sapiСистемный анализ и прикладная информатика«System analysis and applied information science»2309-49232414-0481Belarusian National Technical University10.21122/2309-4923-2026-2-54-59sapi-814Research ArticleОбработка информации и принятие решенийData processing and decision–makingОценка тоновой девиации граничных пикселей статического растрового изображения с использованием алгоритма сбалансированного «доопределения»Tone deviation evaluation of boundary pixels static raster image using balanced extending algorithmsЗаеркоД. В.ZaerkoD. V.

Заерко Денис Владимирович - Аспирант.г. МинскE-mail: zaerko1991@gmail.com

Postgraduate.MinskE-mail: zaerko1991@gmail.com

zaerko1991@gmail.comБоброваН. Л.BobrovaN. L.

Боброва Наталия Леонидовна - Кандидат технических наук, доцент.г. МинскE-mail: bobrova@bsuir.by

PhD in Technical Sciences, Associate Professor.MinskE-mail: bobrova@bsuir.by

bobrova@bsuir.byЗаеркоДм. В.ZaerkoDm. V.

Заерко Дмитрий Владимирович - Кандидат физико-математических наук, доцент.г. ГродноE-mail: zaerko1983@gmail.com

PhD in Physics and Mathematics, Associate Professor.GrodnoE-mail: zaerko1983@gmail.com

zaerko1983@gmail.comБелорусский государственный университет информатики и радиоэлектроникиБеларусьBelarusian State University of Informatics and RadioelectronicsBelarusГродненский государственный университет имени Янки КупалыБеларусьYanka Kupala State University of GrodnoBelarus202617072026025459Copyright © Заерко Д.В., Боброва Н.Л., Заерко Д.В., 20262026Заерко Д.В., Боброва Н.Л., Заерко Д.В.Zaerko D.V., Bobrova N.L., Zaerko D.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://sapi.bntu.by/jour/article/view/814

Использование алгоритмов предварительной обработки растровых изображений предполагает улучшение набора характеристик изображения для использования полученного качественного эффекта преобразований на последующих этапах процесса обработки. Оценка эффекта воздействия на растровое изображение является нетривиальной задачей, от качества ее решения зависит выбор дальнейших шагов обработки и алгоритмического инструментария. Примером может быть алгоритм сбалансированного «доопределения» граничных пикселей изображения, разработанный для улучшения результатов работы алгоритмов выделения контуров объектов и основанный на операции двумерной свертки, где улучшение заключается в сокращении числа резко контрастирующих пикселей на границах растровых изображений относительно смежных. Существующие численные оценки PSNR и SSIM растровых изображений, полученных после применения алгоритма сбалансированного «доопределения», показали свою малую эффективность из-за малого числа пикселей, затрагиваемых преобразованиями. Альтернативным критерием является оценка тоновой девиации пикселей на границах растрового изображения. Объект исследования – пиксельная матрица цветного трехканального статического растрового изображения. Предмет изучения – оценка тоновой девиации граничных пикселей статического растрового изображения, полученных с использованием алгоритма сбалансированного «доопределения». Основная цель – вычисление оценки тоновой девиации граничных пикселей статического растрового изображения после применения алгоритма сбалансировано «доопределения», анализ и ранжирование альтернативных методов «доопределения» граничных пикселей по критерию тоновой девиации. В статье приводится определение понятия и обоснование использования оценки тоновой девиации. Представлен пример вычисления тоновой девиации пикселей после применения алгоритма сбалансированного «доопределения» и метода копирования для 1 тыс. цветных трехканальных растровых изображений из датасета SpaceNet Satellite Images от ImageNet. Проведен краткий анализ полученных результатов оценок, даны рекомендации к выбору лучшего метода «доопределения».

