Причины нерезкости фотографий. Практическая работа обработка графической информации

По материалам книги "Спутниковая метеорология", М.А.Герман

Дешифрирование снимков облачности

Возможность опознавания облаков на телевизионных снимках определяется разрешающей способностью аппаратуры. Очевидно, что чем меньше величина разрешающего элемента на местности, тем с большими подробностями видны заснятые объекты и точнее их дешифрирование. Отдельные облака меньшего размера, чем элемент разложения на местности, не различаются, а облачные поля, состоящие из облаков такого размера, выглядят на ТВ снимках в виде однородной светлой пелены, подобно тонким облакам той или иной яркости.
Фотоснимки облачности, получаемые со спутников, выгодно отличаются от наземных наблюдений тем, что дают целостную картину распределения облаков над обширными территориями, соизмеримыми с основными синоптическими объектами. Это позволяет по характеру рисунка изображения на снимках изучать неоднородности облачного покрова различного масштаба, многие, из которых для дискретных наземных наблюдений являются практически неуловимыми. При изучении возникает естественное желание: идентифицировать и классифицировать облачные образования, отображаемые на снимках, согласно классификации облаков, принятой при наземных наблюдениях. С одной стороны и, с другой — идентифицировать и классифицировать целые облачные системы, покрывающие большие площади земной поверхности.

Рисунок изображения облачности

Текстура изображения. Под текстурой понимается рисунок мелких деталей изображения, создаваемый различием яркостей отдельных элементов, размеры которых сравнимы с разрешающей способностью аппаратуры. В этом случае на снимке воспроизводятся только самые основные черты объекта, по которым можно судить, является ли оно округлым или вытянутым, светлее (холоднее), чем окружающий фон, или наоборот. Различают три основных типа текстуры: матовая, зернистая и волокнистая.
Матовая текстура характеризуется однородным тоном изображения. Телевизионные снимки этой текстуры отличаются между собой только по яркости. Матовая текстура свойственна изображениям открытых участков водной поверхности, суши в районах достаточного увлажнения, засушливых участков суши, сплошных льдов и снежного покрова, тумана и слоистообразной облачности.
Зернистая текстура — скопление пятен (зерен) светлого пли темного на соответствующем фоне. Мелкие зерна обычно характерны для изображений кучевых облаков, при-размеры зерен в этом случае настолько малы, что детали и формы отдельных облаков полностью скрадываются. Слоисто-кучевые облака выглядят аналогично, только зерна в этом случае темные на светлом фоне. Под зернами здесь следует понимать просветы в облаках. Однако наличие темных зерен на светлом фоне не является гарантией того, что изображены слоисто кучевые облака. Это могут быть также кучевые облака геометрические особенности больших участков изображения, создаваемых сотнями элементов, размеры которых примерно на два-три порядка больше разрешающей способности системы.
К крупномасштабным облачным системам относятся: зоны фронтальной облачности, облачные вихри циклонов, облачность струйных течений, облачные вихри тропических циклонов, облачность внутритропической зоны конвергенции, облачность холодных фронтов тропической зоны.
Характеристики облачных систем позволяют выявить общую синоптическую обстановку, в которой наблюдаются те или иные облачные образования.
Таким образом, комплекс основных характеристик, рассмотренных выше, может лечь в основу распознавания облаков и подстилающей поверхности на путниковых фотографиях. Но все же при наличии в распоряжении дешифратора этих облачных характеристик задача дешифрирования остается сложной. Важным дополнением к упрощению распознавания спутниковых фотографий являются радиационные измерения, которые производятся одновременно с ТВ прослеживанием облаков. Совместный анализ всей спутниковой информации позволит выяснить вертикальную протяженность облаков и уточнить по этим данным их форму. Если в распоряжении дешифратора имеются только телевизионные снимки облачности, то для определения мощности облаков используют тени, отбрасываемые высокими облаками, на более низкие Превышение одного облака над другим в этом случае может быть определено по данным высоты Солнца. Тени могут быть видны не только на фоне более низких облаков, но и на светлом песке, снежном и ледяном покрове. В то же время на водной поверхности, которая обычно имеет темный тон, тень не всегда удается обнаружить.

Форма и количество облачности При анализе телевизионных снимков не всегда удается точно определить формы морфологической классификации облаков из-за фотографического сходства большинства из них между собой. Поэтому при дешифрировании пользуются условной классификацией, составленной с учетом информативных возможностей фотографии. Выделяются следующие основные типы облачности, каждый из которых может включать в себя не только соответствующие формы морфологической классификации - кучевые, слоистые, перистые и др., но и всевозможные разновидности всех ярусов, создающих на снимках сходный зрительный эффект: перисто-образные, слоистообразные, кучево-образные, кучево-дождевые или мощные кучевые, слоисто-кучевообразные, различные сочетания указанных типов.
Кроме основных типов облачности, при дешифрировании определяются границы однородных облачных полей и количество облачности.
Границей (контуром) называется линия раздела между полями с различными характеристиками. Контурами очерчиваются районы (поля), однородные по яркости и структуре изображения облачности.
Количество облачности характеризует степень покрытия облаками того или иного участка земной поверхности и определяется отношением (в процентах) площади, занятой облачными элементами внутри контура, ко всей площади, ограниченной контуром.

Перистообразная облачность

Облака, сквозь которые просвечивает рельеф или более низкие облака, являются обычно перисто-образными. Они могут быть опознаны на изображениях в большинстве случаев по волокнистой структуре, а также по ассоциации с другими облаками, такими, например, как кучево-дождевые.
Существенную помощь в распознавании облаков оказывает также знание географии местности. Если облачные полосы пересекают высокие горные цепи и при этом не испытывают их влияния, то о высоте таких облаков можно судить однозначно и отнести их к перисто-образным. Полосы более или менее плотных перистых облаков часто дают тень на облака нижнего и среднего ярусов или заснеженную поверхность Земли. Особенно четкие тени связаны с перистыми облаками, образующимися с правой стороны струйного течения.
К перисто-образным облакам могут быть отнесены не только перистые облака, но и облачные поля других форм, имеющие аналогичную структуру. Так, например, при условии отсутствия других опознавательных признаков, изолированное поле адвентивного тумана над открытым морем создает на снимке такой же фотографический эффект, что и перистые облака. Однако знание физического механизма и района образования тех или иных облачных образований, учет истории, а также привлечение других источников позволяют правильно идентифицировать типы облачности.

Слоистообразная облачность

Основной отличительной чертой слоистообразной облачности на ТВ снимке является ее матовый однородный тон. Мезоструктура этой облачности бывает неопределенная или полосная. Вдоль полос обычно сохраняется однородность тона либо она меняется постепенно.
Тон изображения плотных слоисто-образных облаков чаще белый, иногда ярко-белый, тонких — светло-серый.
Изображение слоистообразной облачности на ТВ снимках создается слоисто-дождевыми (Ns), слоистыми (St), высокослоистыми (As) облаками. Кроме того, некоторые кучево-образные облака: кучевые (Сu), высококучевые (Ас) и слоисто-кучевые (Sc), состоящие из сравнительно мелких облачных элементов, разделенных такими же мелкими просветами, могут выглядеть на ТВ снимках как слоистообразные. Наибольшей яркостью на снимке будут обладать слоисто-дождевые облака, среднее альбедо которых составляет 80%. Меньшая яркость будет у As, имеющих среднее альбедо 60%.
Слоистообразная облачность часто наблюдается в сочетании с кучево-образной. В этом случае матовый топ изображения, характерный для слоистообразной облачности, будет несколько нарушен вкраплениями зернистых или более крупных облачных элементов округлых форм. Нередко в слоистообразную облачность бывают включены кучево-дождевые облака (Cb), которые на снимках просматриваются в виде ярко-белых пятен на менее ярком однородном фоне. Иногда присутствие СЬ можно обнажить по теням от их вершин, выступающих над верхней кромкой слоистообразных облаков. По "количеству слоистооб-разная облачность бывает только сплошной или значительной.
Для нее характерны большие горизонтальные размеры (до нескольких тысяч километров). Вертикальная мощность ее колебаться от 0,3 до 5—6 км.
Слоистообразная облачность чаще всего наблюдается в области теплых и окклюдированных фронтов, а также в антициклонах в холодную половину года.
От слоистообразных облаков следует отличать туман. На спутниковых фотографиях он имеет сплошное молочно-белое изображение с роимыми краями, повторяющими, как правило, формы рельефа. Адвективный туман над океанами может иметь также полосную структуру, напоминающую структуру перистых облаков. Плотный туман легко опознается даже на фоне снега, поскольку закрывает контуры подстилающей поверхности и может просматриваться сквозь тонкую облачность. Слабый (просвечивающий) туман обнаруживается на снимках только при отсутствии снега и облачности. Светло-серая пелена тумана над небольшими водными бассейнами создает иногда впечатление свечения воды наподобие солнечного блика.
Определенные трудности дешифрирования представляют туманы на ИК изображениях. Малый температурный контраст между туманом и подстилающей поверхностью очень часто не позволяет по тону изображения отличить туман от других объектов. В этом случае существенную помощь могут оказать аэросиноптические материалы за сроки, наиболее близкие к срокам съема информации.

