Сжатие изображений через нечеткие мягкие внешнепланарные графовые структуры

Преобразование зашумлённых картин в ясные истории

Цифровые изображения полны мелких неопределённостей: тени размывают контуры, цвета смешиваются, а шум датчика скрывает чёткие границы. В статье представлен новый математический подход, позволяющий укротить этот хаос, чтобы компьютеры могли уменьшать или упрощать изображения, сохраняя при этом важную структуру. Авторы вводят инструмент под названием нечеткий мягкий внешнепланарный граф — аккуратно организованную сеть, которая превращает захламлённую картину в чистый эскиз областей и их взаимосвязей, делая последующие задачи, такие как сжатие или анализ, более надёжными.

От небрежных данных к тонким оттенкам принадлежности

Традиционные графы рассматривают связи как «всё или ничего»: два пикселя либо связаны, либо нет. Реальные изображения редко так однозначны. Здесь каждому пикселю и каждой связи приписывается градуированная сила, отражающая, насколько сильно элемент принадлежит области или насколько он похож на соседей. Это — «нечеткая» часть: значения принадлежности варьируются от полного до слабого, а не просто да/нет. В то же время разные точки зрения на одно и то же изображение — например цвет, яркость или текстура — рассматриваются как отдельные «мягкие» параметры. Вместе эти идеи позволяют модели описывать изображение в многослойных, нюансных терминах, которые соответствуют тому, как человек воспринимает нечеткие границы и перекрывающиеся объекты.

Сохранение простоты изображения с помощью внешних границ

Даже умный граф может запутаться: рёбра пересекаются, образуются петли во всех направлениях. Чтобы сохранить управляемость, авторы настаивают на специальной структуре, называемой внешнепланарной раскладкой: все ключевые точки располагаются на внешней границе рисунка, и соединения можно провести без пересечений. Это ограничение действует как удачный дизайн в карте метро, устраняя лишние изгибы, чтобы маршруты были легко читаемы. Новый нечеткий мягкий внешнепланарный граф (FSOG) сочетает мягкую, градуированную информацию с этой чистой внешней раскладкой. Авторы показывают, как распознавать появление такой структуры, как разделять её на более простые части и как соотнести эти части с соответствующим «дуальным» графом, который отслеживает области между линиями вместо самих линий.

Обрезка и сжатие при сохранении формы

Когда изображение представлено как FSOG, сеть можно упростить контролируемым образом. В статье разработаны правила того, что происходит при удалении определённых точек (вершин) или соединений (рёбер) из графа. Некоторые удаления приводят к меньшим графам, которые по-прежнему сохраняют внешнепланарную раскладку; такие варианты называются вершино- или рёберно-удалёнными внешнепланарными подграфами. Среди них авторы выделяют «максимальные» версии, где дальнейшие удаления невозможны без нарушения внешней раскладки, и «максимальные по объёму» версии, которые сохраняют как можно больше нечеткой информации. Эта точная терминология позволяет им рассуждать о том, насколько можно сжать граф, оставаясь верным основной структуре исходного изображения.

Построение пирамида изображений через сжатие графа

Суть приложения — пошаговый процесс сжатия изображения. Начиная с сегментированного изображения, каждый пиксель становится нечеткой мягкой вершиной, а сходства соседей определяют силу рёбер между ними. Эти рёбра формируют FSOG, который очерчивает значимые области как «грани» в графе. Сопровождающий дуальный граф затем превращает каждую область в отдельную вершину, показывая, как области соприкасаются друг с другом. С использованием правила слияния почти однородных соседей метод многократно стягивает кластеры вершин или областей, строя пирамиду изображений: базовый уровень — детализированное изображение, а верхние уровни — постепенно более простые версии с меньшим числом и большими областями. На протяжении всего процесса внешнепланарная структура помогает избегать запутанных пересечений, так что границы остаются чёткими даже при свёртывании деталей.

Почему эта новая карта изображений важна

Для неспециалиста главный вывод таков: эта работа предлагает новый тип «карты» для изображений, который сочетает градуированную, многопараметрическую информацию с дисциплинированной, удобной для анализа раскладкой. Объединив нечеткие степени принадлежности, параметрические представления (такие как цвет и яркость) и простую внешнюю структуру границы, нечеткие мягкие внешнепланарные графы позволяют компьютерам сжимать изображения, не теряя важные формы. В результате получаются более чистые, лучше интерпретируемые сжатые изображения и универсальная схема, которая также может пригодиться в других областях, где неопределённые сети нужно упрощать, не разрушая их ключевую форму.

Цитирование: Jaisankar, D., Ramalingam, S. & Zegeye, G.B. Image contraction through fuzzy soft outerplanar graph structures. Sci Rep 16, 9779 (2026). https://doi.org/10.1038/s41598-026-37570-3

Ключевые слова: нечеткие графы, сжатие изображений, обработка изображений на основе графов, внешнепланарные сети, теория мягких множеств