A kép diszkrétsége. Átmenet folyamatos jelekről és átalakításokról diszkrétre

A folyamatos kép diszkrétre cserélhető különböző utak... Lehetőség van például bármilyen ortogonális függvényrendszer kiválasztására, és miután kiszámítottuk a képábrázolás együtthatóit e rendszer szerint (eszerint), kicserélhetjük velük a képet. Az alapok sokfélesége lehetővé teszi egy folytonos kép különféle diszkrét reprezentációinak kialakítását. A legelterjedtebb azonban az időszakos mintavétel, különösen, mint fentebb említettük, a négyszögletes raszteres mintavétel. Ez a mintavételi módszer az eltolt β-függvényeket elemként használó ortogonális bázis használatának egyik lehetőségének tekinthető. A továbbiakban általánosságban véve részletesen megvizsgáljuk a téglalap alakú mintavétel főbb jellemzőit.

Legyen egy folytonos kép, és egy ennek megfelelő diszkrét, amelyet egy folytonosból téglalap mintavétellel kapunk. Ez azt jelenti, hogy a köztük lévő kapcsolatot a következő kifejezés határozza meg:

hol vannak a függőleges és vízszintes lépések vagy mintavételi intervallumok. Az 1.1. ábra szemlélteti a minták elhelyezkedését egy síkban téglalap alakú mintavételhez.

A folytonos kép diszkrétre cserélésekor felmerülő fő kérdés az, hogy meghatározzuk, milyen feltételek mellett teljes az ilyen csere, pl. nem kíséri a folyamatos jelben foglalt információvesztés. Nincs veszteség, ha diszkrét jellel lehetséges a folyamatos visszaállítása. Matematikai szempontból tehát az a kérdés, hogy a csomópontok között kétdimenziós intervallumokban folytonos jelet állítsunk vissza, ahol az értékei ismertek, vagy más szóval a kétdimenziós interpoláció megvalósítása során. Erre a kérdésre a folytonos és diszkrét képek spektrális tulajdonságainak elemzésével adható meg a válasz.

A folytonos jel kétdimenziós folytonos frekvenciaspektrumát a kétdimenziós előremenő Fourier transzformáció határozza meg:

amely megfelel a kétdimenziós inverz folytonos Fourier transzformációnak:

Az utolsó összefüggés bármely értékre igaz, beleértve a téglalap alakú rács csomópontjait is ... Ezért a csomópontokban lévő jel értékeihez, figyelembe véve (1.1), az (1.3) reláció a következő formában írható fel:

A rövidség kedvéért a kétdimenziós frekvenciatartományban egy téglalap alakú szakaszt jelölünk. Az (1.4)-ben lévő integrál számítása a teljes frekvenciatartományban helyettesíthető az egyes szakaszok integrálásával és az eredmények összegzésével:

A változókat szabály szerint változtatva elérjük az integrációs régió függetlenségét a számoktól és:

Itt figyelembe veszik azt bármely egész értékhez és. Ez a kifejezés formailag nagyon közel áll az inverz Fourier-transzformációhoz. Az egyetlen különbség az exponenciális tényező rossz formája. Ahhoz, hogy a kívánt formát megkapjuk, bevezetjük a normalizált gyakoriságokat, és ennek megfelelően változtatjuk a változókat. Ennek eredményeként a következőket kapjuk:

Most az (1.5) kifejezés az inverz Fourier-transzformáció alakja, ezért az integráljel alatti függvény

(1.6)

egy diszkrét kép kétdimenziós spektruma. A nem normalizált frekvenciák síkjában az (1.6) kifejezés alakja:

(1.7)

Az (1.7)-ből az következik, hogy egy diszkrét kép kétdimenziós spektruma téglalap alakú periodikus periódusokkal és a frekvenciatengelyek mentén, ill. A diszkrét kép spektruma egy folytonos kép végtelen számú spektrumának összegzése eredményeként jön létre, egymástól frekvenciaeltolódásban és. Az 1.2. ábra minőségileg mutatja be a folytonos (1.2.a ábra) és a diszkrét (1.2.b ábra) képek kétdimenziós spektruma közötti kapcsolatot.