Кучевообразная облачность

Кучевообразная облачность (ячейки)

Изображения кучевообразной облачности на фотоснимках отличается большой яркостной неоднородностью. Тон изображения этих облаков может колебаться от серого до ярко-белого, причем светлый тон изображения обычно чередуется с более темным. Характерной текстурой изображения является зернистая, волокнистая или куполообразная. Мезоструктурные образования кучевообразной облачности могут быть трех видов: ячейки, полосы, цепочки.
Из кучевообразных облаков по фотоснимкам можно выделить в основном облака вертикального развития, к которым относятся кучевые (Си), мощные кучевые (Си cong.) и некоторые формы слоисто-кучевых облаков (Sc). Яркость тона изображения кучевообразных облаков прямо пропорциональна их горизонтальным и вертикальным размерам.
Небольшие скопления кучево-образных облаков, имеющие размеры меньше, чем разрешающая способность системы, выглядят на снимке как сплошная серая дымка и могут быть расшифрованы как тонкие слоистообразные облака. К таким облакам относятся кучевые хорошей погоды < (Сu hum), высококучевые (Ас), некоторые формы слоисто-кучевых (Sc) и перисто-кучевых (Сс).
Кучевообразные облака обычно располагаются в виде отдельных редких облаков или в виде значительных скоплении их. Горизонтальные размеры облаков колеблются в очень широких пределах. Кучевообразные облака могут сочетаться с другими формами облаков всех ярусов. Выделяться на фоне других облаков они будут в том случае, если имеют большую яркость изображения на снимке, либо по характерной тени, отбрасываемой ими на нижележащие облака.
Кучевообразные облака чаще всего образуются вблизи холодных фронтов и в тылу циклона в неустойчивой воздушной массе.
Особенно важно выделить среди других облаков кучево-дождевую облачность. Основными признаками для дешифрирования изображений Сb на ТВ снимке являются: наиболее яркий (ярко-белый) фон изображения (альбедо порядка 80%); отчетливо очерченные контуры облачности, хорошо различимые на фоне подстилающей поверхности и легко опознаваемые на фоне любой другой облачности. Куполообразная текстура изображения; значительные колебания горизонтальных размеров; характерные выбросы (шлейф) наковален перистых облаков; полосная мезоструктура (в виде гряд).
СЬ встречаются как изолированные, так и в сочетании с другими формами. В случае сочетания СЬ с другими формами граница их выражена резко: они обнаруживаются по теням, создаваемым вершинами, ярко-белые купола которых выступают на более темном фоне. В случае отсутствия теней СЬ опознаются по яркости их изображения на снимках. Они могут наблюдаться в тылу циклона в неустойчивом холодном воздухе, а также в антициклоне и размытом барическом поле в особенности в летнее время года.

Слоисто-кучевообразная облачность

Слоисто-кучевая облачность обозначена как SC Sheets

На телевизионных фотографиях слоисто-кучевообразные облака имеют вид крупных или мелких гранул. Иногда эта облачность на снимке выглядит в виде поля изолированных расплывшихся пятен, в центре которых, как правило, прослеживается относительно яркое образование из более мощных облаков. Для слоисто-кучевообразных облаков характерна зернистая текстура. Облачность имеет серый и светло-серый тон на ИК изображениях, светлый и ярко-белый тон на снимках, полученных в видимых лучах. Облака этих форм имеют хорошо выраженную структуру и очень часто группируются в гряды и полосы, которые обычно ориентируются по направлению ветра. Слоисто-кучевообразная облачность формируется в холодном влажном воздухе в подинверсионном слое и имеет небольшую вертикальную протяженность.

Кучево-дождевая облачность

Кучево-дождевая облачность

Этот вид облачности достаточно легко опознается на телевизионных изображениях. Кучево-дождевые облака обычно имеют куполообразную текстуру, большую яркость и размеры. На снимках они имеют вид крупных ярких белых пятен с размерами в поперечнике 10—40 км, а иногда и более.
Облачные образования диаметром около 100 км и более представляют собой скопление отдельных кучево-дождевых облаков, у которых наковальни слились и образовали сплошной покров перистых облаков.
Шлейф перистых облаков, по данным К. О. Эриксона, связанный с кучево-дождевой облачностью, наблюдается при наличии вертикального сдвига ветра. В этом случае наветренный край кучево-дождевого облака резкий, а подветренный, куда происходит снос перистых облаков, размытый. Шлейф перистых облаков простирается по направлению ветра на уровне облаков. В связи с этим по изображению кучево-дождевой облачности можно определять направление воздушных потоков в верхней тропосфере (на уровне перистых облаков), а они в некоторой степени характеризуют перемещение самих кучево-дождевых облаков.
Наличие кучево-дождевых облаков на ТВ снимке является хорошим индикатором для прогноза гроз, ливней и шквалистых ветров в районе, для которого получена спутниковая информация.
При определенных условиях ТВ съемки вес же не всегда удается правильно распознать отдельные формы облачности, тем более что в оперативной практике использования спутниковых изображений этот этап дешифрирования является промежуточным. Эти и другие соображения способствовали созданию обобщенного метода дешифрирования ТВ изображений облачности. Сущность метода, который предложил И. П. Ветлов, заключается главным образом не в распознавании отдельных облачных форм, фиксируемых при наземных наблюдениях, а в выявлении типовых облачных систем, связанных с характерными атмосферными процессами. В основу такого подхода к дешифрированию положен принцип — каждая отдельная облачная система обусловлена определенной формой циркуляции в атмосфере. Дешифрирование изображений облачности в таком плане облегчает и задачу выделения обычных облачных форм, которая после выявления типовых облачных систем с точки зрения анализа и прогноза погоды во многих случаях может терять свое самостоятельное значение.

ИСПОЛЬЗОВАНИЕ ДАННЫХ НАБЛЮДЕНИЙ С МЕТЕОРОЛОГИЧЕСКИХ СПУТНИКОВ В СИНОПТИЧЕСКОМ АНАЛИЗЕ. Фронты.

Обширная метеорологическая информация, регулярно получаемая со спутников, находит широкое применение в синоптической практике. Сборные карты облачного покрова, построенные по телевизионным снимкам, обладают большой информативностью, они отображают пространственную структуру и другие характеристики облачности. Облачные системы разнообразных синоптических образований (фронтов, циклонов, ураганов, зон конвергенции и др.) настолько типичны, что использование изображении облачного покрова стало незаменимым средством прогноза крупномасштабных атмосферных процессов.
Для начального этапа развития спутниковой метеорологии, связанного с использованием в практике прогнозов погоды изображений облачного покрова, характерно преобладание методов качественного (синоптического) анализа получаемых данных. Выполненные в последние годы исследования свидетельствуют о больших возможностях использования спутниковой метеорологической информации в рамках современных численных прогнозов погоды. В частности, использование данных уходящего излучения в различных областях спектра позволяет получить количественные сведения о температуре, плотности, влажности воздуха и содержании озона.
Реальная возможность решения обратных задач спутниковой метеорологии ставит на повестку дня проблему оптимального сочетания обычных и спутниковых средств метеорологических наблюдений. Если станут, например, вполне надежными спутниковые измерения вертикального профиля температуры воздуха в любой точке земного шара, то это исключит необходимость массового применения радиозондов как основного средства температурного зондирования атмосферы.
Перспективы получения при помощи спутников метеорологической информации в количественной форме отнюдь не снижают актуальности использования и совершенствования методов качественного анализа изображения Земли из космоса. Напротив, исследования последних лет открыли здесь новые возможности, состоящие в применении изображений для определения разнообразных свойств характеристик подстилающей поверхности.

ИСПОЛЬЗОВАНИЕ ДАННЫХ ОБ ОБЛАЧНОСТИ ДЛЯ ОЦЕНКИ СИНОПТИЧЕСКОГО ПОЛОЖЕНИЯ

При анализе синоптических карт и оценке характера атмосферных процессов, наряду с данными наблюдений наземных станций, в последнее время все шире применяются результаты наблюдений с метеорологических спутников. Рассматривая последовательный ряд снимков земной поверхности, можно выявить определенные структурные характеристики облачных полей. С помощью спутниковой аппаратуры, способной заснять большие пространства, удается получить общую картину облачного покрова в глобальном масштабе. Сборная карта облачного покрова, построенная по фотографиям с большой площади, описывает характер атмосферных процессов, происходящих на большой территории, и может иметь практическое значение. Эти карты, дающие непрерывную картину распределения облачности, обладают большой наглядностью, существенной для синоптического анализа, и в значительной мере помогают более правильно осмыслить данные дискретной сети метеорологических наблюдений. Выделить крупномасштабные атмосферные возмущения, с которыми связаны резкие изменения в условиях погоды.

ОСНОВНЫЕ СТРУКТУРНЫЕ ОСОБЕННОСТИ ОБЛАЧНЫХ ПОЛЕЙ И ИХ СВЯЗЬ С СИНОПТИЧЕСКИМИ ПРОЦЕССАМИ

Структура изображения зависит главным образом от яркостного контраста наблюдаемых облаков, превышающего порог контрастной чувствительности телевизионной системы. Изменения условий съемки (освещенности, выдержки, диафрагмирования и. т. п.) мало влияют на структуру изображения, меняется лишь его контрастность.

Облачные системы синоптического масштаба - макроструктура - характеризуют геометрические особенности больших участков изображения, создаваемых сотнями элементов, с размерами примерно на два-три порядка больше разрешающей способности системы, с помощью которой получены телевизионные (ТВ) или инфракрасные (ИК) снимки. Эта структура облачных изображений дает непрерывную по горизонтали картину распределения облаков, обладает большей наглядностью, чем обычные данные об облачности, помещенные на синоптической карте. Для районов с густой сетью станции ТВ и ИК снимки облачных полей синоптического масштаба помогают синоптику более разумно произвести систематизацию атмосферных процессов. При сравнительно редкой метеорологической сети станций, когда отдельные участки синоптической карты плохо обеспечены инструментальными наблюдениями, макроструктура облачных изображений служит основной информацией при анализе и составлении прогноза погоды. Она может иметь различные мезомасштабные и макромасштабные характеристики (мезоструктуру и текстуру), что расширяет объем информации о конкретном поле облачности.

