Du kan inte utesluta matematik från diskussioner om bildbehandling och filtrering. Den här artikeln kommer att beskriva principerna bakom ett antal vanliga procedurer. Denna beskrivning bör vara acceptabel för teknologer med olika nivåer av matematisk kunskap. De första procedurerna som ska diskuteras är enkla procedurer som involverar statiska bilder. Därefter mer komplexa procedurer relaterade till dynamiska bilder. Mycket av bildbehandlingen och filtreringen sker på fysiologiskt tilltäppta bilder och SPECT-bilder (single photon emission computed tomography). Tyvärr behandlas inte komplexiteten i dessa frågor i detalj här.
Bearbetar statiska bilder
Stillbilder som överförts direkt till film i realtid presenteras i analogt format. Dessa data kan ha ett oändligt antal värden och kan producera bilder som exakt återspeglar fördelningen av radionuklider i organ och vävnader. Även om dessa bilder kan vara av mycket hög kvalitet om de förvärvas korrekt, ger informationsinhämtning i realtid endast en möjlighet för datainsamling. På grund av mänskliga fel eller andra fel kan det bli nödvändigt att upprepa bildinsamlingar och i vissa fall upprepa hela studier.Statiska bilder som överförs till en dator för lagring eller förbättring presenteras i digitalt format. Detta görs elektroniskt med en analog-till-digital-omvandlare. I äldre kameror skedde denna omvandling genom en serie motståndsnätverk som innehöll signalstyrkorna från flera fotomultiplikatorrör och producerade en digital signal som var proportionell mot emissionsenergin från händelserna.
Oavsett vilken metod som används för att digitalisera bilder, tilldelar den digitala utgången ett diskret värde till den bearbetade analoga datan. Resultatet är bilder som kan lagras och bearbetas. Dessa bilder är dock bara approximationer av den ursprungliga analoga datan. Som kan ses i figur 1 är den digitala representationen ungefärlig, men duplicerar inte analoga signaler.
Figur 1 – Analog kurva och dess digitala representation
Digitala röntgenbilder består av en matris vald av teknologen. Några vanliga matriser som används inom radiologimedicin är 64x64, 128x128 och 256x256. I fallet med en 64x64-matris är datorskärmen uppdelad i 64 celler horisontellt och 64 vertikalt. Varje kvadrat som härrör från denna uppdelning kallas en pixel. Varje pixel kan innehålla en begränsad mängd data. I en 64x64-matris blir det totalt 4096 pixlar på datorskärmen, en 128x128-matris ger 16384 pixlar och en 256x256-matris ger 65536 pixlar.
Bilder med fler pixlar ser mer ut som den ursprungliga analoga data. Detta innebär dock att datorn måste lagra och bearbeta mer data, vilket kräver mer hårddiskutrymme och högre krav på RAM. De flesta statiska bilder erhålls för visuell inspektion av en röntgenläkare, så de kräver vanligtvis ingen signifikant statistisk eller numerisk analys. Ett antal vanliga statiska bildbehandlingstekniker används vanligtvis för kliniska ändamål. Dessa tekniker är inte nödvändigtvis unika för statisk bildbehandling och kan vara användbara i vissa dynamiska, fysiologiskt ockluderade eller SPECT-avbildningstillämpningar. Det här är följande metoder:
Bildskalning;
Bakgrundssubtraktion;
Kantutjämning/filtrering;
Digital subtraktion;
Normalisering;
Profilbild.
Bildskalning
Vid visning av digitala bilder för visuell inspektion eller inspelning av bilder måste teknologen välja rätt bildskalning. Bildskalning kan ske antingen i svartvitt med mellanliggande gråtoner eller i färg. Den enklaste gråskalan skulle vara en skala med två nyanser av grått, nämligen vitt och svart. I det här fallet, om pixelvärdet överstiger det användarspecificerade värdet, kommer en svart prick att visas på skärmen om värdet är mindre, sedan en vit prick (eller genomskinlig när det gäller röntgenbilder). Denna skala kan vändas efter användarens gottfinnande.
