Ser du forskjellen på disse kattene?
Vi mennesker er dårlige på detaljer. Det vil forskere utnytte i en ny metode for å redusere filstørrelsen på bildene dine.
BILDER: Har du prøvd deg på Finn fem feil-oppgaver? Det er hjernenøtten hvor du har to bilder som ser helt identiske ut, men hvor små detaljer likevel er forskjellige. Ofte må du saumfare bildet i flere minutter for å oppdage hva som er annerledes. Vi vet jo til og med at forskjellene er der, hvorfor ser vi dem ikke med en gang?
– Dette kalles «change blindness» og er et veldig interessant fenomen, sier Steven Le Moan. Han jobbet inntil nylig ved Fargelaboratoriet ved NTNU i Gjøvik, og vil vite mer om hvorfor vi mennesker ikke legger merke til selv store endringer i bilder.
– Vi foretar en komprimering av bildet i hjernen idet vi ser på det, forklarer Le Moan. Vi tar inn helheten i et bilde i løpet av mikrosekunder, og detaljene i bildet utelates.
Le Moan spurte seg om vi ikke kan få en datamaskin til å komprimere bildet på samme måte. Kan vi simulere prosessene som foregår i hjernen vår når vi siler mellom viktig og uviktig informasjon i et bilde, ved hjelp av algoritmer i et dataprogram?
Saken fortsetter under bildet.
Bryter med tradisjonelle metoder
Le Moan og kollegene på Fargelaboratoriet utviklet en bildekomprimeringsmetode som fungerer litt på samme måte som change blindness. Store områder i bildet blir rett og slett fjernet, og med det reduseres størrelsen på filen betraktelig.
Dette står i motsetning til JPEG og andre tradisjonelle metoder for å komprimere bilder. De tradisjonelle metodene kaster ut informasjon fra bildet med lite hensyn til motivet. Selv om alle komprimeringsalgoritmer i større eller mindre grad baserer seg på hvordan mennesket ser bildet når de fjerner informasjon, skiller Le Moans metode seg ut fordi den går et skritt videre og involverer forståelsen av innholdet i bildet. Ved å gjøre det på denne måten kan vi fjerne hele sammenhengende områder i bildet, og du vil likevel ikke la deg forstyrre.
– Jo lenger tid du bruker på å oppdage en endring, jo mindre viktig kan vi anta at informasjonen er. Vi måler hva mennesket ser og ikke ser, og utnytter dermed change blindness-fenomenet. Vi kan fjerne deler av bildet som vi likevel ikke legger merke til at er borte. Det gir nye muligheter i forhold til de tradisjonelle komprimeringsmetodene, sier Le Moan.
- Les også: Ser ikke veiene for bare skog
Saken fortsetter under bildet.
Fjerner uviktige deler av bildet
La oss si at du ser på et bilde av en katt som går på gress. Du vil du først fokusere på katten fremfor gresset. Du vil ikke huske eller legge merke til om det gjøres små endringer i bakgrunnen.
Dataalgoritmen kan oppdage hvilke områder i et bilde som egner seg til å utnytte fenomenet med change blindness, og finner områder som kan fjernes eller endres uten at vi oppdager det. Disse pixlene kan senere gjenskapes ut fra hvordan området rundt ser ut.
Et «ubetydelig» område på den blå sommerhimmelen kan gjenskapes ut fra hvordan resten av himmelen ser ut. Skogen i bakgrunnen kan rekonstrueres og gå i ett med omgivelsene – det kan være små eller store forskjeller fra originalen.
- Les også: Bedre pillekameraer kan berge liv
Saken fortsetter under bildet.
Hvor går grensen?
Dataalgoritmen kan altså fjerne deler av bildet ditt som blir ansett å ha lav betydning. Men du spør deg kanskje, hvor går grensen for hva man kan endre? Hva defineres som naturlig?
Dette er utfordrende spørsmål i bildebehandlingsforskningen. Etter Le Moans oppfatning kan det være OK å endre et bilde til noe annet, så lenge det ikke ser unaturlig ut eller forstyrrer den som ser på det. Eksperimentene viste at opptil femten prosent av et bilde kan endres uten at du vil legge merke til det, og uten at det vil se unaturlig ut.
– Det er også mange ubesvarte spørsmål på feltet, spesielt når det gjelder hvor vi ser i et bilde og hvorfor vi ser dit vi ser, sier Le Moan. Han har store forventninger til hva videre forskning på området kan føre til.
– Jeg håper at vi med tiden kan videreutvikle dette til flere bruksområder enn bildekomprimering. Det vil være spennende å anvende dette for eksempel i situasjoner hvor noe skal se identisk ut uten å være det, slik som kopier av dokumenter eller fotografier, pengesedler eller vannmerking, avslutter han.
Kilde: Exploiting Change Blindness for Image Compression, ResearchGate, Steven Le Moan, Ivar Farup