ОБЛАЧНОСТЬ АТМОСФЕРНЫХ ФРОНТОВ

Облачные системы атмосферных фронтов изображаются на ТВ и ИК снимках в виде светлых полос различной ширины, яркости и структуры.
Наиболее широкие и яркие облачные полосы соответствуют активным фронтам с интенсивными восходящими движениями влажного воздуха, более узкие и менее светлые облачные полосы - неактивным, в области которых восходящие движения не получают развития.
Фронтальные полосы состоят, как правило, из многослойной облачности, являющейся сочетанием различных типов. Распознавание типов облаков производится как по признакам, свойственным каждому типу облачности в отдельности, так и по характеру границ облачной полосы. Например, о наличии перисто-образной облачности можно судить по "выметам" светло-серого тона, а также по коротким поперечным полосам, часто наблюдающимся вдоль границы фронтальной облачности. "Рваные" (неровные) границы присущи кучевообразной и кучево-дождевой облачности. Сглаженные (ровные) края указывают на преобладание слоистообразной облачности. Во фронтальной полосе присутствует обычно не менее двух типов облачности. Активность атмосферных фронтов уменьшается от центра циклона к периферии, и это изменение их активности выявляется на ТВ изображениях, но уменьшению ширины полосы и количества облачности. Фронтальные облачные системы представляются на снимках и картах нефанализа в большинстве случаев в виде облачных полос шириной от одной до нескольких сотен километров. Так как облачные полосы обычно состоят из облаков различных форм, то на картах нефанализа в том контуре, где указана фронтальная облачность, наносятся зачастую все формы облаков. Однако в ряде случаев удается проследить преобладание кучевообразной облачности в зоне холодного фронта и слоистообразной в зоне теплого фронта.
Анализ карт облачности, карт погоды и барической топографии показал, что фронтальные разделы часто прослеживаются в поле облачности значительно дольше, чем в поле других элементов. При этом внешний вид облачности и конфигурация облачной полосы часто позволяют определить вид фронта на снимке. Это обстоятельство может служить основой для уточнения анализа синоптического положения в конкретном районе.

Облачность холодного фронта.

Облачные полосы холодных фронтов имеют четкую структуру в виде яркой полосы шириной 200-300 км и длиной более 1000 км, очень часто с вкраплениями округлых ярких пятен с резко очерченными краями. Полосы формируются из слоисто-дождевой облачности и отдельных скоплений кучево-дождевых облаков. Обычно они имеют однородный тон изображения, на фоне которого четко прослеживаются вкрапления округлых ярких пятен облаков вертикального развития. Для активных холодных фронтов характерно изображение в виде непрерывной хорошо развитой облачной полосы. Для фронтов с пониженной активностью облачная полоса обычно менее широкая, с отдельными разрывами контура.

Холодный фронт (ХФ)

Очень часто облачные полосы холодного фронта бывают отделены безоблачными зонами от предфронтальной и зафронтальной облачности. На снимках, которые получены для теплого периода года, перед фронтальной зоной на некотором расстоянии от основной облачной полосы очень часто видны гряды кучево-дождевых облаков, расположенные параллельно фронту. За фронтом иногда могут наблюдаться скопления кучевых облаков, сформированных в гряды, ячейки или ансамбли, не имеющие определенной структуры. Такие облака являются результатом конвекции: водном воздухе, перемещающемся над теплой подстилающей поверхностью. Для облачных зон холодных фронтов характерна заметная циклоническая кривизна (прогиб в сторону теплого воздуха).
Исследования, выполненные Т. П. Поповой, показывают, что линия холодного фронта у поверхности Земли практически всегда находится в пределах облачной полосы. В тех случаях, когда в облачной зоне преобладают облака слоистообразных форм, линии приземного фронта располагается вблизи правой (передней) ее кромки, при преобладании облаков кучевых форм линия фронта располагается у левой (тыловой) кромки облачной полосы. Обращает на себя внимание четкость границ этих полос.

Облачность теплого фронта.

Теплый фронт, как правило, хорошо выражен в поле облачности лишь в начальных стадиях развития циклона, поэтому распознавание этих фронтов на снимках гораздо сложнее, чем холодных. Изображение облачности теплого фронта на ТВ снимках отличается большим разнообразием размеров и рисунков облачного покрова.
По исследованиям Е. П. Домбковской, наиболее типичной для теплого фронта является облачная зона характерного полосного строения шириной 300-500 км и длиной от нескольких сотен до тысячи километров, причем длинные облачные полосы на теплых фронтах встречаются редко.
Облачная полоса, соответствующая теплому фронту, в процессе окклюдирования сливается с облаками холодного фронта. Обычно облачная зона на теплом фронте размывается и на снимках бывает виден лишь незначительный выступ у точки окклюзии, соответствующий ранее существовавшей облачной полосе теплого фронта. В то же время холодный фронт остается выраженным очень четко.
Облачная зона теплого фронта имеет антициклоническую кривизну и выгибается в сторону холодного воздуха.
Облачная полоса этого фронта сформирована из однородной слоисто-дождевой облачности. На снимках, полученных в летнее время, очень часто могут наблюдаться отдельные образования кучево-дождевых облаков. Ширина фронтальной облачной полосы на всем ее протяжении неодинакова. Там, где происходит развитие волны и циклона, она расширена, в области тыловых гребней - сужена и размыта. Размытые теплые фронты иногда бывают, видны на снимках в виде полос перистой облачности. Как отмечает Попова, отличительной чертой облачности теплого фронта является резкая, часто с округлыми очертаниями, тыловая ее граница и изрезанная передняя граница, где отдельные облачные валы и удлиненные просветы располагаются параллельно основной облачной полосе.
Перед облачной зоной теплого фронта в холодном воздухе могут наблюдаться мелкие, беспорядочно разбросанные облака кучевых форм, за фронтом в теплом воздухе - облака конвекции. Эти облака характерны в основном для летнего времени, они свидетельствуют о неустойчивости и высоком влагосодержании теплого воздуха. Исследования показывают, что положение облачной полосы теплого фронта обычно хорошо согласуется с положением приземной ложбины. При этом линию фронта у поверхности Земли следует проводить вблизи внутреннего края облачной полосы.

Облачность фронта окклюзии.

Облачная зона, соответствующая фронту окклюзии, представляет собой плотную (яркую) облачную полосу шириной около 300 км. Обычно она имеет форму спирали, напоминающую внешним видом гигантскую запятую, вершина которой находится в центре циклонической циркуляции на уровне облачности. Для облачной спирали характерна резко очерченная внутренняя (тыловая) граница, за ней наблюдается безоблачная или малооблачная полоса, причем на некотором расстоянии от нее могут быть видны облака кучевообразных форм в виде гряд, конвективных ячеек или скопления облаков, не имеющих четкой структуры. В отличие от внутренней границы облачной полосы фронта окклюзии, внешняя (передняя) граница более расплывчатая, часто изорванная. Облачная полоса в этом случае состоит из отдельных валов облаков, которые чередуются с просветами, причем те и другие вытягиваются вдоль направления основной облачной полосы.
Исследования Т. П. Поповой, Л. С. Мининой показывают, что линия фронта окклюзии у поверхности Земли расположена в пределах облачной полосы. Если облачная полоса имеет резкую внутреннюю границу, то фронт окклюзии находится в тыловой части облачной спирали; если же внутренняя граница является более аморфной, фронт окклюзии у поверхности Земли смещается к центральной части облачной полосы. Облачная система окклюзии часто переходит в облачную систему холодного фронта без заметного раздвоения на облачность холодного и теплого фронтов. Иногда положение точки окклюзии можно определить по небольшому выступу с правой стороны облачной полосы. Этот выступ представляет собой остатки облачности теплого фронта. Исследование облачных полос фронтов окклюзии показывает, что на синоптической карте облачной спирали этого фронта соответствует передняя часть циклона. Со временем фронт окклюзии может трансформироваться в холодный, теплый или стационарный фронт. В этом случае облачная полоса начинает приобретать характерные признаки и конфигурацию соответствующих облачных систем.
Установлено, что в свободной атмосфере облачная полоса фронта окклюзии совпадает с положением оси термического гребня в нижней половине тропосферы, причем ось барического гребня на уровне 500 hPa часто является передней границей распространения облаков. В зоне прояснения и развития кучевообразной облачности в свободной атмосфере имеет место высотная ложбина или циклон и очаг холода. приведен пример облачной системы фронтов окклюдирующегося циклона. Облачная полоса, имеющая вид дуги, сформированная из кучево-дождевой, кучевообразной и перисто-образной облачности, соответствует холодному фронту. К фронту со стороны холодного воздуха примыкает широкая безоблачная зона.

Облачность стационарного фронта.

Облачная полоса стационарного фронта обычно не имеет циклонической или антициклонической кривизны. Ширина ее порядка 200-300 км, структура неоднородна, с частыми прояснениями. Средняя протяженность облачных полос стационарного фронта намного больше, чем протяженность облачных спиралей, связанных с быстро перемещающимися фронтами.
На синоптической карте линия приземного фронта совпадает чаще всего с центральной частью облачной полосы. В тех случаях, когда фронт совершает небольшое поступательное движение, линия фронта у поверхности Земли смещается в тыловую часть облачной полосы. Изобары на синоптической карте образуют, как правило, деформационное поле. В свободной атмосфере таким облачным полям соответствует мало градиентное поле изогипс.
Примеры облачности стационарного фронта приведен на рисунке. Облачная полоса стационарного фронта с волнами имеет широтное направление, ширина ее достигает 300-400 км. Она сформирована из слоистообразной и кучевообразной облачности. В верхней части снимка отмечается кучево-дождевая облачность. О наличии волн свидетельствуют утолщения облачной полосы.

Резкость - один из самых важных критериев качества изображения. Однако, зачастую мы сталкиваемся с ее недостатком. Причины могут быть разные, но главная из них - это ошибка фотографа. В этой главе я буду рассказывать скорее не про резкость, как таковую, а о причинах ее отсутствия и как с этим бороться.

Нерезкость из-за движения (шевеленка)

Самая главная причина нерезкости - это шевеленка, то есть смазанность картинки из-за того, что в момент съемки рука фотографа дрогнула. Результат шевеленки выглядит примерно так:

Жалкое зрелище, согласитесь. Основные факторы, вызывающие появление шевеленки приведены ниже:

1. Съемка при плохой освещенности без штатива и без вспышки
2. Съемка с большим фокусным расстоянием (с сильным "приближением")
3. Съемка в движении, например, из окна автомобиля
4. Съемке быстро движущихся объектов

Если в условиях съемки присутствует только один из факторов, фактор, то с ним почти всегда можно справиться. Но если их сразу несколько, мы практически гарантированно получаем бракованный фотоснимок.

