Мэдээллийн технологийн байнгын хөгжлийг дагаад цахим баримт бичиг улам бүр тохиромжтой, түгээмэл болж, уламжлалт цаасан хэвлэлтэд ноёрхож байна. Иймд зөвхөн уламжлалт цаасан дээр бус цахим баримт бичигт ч мэдээллийн агуулгыг хамгаалахад нэн тэргүүнд анхаарах нь чухал юм. Арилжааны, төрийн болон бусад нууцыг хадгалдаг томоохон компани бүр мэдээлэл алдагдахаас урьдчилан сэргийлэх, нууцын зэрэглэлтэй мэдээлэл алдагдахаас урьдчилан сэргийлэхийг хүсдэг бөгөөд хэрэв алдагдсан нь илэрсэн бол алдагдлыг таслан зогсоох, гэмт этгээдийг илрүүлэх арга хэмжээ авахыг хүсдэг.
Хамгаалалтын сонголтуудын талаар бага зэрэг
Эдгээр ажлыг гүйцэтгэхийн тулд аюулгүй байдлын тодорхой элементүүдийг нэвтрүүлсэн. Эдгээр элементүүд нь зураасан код, харагдах шошго, цахим шошго зэргийг багтааж болох боловч хамгийн сонирхолтой нь далд шошго юм. Усны тэмдэг нь хамгийн алдартай жишээнүүдийн нэг юм; тэдгээрийг цаасан дээр түрхэж эсвэл хэвлэхээс өмнө нэмж болно. Хэвлэгч нь хэвлэхдээ өөрийн гэсэн усан тэмдэг (шар цэг болон бусад тэмдэг) нэмдэг нь нууц биш боловч бид компьютерийн дэлгэц эсвэл ажилтны ажлын байранд гарч болох бусад олдворуудыг авч үзэх болно. Эдгээр олдворууд нь хэрэглэгчийн ажлын талбар дээрх олдворуудыг давхарлаж, харагдах байдлыг багасгаж, хэрэглэгчийн ажлын урсгалд саад учруулахгүй тусгай програм хангамжийн багцаар үүсгэгддэг. Эдгээр технологиуд нь шинжлэх ухааны хөгжил, далд мэдээллийг үзүүлэх алгоритмд эртний үндэстэй боловч орчин үеийн ертөнцөд харьцангуй ховор байдаг. Шударга бус ажилчдыг хурдан илрүүлэхийн тулд энэ аргыг үндсэндээ цэргийнхэн болон цаасан хэвлэл мэдээллийн хэрэгслээр ашигладаг. Эдгээр технологиудыг арилжааны салбарт дөнгөж нэвтрүүлж эхэлж байна. Үзэгдэх усан тэмдэг нь янз бүрийн медиа файлуудын зохиогчийн эрхийг хамгаалахад өргөн хэрэглэгдэж байгаа бол үл үзэгдэх тэмдэг нь маш ховор байдаг. Гэсэн хэдий ч тэд хамгийн их сонирхлыг бий болгодог хүмүүс юм.
Аюулгүй байдлын олдворууд
Үл үзэгдэх усан тэмдэг нь хүний нүдэнд үл үзэгдэх эсвэл зураг дээр маш жижиг цэгүүд шиг далдлагдсан янз бүрийн олдворуудыг бий болгодог. Үл үзэгдэх объектууд ихэнх мониторуудын стандарт өнгөний зайнаас гадуур байрлаж болох тул бид харагдахуйц объектууд дээр анхаарлаа хандуулах болно. Эдгээр олдворууд нь үл үзэгдэх өндөр зэрэгтэй учраас онцгой үнэ цэнэтэй юм. Гэсэн хэдий ч дижитал усан тэмдгийг бүрэн харагдахгүй болгох боломжгүй юм. Тэдгээрийг зурагт оруулахдаа саванд тодорхой гажуудлыг оруулж, олдвор үүсгэдэг. Бид хоёр төрлийн объектыг авч үзэх болно:
- Цикл
- Эмх замбараагүй байдал (зураг хувиргах замаар нэвтрүүлсэн)
Циклийн хэв маяг нь дэлгэцийн зураг дээр нэгээс олон удаа давтагдсан элементүүдийн давтагдах тодорхой төгсгөлтэй дараалал юм (Зураг 1).
Эмх замбараагүй олдворууд нь давхардсан дүрсийг янз бүрийн төрлийн хувиргах (Зураг 2), жишээлбэл, голограмм нэвтрүүлэх зэргээс үүдэлтэй байж болно.