Den vanligaste skalan är 16, 32 eller 64 nyanser av grått. I dessa fall visas de pixlar som innehåller den mest fullständiga informationen som mörka skuggor (svarta). Pixlar som innehåller ett minimum av information visas som de ljusaste nyanserna (transparent). Alla andra pixlar kommer att visas som nyanser av grått baserat på mängden information de innehåller. Förhållandet mellan antalet punkter och nyanser av grått kan definieras linjärt, logaritmiskt eller exponentiellt. Det är viktigt att välja rätt nyans av grått. Om för många nyanser av grått väljs kan bilden se uttvättad ut. Om för lite kan bilden se för mörk ut (bild 2).
Figur 2 – (A) Bilder med många nyanser av grått, (B) Bild med få nyanser av grått, (C) Bild med korrekta gråtoner
Färgformatet kan användas för att skala en bild, i vilket fall processen är densamma som gråskalemanipulation. Men istället för att visa data i gråtoner, visas data i olika färger beroende på mängden information som finns i pixeln. Även om färgbilder är attraktiva för nybörjare och mer visuella för PR-ändamål, bidrar färgbilder lite till filmens tolkningsbarhet. Således föredrar många läkare fortfarande att se bilder i gråskala.
Bakgrundssubtraktion
Det finns många oönskade faktorer i röntgenbilder: bakgrund, Compton-spridning och brus. Dessa faktorer är ovanliga inom radiologisk medicin med avseende på lokaliseringen av radiofarmaka inom ett enda organ eller vävnad.
Sådana onormala värden (räkningar) bidrar väsentligt till bildförsämring. Räkningar insamlade från liggande och överlappande källor är bakgrund. Compton-spridning orsakas av en foton som har avvikit från sin väg. Om fotonen har avböjts från gammakameran, eller har förlorat tillräckligt med energi för att kunna detekteras av elektronikkameran, är det inte så viktigt. Det finns dock tillfällen då en foton avböjs mot kameran och dess energiförlust kan vara tillräckligt stor för att kameran ska kunna upptäcka den som en spridning. Under dessa förhållanden kan Compton-spridning upptäckas av kameran, som kommer från andra källor än de intressanta områdena. Brus representerar slumpmässiga fluktuationer i ett elektroniskt system. Under normala omständigheter bidrar inte buller till oönskade emissioner lika mycket som bakgrund och Compton-spridning. Liksom bakgrund och Compton-spridning kan dock brus bidra till försämring av bildkvaliteten. Detta kan vara särskilt problematiskt för studier där kvantitativ analys spelar en viktig roll i den slutliga tolkningen av studien. Bakgrundsproblem, Compton-spridning och brus kan minimeras med en process som kallas bakgrundssubtraktion. Vanligtvis ritar teknologen en region av intresse (ROI) som är lämplig för bakgrundssubtraktion, men i vissa fall är ROI datorgenererad (Figur 3).
Bild 3 – Bild av hjärtat. Demonstration av korrekt placering av bakgrundssubtraktion ROI (pil)
Oavsett metod ansvarar teknologen för korrekt placering av ROI-bakgrunden. Bakgrundsregioner med ett högre antal regioner kan fånga för många parametrar från organet eller vävnaden i området av intresse. Å andra sidan kommer bakgrundsregioner med exceptionellt lågt antal områden att ta bort för få parametrar från bilden. Båda felen kan leda till feltolkning av studien.
Bakgrundssubtraktion bestäms genom att addera antalet sampel i bakgrunden av ROI och dividera med antalet pixlar som finns i bakgrunden av ROI. Det resulterande talet subtraheras sedan från varje pixel i organet eller vävnaden. Anta till exempel att bakgrundens ROI var 45 pixlar och innehöll 630 sampel. Genomsnittligt bakgrundsnummer:
630 sampel/45 pixlar = 14 sampel/pixel
Kantutjämning/filtrering
Syftet med kantutjämning är att minska brus och förbättra den visuella kvaliteten på en bild. Ofta kallas kantutjämning filtrering. Det finns två typer av filter som kan vara användbara inom området strålmedicin: rumsliga och tidsmässiga. Rumsliga filter tillämpas på både statiska och dynamiska bilder, medan tidsfilter tillämpas endast på dynamiska bilder.
Den enklaste kantutjämningsmetoden använder en kvadrat på 3 gånger 3 pixlar (totalt nio) och bestämmer värdet för varje pixel. Värdena för pixlarna i kvadraten är medelvärden, och detta värde tilldelas den centrala pixeln (fig. 4). Enligt teknologens gottfinnande kan samma operation upprepas för hela datorskärmen eller ett begränsat område. Liknande operationer kan utföras med 5 x 5 eller 7 x 7 rutor.