Для первых двух факторов (съемка при слабом освещении с рук, съемка с большим фокусным расстоянием) работает правило "безопасной выдержки".

Безопасная выдержка с большой вероятностью обеспечит отсутствие шевеленки. Она зависит от фокусного расстояния. Во многих источниках приводится простая формула, по которой можно рассчитать "безопасную" выдержку - нужно единицу поделить на фокусное расстояние. То есть, при фокусном расстоянии 50 мм, безопасная выдержка будет 1/50 секунды. Все это замечательно и просто, но это правило не учитывает, что фотоаппарат может иметь кроп-фактор, который сужает угол зрения и как бы увеличивает фокусное расстояние объектива. Объектив 50 мм на кропе 1.6 имеет эквивалентное фокусное расстояние 80 мм. Как рассчитать безопасную выдержку, скажем, для фокусного расстояния 24 мм не кропе? Без калькулятора не обойтись! Я предлагаю простой, но эффективный способ.

Смотрим на шкалу фокусных расстояний объектива:

При фокусном расстоянии 24 мм, следующая риска соответствует 35 мм. Безопасную выдержку считаем по ней, предварительно округлив значение в большую сторону. Таким образом, безопасная выдержка для 24 мм на кропе 1.6 будет составлять 1/40 секунды. Проверяем в калькуляторе - 24 мм * 1,6 = 38,4. То есть, абсолютно тоже самое - безопасная выдержка 1/40 секунды!

При увеличении фокусного расстояния безопасная выдержка пропорционально сокращается. То есть, для ЭФР 50 мм безопасная выдержка составляет 1/50 секунды, для 300 мм - 1/300 секунды. Это объясняет, почему телеобъектив без стабилизатора может быть использован без штатива только солнечным днем.

Стабилизатор изображения (IS, VR, Antishake) здорово облегчает жизнь, удлиняя безопасную выдержку в 2-3 раза. То есть, телеобъектив 300 мм с включенным стабилизатором позволяет получать преимущественно резкие фотографии уже при выдержке 1/100 секунды.

Разумеется, многое еще зависит от физических способностей фотографа. Кому-то удается получать четкие снимки на выдержках в 1/5 секунды без штатива, кому-то не хватает для этого и 1/500!

Съемка из окна автомобиля - очень плохие условия, которых следует избегать любой ценой. Помимо того, что часто съемка ведется сквозь стекло (что резкости не добавляет), композиция на подобных снимках почти всегда отсутствует. Чисто документальная съемка, но я не видел ни одного художественного кадра, сделанных их окна движущегося авто.

Съемка движущегося объекта может быть решена двумя способами - либо с очень короткой выдержкой, либо с удлиненной выдержкой с проводкой.

Мы знаем, что сократить выдержку можно двумя способами - открытием диафрагмы и повышением чувствительности ISO. Для съемки быстро движущихся объектов (например, проезжающих мимо автомобилей) почти всегда нужно делать и то и другое. Картинка при этом выглядит статичной - автомобиль как будто стоит. Чтобы передать движение используется прием - съемка с проводкой.

Фото Сергея Тишина

Обратите внимание, как замечательно на фотографии передано движение за счет характерного размытия заднего плана. Как это сделать? Для съемки движущегося объекта с проводкой нужно выполнить кое-какие действия по настройке фотоаппарата:

1. Устанавливаем режим серийной съемки
2. Устанавливаем режим приоритета выдержки (TV, S) и фиксируем выдержку в районе 1/30-1/60 секунды. Чем длиннее выдержка, тем более динамичным будет размытие заднего плана, но при этом возрастает риск шевеленки на переднем плане. Больше скорость - короче выдержка.
3. Автофокус переводим в следящий режим.

Когда объект приближается к нам, берем его в "перекрестие" и начинаем серийную съемку, стараясь удержать этот объект в центре кадра. Представьте себе, что у вас в руках не фотоаппарат, а пулемет, а объект - низколетящий вражеский самолет, который нужно "сбить" :) Чем больше скорость серийной съемки, тем больше будет серия фотографий, из которой можно выбрать наиболее удачные.

Нерезкость из-за особенностей оптики

1. "Хронический" промах автофокуса

Явление, когда автофокус постоянно стремится навестись чуть ближе или чуть дальше, чем нужно, называется фронтфокус и бэкфокус (соответственно).

Больше всего фронт/бэкфокус портит жизнь любителям снимать портреты, макро, а также фотографам, занимающимся предметной съемкой. При съемке с близкого расстояния даже небольшой промах автофокуса существенно повышает процент брака. Например, мы знаем, что при съемке портрета резкость наводится на глаза. Даже если точка подтверждения фокусировки мигнула там где надо, из-за бэкфокуса резкость будет реально наводиться на уши, при фронтфокусе - на кончик носа (возможны и более серьезные промахи).

Как выявить фронт/бэкфокус? Вариантов много. Во-первых - воспользоваться специальной мишенью для проверки автофокуса. Она выглядит таким образом:

Однако, такая мишень есть только в фотомагазинах и воспользоваться ей можно, в основном, получается только при покупки нового объектива (или фотоаппарата). Прелесть мишени в том, что по ней очень легко определить не только наличие погрешности, но и точную ее величину.

Во-вторых, можно скачать табличку для проверки фронт/бэкфокуса воспользоваться ей. Это можно сделать на сайте www.fotosav.ru .

Ну, и в-третьих - самый простой вариант! Просто сфотографируйте лист печатного текста, предварительно сфокусировавшись на определенной строке или заголовке. При этом нужно открыть диафрагму до максимально возможного значения и выставить такую чувствительность ISO, чтобы выдержка была не короче 1/100 (чтобы исключить шевеленку). Фотографировать примерно с такого ракурса:

Стрелочкой на листе бумаги показана строка, на которую наводился автофокус. Как видите, в данном случае он сработал правильно. Для верности лучше повторить эксперимент раз 5.

Однако, иногда бывает, что все эти пять раз аппарат фокусируется не туда, куда надо.

Так выглядит фронтфокус

А так выглядит бэкфокус

Что делать, если обнаружен фронт/бэкфокус?

Если фронт/бэкфокус выявляется при покупке объектива, от такого экземпляра лучше отказаться и попросить другой - и так до тех пор, пока результат проверки вас не устроит. Но как быть, если дефект выявлен уже после покупки?

Сейчас некоторые зеркалки имеют функцию микроподстройки автофокуса, при помощи которой фронт/бэкфокус можно исправить не выходя из дома. Однако, у большинства аппаратов этой функции нет, поэтому придется отнести фотоаппарат со всем парком оптики на юстировку в сервисный центр. Да-да! Всю вашу технику! Если мастер "настроит" ваш аппарат под конкретный объектив, не факт, что остальные ваши объективы будут работать так же корректно, как и раньше.

2. Кривизна поля изображения

У большинства объективов заметно, что резкость картинки в углах фотографии отличается от резкости по центру, причем в худшую сторону. Особенно сильно эта разница проявляется на открытой диафрагме. Давайте рассмотрим причину этого явления.

Когда в более ранних главах речь шла о глубине резко изображаемого пространства (ГРИП), имелось в виду пространство снаружи объектива, то есть где-то в окружающей среде. Но, не стоит забывать, что зона ГРИП есть и по ту сторону объектива, там где затвор и матрица.

В идеале матрица полностью попадает в зону ГРИП (внутренней), но вся беда в том, что поле изображения (отмечено на рисунке пунктиром) имеет не плоскую, а немного выгнутую форму:

Именно из-за этого четкость картинки по углам изображения будет ниже, чем по центру. Что самое печальное, что - врожденный дефект объектива, который нельзя исправить никакими настройками. Известно, что подобное падение резкости по углам картинки присутствует у объектива Canon EF 24-70mm f/2.8L USM первой версии. Во второй версии объектива данный недостаток был устранен, но это вызвало существенное удорожание объектива.

3. Сферическая аберрация

Сферическая аберрация в фотографии проявляется как смягчение изображения из-за того, что лучи, падающие на край линзы фокусируются не на самой матрице, а чуть ближе чем нужно. Из-за этого изображение точки превращается в размытое пятнышко. Особенно сильно это проявляется на открытой диафрагме. На средних значениях диафрагмы у большинства объективов сферическая аберрация сходит на нет.

В портретной фотографии дает интересный эффект в зоне размытия - размытый задний план имеет характерный "закрученный" рисунок (боке). Сама по себе картинка даже в зоне резкости выглядит очень мягко.

Обратите внимание, что пятнышки от светлых объектов в зоне размытия имеют не круглые, а чуть вытянутые, напоминающие по форме кошачьи глаза. Этот эффект иногда так и называют - "кошачьи глазки".

Для уменьшения сферических аберраций в объективы вставляют асферические элементы.

4. Дифракционное размытие

Из предыдущего пункта следует, что для получения наилучшей резкости следует прикрывать диафрагму. Другой вопрос - до какого значения и есть ли какой-то разумный предел?

Рассмотрим пример. Я только что сделал три снимка текста на экране монитора, объектив Canon 50mm f/1.8, дистанция съемки около 50 см. Съемка велась с разными диафрагмами. Привожу 100% кроп, расположенный в районе центра кадра:

1. Диафрагма 1.8 (отправная точка). Резкость не ахти, на открытой диафрагме сильны сферические аберрации, они смягчают картинку:

2. Диафрагма 5.6 (промежуточное положение)

Видно, что детализация стала намного лучше, чем при максимально открытой диафрагме! Причина тому - уменьшение эффекта сферической аберрации. Что же, уже хорошо. Можно предположить, что чем сильнее закрыта диафрагма, тем лучше детализация? Давайте попробуем зажать диафрагму до максимума!

3. Диафрагма 22 (диафрагма зажата до максимума)

Что случилось? Почему детализация так снизилась? Оказывается, вывод, который мы сделали - преждевременный. Мы совершенно забыли о таком явлении, как дифракция .

