Я понимаю, как работает дизеринг и т. д., но в чем разница между дизерингом и упорядоченным дизерингом?
Также может кто-нибудь указать мне на некоторые хорошие ресурсы?
дизеринг против упорядоченного дизеринга
25.05.2011
Ответы:
1
Взято из здесь:
Случайный дизеринг
Случайный дизеринг можно назвать «пузырьковой сортировкой» цифровых алгоритмов полутонового изображения. Это была первая попытка (задокументированная еще в 1951 году) исправить контурирование, создаваемое фиксированным пороговым значением, и на него традиционно ссылались для сравнения в большинстве исследований цифрового полутонового изображения. На самом деле, название «упорядоченный дизеринг» (которое будет обсуждаться позже) было выбрано для противопоставления случайному дизерингу.
Упорядоченный дизеринг
Хотя паттернирование было важным шагом на пути к цифровому воспроизведению классических полутонов, его основным недостатком было пространственное увеличение (и соответствующее уменьшение разрешения) изображения. Упорядоченный дизеринг представляет собой значительное улучшение в цифровом полутоновом изображении, поскольку это пространственное искажение было устранено, а затем изображение могло быть воспроизведено в исходном размере.
.
25.05.2011
2
Основное различие между дизерингом и упорядоченным дизерингом заключается в способе распространения ошибки квантования.
- Дизеринг — ошибка квантования распространяется (по методу Флойда-Стейнберга) от текущего пикселя к правому, нижнему и правому нижнему пикселям. Таким образом, квантование каждого пикселя влияет на соседние пиксели. В результате сглаживание имеет более плавный вид (например, рисование штрихами).
- Упорядоченный дизеринг - используется ошибка квантования из шаблона (матрицы) заданного размера. При обработке пикселей соответствующее значение порога получается из шаблона и применяется к пикселю. Тип распределения порогов в шаблоне определяет визуальный эффект, который будет производиться.
Обычно пороги распределяются равномерно, а результирующее изображение получается максимально гладким.
Например, если пороги с высоким значением сосредоточены вокруг центра шаблона, эффект будет полутоновым.
В заключение стоит отметить, что упорядоченный дизеринг намного проще и намного быстрее. Он использовался еще в 90-х годах в Windows 95/98, когда разрешение мониторов составляло 256 цветов или 16-битные цвета.
Вы можете получить исходный код и демонстрационный проект из здесь.
01.07.2021
Новые материалы
Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..
Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально
Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..
Частный метод Python: улучшение инкапсуляции и безопасности
Введение
Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..
Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования
Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..
Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv)
Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..
Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..
Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..