Rizs. 1.2. Folyamatos és diszkrét képek frekvenciaspektrumai

Az összegzés eredménye lényegében ezeknek a frekvenciaeltolódásoknak az értékétől, vagy más szóval a mintavételi intervallumok megválasztásától függ. Tételezzük fel, hogy egy folytonos kép spektruma nem nulla valamely kétdimenziós tartományban a nulla frekvencia közelében, vagyis egy kétdimenziós véges függvénnyel írja le. Ha ebben az esetben a mintavételi intervallumokat úgy választjuk meg mert,, akkor az egyes ágak szuperpozíciója az (1.7) összeg képzése során nem következik be. Ezért minden téglalap alakú szakaszon belül csak egy tag különbözik a nullától. Különösen azért, mert rendelkezünk:

nál nél , . (1,8)

Így a frekvenciatartományon belül a folytonos és diszkrét képek spektruma egy állandó tényezőig egybeesik. Ebben az esetben a diszkrét kép spektruma ebben a frekvenciatartományban tartalmazza teljes körű információ folytonos kép spektrumáról. Hangsúlyozzuk, hogy ez az egybeesés csak a mintavételi időközök sikeres megválasztása által meghatározott feltételek mellett következik be. Megjegyzendő, hogy ezeknek a feltételeknek az (1.8) szerinti teljesítése a mintavételi intervallumok kellően kis értékeinél érhető el, amelyeknek meg kell felelniük a követelményeknek:

hol vannak a kétdimenziós spektrum vágási frekvenciái.

Az (1.8) reláció meghatározza azt a módszert, amellyel egy diszkrétből folytonos képet kaphatunk. Ehhez elegendő egy diszkrét kép kétdimenziós szűrését végrehajtani egy aluláteresztő szűrővel. frekvencia válasz

A kép spektruma a kimenetén csak a frekvenciatartományban tartalmaz nullától eltérő komponenseket, és az (1.8) szerint egyenlő a folytonos kép spektrumával. Ez azt jelenti, hogy az ideális aluláteresztő szűrő kimenetén a kép megegyezik a képpel.

Így a folytonos kép ideális interpolációs rekonstrukciója egy téglalap alakú frekvenciamenetű (1.10) kétdimenziós szűrő segítségével történik. Nem nehéz kifejezetten leírni a folyamatos kép helyreállításának algoritmusát. A rekonstrukciós szűrő kétdimenziós impulzusválasza, amelyet az (1.10) inverz Fourier-transzformációjával könnyen megkaphatunk, a következőképpen alakul:

.

A szűrőtermék a bemeneti kép és egy adott impulzusválasz 2D konvolúciójával határozható meg. A bemeneti képet -függvények kétdimenziós sorozataként ábrázolva

a konvolúció elvégzése után azt találjuk, hogy:

Az eredményül kapott összefüggés egy olyan módszert jelöl, amely lehetővé teszi a folyamatos kép pontos interpolációs rekonstrukcióját a kétdimenziós minták ismert sorozatából. E kifejezés szerint a pontos rekonstrukcióhoz az interpoláló függvények szerepében az űrlap kétdimenziós függvényeit kell használni. Az (1.11) reláció a Kotelnyikov-Nyquist-tétel kétdimenziós változata.

Hangsúlyozzuk még egyszer, hogy ezek az eredmények akkor érvényesek, ha a jel kétdimenziós spektruma véges és a mintavételezési intervallumok elég kicsik. A levont következtetések érvényessége sérül, ha e feltételek közül legalább egy nem teljesül. A valós képeknek ritkán van kifejezett vágási frekvenciájú spektruma. A spektrum határtalanságának egyik oka a kép korlátozott mérete. Emiatt az (1.7) összegzéskor a szomszédos spektrális sávokból származó kifejezések hatása minden sávban megmutatkozik. Ebben az esetben a folyamatos kép pontos rekonstrukciója általában lehetetlenné válik. Különösen a téglalap alakú szűrő használata nem vezet pontos rekonstrukcióhoz.

A minták közötti intervallumokban az optimális képrekonstrukció egyik jellemzője, hogy egy diszkrét kép összes mintáját használják fel, az (1.11) eljárás szerint. Ez nem mindig kényelmes, gyakran szükséges a helyi jel rekonstrukciója, kevés rendelkezésre álló diszkrét értékre támaszkodva. Ezekben az esetekben célszerű kvázi optimális helyreállítást alkalmazni különféle interpolációs függvények segítségével. Ilyen probléma merül fel például két kép összekapcsolásának megoldásakor, amikor ezeknek a képeknek a geometriai eltérése miatt az egyik elérhető leolvasása megfelelhet a kép csomópontjai közötti intervallumokban elhelyezkedő néhány pontnak. Egyéb. Ennek a problémának a megoldását részletesebben a kézikönyv következő részei tárgyalják.