Дифракция - это свойство волны чуть менять свое направление при прохождении ей препятствия. Свет - ни что иное, как электромагнитная волна, а препятствие - это границы диафрагменного отверстия (апертуры). Когда диафрагма открыта, дифракция практически никак себя не проявляет. Но при закрытой диафрагме волны распространяются примерно таким образом:

Ясно, что изображение "идеально резкой" точки в этом плане превратится в чуть размытое пятнышко. Именно дифракция и является причиной снижения резкости картинки при чрезмерном закрытии диафрагмы.

Для большинства объективов для зеркалок APS-C график отношения детализации к диафрагменному числу выглядит примерно так:

В вертикальной оси - баллы как в школе: 2 - плохо, 5 - отлично.

Из графика следует, что максимальная детализация (в зоне резкости) достигается при диафрагмах от 5.6 до 11. При меньшем диафрагменном числе картинку портит сферические аберрации, при большем - дифракция. Однако, это вовсе не означает, что нужно все снимать с диафрагмой 8. Зачастую, разница в детализации не столь уж и значительна, зато при открытой и закрытой диафрагме могут появляться интересные художественные эффекты. При открытой диафрагме - это приятная мягкость в портрете, хорошее размытие заднего плана. При закрытой - характерные звездочки вокруг источников яркого света.

Нерезкость из-за хлопка зеркала

Как известно, зеркальный затвор при срабатывании вызывает небольшое сотрясение корпуса фотоаппарата, которое при определенных условиях может стать причиной небольшой потери резкости.

Чтобы избежать этого, в большинстве зеркалок есть функция "блокировка зеркала " или "предварительный подъем зеркала ". Суть его состоит в том, что для съемки требуется нажать кнопку "спуск" не один, а два раза. При первом нажатии с поднимается зеркало (оптический видоискатель при этом становится черным), при втором - происходит съемка.

Очень показательный пример приведен в небольшой статье на сайте www.fotosav.ru , где проведено сравнение двух фотографий, сделанных без блокировки зеркала и с блокировкой.

Левый фрагмент взят из снимка, снятого в обычном режиме, правый - с блокировкой зеркала.

В тесте участвовал довольно старый фотоаппарат Canon EOS 5D, у него затвор действительно, очень шумный и когда он срабатывает, руки отчетливо чувствуют вибрацию. Затворы современных зеркалок более совершенны в плане вибронагруженности, поэтому риск подобного смазывания картинки намного меньше. У некоторых аппаратов есть "тихий" режим, в котором затвор срабатывает немного медленнее, но вибраций при этом намного меньше, четкость картинки лучше.

Нерезкость из-за неправильного использования стабилизатора

Стабилизатор - устройство, позволяющее уменьшить шевеленку при съемке с рук. Однако, иногда он может навредить.

В инструкции к объективу со стабилизатором почти всегда есть предупреждение – выключайте стабилизатор при съемке со штатива. Часто этим правилом пренебрегают, а напрасно. Подносили когда-нибудь микрофон к колонке? После этого происходит самовозбуждение усилителя и динамики начинают свистеть. Получается точно как в поговорке "много шума из ничего". Со стабилизатором то же самое. Он призван противодействовать вибрации, вызванной шевеленкой, однако на штативе ее не возникает. Тем не менее, вращающиеся гироскопические элементы стабилизатора вызывают небольшую вибрацию, которая воспринимается как шевеленка и стабилизатор пытается ее погасить, «раскачиваясь» при этом все сильнее и сильнее. В итоге, картинка получается нечеткой.

Есть мнение, что стабилизатор может снижать резкость картинки при дневной съемке с рук. Может быть это и так, но я не припомню на своем опыте ни одного случая, когда включенный стабилизатор заметно испортил бы резкость при съемке с короткой выдержкой. Хотя, в интернете регулярно пишут о пагубном влиянии стабилизатора, например, при макросъемке. Аргументы приводятся следующие:

1. Обратная шевеленка - на незначительное сотрясение камеры стабилизатор реагирует слишком сильно и вызывает смещение картинки в обратном направлении.
2. Заметный толчок при включении стабилизатора становится причиной нерезкости снимка. Стабилизатор включается, когда мы делаем полунажатие кнопки спуска (чтобы сфокусироваться) и работает до тех пор, пока кадр не будет сделан. Если сразу нажимать кнопку спуска до отказа, то, действительно, стабилизатор может вызвать смаз картинки. Если дать стабилизатору секунду, чтобы он "успокоился", то риск получения смазанной картинки уменьшается. Многое зависит еще и от объектива. Например, у Canon 75-300 IS USM стабилизатор включается с отчетливо различимым стуком и вызывает заметную вибрацию, а у Canon 24-105L – практически бесшумно.
3. Микровибрация от гироскопов снижает четкость картинки. Опять же многое зависит от объектива – в дешевой оптике (Canon 75-300), действительно, вибрация ощутима. В Canon 24-105L вибрация практически отсутствует.

Лично я предпочитаю отключать стабилизатор в тех случаях, когда в нем нет нужды, но, главным образом для снижения энергопотребления. Стабилизатор действительно помогает в тех случаях, когда при съемке с рук выдержка становится длиннее безопасной и в то же время не хочется повышать чувствительность ISO. В остальных случаях он бесполезен.

Стабилизатор также бесполезен при съемке подвижных объектов. Он всего лишь компенсирует вибрации, передаваемые на фотоаппарат от ваших рук, но он не в силах замедлить движение бегущего человека, который попал в кадр. Стабилизатор помогает лишь при съемке статичных сцен. Сколько бы ступеней экспозиции не компенсировал стабилизатор, При длинной выдержке движущиеся объекты неминуемо получатся размытыми.

Некорректная настройка параметров изображения

В получении визуально нерезких изображений может быть виноват не только объектив, но и сам фотоаппарат, точнее, его настройки. В настройках параметров изображения у фотоаппарата есть пункт резкость или sharpness , который определяет степень контрастности границ объектов на фотографии.

Данная настройка актуальна только при съемке в JPEG. Если вы предпочитаете формат RAW, то желаемый уровень программной резкости (шарпинга) можно установить в программе, используемой для конвертации из RAW в JPEG.

С увеличением программной резкости нас может подстерегать неприятный сюрприз – рост уровня шума. Посмотрите на два фрагмента одной и той же фотографии, приведенных в 100% масштабе.

Первая картинка – со стандартными настройками резкости, на второй внутрикамерный шарпинг вывернут на максимум. Вторая картинка визуально воспринимается более четкой, однако, она и более шумная.

Контрольные задания

1. Научитесь вычислять безопасную выдержку.

2. Попробуйте сделать снимок со штатива с длинной выдержкой с включенным и выключенным стабилизатором, сравните результаты и сделайте выводы.

3. Найдите в инструкции к вашему фотоаппарату функцию блокировка зеркала и научитесь ей пользоваться.

4. Попробуйте снять один и тот же сюжет с разными значениями диафрагмы (со штатива). Выясните, при каких значениях диафрагмы ваш объектив дает самую резкую картинку.

5. Попробуйте поснимать при дневном освещении с включенным и выключенным стабилизатором (в широкоугольном положении). Сделайте вывод относительно целесообразности использования стабилизатора при хорошей освещенности и небольшом фокусном расстоянии.

МЕТОД ПРЕОБРАЗОВАНИЯ ГИСТОГРАММ

На первом этапе рассмотрим подход, основанный на методе преобразования гистограмм. Этот подход уместно использовать в тех случаях, когда наблюдаемое изображение подвержено искажающему влиянию полупрозрачного аэрозольного образования, кроме того, известна гистограмма распределения яркостей этого участка видеоданных, полученная в условиях хорошей видимости. Последнюю можно заменить гистограммой соседнего участка изображения, если он текстурно эквивалентен восстанавливаемому участку и не подвержен замутнению на данном снимке. Заметим, гистограмма изображения как усредненная статистическая характеристика более стабильна по сравнению с конкретной реализацией наблюдений. С учетом разрешения прибора AVHRR, когда участок ППЗ 1х1км2 отображается в пикселях видеоданных, модель влияния замутнения на приземное изображение в математической форме имеет вид оператора свертки. Функция рассеяния точки для стратифицированных рассеивающих слоев, не прилегающих к отражающей поверхности, имеет дельта составляющую и медленно спадающие протяженные фронты, нам неизвестна.

Попытаемся описать эту ситуацию с помощью гистограмм. Будем полагать, что идеальные условия наблюдения некоторого участка поверхности Земли формируют распределение радиояркостей, описываемое гистограммой, а влияние полупрозрачного тумана приводит к искажению гистограммы, так что мы наблюдаем распределение яркости, выраженной в уменьшении динамического диапазона и смещении области определения видеоданных. Вначале для простоты изложения, будем полагать и непрерывными величинами, . Распределение радиояркостей замутненного изображения будем описывать функцией плотности вероятностей. А распределение радиояркостей идеального (эталонного) изображения будем описывать распределением. Для восстановления изображения воспользуемся преобразованиями яркостей, выражаемыми следующим образом

где - значения яркости замутненного изображения, а - чистого изображения.

Будем рассматривать класс восстанавливающих преобразований T(x) однозначных и строго монотонных на, так что и обратное преобразование T-1(x), также будет строго монотонным на. Условие монотонности сохраняет порядок перехода от черного к белому в шкале яркости восстанавливаемого изображения.

Учитывая тот факт, что величины и связаны функционально, их вероятностные распределения выражаются следующим образом

где - обратное преобразование.

Для нахождения преобразования рассмотрим следующую двухэтапную процедуру идентификации. Воспользуемся свойством интегральной функции распределения, интерпретируемой как преобразование, выравнивать частоты, а именно,

где - интегральная функция распределения и величина распределена равномерно на интервале. С другой стороны по аналогии с (3.3) имеем

где - интегральная функция распределения, приравняв выражения, получим

где обратное преобразование.

