Digitálne faximile - obraz
DUŠAN KATUŠČÁK


Snímanie
1.Snímanie je jeden z procesov digitalizácie.
2.Vykonáva sa pomocou vhodného technického zariadenia na digitalizáciu,
3.Konkrétne sú to zariadenia na zachytenie digitálneho obrazu
•digitálne fotoaparáty
•kamery,
•knižné skenery,
•iné skenery.
5/2/2024
SAMPLE FOOTER TEXT
2

Snímanie
5/2/2024
SAMPLE FOOTER TEXT
3
•Snímanie vo verejných informačných inštitúciách – v súlade s právnymi predpismi
•V archíve je možné so súhlasom vedenia archívu (bádateľne) snímanie archívnych dokumentov
•klasickou kamerou a digitálnou kamerou (ďalej len "kamera") a fotografickou technikou
•na účely automatickej transkripcie, pokiaľ je to možné, použijeme dokumenty nasnímané
profesionálnymi skenermi a obrazmi v najvyššej dosiahnuteľnej kvalite
•minimálna kvalita skenovania by mala byť 300 DPI
•nakoľko pri historických rukopisoch ide de facto o grafiku, je vhodné skenovať vo vyššej kvalite.
•pre platformu Transkribus je možné snímať dokumenty do fomátu veľkosti A3 zariadením ScanTent so
softvérom DocScan.

Formáty obrázkov : Formát JPG, JPEG.
•Najrozšírenejší je formát, ktorý sa vyskytuje s príponou .jpg, .jpeg alebo .JPG, .JPEG.
•Medzi nimi nie je žiadny rozdiel.
• V tomto formáte ukladajú súbory všetky fotoaparáty aj mobilné zariadenia, ak používame napríklad
DocScan.
•V niektorých aparátoch je možné voliť jeden formát alebo snímanie v dvoch formátoch JPG a RAW,
ARW.
•Výhodou formátu JPG je, že sa obrázok dá zobraziť prakticky v každom zariadení - v mobilnom
telefóne, televízore alebo vo webovom prehliadači.
•Zaberá málo miesta na disku, je úsporný, pretože ide o kompresiu so stratou.
•Nevýhodou tohto formátu je, že každou úpravou obrázok stráca kvalitu pri každom uložení.
•V projektoch transkripcie používame na snímanie mobilnými zariadeniami formát JPG na archivovanie
a v transkripcii spravidla pracujeme s derivovaným formátom PDF.
5/2/2024
SAMPLE FOOTER TEXT
4

Formáty obrázkov : Formát RAW
•znamená, že nasnímaný súbor je „surový“, nespracovaný
•dáta nie sú komprimované.
•dáta v tomto formáte sú veľmi veľké a na ich spracovanie je potrebný špeciálny softvér,
•napríklad komerčný Zoner Photo Studio alebo open source FastStone Image Viewer.
•výsledné obrázky majú vysokú kvalitu a sú po úprave hodné na kvalitné editovanie.
5/2/2024
SAMPLE FOOTER TEXT
5

Formáty obrázkov : Formát TIFF
•Vyskytuje sa s príponami .tiff, tif
•pri ukladaní do tohto formátu spravidla nedochádza ku kompresii dát
•ak áno, tak ide o bezstratovú kompresiu aj pri opakovanom ukladaní
•súbor zachováva maximum informácií z formátu RAW pri editácii.
•nevýhodou je veľkosť súborov vo formátoch TIFF.
•v profesionálnych projektoch digitalizácie je formát TIFF najvhodnejší na dlhodobé archivovanie
•
5/2/2024
SAMPLE FOOTER TEXT
6

Formáty obrázkov
•Väčšina snímok v projektoch digitalizácie je vo formáte JPEG,
•Formát JPEG (JPG) je de facto široko používaným štandardom na ukladanie digitálnych snímok
•V digitalizácii hovoríme o výsledkoch snímania – obrazy
•A) digitalizáty
•B) digitálne faksimile
•
•
•
5/2/2024
SAMPLE FOOTER TEXT
7

Pixel – základ pre ukladanie digitálneho obrazu
•
•pixel – je najmenšia jednotka obrazových informácií
•pixel je skratka pre prvok obrázka
•skratku "pix" znamená jednu plnofarebnú bodku obrázka.
•samotný pixel nemá predpísaný tvar - môže byť štvorcový, kruhový alebo ľubovoľný,
•predstavme si ho ako obdĺžnik, ktorý je vytvorený rozrezaním obrazu na určitý počet vertikálnych a
horizontálnych segmentov
5/2/2024
SAMPLE FOOTER TEXT
8

Pixel (Podľa: Formáty pro ukládání fotografií - 1.díl: základy | Digimanie)
5/2/2024
SAMPLE FOOTER TEXT
9

Rozlíšenie
•Ak rozrežeme skutočný obrázok na určitý počet vertikálnych a horizontálnych prvkov, v skutočnosti
vytvoríme mozaiku obrazu.
•Každý segment (obdĺžnik) musíme opísať iba s jedným pixelom - jednou farbou.
•Týmto spôsobom pixel predstavuje priemernú farbu každého segmentu mozaiky a nevyhnutne
zjednodušuje obraz.
•Logicky teda platí, že čím viac pixelov, tým jemnejší/presnejší obraz popisujeme.
•Okrem toho, ak poznáme rozmery obrázka, je možné vypočítať veľkosť jedného pixelu so znalosťou
jeho rozlíšenia v pixeloch
5/2/2024
SAMPLE FOOTER TEXT
10