Зураг 1 Циклийн олдворууд
Зураг 2 Эмх замбараагүй олдворууд
Циклийн олдворыг таних сонголтуудыг судалж эхэлцгээе. Ийм олдворууд нь дараахь зүйлийг агуулж болно.
- бүхэл бүтэн дэлгэцээр давтагдах текстийн усан тэмдэг
- хоёртын дараалал
- сүлжээний нүд бүр дэх санамсаргүй цэгүүдийн багц
Жагсаалтад орсон бүх олдворуудыг харуулсан контент дээр шууд хэрэглэнэ. Тиймээс өнгөний суваг тус бүрийн гистограмын орон нутгийн туйлуудыг тодорхойлж, дараа нь бусад бүх өнгийг таслах замаар тэдгээрийг тодорхойлж болно. Энэ арга нь гистограмын суваг бүрийн орон нутгийн хэт туйлшралын хослолтой ажиллахад хамаарна. Асуудал нь маш нарийн шилжилтийн нарийн ширийн зүйлс бүхий нэлээд төвөгтэй дүр төрхөөр орон нутгийн хэт туйлшралыг олоход оршдог; гистограмм нь хөрөөний шүд шиг харагддаг тул энэ аргыг хэрэглэх боломжгүй болгодог. Төрөл бүрийн шүүлтүүрийг ашиглаж болох боловч тэдгээр нь өөрсдийн гажуудлыг бий болгодог бөгөөд энэ нь эцсийн эцэст усан тэмдгийг илрүүлэх боломжгүй болоход хүргэдэг. Өөр нэг сонголт бол эдгээр олдворуудыг тодорхой ирмэг илрүүлэгч (жишээ нь, Canny ирмэг илрүүлэгч) ашиглан таних явдал юм. Эдгээр аргууд нь нэлээд хурц шилжилттэй олдворуудад тохиромжтой. Илрүүлэгч нь зургийн контурыг тодруулж, дараа нь олдворуудыг өөрсдөө тусгаарлахын тулд зургийн хоёртын хэлбэрт оруулахын тулд контур доторх өнгөний мужийг сонгох боломжтой. Гэсэн хэдий ч эдгээр аргууд нь хүссэн контурыг тодорхойлохын тулд нэлээд нарийн тааруулах, түүнчлэн сонгосон контурын өнгөнүүдтэй харьцуулахад зургийг өөрөө хоёртын хэлбэрт оруулахыг шаарддаг. Эдгээр алгоритмууд нь нэлээд найдваргүй гэж тооцогддог бөгөөд зургийн өнгөт бүрэлдэхүүн хэсгүүдийн төрлөөс хамааралгүй илүү тогтвортой алгоритмуудыг ашиглах хандлагатай байдаг.
Зураг 3 Хувиргасны дараа усан тэмдэг
Өмнө дурьдсан эмх замбараагүй олдворуудын тухайд, тэдгээрийг таних алгоритмууд нь эрс өөр байх болно. Эмх замбараагүй олдворууд нь зураг дээр усан тэмдэг тавих замаар үүсдэг бөгөөд энэ нь ямар нэгэн хувиргалт (жишээлбэл, салангид Фурье хувиргалт) ашиглан хувирдаг. Ийм хувиргалтаас гарсан олдворууд нь бүхэл бүтэн дэлгэцээр тархсан тул хэв маягийг ялгахад хэцүү болгодог. Тиймээс усан тэмдэг нь "санамсаргүй" олдворууд хэлбэрээр зураг дээр байрлах болно. Ийм усан тэмдгийг таних нь хувиргах функцийг ашиглан зургийг шууд хувиргах явдал юм. Өөрчлөлтийн үр дүнг зурагт үзүүлэв (Зураг 3).