Таким образом, переходя на первом этапе к равномерному распределению яркостей по формуле (3.3), а на втором этапе - обращая преобразование G(y), получим искомое распределение яркостей и выражение для корректирующего преобразования.

Теперь рассмотрим дискретный вариант преобразований (3.4). Пусть фрагмент оцифрованного изображения (необязательно прямоугольный) и - количество пикселей этого фрагмента. Предположим, что этот фрагмент подвержен искажающему влиянию атмосферы, а - фрагмент оцифрованных данных, снятый в "хороших" условиях видения. Этот фрагмент позволяет восстановить гистограмму.

Когда уровни яркости принимают дискретные значения, выражение (3.3) имеет следующий табличный вид

где - число дискретных уровней яркости, - количество элементов из общего числа, имеющих уровень в дискретном изображении.

Соответственно дискретная форма выражения (3.4) имеет вид следующей таблицы

поэтому обращение такой функции достигается перестановкой входа и выхода и вместе с (3.5) может быть использована для коррекции радиояркостей методом преобразования гистограмм.

ВОССТАНОВЛЕНИЕ ИЗОБРАЖЕНИЙ НА ОСНОВЕ РЕГРЕССИОННЫХ УРАВНЕНИЙ ПРОГНОЗИРОВАНИЯ СЛУЧАЙНЫХ ПОЛЕЙ РАДИОЯРКОСТЕЙ.

Теперь рассмотрим подход восстановления видеоданных, основанный на использовании регрессионной зависимости. Восстанавливаемые значения прогнозируемого поля будем описывать случайной величиной, а радиояркости полей, являющихся источниками прогнозирующей информации будем описывать случайным вектором, где - - мерное евклидово пространство, - радиояркости -го канала прибора AVHRR, =5, -знак транспонирования. Взаимосвязь прогнозируемой переменной и вектора будем описывать функционалом регрессии следующего вида

где - оператор математического ожидания, причем. Если существуют нижеследующие плотности вероятностей случайных величин и, то с учетом (3.7) имеем

где, - совместная плотность вероятностей случайных вектора и величины, - плотность вероятности случайного вектора, - плотность вероятности случайной величины, а - интегральная функция распределения. Если в нашем распоряжении имеется выборка попарно независимых одинаково распределенных случайных величин, где n - количество контрольных отсчетов на тестовом участке, для вычисления выражения (3.8) естественно воспользоваться непараметрическими оценками неизвестных распределений по выборочным данным, тогда

где h - ширина окна (параметр сглаживания или масштаба), описываемого функцией. В качестве K(u) может быть взято ядро Епанечникова следующего вида, где I- индикаторная функция. Возникает проблема оценивания h с учетом конкретной выборки наблюдений. Воспользуемся для оценивания h методом скользящего контроля, заключающимся в том, что строится модифицированная оценка регрессии, в которой последовательно пропускается j-ое наблюдение, . Это наблюдение в точке теперь должно быть восстановлено по всем другим наблюдениям, входящим в уравнение (3.9), наилучшим образом. Критерий качества оценивания h зависит от способности предсказывать набор значений по наборам подвыборок

где - весовая функция, которую, в простейших случаях, можно и не использовать (положить равной единице). Задача оптимизации (3.10) по параметру h решается численно поисковым методом адаптации. После того, как параметр h в выражении (3.9) для конкретизирован, уравнение регрессии можно использовать для восстановления значений по наблюдаемым и для фрагмента видеоданных, закрытых облаками.

ПРИМЕРЫ КОРРЕКЦИИ И ВОССТАНОВЛЕНИЯ ИЗОБРАЖЕНИЙ ППЗ

При съемке ППЗ в осенний и весенний периоды часто наблюдается следующая ситуация. В 1-ом и 2-ом спектральных каналах прибора AVHRR отмечается полупрозрачное замутнение некоторых участков видеоданных. В то же время в 3-ем, 4-ом и 5-ом каналах видим полное экранирование этих фрагментов изображений тепловыми аномалиями. Предпосылкой для использования развиваемых подходов является принцип подобия. На первом этапе восстановления таких изображений проводим коррекцию полупрозрачных участков методом преобразования гистограмм. С этой целью подбираем два текстурно-однородных фрагмента изображения, один из которых "чистый", а другой замутнен и подлежит коррекции. Оцениваем гистограммы с обоих участков и формируем зависимость (3.5), (3.6), на основании которой корректируем замутненный фрагмент. Результат коррекции приведен на рис. 3.2.a. Качество полученного изображения можно оценить по степени адекватности эталонной гистограммы и гистограммы скорректированного изображения (рис. 3.1.a, рис. 3.1.с). Следует учитывать линейчатый характер последней из гистограмм, связанный с дискретностью по яркости преобразуемого изображения. Затем восстанавливались регрессионные зависимости (3.9) на текстурно подобном незамутненном участке. Качество прогнозирования спектральных каналов на контрольном фрагменте, отличном от обучающего, составило 3,4%.

Рис. 3.1. Гистограммы фрагментов изображения: эталонного участка - (a); полупрозрачно замутненного фрагмента - (b); восстановленного фрагмента - (c).

Рис. 3.2. Коррекция полупрозрачного замутнения методом преобразования гистограмм (канал 1 и 2) - (a); экранирующая тепловая аномалия в 4-ом (и 5-ом) каналах - (b); восстановление экранированного участка изображения в 4-ом (и 5-ом) каналах - (с).

Наконец, на рис. 3.2.а,b,c показан весь цикл двух этапной процедуры коррекции и восстановления. На рис. 3.2.a показан фрагмент гистограммной коррекции полупрозрачного замутнения в 1-м (2-ом) канале. На рис. 3.2.b показано экранирующее тепловое облако в 4-м (и 5-м) канале, которое в 1-м канале было полупрозрачным. Наконец, на рис. 3.2.c приведен результат восстановления изображения 4-го (5-го) канала с помощью уравнения непараметрической регрессии. В последнем случае качество восстановления оценить затруднительно, так как истинное распределение радиояркостей реконструированного участка нам неизвестно.

С точки зрения распознавания и анализа объектов на изображении наиболее информативными являются не значения яркостей объектов, а характеристики их границ - контуров. Другими словами, основная информация заключена не в яркости отдельных областей, а в их очертаниях. Задача выделения контуров состоит в построении изображения именно границ объектов и очертаний однородных областей.

Как правило, граница предмета на фотографии отображается перепадом яркости между двумя сравнительно однотонными областями. Но перепад яркости может быть вызван также текстурой предмета, тенями, бликами, перепадами освещенности, и т.п.

Будем называть контуром изображения совокупность его пикселей, в окрестности которых наблюдается скачкообразное изменение функции яркости. Так как при цифровой обработке изображение представлено как функция целочисленных аргументов, то контуры представляются линиями шириной, как минимум, в один пиксель. Если исходное изображение, кроме областей постоянной яркости, содержит участки с плавно меняющейся яркостью, то непрерывность контурных линий не гарантируется. С другой стороны, если на “кусочно-постоянном” изображении присутствует шум, то могут быть обнаружены “лишние” контуры в точках, которые не являются границами областей.

При разработке алгоритмов выделения контуров нужно учитывать указанные особенности поведения контурных линий. Специальная дополнительная обработка выделенных контуров позволяет устранять разрывы и подавлять ложные контурные линии.

Процедура построения бинарного изображения границ объектов обычно складывается из двух последовательных операций: выделения контуров и их пороговой обработки.

Исходное изображение подвергается линейной или нелинейной обработке, с реакцией на перепады яркости. В результате этой операции формируется изображение, функция яркости которого существенно отличается от нуля только в областях резких изменений яркости изображения. Пороговой обработкой из этого изображения формируется контурный объект. Выбор порога на втором этапе должен производиться из следующих соображений. При слишком высоком пороге могут появиться разрывы контуров, а слабые перепады яркости не будут обнаружены. При слишком низком пороге из-за шумов и неоднородности областей могут появиться ложные контуры.

Поиск границ на основе градиента. Одним из наиболее простых способов выделения границ является пространственное дифференцирование функции яркости. Для двумерной функции яркости A(x, y) перепады в направлениях x и y регистрируются частными производными A(x, y)/x и A(x, y)/y, которые пропорциональны скоростям изменения яркости в соответствующих направлениях.

Выделение перепадов яркости иллюстрирует рис. 3.3. На нем можно видеть, что подчеркивание контуров, перпендикулярных к оси x, обеспечивает производная A(x, y)/x (рис. б), а подчеркивание контуров, перпендикулярных к оси y, - A(x, y)/y (рис. в).

В практических задачах требуется выделять контуры, направление которых является произвольным. Для этих целей можно использовать модуль градиента функции яркости который пропорционален максимальной (по направлению) скорости изменения функции яркости в данной точке и не зависит от направления контура. Модуль градиента в отличие от частных производных принимает только неотрицательные значения, поэтому на получающемся изображении (рис. г) точки, соответствующие контурам, имеют повышенный уровень яркости.

Для цифровых изображений аналогами частных производных и модуля градиента являются разностные функции.

Практический пример выделения границ на фотоизображении приведен на рис. 3.4. Исходное изображение (1) является однотонным. На изображении (2) представлен результат вычисления вектора градиента яркости Аx, y) = (A/x, A/y). Как видно на рисунке, в точках большого перепада яркости градиент имеет большую длину. Отфильтровав пиксели с длиной градиента, большей определенного порога, мы получим изображение границ (3).

Недостаток алгоритма - пропуск границы с малыми перепадами яркости и включение в число границ деталей изображения с большими изменениями яркости (шкурка бурундука). При зашумлении изображения карту граничных точек будут загрязнять и просто шум, поскольку не учитывается, что граничные точки соответствуют не просто перепадам яркости, а перепадам яркости между относительно монотонными областями.

Для снижения влияния данного недостатка изображение сначала подвергают сглаживающей гауссовской фильтрации. При сглаживающей фильтрации мелкие несущественные детали размываются быстрее перепадов между областями. Результат операции можно видеть на изображении (4). Однако при этом четко выраженные границы расплываются в жирные линии.

