English
Pushkar, O., & Hrabovskyi, Ye.
(2022).
Improvement of line image reproduction in the system of prepress engineer work.
Development Management,
21(4),
28-35.
http://doi.org/10.57111/devt.20(4).2022.28-35
Українська
Стаття
Покращення відтворення штрихового зображення в системі роботи препрес-інженера
Отримано 20.09.2022, Доопрацьовано 18.11.2022, Прийнято 20.12.2022
Анотація
Для оптимізації процесу роботи препрес-інженера слід забезпечувати якісне відображення штрихового зображення, що забезпечує максимально точне передання геометричних розмірів окремих елементів. Метою статті було визначення ступеня впливу порога бінаризації на величину роздільної здатності растрових штрихових зображень. Проведення експериментів ґрунтувалося на використанні загальнонаукових методів аналізу, узагальнення, класифікації, дедукції. Для оцінки якості відтворення штрихового зображення у даній роботі було використано фотоформи з використанням штрихового тест-об’єкта, який був розроблений як точна фотографія з використанням профілю розподілу оптичної щільності. В роботі досліджено вплив різних параметрів растрових структур на якість відтворення репродукцій. Визначено специфіку використання фотовивідного пристрою як головної ланки, яка забезпечує якість відтворення деталей зображення. Проаналізовано геометрію растрової структури при використанні кутів повороту з раціональними тангенсами. Систематизовано особливості технології Accurate Screening. Розглянуто відмінність методів «раціонального» і «ірраціонального» растрування. Розглянуто основні аспекти використанні штрихових деталей у репродукційному процесі. Запропонована методика для оцінки якості відтворення штрихового зображення з нерівним краєм, названа методикою «відношення сигналшум» та зроблено висновок, що на якість відтворення зображення в більшій мірі, ніж фотовивід, впливає стадія сканування. Практичним результатом роботи є розроблення рекомендацій які можуть знайти застосування у практичній діяльності при проведенні репродукційного процесів. Розроблені алгоритми бінаризації дозволяють проводити обробку зображень із значною зональною нерівномірністю яскравості, з монотонними областями яскравості, з сильно зашумленими зображеннями
Ключові слова:
роздільна здатність; бінаризація; дозвіл сканування; штрихові оригінали; лініатура растрів
- 731 Перегляд
- Читати статтю
Використані джерела
[1] Sun, W.-T., & Lin, Y.-J. (2020). Systematic review and discussion on final artwork of prepress design. Education and Awareness of Sustainability, 2020, 777-780. doi: 10.1142/9789811228001_0175.
[2] Roudný, P., & Držková, M. (2020). Use of prepress automation in the Czech Republic and examples of automated processing for selected prepress tasks. In 10th International symposium on Graphic Engineering and Design, GRID 2020 (pp. 631-641). Novi Sad: University of Novi Sad. doi: 10.24867/grid-2020-p72.
[3] Cahyadi, T., Susanto, A., & Riyono, D. (2019). Control of packaging print quality with an integrated production flow system in prepress. Kreator, 6(1), 62-83. doi: 10.46961/kreator.v2i1.283.
[4] Rossitza, S. (2015). Offset printing without isopropyl alcohol in damping solution. Energy Procedia, 74, 690-698. doi: 10.1016/j.egypro.2015.07.804.
[5] Hrabovskyi, Y., Minukhin, S., & Brynza, N. (2022). Development of an information support methodology for quality assessment of the prepress process. Eastern-European Journal of Enterprise Technologies, 6(2(120)), 22-32. doi: 10.15587/1729-4061.2022.266907.
[6] Hrabovskyi, Y., Kots, H., & Szymczyk, K. (2022). Justification of the innovative strategy of information technology implementation for the implementation of multimedia publishing business projects. Proceedings on Engineering Sciences, 4(4), 467-480. doi: 10.24874/PES04.04.008.
[7] Blum, R.S., & Liu, Z. (2005). Multi-sensor image fusion and its applications. Boca Raton: CRC Press.
[8] Schloss, K.B., Lessard, L., & Hurlbert, A.C. (2017). Modeling color preference using color space metrics. Vision Research, 151, 99-116. doi: 10.1016/j.visres.2017.07.001.
[9] Pérez-Rodríguez, F., & Gómez-García, E. (2019). Codelplant: Regression-based processing of RGB images for colour models in plant image segmentation. Computers and Electronics in Agriculture, 163, article number 104880. doi: 10.1016/j.visres.2017.07.001.
[10] Cho, S., & Byun, H. (2012). Dynamic curve color model for image matting. Pattern Recognition Letters, 33(7), 920-933. doi: 10.1016/j.patrec.2011.04.012.
[11] Al’boschiy, O., Dorokhov, O., Hrabovskyi, Y., & Naumenko, M. (2022). Automated balancing method of vector illustration and its software implementation. Bulletin of the Transilvania University of Brasov, Series III: Mathematics and Computer Science, 2(1), 77-192. doi: 10.31926/but.mif.2022.2.64.1.12.
[12] Safonov, I. (2018). Adaptive image processing algorithms for printing. Berlin: Springer. doi: 10.1007/978-981-10-6931-4.
[13] Naumenko, M., & Hrabovskyi, Y. (2018). Elaboration of methodology for designing a publishing and printing web portal. Eastern-European Journal of Enterprise Technologies, 2(2(92)), 14-22. doi: 10.15587/1729-4061.2018.126305.
[14] Khadzhynova, S., & Jakucewicz, S. (2016). Sposoby drukowania cyfrowego. Łódź: Wydawnictwo Politechniki Łódzkiej.
[15] Babenko, V., Hrabovskyi, Y., Ivashura, A., & Protasenko, O. (2020). Development of the methodology for the choice of polygraphy equipment for printing on cloth. WSEAS Transactions on Environment and Development, 16, 305-315. doi: 10.37394/232015.2020.16.32.
[16] Sousa, S., de Sousa, A.M., Reis, B., & Ramos, A. (2014). Influence of binders on inkjet print quality. Materials Science, 20(1), 55-60. doi: 10.5755/j01.ms.20.1.1998.
[17] Gu, Ch., Lu, X., & Zhang, Ch. (2022). Example-based color transfer with Gaussian mixture modeling. Pattern Recognition, 129, article number 108716. doi: 10.1016/j.patcog.2022.108716.
[18] Lu, P., Peng, X., & Wang, X. (2017). Image color harmony modeling through neighbored co-occurrence colors. Neurocomputing, 201, 82-91. doi: 10.1016/j.neucom.2016.03.035.
[19] Sibrel, S.C., Rathore, R., Lessard, L., & Schloss, K.B. (2020). The relation between color and spatial structure for interpreting colormap data visualizations. Journal of Vision, 20(12), article number 7. doi: 10.1167/jov.20.12.7.
[20] Pulla, V., & Serrano, X. (2015). Modeling of a neuro fuzzy system to develop an efficient method to get a specific color paint from the color model cyan, magenta and yellow (CMY) under terms of open source. Procedia Computer Science, 61, 486-491. doi: 10.1016/j.procs.2015.09.196.