МІНІСТЕРСТВО ОСВІТИ І НАУКИ УКРАЇНИ

НАЦІОНАЛЬНИЙ УНІВЕРСИТЕТ “ЛЬВІВСЬКА ПОЛІТЕХНІКА”

Кафедра систем штучного інтелекту

Лабораторна робота № 2
з дисципліни « Теорія інформації »

Виконав: Студент групи КН-214

Ортинський Олександр
Перевірив:
Косаревич Р.Я.

Львів – 2023
 ЕКСПЕРИМЕНТАЛЬНЕ ДОСЛІДЖЕННЯ ВЛАСТИВОСТЕЙ ЕНТРОПІЇ
ПОВІДОМЛЕННЯ
Мета роботи: вивчення властивостей ентропії як кількісної міри інформації.
Завдання
1) Отримати цифрове зображення (grayscale, “відтінки сірого”) із кількістю
градацій більшою за 64.
2) Обчислити його ентропію.
3) Вважаючи його неперервним, провести його дискретизацію із кроками 2 та 4;
4) Для початкового зображення, а також кожного із випадків пункту 3 провести
рівномірне квантування діапазону яскравостей зображення на 8, 16, 64 рівнів.
5) Для всіх варіантів із пунктів 3 та 4 обчислити ентропію отриманих
зображень;
6) Відновити зображення після дискретизації з використанням різних методів
(“найближчого сусіда”, білінійна, бікубічна інтерполяція);
7) Для вхідного та зображень отриманих у пп. 3, 4, 6 обчислити відносну
ентропію;
8) В довільному середовищі розробити програму для реалізації пунктів 1-7.
9) Провести аналіз одержаних результатів.
10) Оформити звіт.
Хід роботи:
1) Отримати цифрове зображення (grayscale, “відтінки сірого”) із кількістю
градацій більшою за 64.

Ось зображення яке вийшло:

Я створив нове зобреження з форматом 'L', що означає градації сірого.
Зображення має розмір 256 на 256 пікселів і заповнюється градієнтом від чорного
до білого. Кожен піксель зображення отримує значення від 0 до 255, що
відповідає градаціям сірого.
2) Обчислити його ентропію.

Я відкрив зображення і отримав значення пікселів у вигляді масиву потім

обчислив гістограму значень пікселів (тобто скільки пікселів мають певне
значенняяскравостіі)та розподіл ймовірностей
розподіл ймовірностей відображає ймовірність того, що піксель має певне
значення яскравості
обчислюємо ентропію зображення за формулою:

Вивів ентропію в бітах на піксель, вона вимірюється саме в цьому бо вона

відображає кількість інформації, яку містить кожен піксель зображення.

3) Вважаючи його неперервним, провести його дискретизацію із кроками 2

та 4;
З кроком 2:
З кроком 4:

У випадку зображення, дискретизація може бути здійснена шляхом зменшення

розміру зображення та пікселізації, тобто заміни кожного пікселя на окрему
точку, що репрезентує його колір.
Дискретизації – це процес перетворення неперевного зображення на сукупність
окремих пікселів які мають фіксовані кординати та значення яскравості чи
кольору.
Чим менший крок дискретизації тим більша деталалізація зображення але при
цьому збільшується розмір файлу, що можна замітити на вищепоказаних
результатах. Дискретизоване зображення з кроком два виглядає чіткішим та
більш деталізованим, але займає більше памяті ніж результат з кроком 4, який як
ми можем бачити є менш чітким і деталізованим.

4) Для початкового зображення, а також кожного із випадків пункту 3

провести рівномірне квантування діапазону яскравостей зображення на 8,
16, 64 рівнів.

Для початкового зображення квантування діапазону яскравостей зображення на

8, 16, 64 рівнів:
8:

16:
64:

рівномірне квантування діапазону яскравостей зображення на 8, 16, 64 рівнів для

дискретизованого зображення з кроком 2:
З кроком 4:
Для рівномірного квантування діапазону яскравостей зображення на n рівнів
можна використовувати наступний підхід: розділити діапазон значень
яскравостей на n рівнів, а потім для кожного пікселя встановити значення
яскравості, що відповідає цьому рівню.

