСОК ЛИТЕРАТУРЫ
1. Свидетельство о государственной регистрации программы для ЭВМ №2011611475.
Система маркировки и идентификации графического интернет-контента [Текст]: заявка
№2010617906 от 16.12.2010 РФ / И. С. Константинов, О. П. Архипов, П. О. Архипов, Р. А.
Лунёв, А. А. Стычук, А. В. Голенков, А. С. Засимов, А. А. Мотин (РФ) – Зарегистрировано в
Реестре программ для ЭВМ 15.02.2011 г. (РФ)
2. Архипов, П.О. Информационная модель формирования метаданных цветных
изображений [Текст] / П.О. Архипов // Информационные системы и технологии. – Орел:
Госуниверситет - УНПК, – 2013. – №6/80. Ноябрь – декабрь 2013. – С. 11 – 15.
3. Архипов, П.О. Информационная технология формирования характеристических
признаков предварительной идентификации цветных изображений [Текст] / П.О. Архипов,
А.И. Сорокин // Информационные системы и технологии. – Орел: Госуниверситет - УНПК, –
2012. – №6/74. Ноябрь – декабрь 2012. – С. 120 – 124.
4. K. Engel (2006), «Real-time volume graphics», с. 112-114
Архипов Павел Олегович
Старший научный сотрудник, к.т.н.
ОФ ИПИ РАН, г. Орёл
Тел.: +7(4862)36-86-88
E-mail: arpaul@mail.ru