Rizs. 1.3. A mintavételezési intervallum hatása a képrekonstrukcióra "Ujjlenyomat"

Rizs. 1.3 szemlélteti a mintavételi intervallumok hatását a képrekonstrukcióra. Az eredeti kép, amely egy ujjlenyomat, az ábrán látható. ábrán látható az 1.3, a és normalizált spektrumának egyik szakasza. 1.3, b. Ez a kép diszkrét, és az értéket használják vágási frekvenciaként. ábrából következik. 1.3, b, a spektrum értéke ezen a frekvencián elhanyagolható, ami garantálja a jó minőségű helyreállítást. Ami azt illeti, az ábrán látható. 1.3 A kép egy folyamatos kép visszaállításának eredménye, a visszaállító szűrő szerepét pedig egy megjelenítő eszköz - monitor vagy nyomtató - tölti be. Ebben az értelemben az ábra képe. 1.3.a folyamatosnak tekinthető.

Rizs. Az 1.3, c, d a mintavételi intervallumok helytelen megválasztásának következményeit mutatják be. Megszerzésükkor elvégeztük a „folyamatos” képdiszkretizálást az ábrán. 1.3.а mintáinak ritkításával. Rizs. 1.3, c minden koordináta mintavételi lépésének hárommal való növelésének felel meg, és a 3. ábra. 1,3, d - négyszer. Ez akkor lenne elfogadható, ha a határfrekvenciák értékei ugyanannyiszor alacsonyabbak lennének. Valójában, amint az az ábrán látható. 1.3, b, az (1.9) követelmények megsértése van, különösen durva a minták négyszeres tizedelésével. Ezért az (1.11) algoritmussal rekonstruált képek nemcsak defókuszáltak, hanem erősen torzítják a nyomat textúráját is.

Rizs. 1.4. A mintavételezési intervallum hatása a „Portré” kép helyreállítására

ábrán. Az 1.4. ábra egy „portré” típusú képhez kapott hasonló eredménysorozatot mutatja. Az erősebb tizedelés következményei (négyszer az 1.4.c ábrán, hatszor az 1.4.d ábrán) főként a definícióvesztésben nyilvánulnak meg. Szubjektíven a minőségi veszteségek kevésbé jelentősek, mint az 1. ábrán. 1.3. Ezt az ujjlenyomat képénél lényegesen kisebb spektrumszélesség magyarázza. Az eredeti kép mintavételezése megfelel a vágási frekvenciának. ábrából látható. 1.4.b, ez az érték jóval magasabb, mint a valódi érték. Ezért a mintavételi intervallum növekedése, amit az ábra szemléltet. 1.3, c, d, bár rontja a képet, mégsem vezet olyan romboló következményekhez, mint az előző példában.

Az előző fejezetben lineáris térbeli invariáns rendszereket vizsgáltunk egy folytonos kétdimenziós tartományban. A gyakorlatban olyan képekkel van dolgunk, amelyek mérete korlátozott, és ugyanakkor egy diszkrét ponthalmazban vannak számolva. Ezért az eddig kidolgozott módszereket adaptálni, bővíteni, módosítani kell, hogy ezen a területen is alkalmazhatóak legyenek. Számos új szempont is felmerül, amelyek alapos mérlegelést igényelnek.

A mintavételi tétel azt mondja meg, hogy milyen feltételek mellett lehet egy folytonos képet pontosan rekonstruálni egy diszkrét értékhalmazból. Azt is megtudjuk, mi történik, ha az alkalmazhatóság feltételei nem teljesülnek. Mindez nagyban összefügg a vizuális rendszerek fejlődésével.

A frekvenciatartományra való átállást igénylő módszerek részben a gyors számítási algoritmusok miatt váltak népszerűvé. diszkrét átalakítás Fourier. Óvatosnak kell lenni azonban, mivel ezek a módszerek azt feltételezik, hogy periodikus jel van jelen. Megbeszéljük, hogyan teljesíthető ez a követelmény, és mihez vezet a jogsértés.