While use algorithms of pre-processing raster image involves improving image characteristics to use qualitative transformation effect result on following processing stages. Assessing the effect of an impact on a raster image is not a trivial task, where the choice of further processing steps and algorithmic tools depends on the quality of its implementation. The algorithm for balanced "extension" of boundary pixels of a static raster image is as example. Algorithm developed to improve the results of object edge detection algorithms based on the two-dimensional convolution operation, where the improvement consists of reducing the number of sharply contrasting pixels at the boundaries of raster images relative to adjacent ones. Existing numerical raster images estimates of PSNR and SSIM which obtained after applying the balanced algorithm of redefining border pixels have shown their low efficiency due to the small number of pixels affected by the transformations. The tonal deviation of raster image boundary pixels is alternative assessment criterion. The object of study in the article is the pixel matrix of three-channel color static raster image. The subject of the study is the evaluation of the tonal deviation of the boundary pixels of a static raster image obtained by used balanced algorithm for redefining border pixels. The main objective is to calculate the tonal deviation estimates of boundary static raster images after applying balanced algorithm of "redefining" border pixels, analysis and ranking by alternative methods of "extension" of boundary sizes according to the criterion of tonal deviation. The article provides a definition of the concept of tonal deviation and justification for the use of tonal deviation assessment. An example of calculating the tonal deviation of pixels after applying the balanced algorithm of "redefining" border pixels and the copy method for 1 thousand color three-channel raster images from the SpaceNet Satellite Images dataset from ImageNet is presented. It was carried out short analysis of the obtained assessment results and recommendations for choosing the best methods of "redefining" border pixels.

растровые изображенияпиксельная матрицаграничные пикселидоопределенные пикселвыделение контуров объектовфильтр СобеляSSIPSNRоценка тоновой девиации пикселейraster imagespixel matrixboundary pixelspixel redefiningoutline object segmentationSobel filterSSIMPSNRevaluation of tone deviationReferencesОценка качества цифровых изображений и видеоданных / Д. В. Матвеев, А. Г. Седов, В. В. Хрящев, А. Л. Приоров. Ярославль : ЯрГУ, 2018. 76 с.Matveev D.V., Sedov A.G., Hrjashhev V.V., Priorov A.L. Ocenka kachestva cifrovyh izobrazhenij i videodannyh [Assessing the Quality of Digital Images and Video Data]. Jaroslavl: JarGU; 2018. 76 p.Старовойтов, В. В. Уточнение индекса SSIM структурного сходства изображений / В. В. Старовойтов // Информатика. 2018. Т. 15, № 3. С. 41–55. URL: https://inf.grid.by/jour/article/view/438/429 (дата обращения: 10.06.2026).Starovoitov V.V. Enhancement of the structural similarity index SSIM. Informatics. 2018;15(3):41–55. Available at: https://inf.grid.by/jour/article/view/438/429 (accessed 10 June 2026) (in Russian).Старовойтов, В. В. Индекс SSIM не является метрикой и плохо оценивает сходство изображений / В. В. Старовойтов // Системный анализ и прикладная информатика. 2019. № 2. С. 12–17. DOI: 10.21122/2309-4923-2019-2-12-17.Starovoitov V.V. The SSIM index is not a metric and it is badly evaluate the similarity of images. System Analysis and Applied Information Science. 2019;(2):12–17 (in Russian). https://doi.org/10.21122/2309-4923-2019-2-12-17.Определение контуров объектов методами не линейной фильтрации для граничных пикселей / Д. B. Заерко, В. А. Липницикий, Н. Л. Боброва, Дм. В. Заерко. Системный анализ и прикладная информатика. 2022. № 3. C. 4–11. DOI: 10.21122/2309-4923-2022-3-4-11.Zaerko D.V., Lipnitski V.A., Bobrova N.L., Zaerko Dм.V. Objects outline delineation by nonliniear filtration methods for boundary pixels. System Analysis and Applied Information Science. 2022;(3):4–11 (in Russian). https://doi.org/10.21122/2309-4923-2022-3-4-11.Заерко, Д. В. Алгоритм сбалансированной интерполяции пикселей при выделении контуров объектов на границах изображения / Д. В. Заерко, Н. Л. Боброва // Вестник СибГУТИ. 2022. № 2. С. 79–93. https://doi.org/10.55648/1998-6920-2022-16-2-79-93.Zaerko D.V., Bobrova N.L. Balanced pixel interpolation algorithm when identifying the object’s contours on the borders of the image. Vestnik SibGUTI. 2022;(2):79–93 (in Russian). https://doi.org/10.55648/1998-6920-2022-16-2-79-93.Bailey, D. G. Image border management for FPGA based filters / D. G. Bailey // 2011 Sixth IEEE International symposium on electronic design, test and application, DELTA 2011, 17–19 January 2011, Queenstown, New Zealand / ed.: G.S. Gupta [et al.]. Los Alamitos ; Washington ; Tokyo, 2011. P. 144–149. DOI: 10.1109/DELTA.2011.34.Bailey D.G. Image border management for FPGA based filters. 2011 Sixth IEEE International Symposium on Electronic Design, Test and Application. Queenstown, New Zealand; 2011. pp. 144–149. https://doi.org/10.1109/DELTA.2011.34.

The authors declare that there are no conflicts of interest present.