4)Для всіх варіантів із пунктів 3 та 4 обчислити ентропію отриманих зображень

Ентропія зображення - це міра невизначеності або непередбачуваності
зображення Вона вимірює кількість інформації, яку містить зображення. Чим
більша ентропія зображення тим більша невизначенність у зображенні.
Ентропія цифрового зображення (grayscale, “відтінки сірого”) із кількістю
градацій більшою за 64:

Ентропія цифрового зображення з дискретизацією з кроком 2:

Ентропія цифрового зображення з дискретизацією з кроком 4:

Ентропія зображення з дискретизацією з кроком 2 з яким було проведено

рівномірне квантування діапазону яскравостей зображення на 8, 16, 64 рівнів.
8 рівнів:

16 рівнів:

64 рівня:
Ентропія зображення з дискретизацією з кроком 4 з яким було проведено
рівномірне квантування діапазону яскравостей зображення на 8, 16, 64 рівнів.
8 рівнів:

16 рівнів:

64 рівня:

6) Відновити зображення після дискретизації з використанням різних методів

(“найближчого сусіда”, білінійна, бікубічна інтерполяція);

Відновлене зображення методом найближчого сусіда

Відновлене зображення методом білінійна інтерполяція

Відновлене зображення методом бікубічна інтерполяція

Метод найближчого сусіда просто копіює значення пікселів з оригінального

зображення до дискретизованого зображення без будь-якої обробки. Це означає,
що відновлене зображення має найменшу якість серед трьох методів
інтерполяції, і може виглядати розмитим. Метод білінійної інтерполяції зазвичай
використовується для зменшення артефактів розмиття та підвищення роздільної
здатності. Бікубічна інтерполяція є ще більш точним методом, який може
використовуватись для зображень з високою роздільною здатністю. Отже вибір
методу відновлення зображення залежить від конкретної задачі, що потрібно
вирішити і якість зображення, яку можна отримати з кожного методу.
Використання методу найближчого сусіда може бути прийнятним у деяких
випадках, але в більшості випадків краще використовувати більш точні методи
інтерполяції такі як білінійна або бікубічна інтерполяція.
7)Для вхідного та зображень отриманих у пп. 3, 4, 6 обчислити відносну
ентропію;
Результат для вхідного зображення та відновленого зображення методом
бікубічної інтерполяції

Результат для вхідного зображення та відновленого зображення методом

найближчого сусіда

Результат для вхідного зображення та відновленого зображення методом

білінійної інтерполяції

Результат для відновленого зображення методом найближчого сусіда менший за

результат для відновленого зображення методами білінійної та бікубічної
інтерполяції оскільки метод найближчого сусіда не враховує значення сусідніх
пікселів при відновленні пропущених пікселів. Він просто копіює значення
найближчого пікселя тому відновлене зображення може бути менш точним і
містити більше артефактів. У методі білінійної та бікубічної інтерполяції
враховується значення сусідніх пікселів, тому відновлене зображення може бути
більш точним і містити менше артефактів.

Висновок: на лабораторній роботі я вивчив властивості ентропії як кількісної

міри інформації. Виконав завдання з отримання цифрового зображення з більш
ніж 64 градаціями сірого кольору, обчислення ентропії та дискретизації
зображення з кроками 2 та 4. Далі для всіх варіантів дискретизації було
проведене рівномірне квантування діапазону яскравостей зображення на 8, 16,
64 рівнів, та обчислено ентропію отриманих зображень. Для відновлення
зображення були використані різні методи інтерполяції, такі як "найближчий
сусід", білінійна та бікубічна інтерполяція. При відновленні зображень найбільш
точні результати були отримані з використанням бікубічної інтерполяції.