7.1. Képméretek korlátozása

A gyakorlatban a képeknek mindig véges méretei vannak. Tekintsünk egy téglalap alakú képet, amelynek szélessége és magassága I. Most már nem kell integrálokat venni a Fourier-transzformációban végtelen határok között:

Érdekes, hogy a funkció visszaállításához nem kell minden frekvencián tudnunk. Annak ismerete, hogy mikor, kemény megkötés. Más szóval, egy olyan függvény, amely csak a képsík egy korlátozott területén nullától eltérő, sokkal kevesebb információt tartalmaz, mint egy olyan függvény, amely nem rendelkezik ezzel a tulajdonsággal.

Ennek ellenőrzésére képzeljük el, hogy a képernyő síkját egy adott kép másolatai borítják. Más szóval, kibővítjük képünket egy olyan függvényre, amely mindkét irányban periodikus

Itt van a legnagyobb egész szám, amely nem haladja meg az x-et. Egy ilyen szorzott kép Fourier-transzformációja a következő alakkal rendelkezik

Megfelelően kiválasztott konvergenciatényezők alkalmazása a gyakorlatban. 7.1 bebizonyosodott, hogy

Ennélfogva,

ahonnan azt látjuk, hogy mindenhol egyenlő nullával, kivéve egy diszkrét frekvenciahalmazt. Így ahhoz, hogy megtaláljuk, elég, ha tudjuk ezeken a pontokon. A funkció azonban annak a területnek az egyszerű kivágásával érhető el, amelyhez. Ezért a helyreállításhoz elég, ha csak mindenkit tudunk, ez egy megszámlálható számhalmaz.

Vegyük észre, hogy a periodikus függvény transzformációja diszkrétnek bizonyul. Az inverz transzformáció sorozatként ábrázolható, hiszen

Egy másik módja ennek ellenőrzésére, ha egy függvényt olyan függvénynek tekintünk, amelyet az ablakon belüli függvény levágásával kapunk. Más szóval, ahol az ablakkiválasztó funkció a következőképpen van definiálva.

Kép és hang analóg és diszkrét bemutatása

Az ember képes az információkat képek formájában felfogni és tárolni (vizuális, hang, tapintás, ízlelés és szaglás). A vizuális képek kép formájában (rajzok, fényképek stb.) menthetők, hangképek rögzíthetők lemezekre, mágnesszalagokra, lézerlemezekre stb.

Információk, beleértve a grafikát és a hangot, megjeleníthetők analóg vagy diszkrét forma. Analóg ábrázolással egy fizikai mennyiség végtelen értékhalmazt vesz fel, és értékei folyamatosan változnak. A diszkrét ábrázolásban egy fizikai mennyiség véges értékhalmazt vesz fel, és értéke hirtelen megváltozik.

Adjunk példát az analóg és diszkrét ábrázolás információ. A test helyzetét ferde síkon és lépcsőn az X és Y koordináták értékei határozzák meg. Amikor egy test egy ferde síkban mozog, a koordinátái folyamatosan változó értékek végtelen halmazát vehetik fel. egy bizonyos tartományból, és lépcsőn haladva csak egy bizonyos értékkészletet, és hirtelen változik (1.6. ábra).

A grafikus információ analóg ábrázolására példa lehet például egy festményvászon, amelynek színe folyamatosan változik, és diszkrét - egy olyan kép, amelyet tintasugaras nyomtatóés különálló, különböző színű pontokból áll. Példa az analóg tárolásra audio információk egy bakelit lemez(a hangsáv folyamatosan változtatja alakját), a diszkrét pedig egy audio CD (amelynek hangsávja eltérő visszaverődésű szakaszokat tartalmaz).

A grafikus és hanginformáció analógból diszkrét formába történő konvertálását a mintavétel, vagyis egy folyamatos grafikus kép és egy folyamatos (analóg) felosztása hangjelzés tovább egyedi elemek... A mintavételezés során kódolás történik, vagyis minden elem kód formájában egy adott értékhez rendelődik.

Mintavétel folyamatos képek és hangok átalakítása diszkrét értékek halmazává kódok formájában.