Градиент яркости в каждой точке характеризуется длиной и направлением. Выше при поиске граничных точек использовалась только длина вектора. Направление градиента - это направление максимального возрастания функции, что позволяет использовать процедуру подавления немаксимумов. При этой процедуре для каждой точки рассматривается отрезок длиной в несколько пикселей, ориентированный по направлению градиента и с центром в рассматриваемом пикселе. Пиксель считается максимальным тогда и только тогда, когда длина градиента в нем максимальна среди всех длин градиентов пикселей отрезка. Граничными можно признать все максимальные пиксели с длинами градиента больше определенного порога. Градиент яркости в каждой точке перпендикулярен границе, поэтому после подавления немаксимумов жирных линий не остается. На каждом перпендикулярном сечении жирной линии останется один пиксель с максимальной длиной градиента.

Перпендикулярность градиента яркости к границе может быть использована для прослеживания границы, начиная с некоторого граничного пикселя. Такое прослеживание используется в гистерезисной фильтрации максимальных пикселей. Идея гистерезисной фильтрации заключается в том, что длинный устойчивый граничный контур, скорее всего, содержит в себе пиксели с особенно большим перепадом яркости, и, начиная с такого пикселя, контур можно проследить, переходя по граничным пикселям с меньшим перепадом яркости.

При проведении гистерезисной фильтрации вводят не одно, а два пороговых значения. Меньшее () соответствует минимальной длине градиента, при которой пиксель может быть признан граничным. Большее (), соответствует минимальной длине градиента, при которой пиксель может инициализировать контур. После того как контур инициализируется в максимальном пикселе P с длиной градиента, большей, рассматриваются каждый соседний с ним максимальный пиксель Q. Если пиксель Q имеет длину градиента, большую, и угол между векторами PQ и (P) близок к 90o, то P добавляется к контуру, и процесс рекурсивно переходит к Q. Его результат для исходного изображения на рис. 3.4. показан на рис. 3.5.

Таким образом, алгоритм нахождения границ на основе градиента заключается в последовательном применении следующих операций:

Гауссовская сглаживающая фильтрация;

Нахождение градиента яркости в каждом пикселе;

Нахождение максимальных пикселей;

Гистерезисная фильтрация максимальных пикселей.

Этот алгоритм носит названия алгоритма Кэнни и наиболее часто применяется для нахождения границ.

Поиск границ на основе лапласиана. Известно, что необходимым и достаточным условием экстремального значения первой производной функции в произвольной точке является равенство нулю второй производной в этой точке, причем вторая производная должна иметь разные знаки по разные стороны от точки.

В двумерном варианте аналогом второй производной является лапласиан - скалярный оператор

f) = (f/x + f/y).

Нахождение границ на изображении с использованием лапласиана может производиться по аналогии с одномерным случаем: граничными признаются точки, в которых лапласиан равен нулю и вокруг которых он имеет разные знаки. Оценка лапласиана при помощи линейной фильтрации также предваряется гауссовской сглаживающей фильтрацией, чтобы снизить чувствительность алгоритма к шуму. Гауссовское сглаживание и поиск лапласиана можно осуществить одновременно, поэтому нахождение границ при помощи такого фильтра производится быстрее, чем при помощи алгоритма Кэнни. Фильтр применяется в системах, где имеет значение и качество результата (обычно уступает алгоритму Кэнни), и быстродействие. Чтобы уменьшить чувствительность к несущественным деталям, из числа граничных точек также можно исключить те, длина градиента в которых меньше определенного порога (рис. 3.6).

Практическая работа Обработка графической информации, содержит 12 заданий по соответствующей теме (работа подойдет для учащихся 8 класса занимающихся по УМК Босовой).

Задание 1. Работа с графическими примитивами.

ВАЖНО!
Для рисования графического примитива (прямоугольника, скруглённого прямоугольника, эллипса) нужно щёлкнуть на кнопке с его изображением на панели инструментов, переместить указатель мыши в рабочую область, нажать левую кнопку мыши и, не отпуская её, перемещать указатель мыши по диагонали, следя за изображением на экране. Для изображения квадрата и круга при использовании соответствующих инструментов удерживают нажатой клавишу Shift .

Чтобы изменить ширину контура для фигур, получаемых с помощью инструментов Прямоугольник , Эллипс и Скругленный прямоугольник , следует предварительно активизировать инструмент Линия (вкладка Главная группа Фигуры ) и в его меню настройки указать требуемую ширину.

1. Запустите графический редактор Paint .
2. Установите размеры области для рисования: ширина - 1024 пиксела, высота - 512 пикселей. Главная > Изображения > Изменить размер .
3. Повторите приведённый ниже рисунок, используя инструменты Линия , Прямоугольник , Скругленный прямоугольник и Эллипс .

4. Сохраните результат работы в личной папке:
в файле p1.bmp как 24-разрядный рисунок;
в файле p2.bmp как 256-цветный рисунок;
в файле p3.bmp как 16-цветный рисунок;
в файле p4.bmp как монохромный рисунок;
в файле р5.jреg ;
в файле p5.gif .
5. Сравните размеры полученных файлов и качество сохранённых в них изображений.

Задание 2. Выделение и удаление фрагментов

1. В графическом редакторе откройте файл Устройства.bmp .

2. Оставьте на рисунке только устройства ввода, а всё лишнее удалите, предварительно выделяя фрагменты с помощью инструмента Выделить . Главная > Изображения > Выделить .
3. Сохраните рисунок в личной папке под именем Устройства_ввода .

Задание 3. Перемещение фрагментов

Сказка.bmp .

2. С помощью инструмента Выделение поочередно выделите прямоугольные, прозрачные фрагменты и переместите их так, чтобы сказочные персонажи обрели свой истинный вид.

Задание 4. Преобразование фрагментов

1. В графическом редакторе Paint откройте файл Стрекоза.bmp .

2. Поочерёдно выделите прямоугольные фрагменты (прозрачный фон), при необходимости поверните их (команда Повернуть меню Изображения ) и переместите их так, чтобы получилась иллюстрация к басне И. Крылова «Стрекоза и муравей».
3. Сохраните результат работы в личной папке.

Задание 5. Конструирование сложных объектов и графических примитивов

ВАЖНО!
Сложные объекты желательно изображать по частям. Изображайте каждый из примитивов отдельно. Затем поочерёдно выделяйте их (инструмент Выделение , режим Прозрачный фрагмент ) и перетаскивайте в нужное место.

2. Изобразите один из следующих рисунков:

3. Сохраните результат работы в личной папке под именем Мой_рисунок .

Задание 6. Создание надписей

1. В графическом редакторе Paint откройте файл Панель.bmp .
2. С помощью инструмента Текст подпишите инструменты графического редактора Paint

3. Сохраните рисунок в личной папке в файле Панель1.bmp .

Задание 7. Копирование фрагментов

1. Запустите графический редактор Paint.
2. Взяв за основу следующую последовательность действий, изобразите шахматную доску.

3. Подпишите строки и столбцы шахматной доски.
4. Сохраните рисунок в личной папке под именем Шахматная_доска .

Задание 8. Работа с несколькими файлами

Скачайте файлы для работы:

1. В графическом редакторе Paint откройте файл Схема.bmp.
2. Проиллюстрируйте схему, добавив в неё изображения соответствующих устройств из файлов Оперативная Память.bmp, Винчестер.bmp, Диск.bmp, Дискета.bmp, Флэшка.bmp. Для удобства откройте каждый из этих файлов в новом окне. Копируйте нужные изображения в буфер обмена и вставляйте в нужные места схемы.

3. Сохраните полученный результат в личной папке под именем Схема1 .

Задание 9. Получение копии экрана

1. Запустите графический редактор Paint, минимизируйте его окно и сделайте копию этого окна (клавиши Alt+PrintScreen - нажать одновременно).
2. Разверните окно графического редактора Paint на весь экран и разместите полученное изображение в центре рабочей области (вкладка Главная , группа Буфер обмена , кнопка Вставить ), подпишите основные элементы интерфейса.
3. Сохраните результат работы в личной папке под именем Paint .

Задание 10. Создание анимации

1. Откройте в графическом редакторе Paint файл Акробат.bmp .
2. Скопируйте и отразите имеющийся фрагмент, совместите две половинки и раскрасьте получившуюся фигурку акробата. Сохраните полученное изображение в личной папке в файле a1.gif .
3. Копируя, перемещая и удаляя отдельные части изображения, внесите изменения в фигурку акробата (например, изобразите акробата с опущенными вниз руками). Сохраните полученное изображение в личной папке в файле a2.gif .

4. Зайдите на сайт https://www.gifup.com/ и, следуя имеющимся там инструкциям, создайте анимацию за счёт многократного повторения двух кадров.
5. Сохраните результат работы в личной папке.

Задание 11. Художественная обработка изображений

1. Запустите графический редактор Gimp.
2. Откройте в графическом редакторе Paint файл mamont.jpg .
3. Примените к исходному изображению различные фильтры так, чтобы результат был близок к тому, что приведён на рисунке ниже.

4. Сохраните свои результаты в файлах mamont1.jpg , mamont2.jpg , mamont3.jpg и mamont4.jpg .

Задание 12. Масштабирование растровых и векторных изображений

1. В графическом редакторе Paint постройте следующее изображение:

2. Сохраните результат работы в личной папке как 24-разрядный рисунок (тип файла).
3. Выделите любой фрагмент рисунка. Несколько раз уменьшите и увеличьте выделенный фрагмент. Понаблюдайте за тем, как операции масштабирования влияют на качество изображения.
4. Выполните такой же рисунок в графическом редакторе OpenOffice.org Draw. Сохраните результат работы в личной папке как Рисунок ODF (тип файла).
5. Выделите любой фрагмент рисунка. Несколько раз уменьшите и увеличьте выделенный фрагмент. Понаблюдайте за тем, как операции масштабирования влияют на качество изображения.
6. Завершите работу с графическими редакторами.