Figur 4 – 9-pixlars enkelt kantutjämningsschema
En liknande men mer komplex operation involverar att skapa en filterkärna genom att vikta värdena för pixlarna som omger den centrala pixeln. Varje pixel multipliceras med dess motsvarande viktade värden. Därefter summeras värdena för filterkärnan. Slutligen delas summan av filterkärnans värden med summan av de viktade värdena och ett värde tilldelas den centrala pixeln (Figur 5).
Figur 5 – 9-pixlars kantutjämningsschema med en viktad filterkärna
Nackdelen är att med kantutjämning, även om bilden kan vara mer visuellt tilltalande, kan bilden bli suddig och det går förlorad bildupplösning. Slutanvändningen av filterkärnan innebär viktning med negativa värden längs de perifera pixlarna med ett positivt värde i mitten av pixeln. Denna viktningsmetod tenderar att förstärka mängden skillnad mellan intilliggande pixlar och kan användas för att öka sannolikheten för att upptäcka organ- eller vävnadsgränser.
Digital subtraktion och normalisering
Ett vanligt problem inom röntgenmedicin är att förhindra pågående aktivitet från att dölja eller maskera onormala områden med ansamling av spårämnen. Många av dessa svårigheter har övervunnits genom användning av SPECT-teknik. Det behövs dock smartare metoder för att extrahera relevant information från en platt bild. En sådan metod är digital subtraktion. Digital subtraktion innebär att man subtraherar en bild från en annan. Den bygger på antagandet att vissa radiospårämnen är lokaliserade i normala och patologiska vävnader, vilket gör korrekt tolkning svår för läkaren. För att underlätta differentieringen mellan normala och patologiska vävnader, administreras ett andra radiospårämne endast i friska vävnader. Bilden av fördelningen av det andra radiospårämnet subtraheras från bilden av det första, vilket bara lämnar bilden av den onormala vävnaden. Det är viktigt att patienten förblir stilla mellan den första och andra administreringen.
När teknologen subtraherar den andra bilden av hög kvantitet från den första bilden med låg kvantitet, kan tillräckliga värden tas bort från den onormala vävnaden för att ge ett "normalt" utseende (Figur 6).
Figur 6 – Digital subtraktion utan normalisering
För att undvika falskt negativa testresultat måste bilderna normaliseras. Normalisering är en matematisk process där olika sampel mellan två bilder förenas. För att normalisera bilden måste teknologen välja ett litet område av intresse nära vävnaden som anses vara normal. Antalet prover i regionen i den första bilden (med ett lågt antal) är uppdelat i grafer i samma område av den andra (med ett högt antal). Detta ger multiplikationsfaktorn och räknar alla pixlar som utgör den första bilden. I figur 7, "normal zon", i beräkningen kommer detta att vara den övre vänstra pixeln. Detta tal i "normalområdet" (2) dividerat med motsvarande pixel i den andra bilden (40) ger en multiplikationsfaktor på 20. Alla pixlar i den första bilden multipliceras sedan med en faktor 20. Slutligen, den andra bilden kommer att subtraheras från talet i den första bilden.
Figur 7 – Bakgrundssubtraktion med normalisering
Profilbild
Bildprofilering är en enkel procedur som används för att kvantifiera olika parametrar i en statisk bild. För att profilera en bild öppnar teknologen lämplig applikation på datorn och placerar linjen på datorskärmen. Datorn kommer att titta på de pixlar som anges av linjen och producera en graf över antalet räkningar som finns i pixlarna. En profilbild har flera användningsområden. För en statisk studie av myokardperfusion tas en profil över myokardiet för att hjälpa till att bestämma omfattningen av myokardperfusion (Figur 8). När det gäller sacroiliacaregionen används profilen för att bedöma homogeniteten hos benabsorptionsmedlet i sacroiliacalederna i bilden. Slutligen kan bildprofiler användas som kontroll för kamerakontrastanalys.
Figur 8 – Myokardprofilbild
Dynamisk bildbehandling
En dynamisk bild är en uppsättning statiska bilder som erhålls sekventiellt. Den tidigare diskussionen om sammansättningen av analoga och digitala statiska bilder gäller alltså dynamiska bilder. Dynamiska bilder som erhålls i digitalt format består av matriser valda av teknologen, men som regel är dessa matriser 64 x 64 eller 128 x 128. Även om dessa sensorer kan äventyra bildupplösningen kräver de betydligt mindre lagring och RAM än 256 x 256 sensorer.