Elgondolkodtató kérdések

1. Mondjon példákat a grafikus és hangos információk analóg és diszkrét megjelenítési módjaira!

2. Mi a mintavételi folyamat lényege?

A diszkrét elemekből álló képeket, amelyek mindegyike csak véges számú megkülönböztethető értéket vehet fel, amelyek véges idő alatt változnak, diszkrétnek nevezzük. Hangsúlyozni kell, hogy egy diszkrét kép elemei általában egyenlőtlen területtel rendelkezhetnek, és mindegyiknek egyenlőtlen számú megkülönböztethető gradációja lehet.

Amint az első fejezetben látható, a retina diszkrét képeket továbbít a vizuális analizátor magasabb részei felé.

Látszólagos folytonosságuk csak egyike a látás illúzióinak. A kezdetben folytonos képeknek ezt a "kvantálását" nem a szem optikai rendszerének feloldóképességével járó korlátok és még csak nem is a látórendszer morfológiai szerkezeti elemei határozzák meg, hanem a neurális hálózatok funkcionális szerveződése.

A képet különálló elemekre bontják receptív mezők, amelyek egy vagy több fotoreceptort egyesítenek. A receptív mezők a hasznos fényjel elsődleges izolálását állítják elő térbeli és időbeli összegzéssel.

A retina központi részét (fovea) csak kúpok foglalják el, a periférián, a foveán kívül, kúpok és rudak egyaránt találhatók. Éjszakai látás esetén a retina középső részén lévő kúpmezők megközelítőleg azonos méretűek (körülbelül 5 "szögmértékben). Az ilyen mezők száma egy foveában, amelynek szögmérete körülbelül 90", körülbelül 200. Az éjszakai látás körülményei között a fő szerepet a retina többi részét elfoglaló rúdmezők játsszák. Szögméretük körülbelül 1 ° a retina teljes felületén. Az ilyen mezők száma a retinában mintegy 3 ezer. A retina perifériás területei nemcsak a felderítést, hanem a gyengén megvilágított tárgyak vizsgálatát is ilyen körülmények között végzik.

A megvilágítás növekedésével a tárolócellák egy másik rendszere, a kúpos receptív mezők kezdik a főszerepet játszani. A foveában a megvilágítás növekedése az effektív térérték fokozatos csökkenését okozza, amíg körülbelül 100 asb fényerőnél egy kúpra nem csökken. A periférián a megvilágítás növekedésével a rúdmezők fokozatosan kikapcsolnak (gátolódnak), és a kúpmezők működésbe lépnek. A perifériás kúpmezők, mint a foveális mezők, képesek csökkenni a rájuk eső fényenergia függvényében. A legnagyobb számú kúp, amelyek növekvő megvilágítású kúpfogadó mezőkkel rendelkezhetnek, a retina közepétől a szélekig nőnek, és a középponttól 50-60 ° -os szögtávolságban eléri a 90-et.

Kiszámítható, hogy jó körülmények között napfény a receptív mezők száma eléri a 800 ezret.Ez az érték nagyjából megfelel az emberi látóideg rostok számának. A tárgyak nappali látásban történő megkülönböztetését (felbontását) főként a fovea végzi, ahol a receptív mező egy kúpra redukálható, és maguk a kúpok helyezkednek el a legsűrűbben.

Ha a retina tárolósejtjeinek száma kielégítő közelítéssel meghatározható, akkor még mindig nincs elegendő adat a receptív mezők lehetséges állapotainak meghatározásához. A receptív mezők differenciálküszöbeinek vizsgálata alapján csak néhány becslés tehető. A fovealis receptív mezők küszöbkontrasztja egy bizonyos működési megvilágítási tartományban 1-es nagyságrendű. A megkülönböztethető gradációk száma kicsi. A kúpos fovealis receptív mező szerkezetátalakításának teljes tartományában 8-9 gradáció különbözik.

A receptív mezőben a felhalmozódás időtartamát - az úgynevezett kritikus időtartamot - átlagosan körülbelül 0,1 s határozza meg, de magas megvilágítási szintek esetén ez láthatóan jelentősen csökkenhet.

Valójában a továbbított képek diszkrét szerkezetét leíró modellnek még bonyolultabbnak kell lennie. Figyelembe kell venni a receptív mező mérete, a küszöbértékek és a kritikus időtartam közötti kapcsolatot, valamint a vizuális küszöbök statisztikai jellegét. De egyelőre erre nincs szükség. Elég, ha a kép modelljeként egy azonos területű elemkészletet ábrázolunk, amelynek szögméretei kisebbek, mint a szem által feloldott legkisebb részlet szögméretei, amelyek megkülönböztethető állapotainak száma nagyobb, mint a megkülönböztethető fényesség-gradációk maximális száma, és amelynek diszkrét változási ideje kisebb, mint a villogás periódusa a kritikus villogás-fúziós frekvencián.

