W rozprawie przedstawiono zbiór metod mających na celu wykazanie celowości i skuteczności wykorzystania komputerowego przetwarzania obrazów w badaniach obiektów zabytkowych. Badaniu poddano serię reprodukcji obrazów w postaci zdjęć cyfrowych z wykorzystaniem fluorescencji UV, reflektografii IR oraz wysokiej rozdzielczości zdjęć w świetle widzialnym. Analiza komputerowa została przeprowadzona w kierunku wyodrębnienia ukrytych detali, takich jak rysunek ukrytej warstwy malarskiej, retusze oraz odseparowanie krakelur (spękań warstwy malarskiej). Nowym, nie publikowanym wcześniej rezultatem przedstawionym w rozprawie jest opracowanie metody segmentacji krakelur poprzez połączenie technik przetwarzania obrazów z metodą eksploracji danych. Metody rozrostu obszaru oraz morfologii matematycznej stosowane w zadaniu segmentacji krakelur z reguły wiążą się z problemem zbyt dużej czułości na zakłócenia lub wymaganego istotnego wkładu pracy manualnej. Podejście prezentowane w niniejszej rozprawie polega na wyodrębnieniu tylko niewielkiego fragmentu (zbioru treningowego) badanego obrazu i naniesieniu na niego przez eksperta maski spękania. Tak zdefiniowana maska jest następnie analizowana poprzez proces automatyczny, i na jej podstawie generowany jest zbiór reguł dla wyodrębnienia krakelur w całym obrazie. Zadanie wyodrębnienia reguł klasyfikacyjnych realizowane jest poprzez konstrukcję modelu drzewa decyzyjnego.
Atrybuty, na których podstawie przeprowadza się klasyfikację tworzą wektor cech V(x,y)=[a1,...,an], gdzie x,y są współrzędnymi badanego piksela a a1,...,an reprezentują odnośnik do klasy oraz zbiór atrybutów bazujących na wartościach intensywności - oryginalnych dla danego piksela oraz po jego transformacji poprzez operacje morfologiczne oraz filtrację przestrzenną. Odnośnik do klasy reprezentowany jest przez '1' lub '0' dla pikseli należących do spękania i tła odpowiednio. Rezultaty uzyskane w badaniach potwierdzają tezę rozprawy, stwierdzającą, że
„Dysponując zdjęciem cyfrowym obiektu zabytkowego o dużej rozdzielczości i głębi bitowej, można przeprowadzić proces komputerowej analizy obrazu mającej na celu uzyskanie wyniku segmentacji detali zbieżnego z wynikiem uzyskiwanym w tradycyjnej pracy konserwatora, w istotnie krótszym czasie"
The use of computer image processing methods in the investigation of museum objects.
In this research study a set of methods was proposed to prove the availability and effectiveness of advanced image analysis in old paintings restoration. A series of paintings was investigated on basis of UV fluorescence and near-infrared imaging as well as high quality visible light photography. Computational analysis was performed towards discovering hidden details, like underdrawings, retouch traces and craquelure segmentation. A novel approach proposed in the study is based on implementing data mining algorithms together with the classical image processing methods.
Region growing and mathematical morphology approach to the problem of craquelure segmentation either is too noise sensitive or requires significant amount of a manual work. The idea presented and developed in the research is to choose a small fragment of an analysed painting (called a training set) and manually assign a craquelure mask to it. Such defined mask is then analysed by an automated process, and rules distinguishing craquelure and background pixels, applied then to the whole image, are defined. The task of determining classification rules is performed by a construction of a decision tree model. The attributes upon which the classification is based and which describe the objects form a feature vector V (x, y) = [a1,..., an], where x, y are the coordinates of a pixel and a1,...,an represent the set of attributes and a class label. The attributes are pixel intensity values - original and transformed in a pre-processing stage by morphological operations and spatial filtering. The class label is set to ' 1' or '0' according to pixel's assignment to the craquelure or the background respectively.
The results obtained in the investigation prove a thesis stated in the research study, saying, that it is possible to achieve satisfactory results of segmentation of the details in an artwork by means of a computer image analysis process. The results are comparable to the results obtained by a traditional, manual process and might be achieved in a significantly shorter time.