Dynamiska bilder som används för att bedöma ackumuleringshastigheten och/eller hastigheten för avlägsnande av radiofarmaka från organ och vävnader. Vissa procedurer, såsom trefas benskanning och gastrointestinal blödning, kräver endast en visuell undersökning av en läkare för att göra en diagnostisk bestämning. Andra studier, såsom nefrogrammet (Figur 9), magtömningsstudier och hepatobiliär ejektionsfraktion, kräver kvantifiering som en del av läkarens diagnos.
Detta avsnitt diskuterar ett antal vanliga tekniker för dynamisk bildbehandling som används i klinisk praxis. Dessa metoder är inte nödvändigtvis unika för dynamisk avbildning, och vissa kommer att ha tillämpningar på fysiologiskt ockluderad eller SPECT-avbildning. Dessa är metoderna:
Sammanfatta/lägga till bilder;
Tidsfilter;
Aktivitetstidskurvor;
Bildsammanfattning/tillägg
Bildsammanfattning och utfyllnad är utbytbara termer som refererar till samma process. Den här artikeln kommer att använda termen bildsammanfattning. Bildsummering är processen att summera värdena för flera bilder. Även om det kan finnas omständigheter där de summerade bilderna är kvantitativa, är detta undantaget snarare än regeln. Eftersom bildsummeringsorsak sällan används i kvantitativa syften, är det inte värt att utföra bildsummeringsnormalisering.
Studiebilder kan summeras antingen delvis eller helt för att bilda en enda bild. En alternativ metod innebär att komprimera en dynamisk bild till färre bildrutor. Oavsett vilken metod som används är den största fördelen med bildstapling kosmetisk. Till exempel kommer sekventiella bilder med ett lågt antal studier att summeras för att visualisera organet eller vävnaden av intresse. Uppenbarligen kommer teknologen att underlätta ytterligare bearbetning av bilder av visualisering av organ och vävnader, vilket kommer att hjälpa läkaren i visuell tolkning av studieresultaten (Fig. 9).
Figur 9 – (A) nefrogram före och (B) efter summering
Temporell filtrering
Syftet med filtreringen är att minska brus och förbättra bildens visuella kvalitet. Rumslig filtrering, ofta känd som kantutjämning, tillämpas på statiska bilder. Men eftersom dynamiska bilder är sekventiellt placerade statiska bilder, är det lämpligt att använda rumsliga filter även för dynamiska.
Olika typer av filter, tidsfilter, används för dynamiska studier. Pixlar i successiva ramar av dynamisk analys kommer sannolikt inte att uppleva stora fluktuationer i ackumulerade sampel. Men små förändringar i en bildruta från den föregående kan resultera i flimmer. Tidsfilter minskar framgångsrikt flimmer samtidigt som de minimerar betydande statistiska fluktuationer i data. Dessa filter använder en teknik med vägt medelvärde, där en pixel tilldelas ett viktat medelvärde av identiska pixlar i föregående och efterföljande bildrutor.
Aktivitetstidskurvor
Den kvantitativa användningen av dynamisk bildbehandling för att bedöma ackumuleringshastigheten och/eller clearancehastigheten för radiofarmaka från organ eller vävnader är i slutändan relaterad till aktivitetstidskurvan. Aktivitetstidskurvor används för att visa hur räkningar i ett område av intresse kommer att förändras över tiden. Läkare kan vara intresserade av ackumulerings- och utmatningshastigheten (t.ex. nefrogram), frisättningshastighet (t.ex. hepatobiliär ejektionsfraktion, magtömning) eller helt enkelt förändringen beräknad över tid (t.ex. radioisotopventrikulografi).
Oavsett tillvägagångssätt börjar aktivitetstidskurvorna med att definiera en ROI runt ett organ eller vävnad. Teknologen kan använda en lätt penna eller mus för att rita ROI. Det finns dock vissa datorprogram som automatiskt gör valet med hjälp av konturanalys. Lågt antal studier kan vara en utmaning för teknologer, eftersom organ och vävnader kan vara svåra att förstå. Korrekt avgränsning av ROI kan kräva att teknologen summerar eller komprimerar tills gränserna för organet eller vävnaden lätt kan urskiljas. För vissa studier kommer ROI att förbli densamma under hela studierna (t.ex. nefrogram), medan ROI i andra studier kan ha en annan storlek, form och plats (t.ex. magtömning). I kvantitativ forskning är det väsentligt att bakgrunden korrigeras.