Венера - вторая от Солнца планета Солнечной системы, по своим размерам немного меньше Земли. Планета она окружена плотной атмосферой, которая почти полностью состоит из углекислого газа. Облачный покров, окутывающий планету, представляют собой капли серной кислоты. Ее поверхность постоянно закрыта плотными слоями облаков, из-за которых деталей ландшафта почти не видно. Давление атмосферы в 90 раз превышает давление у поверхности Земли, а температура около 500 о С. Атмосфера Венеры на уровне облачного верхнего слоя вращается в том же направлении, что и поверхность планеты, но значительно быстрее, совершая оборот за четверо суток. Это необычное перемещение облачного покрова называют суперротацией, и объяснения этому загадочному явлению пока не найдено.

Первые полученные радиолокационные карты, показали, что большая часть поверхности Венеры занята обширными равнинами, над которыми возвышаются большие плато высотой в несколько километров. Две главные возвышенности - земля Иштар в северном полушарии и земля Афродиты вблизи экватора. С американского космического зонда «Магеллан» на Землю было передано множество радиолокационных изображений, свидетельствующих об образовании ударных структур в результате падения метеоритов, так и о наличии в относительно недавнем прошлом вулканической деятельности. На планете было обнаружено множество различных деталей вулканического происхождения: потоки лавы, небольшие купола 2-3 км в поперечнике, большие вулканические конусы, имеющие в поперечнике сотни километров, и паутинообразные структуры «венцы» - круглые или овальные вулканические образования, окруженные хребтами, углублениями и радиальными линиями.

Поверхность Венеры.

При исследовании Венеры с помощью космических зондов и радиолокации было установлено, что е поверхность сформировалась сравнительно недавно и представляет собой в основном потоки застывшей лавы. Интенсивная вулканическая деятельность на планете продолжается, и по сей день. Американская автоматическая станция «Магеллан» передала на Землю радиолокационное изображение потока лавы шириной в один километр и длиной 7700 км. По мнению планетологов, изливающаяся лава состоит из жидкой серы. Строение поверхности Венеры существенно отличается от других планет Солнечной системы. С помощью радиолокационного зондирования были обнаружены сложные узоры пересекающихся горных цепей и долин, так называемые «тессеры», паутинообразные образования длиной от 50 до 230 километров, пересекающиеся потоки лавы и затопленные лавой метеоритные кратеры диаметром до 300 км. На аномальное происхождение Венеры указывает её медленное вращение в обратном направлении, один оборот вокруг своей оси планета совершает за 243 дня, и почти полное отсутствие магнитного поля, а также избыточное инфракрасное (тепловое) излучение, которое почти в два раза превышает расчётное. Поверхность Венеры достаточно молода: и значительно отличаются от любых деталей ландшафта, найденных на других планетах или спутниках.

Р.А. Керр в журнале «Сайенс» пишет: «Планетарные геологи, исследующие радарные изображения, поступающие с «Магеллана, обнаружили, что они столкнулись с загадкой. При прочтении геологических часов, говорящих, как стара поверхность Венеры, они нашли планету на исходе юности. Но при взгляде непосредственно на поверхность, они видят новорождённого младенца».

И. Великовский, американский ученый и писатель, утверждал, что Венера произошла из вещества Юпитера. В некоторых исторических источниках прямо указывается, что Венера рождена от этой планеты. Это произошло во время сближения нейтронной звезды класса "пропеллер" (Тифон) с этой планетой. Во время максимального сближения звезды с Юпитером произошел захват части коры и атмосферы планеты, из которых и сформировалась Венера.

Изображение Венеры ("стреляющей" звезды). Кодекс Мендосы.

В индийском эпосе «Махабхарата» сказано, что «небесная Сурабхи … «выпрыгнула из его (Творца) рта». Гомер в своей поэме «Илиада» утверждает: «Афина дочь Зевса». У индейцев поуни (Небраска, США) существует предание, что «Тирава (Юпитер) отдал большую часть своей силы Утренней Звезде». Птолемей считал: «Венера обладает тем же самым могуществом, что и Юпитер, а так же имеет сходную с ним природу».

Древние греки утверждали, что Венера (Афина Паллада) выпрыгнула из головы Зевса (Юпитера). Вот как описывается рождение Венеры в греческом мифе, которое сопровождалось различными катаклизмами на Земле: «Череп Зевса раскололся, и из него выпрыгнула дева в полном вооружении и стала рядом с родителем, воинственно потрясая копьём.

От мощного прыжка заколебался Олимп, застонали лежащие вокруг земли, дрогнуло и закипело волнами море, на далёком Родосе выпал снег, покрывший вершины гор. Боги долго не могли прийти в себя».

Рис. № 97. Рождение Афины Паллады.

В более древней хеттской мифологии имеется описание необычного рождения божества Кацаля, который, пробив череп Кумарби, появился на свет. На глиняной табличке сохранился только небольшой фрагмент этого древнего мифа и образ бога Кацал не отождествлён с каким-либо небесным телом. Можно предположить, что это планета Венера.

В горах Калифорнии обнаружены загадочные наскальные рисунки. На одном из них имеется изображение странной человеческой фигуры, из головы которой выпрыгнула звезда! Зигзагообразная линия, пересекающая туловище (антропоморфное изображение Юпитера), – вероятно, траектория прохождения Тифона рядом с этой планетой. В правом нижнем углу наскального рисунка нарисованы скрещенные кости и ящерица, которые являются символом смерти и нейтронной звезды. Данная пиктограмма, вырубленный на скале в Северной Америке, удивительным образом напоминает греческий миф о появлении Венеры из головы Зевса.

Рис. № 98. Рождение утренней звезды.

В древнем ацтекском кодексе Борджия имеется изображение индейца, рассматривающего в подзорную трубу необычную звезду четыре ее наиболее крупных спутника. Справа от рисунка планеты показан изливающийся поток с шариками на кончиках струй. Именно таким образом ацтеки в своих письменах-рисунках изображали истечение воды, выпадение осадков или потоп. Возможно, с помощью этого символа составитель кодекса изобразил захват части атмосферы и коры Юпитера нейтронной звездой. Ниже этого фрагмента имеется рисунок Венеры, которая изображена в образе птицы. На виновника этого катаклизма указывает изображение дракона с двумя длинными языками на этой же странице ацтекского документа.

На еще одной иллюстрации из кодекса Борджия изображено антропоморфное существо с кроличьими ушами, впившееся в грудь божества планеты Юпитер. В середине рисунка показана планета со своими спутниками, из которой извергается поток вещества. На кончиках струй имеется символ в виде знака вопроса (?) Таким значком южноамериканские индейцы обозначали истечение воздуха, вихрь, дым от костра или вылетающую из уст человека фразу. Современный аналог данного символа, используемая в карикатурах и шаржах, облачко исходящее изо рта, на котором написаны слова предложения. Этим знаком ацтекский художник пытался передать информацию о том, что из недр Юпитера произошел выброс вещества. Интересно, что египтяне тоже изображали Сета (нейтронную звезду) в виде маленького человечка с мордой кролика. На голове ацтекского божества планеты Юпитер имеется эмблема в виде небольшой змейки. Символ египетского бога Гора – урей (голова змеи). Ниже иллюстрации нарисован своеобразный пояснительный текст к рисунку – это три значка обозначающих нейтронную звезду и несколько символов спутников Юпитера. Один из них (голова орла) – символ Венеры.

На странице 42 кодекса «Ватиканус В» есть аналогичная иллюстрация, что и в кодексе «Борджия». На рисунке изображена сцена «битвы» Юпитера с ацтекским «Тифоном». В правом верхнем углу показана планета с извергающимся из нее недр веществом, из которого, впоследствии, сформировалась Венера.

В ацтекском кодексе Борджия имеется и более подробная информация о необычном происхождении Венеры. На одном из рисунков кодекса показан процесс появления планеты из недр Юпитера, который изображен в виде шара разрезанного красной линией. В центре сферы нарисована голова, расколотая на две половинки, которые окрашены в желтый и красный цвет. У основания шара лежит поверженное божество планеты. Выше исходящего из Юпитера столба захваченного вещества показана Венера в образе птицы Кецаль. Слева и справа от Юпитера расположены его спутники.

Рис. № 102. Рождение Венеры. Кодекс Борджия.

В кодексе «Vindobonensis Mexicanus 1» имеется иллюстрация с изображением «дома» Юпитера, где планета показана в виде диска с вырезанным сегментом. Возможно, таким образом индейский художник пытался передать своим потомкам информацию о захвате части вещества Юпитера нейтронной звездой. На других страницах этого же кодекса имеются фрагменты с изображениями древнего космического катаклизма, на которых нарисованы символы Юпитера и эмблемы планеты с вырезанными сегментами. Слева от этих рисунков изображена нейтронная звезда в виде черного шара со знаком Змея и черного круга со сглаженной свастикой. Вероятно, так выглядела звезда до сближения с Юпитером и после «небесной битвы».

Рис. № 103. Кодекс Vindobonensis Mexicanus 1. «Дом» Юпитера (фрагмент).

Рис . № 104. Кодекс Vindobonensis Mexicanus 1. Символы вращающейся нейтронной звезды и Юпитера (фрагмент).

На полуострове Кагаунес (Куба) в пещере Рамоса Антонио Нуньесом Хименесом были сфотографированы загадочные пиктограммы, которые он опубликовал в работе «Куба: наскальные рисунки». Одна из пиктограмм (№ 8) очень напоминает захват нейтронной звездой вещества Юпитера. Имеется в пещере и изображение с тремя небесными телами, соединёнными перемычками. Одно из них, вероятно будущая планета Венера.

Аналогичное наскальное изображение было обнаружено и в калифорнийских скалах, где изображены два небесных тела соединенных двумя линиями. Очевидно, в таком виде люди каменного века наблюдали на ночном небе эту грандиозную катастрофу.

Главная » Кредиты » Причины нерезкости фотографий. Практическая работа обработка графической информации