Ha lecseréli a valós folytonos objektumok képeit külvilág Az ilyen diszkrét képek a szem nem veszi észre a helyettesítést.* Következésképpen az ilyen diszkrét képek legalább nem tartalmaznak kevesebb információt, mint amennyit a vizuális rendszer érzékel. **

* A színes és térfogati képek diszkrét modellel is helyettesíthetők.
** A folyamatos képek diszkrétekkel való helyettesítésének problémája nagy jelentőséggel bír a film- és televíziótechnika szempontjából. Ennek a technikának a középpontjában az időkvantálás áll. Az impulzuskódos televíziós rendszerekben a képet különálló elemekre is felosztják, és a fényerő szempontjából kvantálják.

Analóg és diszkrét kép. Grafikus információk analóg vagy diszkrét formában is bemutatható. Az analóg képre példa a festővászon, amelynek színe folyamatosan változik, illetve egy diszkrét kép, egy tintasugaras nyomtatóval nyomtatott rajz, amely különálló, különböző színű pontokból áll. Analóg (olajfestmény). Diszkrét.

11. dia bemutatóból "Információ kódolása és feldolgozása"... Az archívum mérete a prezentációval együtt 445 KB.

Informatika 9. évfolyam

egyéb előadások összefoglalói

Forking Algoritmusok – HA feltétel, AKKOR akció. Mit tudunk. Az óra szerkezete. Forking algoritmus. Kövesse az algoritmust, és töltse ki a táblázatot. Az a tanuló, aki 85-100 pontot ért el, bejut a verseny második fordulójába. Adja meg a pontok számát, és határozza meg, hogy bejutott-e a második fordulóba. Keresse meg a legnagyobb számot a és b között. Írjon programot programozási nyelven. Az elágazó algoritmus olyan algoritmus, amelyben egy feltételtől függően egy vagy másik műveletsorozatot hajtanak végre.

"A mesterséges intelligencia létrehozása" - A szimulációs megközelítés. Mesterséges intelligencia rendszerek kiépítésének megközelítései. Evolúciós megközelítés. Mesterséges intelligencia. Sok emberrel együtt tud élni, segít megbirkózni a személyes problémákkal. Strukturális megközelítés. Logikus megközelítés. Fejlesztési problémák. Fejlesztési kilátások és alkalmazási területek.

Ciklikus programok - Digit. Hurok előfeltétellel. Keresse meg az összeget. Hurok utófeltétellel. Hurok paraméterrel. Euklidész algoritmusa. Ciklikus programok. Keresse meg a természetes számok összegét! Ciklus koncepció. Kezdő díj. Táblázat funkció. Kiszámítja. Példa. Elválasztók. Számítástechnika. Keresse meg a számok számát. Megtalálja. Határozza meg a háromjegyű természetes számok számát! Háromjegyű számok. Keresse meg a függvény értékkészletét. Dollár átváltási táblázat.

"Mi az e-mail" - Feladó. Email cím. E-mail előzmények. Az e-mail megjelenésének kérdése. A levél szerkezete. Levelek továbbítása. Levél. Email... Másolat. Dátum. X-mailer. Email. Hogyan működik Email.

„E-mailezés” – E-mail cím. Postafiók... E-mail protokoll. Fájlmegosztó hálózat. A címek elkülönítése. Az e-mail előnyei. Levelező kliensek... Az e-mail feltalálója. Cím. Email. Szoftver az e-mail kezeléshez. Hogyan működik az e-mail. Telekonferencia. Levelező szerver... Fájlcsere.

„Feldolgozás a Photoshopban” – Klassz srácok. Hogyan lehet megkülönböztetni a hamisítványt. Raszteres és vektoros képek. Bevezetés. Legjobb helyek. Program Adobe photoshop... Retusálás. Photoshop versenyek. Fényerő korrekció. A barátaim. A gyakorlati rész. Hasonló programok. Fő rész. Tervezés. Szokatlan állatok. Több kép montázsa.