När det har räknats, bestäms en ROI för varje bildruta och bakgrunden subtraheras från varje bild, vanligtvis plottas data över tiden längs X-axeln och beräknas längs Y-axeln (Figur 10).
Figur 10 – Simulering av aktivitetstidskurvan
Som ett resultat kommer tidskurvan att vara visuellt och numeriskt jämförbar med den fastställda normen för varje specifik studie. I nästan alla fall används ackumulerings- eller frisättningshastigheten, såväl som kurvans övergripande form från den normala studien, för jämförelse för att bestämma den slutliga tolkningen av studieresultaten.
Slutsats
Ett antal procedurer som tillämpas på statisk bildåtergivning kan också tillämpas på dynamisk bildåtergivning. Likheten beror på att dynamiska bilder är en sekventiell serie av statiska bilder. Ett antal dynamiska procedurer har dock inte statiska motsvarigheter. Vissa manipulationer av statiska och dynamiska bilder ger inga kvantitativa resultat. Många procedurer syftar till att förbättra bilden av bilden. Bristen på kvantitativa resultat gör dock inte proceduren mindre viktig. Detta visar att en bild säger mer än tusen ord. Dessutom kan datorförbättrade diagnosbilder av hög kvalitet, genom korrekt tolkning, göra skillnad för att förbättra en persons livskvalitet.
Lista över begagnad litteratur
1. Bernier D, Christian P, Langan J. Nuclear Medicine: Technology and Techniques. 4:e uppl. St. Louis, Missouri: Mosby; 1997: 69.
2. Tidig P, Sodee D. Principer och praxis för nuklearmedicin. St. Louis, Missouri: Mosby; 1995: 231.
3. Mettler F, Guiberteau M. Essentials of Nuclear Medicine Imaging, 3:e upplagan. Philadelphia, Penn: W.B. Saunders; 1991: 49.
4. Powsner R, Powsner E. Essentials of Nuclear Medicine Physics. Malden, Mass.: Blackwell Science; 1998: 118-120.
5. Faber T, Folks R. Datorbehandlingsmetoder för nuklearmedicinska bilder. J Nucl Med Technol. 1994;22:145-62.
Låt oss gå vidare till teorin
Det finns två sätt att balansera en bild: statisk och dynamisk.
Statisk eller statisk kompositionen uttrycker stillhet, stabilitet, lugn.
Dynamisk eller dynamisk det uttrycker rörelse, energi, en känsla av rörelse, flykt, rotation.
Hur kan man få stationära föremål att röra sig?
En av reglerna för att konstruera en komposition är regeln. I en sådan bild kan man urskilja 5 poler som lockar uppmärksamhet: mitten och 4 hörn. Den konstruerade bilden i stora fall kommer att vara balanserad, men statisk. Vilket är bra om målet är att förmedla lugn, lugn och stabilitet.
Men vad händer om målet är att förmedla rörelse eller möjlighet till rörelse, eller en antydan till rörelse och energi?
Låt oss först tänka på vilka delar av bilden som har större vikt (de som drar till sig ögats uppmärksamhet starkare) än andra.
Stora föremål > små
Ljust > mörkt
Varmfärgad > kallfärgad
Volymobjekt (3D) > platta objekt (2D)
Hög kontrast > låg kontrast
Isolerad > Sammanhållen
Korrekt formad > oregelbundet formad
Skarp, tydlig > suddig, ur fokus
Att förstå vad som är starkare är nödvändigt, så att till exempel veta att ljusa element lockar ögat mer än mörka, bör mindre bakgrundsdetaljer inte vara ljusare än bildens huvudobjekt.
Precis som olika element har olika vikt, väcker de 5 stängerna uppmärksamhet olika. Nedre hörn har mer kraft. Styrkan hos visuell perception ökar från vänster till höger. Varför är det så? Vi är vana vid att läsa uppifrån och ned och från vänster till höger, så det nedre högra hörnet kommer att ha mer vikt, för i det här läget är vi vana vid att avsluta =) Och den övre vänstra kommer följaktligen att ha minst kraft =)
Så, tänk om vi ändrade regeln om tredjedelar något och ändrade något från de ursprungliga linjerna på linjerna som i diagrammet?
enligt tredjedelsregeln ser vi fyra skärningspunkter, men för att skapa dynamik flyttas två av dem till det nedre högra hörnet.
