Порівняльний аналіз нееквідистантних та класичних просторових фільтрів для обробки зображень у додрукарській підготовці

Автор(и)

DOI:

https://doi.org/10.20535/2077-7264.1(91).2026.354148

Ключові слова:

обробка зображень, нееквідистантні структури, ідеальні кільцеві в’язанки, просторова фільтрація, якість зображень, додрукарська підготовка, числові лінійки-в’язанки, Web-to-Print, пікове відношення сигнал–шум, індекс структурної подібності

Анотація

Актуальність. Якість ілюстрацій у поліграфічному продукті залишається вирішальним чинником конкурентоспроможності. На етапі препресу зображення зазнають типових пошкоджень: сенсорне зерно від матриці камери, JPEG-блочність, нечіткість через промах автофокуса. Згладжувальні маски на кшталт гаусівської чи медіанної справді знижують рівень шуму. Але разом з ним зникають дрібні, часто критичні деталі: засічки літер, волокна паперу при макрозйомці, тонкі штрихи. Мета. У статті зіставлено фільтри, побудовані на ідеальних кільцевих в’язанках (ІКВ) і числових лінійках-в’язанках (ЧЛВ), з операторами Гауса, Собеля, Лапласа. Контекст порівняння обмежено задачами обробки зображень у поліграфічному виробництві. Методи. Тестова вибірка складалась із TIFF-файлів поліграфічної якості (300 dpi, 24-бітний колір), зашумлених гаусівським адитивним шумом з контрольованою дисперсією. Якість оцінювали за MSE, PSNR і SSIM. Остання метрика тут найцінніша, бо фіксує мікроконтрастні зміни, помітні при друці. Код написано на Python з використанням OpenCV та NumPy. Результати. ІКВ-фільтр розмиття (5×5) дав SSIM = 0,86 при 0,79 у Гауса; виграш за PSNR становив 0,6 дБ. Ще переконливіший результат отримано для крайового детектора ЧЛВ/ІКВ (4×4): SSIM піднявся до 0,72, тоді як Собель забезпечив лише 0,55, а розрив за PSNR досяг 2,7 дБ. За швидкодією різниці між підходами практично немає: обидва укладаються в ~45 мс на Full HD кадр. Висновки. Нееквідистантні фільтри помітно виграють у збереженні мікроконтрасту, фактури та чіткості типографічних елементів. Результати вказують на практичну доцільність інтеграції таких ядер у автоматизований препрес, зокрема в Web-to-Print системи. Додатково перевірено поведінку фільтрів при конвертації з 24-бітного RGB у 8-бітне напівтонове зображення: перевага ІКВ-ядер зберігається і для одноканальних даних, що розширює область застосування.

Завантаження

Дані завантаження ще не доступні.

Біографії авторів

Євгеній Євгенійович Матвійчук, Національний університет «Львівська політехніка»

асп.

Євгеній Едуардович Савелов, Національний університет «Львівська політехніка»

асп.

Посилання

  1. Su, G. (2025). A multi-head convolutional attention residual network for prepress image super-resolution reconstruction in digital printing. Coloration Technology. doi: 10.1111/cote.70024 [in English].
  2. Speranskyy, V. (2024). Analysis of methods and algorithms for image filtering and quality enhancement. Applied aspects of information technologies, Vol. 7. doi: 10.15276/aait.07.2024.18 [in English].
  3. Halder, B. (2023). De-Screening Low Resolution Halftone Printed Portrait Images. Proc. of International Conference on Robotics, AI and Intelligent Systems (ICRAIS). doi: 10.1109/icrais59684.2023.10367093 [in English].
  4. Mironov, S. (2023). Comparative Analysis of Local Adaptive LMS Image Filtration. Proc. of International Scientific Conference on Information, Communication and Energy Systems and Technologies (ICEST). doi: 10.1109/icest58410.2023.10187379 [in English].
  5. Novaes, R. (2022). Spatial Resolution Enhancement for Halftone Images Using Convolutional Neural Networks. Proc. of Computer Science & Computational Intelligence (CSCI). doi: 10.1109/csci58124.2022.00247 [in English].
  6. Riznyk, V. V. (1992). Elementy teorii vporiadkovanykh kombinatornykh naboriv [Elements of the theory of ordered combinatorial sets]. Kyiv [in Ukrainian].
  7. Riznyk, V. V. (1989). Syntez optymalnykh kombinatornykh system [Synthesis of optimal combinatorial systems]. Lviv: Vyshcha shkola, 168 p. [in Ukrainian].
  8. Pham, T. D. (2022). Kriging-Weighted Laplacian Kernels for Grayscale Image Sharpening. IEEE Access. doi: 10.1109/ACCESS.2022.3178607 [in English].
  9. Riznyk, O., Kynash, Y., Pelekh, Y., Savelov, E., Matviychuk, E., & Flud, L. (2024). Adaptive interference-resistant encoding using Barker-like sequences. CEUR Workshop Proceedings, Vol. 3790, 50–62 [in English].

##submission.downloads##

Опубліковано

2026-04-10

Як цитувати

Матвійчук, Є. Є., & Савелов, Є. Е. (2026). Порівняльний аналіз нееквідистантних та класичних просторових фільтрів для обробки зображень у додрукарській підготовці. Технологія і техніка друкарства, (1(91), 72–78. https://doi.org/10.20535/2077-7264.1(91).2026.354148

Номер

№ 1(91) (2026)

Розділ

Інформаційні технології

Ліцензія

Авторське право (c) 2026 Євгеній Євгенійович Матвійчук, Євгеній Едуардович Савелов

Creative Commons License

Ця робота ліцензується відповідно до Creative Commons Attribution 4.0 International License.

Наше видання використовує положення про авторські права Creative Commons CC BY для журналів відкритого доступу.

Автори, які публікуються у цьому журналі, погоджуються з наступними умовами:

1. Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons CC BY, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов’язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у цьому журналі.

2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована цим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у цьому журналі.