В качестве среды разработки выбрано ПО Microsoft Visual Studio 2008, представляющая собой мощный инструмент с высоким качеством кода на протяжении всего цикла разработки, от проектирования до реализации.

Первоначально был создан проект и добавлены специальные заголовочные файлы и библиотеки:

using namespace System;

using namespace System:: ComponentModel;

using namespace System:: Collections;

using namespace System:: Windows:: Forms;

using namespace System:: Data;

using namespace System:: Drawing;

using namespace System:: IO;

обеспечивающие возможность при открытии изображения формата jpeg, bmp "работать" с ним, в том смысле, что вся информация о значениях уровня цвета каждого пикселя, благодаря написанному коду, хранится в одномерном массиве данных. На этом принципе и построена идея реализации данной программы и фильтра, так как мы имеем возможность оперировать данными массива по средствам свойств, событий, функций и команд.

Код, осуществляющий возможность работы и открытия изображения:

OpenFileDialog^ openFileDialog1 = gcnew OpenFileDialog;

openFileDialog1->InitialDirectory = "c: \\";

openFileDialog1->Filter = "All files (*. *) |*. *";

openFileDialog1->RestoreDirectory = true;

if (openFileDialog1->ShowDialog () == System:: Windows:: Forms:: DialogResult:: OK)

{

if ( (myStream = openFileDialog1->OpenFile ())! = nullptr)

{

image1 = gcnew Bitmap (myStream,true);

pictureBox1->Image = image1;

}

}

image1 = gcnew Bitmap (myStream,true);

Rectangle rect = Rectangle (0,0, image1->Width, image1->Height);

System:: Drawing:: Imaging:: BitmapData^ bmpData = image1->LockBits (rect, System:: Drawing:: Imaging:: ImageLockMode:: ReadWrite, image1->PixelFormat

int bytes = bmpData->Stride * image1->Height;

array<Byte>^msv = gcnew array<Byte> (bytes);

array<Byte>^msc = gcnew array<Byte> (bytes);

IntPtr ptr = bmpData->Scan0;

System:: Runtime:: InteropServices:: Marshal:: Copy (ptr, msv, 0, msv->Length);

System:: Runtime:: InteropServices:: Marshal:: Copy (ptr, msc, 0, msc->Length);

Естественно, следует помнить, что для черно-белого и цветного изображения при одинаковом количестве пикселей массивы данных будут различаться. Объясняется это тем, что каждый одиночный пиксель состоит из трех субпикселей, каждый из которых способен отображать 255 оттенков цвета, поэтому массив значений уровня цвета для цветного изображения будет в 3 раза больше.

Итак, открыв изображение, оно визуализируется в специальном элементе посредствам прописанного кода. Так же машина хранит в оперативной памяти массив, необходимо найти в нем "битые пиксели", используя выявленные при анализе свойства. В общем случае это осуществляется следующим образом: двойной цикл обеспечивает проход по "столбцам" изображения, находя в каждом одиночные "битые пиксели" либо их последовательность (подряд идущие). (Рис.4).

Рис. 4. Принцип работы циклов

Цикл, обеспечивающий проход по столбцам, в общем виде выглядит следующим образом:

for (int j=0; j<image1->Width; j++)

{

int pix=j;

for (int i=0; i<image1->Height; i++)

{

…

msc [pix+i*bmpData->Stride]

…

}

}

Не смотря на то, что значения уровня цвета хранятся в одномерном массиве данных, используя вышеуказанный цикл и функцию bmpData->Stride (переход на пиксель стоящий "ниже") появляется возможность находить "битые пиксели", которые в случае присутствия их на снимке, представляются вертикальной или горизонтальной линией (последовательностью), либо одиночными пикселями.

В двойном цикле заданы условия, при выполнении которых программа собственно и определяет, является ли пиксель или последовательность пикселов битой.

if (… &&msv [pix] <=POROG&& …)

{ … }

Пиксель будет считаться битым, если его значение уровня цвета меньше или равен 1 для черно-белого изображения, и меньше 4 для каждого из субпикселей для цветного. Данные критерии, полученные при анализе дефектного изображения, с большой точностью позволяют решать такого рода задачи. В прочем пользователь может сам задать значение критерия (по умолчанию 1 и 4 для черно-белого и цветного снимка соответственно).

После того, как алгоритм выявил в массиве данных все пиксели, удовлетворяющие условию, к ним применяется фильтр, который вычисляет новое значение "битого пикселя" и перезаписывает его. Расчет значения происходит посредствам фильтра "среднее", то есть берется среднее значение в окрестности восстанавливаемой точки и подставляет как новое значение. При этом существуют условия, которые не допускают, чтобы в расчет попал другой битый пиксель. Восстановление дефектных пикселей можно произвести 2 способами на выбор пользователя: по значениям 4 и 8 соседних пикселей. (Рис.5). При этом в случае, если какой-либо пиксель из окружения "битый", то его значение в расчет не берется.

Рис. 5. Восстановление битого пикселя по значениям 4 и 8 соседних пикселей

Для "битых пикселей", находящихся на краях изображения (на первом или последнем столбце или первой или последней строчке)

for (int j=0; j<image1->Width; j++)

{

int pix=j;

if (j==0&& j==image1->Width-1)

{

for (int i=0; i<image1->Height; i++)

{

if (i==image1->Height-1&&i==0)

{}

}

}

предусмотрены другие способы расчета нового значения. (Рис.6). Принцип восстановления значения уровня цвета практически не отличается от вышеуказанного способа, разница заключается лишь в том, что для вычисления среднего значения берутся другие пиксели в окрестности восстанавливаемой точки.

Рис. 6. Восстановление битого пикселя на границах изображения

Применим реализованный фильтр к дефектному изображению.

Рис. 7. Пример №1

Рис. 8. Пример №2

Рис. 9. Пример №3

Программное обеспечение, с восстанавливающим фильтром "среднее" хорошо справляется с поставленной задачей. На исходных изображениях присутствуют дефекты "битые пиксели" разного характера: одиночные, с вертикальной и горизонтальной направленностью, а так же полосы дефектных пикселей по всей ширине и высоте изображения. Как видно после фильтрации выходное изображение становится свободным от таких артефактов, поэтому поставленная цель считается достигнутой.

Заключение