Гэсэн хэдий ч тохиромжгүй нөхцөлд усан тэмдгийг танихад саад болох хэд хэдэн асуудал үүсдэг. Өөрчлөлтийн төрлөөс хамааран дэлгэцтэй харьцуулахад эгц өнцгөөр авсан баримтыг таних боломжгүй, эсвэл зүгээр л чанар муутай зураг эсвэл алдагдалтай шахалттай файлд хадгалагдсан дэлгэцийн зураг гэх мэт янз бүрийн хүндрэлүүд гарч ирж болно. Эдгээр бүх асуудлууд усан тэмдэг илрүүлэхэд хүндрэл учруулдаг. Ташуу дүрсийн хувьд илүү төвөгтэй хувиргалт эсвэл аффин дүрсийн хувиргалтыг хийх шаардлагатай боловч аль ч арга нь усан тэмдгийг бүрэн сэргээх баталгаа болохгүй. Дэлгэцийн зураг авалтыг авч үзвэл хоёр асуудал гарч ирдэг: эхнийх нь дэлгэц дээр харуулах явцад гажуудал, хоёр дахь нь дэлгэцийн зургийг өөрөө хадгалах явцад гажуудал юм. Эхнийх нь мониторын матрицууд чанарын хувьд өөр өөр байдаг тул тодорхой өнгө байхгүй тул өнгөт дүрслэлд үндэслэн өнгийг интерполяцлаж, улмаар усан тэмдэгт гажуудал үүсгэдэг тул хянахад нэлээд хэцүү байдаг. Хоёрдахь нь бүр ч хэцүү, учир нь та дэлгэцийн агшинг ямар ч форматаар хадгалах боломжтой бөгөөд үүний дагуу өнгөний хүрээний хэсгийг алдаж болох тул бид усан тэмдгийг өөрөө алдаж болно.
Хэрэгжилтийн асуудал
Өнөөдөр олон тооны усан тэмдэг оруулах алгоритмууд байдаг боловч тэдгээрийн аль нь ч үүнийг суулгасны дараа 100% усан тэмдэг таних баталгаа өгдөггүй. Гол бэрхшээл бол тодорхой тохиолдол бүрт үүсч болох тоглуулах нөхцлийн хүрээг тодорхойлох явдал юм. Өмнө дурьдсанчлан, бүх боломжит гажуудал, усан тэмдгийг гэмтээх оролдлогыг тооцдог таних алгоритмыг бий болгоход хэцүү байдаг. Жишээлбэл, хэрэв одоогийн зураг дээр Гауссын шүүлтүүр хэрэглэсэн бол анхны зураг дээрх олдворууд нь жижиг, дэвсгэрээсээ ялгаатай байвал тэдгээрийг таних боломжгүй, эсвэл усан тэмдгийн хэсэг алга болно. Моаре (Зураг 5) болон "тор" (Зураг 4) харуулах магадлал өндөртэй гэрэл зургийн жишээг авч үзье. Moiré нь дэлгэцийн матрицын салангид байдал болон дүрслэх төхөөрөмжийн матрицын салангид байдлаас шалтгаалан үүсдэг; энэ нөхцөлд хоёр тортой төстэй зургийг давхарласан байна. Торон нь усан тэмдгийн олдворыг хэсэгчлэн бүрхэж, танихад хүндрэл учруулах ба харин зарим усан тэмдэг шигтгэх аргуудын хувьд муар нь зургийн зарим хэсгийг усан тэмдэгээр халхалдаг тул үүнийг таних боломжгүй болгодог.
Зураг 4 Зургийн сүлжээ
Зураг 5 Муар
Усны тэмдгийг таних чадварыг сайжруулахын тулд өөрөө суралцах мэдрэлийн сүлжээнд суурилсан алгоритмуудыг ашиглах шаардлагатай бөгөөд энэ нь ашиглалтын явцад усан тэмдгийн зургийг автоматаар таньж сурах болно. Одоогийн байдлаар Google-ийнх шиг маш олон тооны мэдрэлийн сүлжээний хэрэгсэл, үйлчилгээнүүд байдаг. Хэрэв хүсвэл лавлагаа зургийн багцыг олж, шаардлагатай олдворуудыг таних мэдрэлийн сүлжээг сургаж болно. Энэ арга нь маш их гажуудсан усан тэмдгийг илрүүлэх хамгийн сайн боломжийг олгодог боловч үнэн зөв илрүүлэхийн тулд ихээхэн хэмжээний тооцоолох хүч, нэлээд урт сургалтын хугацаа шаарддаг.
Тайлбарласан бүх зүйл хангалттай энгийн мэт боловч та эдгээр асуудлуудыг гүнзгийрүүлэн судлах тусам усан тэмдгийг танихын тулд алгоритмуудын аль нэгийг хэрэгжүүлэхэд маш их цаг хугацаа шаардагдах бөгөөд зураг бүрийг таних магадлалыг сайжруулахад илүү их цаг хугацаа шаардагддаг.
Эх сурвалж: www.habr.com