Ju större vikt objektet har och ju högre det är placerat, desto större visuell energi har bilden.
till exempel dynamisk diagonal komposition
En annan regel som balanserar bildelement är pyramidregeln. Botten är tung och stabil. Kompositionen konstruerad på detta sätt kommer att vara statisk. Men du kan vända den här pyramiden och då blir toppen tung, men bilden kommer fortfarande att vara balanserad, dock redan dynamisk +)
Närvaron av diagonala linjer ger dynamik till bilden, medan horisontella linjer förblir statiska.
Det enda sättet att förstå skillnaden är att titta och rita =)
så lite fler bilder.
Förmodligen föreställer nästan varje användare sig idag den grundläggande principen för att lagra och visa grafisk information på en dator. Men låt oss säga några ord om detta så att efterföljande information om digital video (som är en dynamiskt föränderlig bildsekvens) blir tydligare för oss.
Vid första anblicken skiljer sig en högkvalitativ ritning, när den visas på skärmen på en bra bildskärm, inte mycket från ett vanligt fotografi. Men på nivån för bildpresentation är denna skillnad helt enkelt enorm. Medan ett fotografi skapas på molekylär nivå (d.v.s. dess beståndsdelar är i grunden omöjliga att särskilja av mänsklig syn, oavsett förstoring), skapas ritningar på skärmen (och, vi betonar, i datorns minne) tack vare pixlar (eller pixlar) - elementära komponenter i bilden (oftast) rektangulär till formen. Varje pixel har sin egen specifika färg, men på grund av sin lilla storlek är enskilda pixlar (nästan eller inte alls) oskiljbara för ögat, och för en person som tittar på en bild på en bildskärm skapar deras stora ansamling en illusion av en kontinuerlig bild (Fig. 1.2).
Notera
Bilder på datorskärmar skapas med fyrkantiga pixlar. Till skillnad från datorer använder många tv-standarder rektangulära snarare än kvadratiska pixlar. Parametern som kännetecknar förhållandet mellan pixelstorlekar är förhållandet mellan deras horisontella och vertikala storlekar, eller pixelformat ( bildpunktsförhållande). Du kan lära dig mer om denna egenskap i lektion 4..
Ris. 1.2. Bilder på en dator bildas av pixlar.
Varje pixel (förresten, ett ord pixel bildad av de två första bokstäverna i engelska ord bildelement) representerar information om någon "genomsnittlig" intensitet och färg för motsvarande bildregion. Det totala antalet pixlar som representerar en bild bestämmer dess upplösning. Ju fler pixlar som skapar en bild, desto naturligare uppfattas den av det mänskliga ögat, desto högre upplösning, som man säger (fig. 1.3). Således är gränsen för "kvaliteten" på en datorritning storleken på pixlarna som bildar den. Mindre än pixeldetaljer i en datorritning går helt förlorade och går i princip inte att återställa. Om vi tittar på en sådan bild genom ett förstoringsglas kommer vi, när vi zoomar in, bara se ett suddigt kluster av pixlar (se fig. 1.2), och inte små detaljer, som skulle vara fallet med en hög kvalitet fotografera.
Ris. 1.3. Det totala antalet pixlar (upplösning) avgör bildkvaliteten
Det är värt att nämna här att för det första menar vi traditionell (analog, inte digital) fotografering (eftersom principen för digital fotografering är exakt densamma som den diskuterade principen att bilda en bild från pixlar), och för det andra, även för henne, när hon pratar om bildkvalitet bör du alltid komma ihåg själva fotograferingstekniken. När allt kommer omkring visas bilden på fotografisk film på grund av ljusets passage genom kameralinsen, och dess kvalitet (i synnerhet klarhet och distinktion av små detaljer) beror direkt på kvaliteten på optiken. Därför, strängt taget, är den "oändliga" klarheten hos ett traditionellt fotografi som vi pratade om något av en överdrift.