Príklad veľkosti pixelov pre rôzne zariadenia (médiá)
Rozlišení
Rozměr
Pixel [mm]
Televize
720x576
42" úhlopříčka
1,18x1,11
LCD obrazovka
1600x1200
20" úhlopříčka
0,255x0,255
Fotografie
3000x2000 (6 MPix)
13 x 9 cm
0,043x0,045
5/2/2024
SAMPLE FOOTER TEXT
11
Příklad velikosti pixelů pro různá zařízení/média

Farba pixelov
•V každom pixeli je v procese snímania zakódovaná farba, jas a ďalšie parametre, aby zodpovedali
schopnostiam ľudského oka.
•Najbežnejšou reprezentáciou používanou v digitálnych fotoaparátoch na snímanie obrázkov a v
počítačoch na zobrazenie je takzvaná reprezentácia RGB,
•Každý pixel je opísaný tromi číslami RGB - červenou, zelenou, modrou.
•Tieto čísla predstavujú červenú, zelenú a modrú zložku každého pixelu
•Ich zmiešaním je možné vytvoriť množstvo farieb podobného rozsahu ako ľudské videnie
•Model RGB definuje farbu jedného pixelu popisom farby 3 svetiel, ktoré, ak by svietili na rovnakom
mieste, tak by zmiešali farbu
5/2/2024
SAMPLE FOOTER TEXT
12

RGB
5/2/2024
SAMPLE FOOTER TEXT
13

Farebná hĺbka
•Farba každého pixelu v reprezentácii RGB je kódovaná 3 číslami, ktoré vyjadrujú jas jeho červenej,
zelenej a modrej zložky.
•Tu je potrebné urobiť určité zjednodušenia, pretože ukladanie reálneho čísla, napríklad na 10
desatinných miest, je veľmi náročné na dáta.
•Preto je každá farba pixelov jednoducho kódovaná buď 1 bajtom alebo 2 bajtmi.
•Bajt je základná jednotka počítačových informácií a skladá sa z 8, 16, 32, 64 bitov,
•Bit je elementárna bunka schopná niesť iba informácie "0" alebo "1".
•Napríklad kapacita pamäťovej karty je daná počtom bajtov, ktoré je karta schopná niesť.
•Farebné rozlíšenie určuje celkový počet farieb, ktoré môžu existovať v obrázku.
•Keď je nízky počet možných farieb (obrázok) vedie to k neplynulým prechodom, a tak sa nedostatok
farieb najčastejšie objavuje na oblohe, na jednotnom pozadí atď.
5/2/2024
SAMPLE FOOTER TEXT
14

Farebná hĺbka
5/2/2024
SAMPLE FOOTER TEXT
15

Farebná hĺbka pixel, bity, bajty
•Pre čiernobiele obrázky - každý pixel sa zvyčajne skladá z 8 bitov (1 bajt)
•Pre farebné obrázky, ak sa používa farebná schéma RGB (červená, zelená, modrá), tak pre každú
farbu sa použije jeden bajt , čiže (3x8), teda24 bitov (3 bajty) na pixel.
•V tomto prípade hovoríme o farebnej hĺbke 8 bitov na kanál alebo 3x8 = 24 bitov na pixel (24 bpp =
bit na pixel).
•V odbornej praxi to však často nestačí, preto sa používa vyššia farebná hĺbka, t.j. 16 bitov (2
bajty) na kanál, t.j. 3x16=48 bitov na pixel (bpp).
5/2/2024
SAMPLE FOOTER TEXT
16

Pixely v transkripcii
5/2/2024
SAMPLE FOOTER TEXT
17

Príklad štruktúry konvolučnej siete
§Historické staré a vzácne tlače, strojopisy a hlavne rukopisy spravidla nie je možné uspokojivo
transkribovať. Prichádza na pomoc umelá inteligencia
§V snahách sprístupniť historické písomné dedičstvo sa koncentruje pozornosť výskumníkov na
transkripciu a strojové učenie s použitím konvolučných neurónových sietí
§Ide o proces, v ktorom sa nasnímaný obrázok mení na text.
•
5/2/2024
SAMPLE FOOTER TEXT
18

Konvolúcia v transkripcii
•Obrázok ilustruje vysvetlenie procesu fungovania konvolučnej siete
•Aby mohol byť obrázok spracovaný počítačom napr. v transkripcii, musia sa obrazové informácie,
teda pixely previesť do číselnej formy.
•Na vstupe (Input) procesu rozpoznávania nejakého predmetu, napríklad písma, tváre, zvieraťa, auta
sú pixely obrázka.
•Vstupný obraz má rozlíšenie 48 x'48. Z neho sa vyberajú pixely.
•Potom sa postupne použijú množiny filtrov (Mapy funkcií - Feature Maps) na extrahovanie lokálnych
obrazových príznakov prostredníctvom operácie konvolúcia (convolution), čo je matematická operácia.
•Filtre sú v podstate masky, ktoré sú „prehodené“ cez obrázok, aby sa zistilo, či im niečo
vyhovuje.
•Konečný súbor funkcií sa potom vloží do husto pripojenej siete, odkiaľ pochádza skutočná
univerzálna predikčná sila tohto algoritmu (classification).
•Takáto sieť sa môže naučiť aproximovať akúkoľvek primerane dobre vycvičenú funkciu s ľubovoľnou
presnosťou, pokiaľ je sieť dostatočne veľká.
•V prípade transkripcie rukopisov to prakticky znamená, že na cvičenie modelu je potrebný veľký
súbor cvičných dát.
•Otázka je, aký veľký by ten súbor mal byť, aby výsledky transkripcie boli čo najpresnejšie.
•Na základe rozdielu medzi predpoveďou modelu a „ground truth“ sa parametre vo vnútri siete
aktualizujú iteratívne.
•Po dokončení cvičenia je možné rozpoznať nové obrázky pri pohľade na výstup, ktorý ukazuje
najpresnejšiu aktiváciu.
5/2/2024
SAMPLE FOOTER TEXT
19