Notera
Faktum är att moderna digitalkameror låter dig ta en bild vars upplösning är nästan lika bra som analog (i den meningen att det nu är möjligt att digitalisera ett antal pixlar som kommer att "överlappa" själva optikens upplösningsgränser). Men för ämnet för vår bok spelar detta faktum ingen viktig roll, eftersom digital video numera i de allra flesta fall sänds med en låg upplösning (relativt litet totalt antal pixlar) och det är helt enkelt nödvändigt att ta hänsyn till ta hänsyn till en sådan parameter som upplösning.
Så för att förenkla lite, för att representera en ritning digitalt, måste du täcka den med ett rektangulärt rutnät av storlek MxN (M pekar horisontellt och N vertikalt). Detta är en kombination av siffror MxN(till exempel 320x240, 800x600, etc.) och kallas upplösning ( upplösning) av bilden, eller ramstorlek ( ram storlek). Du bör sedan genomsnittliga bildstrukturdata inom varje pixel och skriva motsvarande information om var och en av MxN-bildpixlarna till en grafikfil. För en färgbild kommer detta att vara information om den specifika färgen för varje pixel (datorrepresentationen av färg skrivs nedan i detta avsnitt), och för svartvita bilder kommer detta att vara information om intensiteten av svart färg. För att förklara några fler viktiga parametrar för datorrepresentation av bilder, låt oss uppehålla oss lite mer i detalj vid deras sista typ - ritningar gjorda i gråtoner ( gråskala), dvs i en gradering från vitt till svart.
Alfanumeriska tecken (ALC) och texter
BCSär den viktigaste komponenten i presentationsbilder, så särskild uppmärksamhet måste ägnas åt deras genomförande. Vetenskaplig forskning har visat att noggrannheten och hastigheten för att läsa dessa symboler från skärmen beror på deras stil och visuella visningsförhållanden.
Första faktorn Det man bör tänka på är placeringen av bildfältet på skärmen. Måtten på själva skärmen kan bestämmas genom att justera optiken för att säkerställa enhetlig acceptabel upplösning över hela skärmytan utan förvrängning i kanterna. Inskriptioner, texter och annan viktig information bör placeras inom "säker" bildområde, vars gränser är åtskilda från skärmens kanter med 5-10 % av motsvarande linjära storlek. Därför bör den viktigaste texten placeras i mitten av skärmen.
För det andra, vid tillverkning av typsnittsrubriker, inledande och förklarande titlar bör man eftersträva en ordnad och balanserad uppställning av titeltexten med hänsyn till upplevelsen av sänd-tv. Samtidigt är ordavstavning i poäng högst oönskat. Det är möjligt att använda direkt och omvänd kontrast, nämligen mörk BCS på en ljus bakgrund, och i den andra tvärtom. När rummet är väl upplyst är det bättre att använda direkt kontrast, och när det inte finns tillräckligt med belysning är det bättre att använda omvänd kontrast. Att ändra kontraster under demonstrationen bör inte vara frekvent, vilket tröttar synen, men rimlig användning av denna teknik kan bidra till utvecklingen av en viss dynamik i presentationen och bryta dess monotoni.
När du använder färgade symboler är det nödvändigt att överväga deras kombination. Men i alla fall bör bakgrunden till inskriptionen inte ha en rikt ljus färg.
Psykologer har experimentellt fastställt förekomsten av "kanteffekter", som består i det faktum att tecken i slutet av en rad (eller till och med enstaka sådana) känns igen snabbare och mer exakt än tecken inuti en rad, och en rad läses snabbare om det är isolerat. Detta talar för att text som består av flera rader bör ökas i bokstavshöjd, och korta enstaka inskriptioner bör utformas i ett standardtypsnitt som appliceras på hela presentationsstilen.
Statiska bilder
Effektiviteten hos en viss typ av grafisk konstruktion beror på valet av formelement och deras organisation. Felaktigt val av element, fattigdom eller överdriven variation av alfabetet för visuella medier minskar informationsinnehållet i illustrationer.
I ett grafiskt meddelande, som i alla andra, kan man urskilja semantiska och estetiska delar. Vid visning av dem på skärmen måste naturligtvis semantisk noggrannhet säkerställas, vilket avgör den felfria läsningen av information.
Illustrationernas estetik förtjänar också stor uppmärksamhet, eftersom den påverkar läshastigheten och skapar en positiv känslomässig bakgrund som bidrar till framgångsrik uppfattning och assimilering av information. Detta är särskilt viktigt där kvaliteten på hemmagjorda illustrationer ännu inte är särskilt hög.
