Articolul va fi de interes nu numai pentru programatorii web, ci și pentru toți cei care, într-un fel sau altul, sunt implicați în procesarea imaginilor software, deoarece funcțiile pentru lucrul cu matricea de răsucire sunt disponibile în multe limbi (este cu siguranță cunoscut despre php și flash). De asemenea, articolul va fi de interes pentru designerii care folosesc Adobe Photoshop, deoarece are un filtru corespunzător (Filter-Other-Custom).
Exemplele vor fi în PHP folosind biblioteca GD. Teorie, practică, exemple (atenție, multe poze!)
Teorie
Vorbind non-matematică, convoluţie este o transformare a unei matrice folosind alta, care se numește miez("nucleu"). La procesarea imaginilor, matricele de canale RGB de pixeli în coordonate dreptunghiulare sunt folosite ca inițiale.
Nucleul este de obicei o matrice 3x3, dar mai mare (5x5, 7x7 etc.) este posibilă. Miezul contine grad de influență („valoare”) valorile elementului înconjurător asupra elementului însuși.
Transformarea are loc după cum urmează. Fiecare element al matricei originale este înmulțit cu valoarea centrală a matricei nucleului. În plus, elementele din jur sunt înmulțite cu valorile corespunzătoare (dacă dimensiunea nucleului este de 3x3, vor fi 8), după care rezultatele sunt însumate și acceptate ca valoare convertită.
Iată un exemplu grafic simplu:
Valoarea care trebuie convertită este evidențiată cu roșu, zona matricei nucleului este evidențiată cu verde.
Ce s-a întâmplat în urma transformării. Valorile tuturor pixelilor din jur, inclusiv valoarea proprie, sunt egale cu zero, cu excepția mediei superioare, unde este egală cu unu. Deci rezultatul este:
(40*0)+(42*1)+(46*0)+(46*0)+(50*0)+(55*0)+(52*0)+(56*0)+(58*0) = 42
După cum puteți vedea, această transformare deplasează imaginea în jos cu 1 pixel.
Astfel, convoluția în acest caz este o transformare a unei imagini, în urma căreia fiecare pixel al rezultatului este afectat de zona din jurul acestuia. Gradul de influență al acestei zone este stabilit cu ajutorul unui „nucleu” sau a unei matrice de răsucire.
Valori div și offset
Când procesezi imagini, nu poți să scapi cu o singură transformare, ai nevoie și de normalizare. Ce se întâmplă dacă valoarea rezultată este mai mare de 255 sau mai mică de 0? Nu există astfel de flori. Mai mult, depășirea limitelor culorii este un fenomen destul de frecvent.
Variabilele suplimentare sunt folosite pentru normalizarea rezultatului: div (divizor) și offset (coeficient). Ele funcționează foarte simplu: rezultatul transformării este împărțit cu un div și i se adaugă offset.
Nu este greu de ghicit că implicit div = 1, offset = 0 (div = 0 nu poate fi setat!).
La transformare, div-ul este de obicei suma tuturor elementelor matricei de răsucire. Această condiție vă permite să preveniți distorsiunile de culoare dacă nu sunt necesare.
Într-adevăr, dacă zona transformată conține aceeași culoare, atunci rezultatul va fi suma elementelor nucleului înmulțită cu această culoare. În consecință, pentru a lăsa culoarea neschimbată, este necesar să se împartă rezultatul conversiei la aceeași cantitate.
Un exemplu simplu: filtrul „negativ”.
Vom lua următoarea imagine ca sursă:
pe exemplu se va putea vedea cât de mari și mici se schimbă textul, imaginea și liniile. Acum să creăm o matrice de răsucire pentru a obține efectul negativ:
Conform matricei, se dovedește că, în urma transformării, toate culorile vor avea o valoare negativă. Pentru a face culorile negative, trebuie să setați offset = 256, astfel încât culorile tuturor pixelilor să fie scăzute din 256, care este o imagine negativă:
Cum se face în PHP
Există o funcție de convoluție a imaginii în biblioteca GD PHP care conține 4 parametri. Primul este ID-ul imaginii. Al doilea este o matrice sub forma unui tablou de 3 tablouri cu 3 variabile. Al treilea și al patrulea sunt div și offset.
Iată codul care face imaginea negativă:
$ img = imagecreatefromjpeg ("imagini / model.jpg");
$ matrice = matrice (
matrice (0, 0, 0),
matrice (0, - 1, 0),
matrice (0, 0, 0)
imagineconvolution ($ img, $ matrice, 1, 256);
imagejpeg ($ img, "imagini / pattern_negative.jpg", 100);
Merită menționată imediat o caracteristică foarte neplăcută a GD: la conversia cu imagineconvolution, canalul alfa „se prăbușește”. Acest bug a fost raportat cu mult timp în urmă, dar din câte știu, nu a fost remediat. În flash, acest lucru nu este, în plus, există și parametri suplimentari care sunt responsabili pentru procesarea marginilor imaginilor atunci când unii dintre pixeli cad. În php, marginile pur și simplu nu sunt gestionate.
Estompa, ascuți, reliefează
Iată un set standard de matrice de efecte:
Vă rugăm să rețineți că pentru estompare coeficientul div = 9. Pentru o astfel de matrice, doar un astfel de coeficient nu duce la denaturarea culorii. Mai trebuie să spun că există mai multe opțiuni de estompare, ele diferă ușor în puterea efectului.
Și iată imaginile:
Ascuţi:
Efecte „îngrijite”.
După cum puteți vedea din exemplul anterior cu estompare, efectul este suprapus pe imagine, dar destul de puternic. Este posibil să reduceți puterea efectului asupra imaginii? Se pare că poți. Dar pentru aceasta, nu este necesar să se schimbe gradul de influență al pixelilor din jur, așa cum ar părea la prima vedere, ci numărul de pixeli care influențează:
Apoi obținem efectele care vor arăta mult mai bine:
Neclaritate:
Ascuțire la lumină:
imprimare în relief:
Aici merită să puneți întrebarea, cum să creșteți puterea efectului? Din păcate, doar suprapunerea sa multiplă, pentru că orice s-ar spune, zona de 3x3 pixeli este oricum procesată. Desigur, acest lucru necesită foarte mult resurse, uneori trebuie să aplicați filtrul de 100-200 de ori pentru a obține estomparea pete folosind estomparea Gaussian. Este nevoie de foarte mult timp și de multe resurse.
In cele din urma
Vreau să spun că tu însuți poți crea un efect interesant. Pentru a face acest lucru, experimentați doar cu matricea de răsucire.
Matricea de răsucire poate fi aplicată cu succes atunci când:
- crearea de imagini „mici”, de exemplu. generarea de avatare și previzualizări (neclaritatea arată mai ales bine aici).
- pentru a crea „umbre” (dacă doar cu un canal alfa :)
- la crearea CAPTHCA (text + Sharpen sau Emboss puternic)
- si etc. :-)
Creați o umbră drăguță
* Creează umbră frumoasă
* Atentie! Operațiunea necesită resurse intensive!
* @param res $ imagine - imagine originală
* @param int $ shadow_width - grosimea umbrei (1..10, mai mare nu este recomandată)
* @param int $ shadow_deep - adâncimea culorii umbrei (1..20, cu cât mai mare, cu atât mai neagră)
* @param șir $ bg_color - culoarea de fundal în formatul # 7def34
funcția imageaddshadow (& $ imagine, $ shadow_width = 4, $ shadow_deep = 7, $ bg_color = false)
$ w = imaginix ($ imagine);
$ h = imagini ($ imagine);
$ iw = $ w + 4 * $ shadow_width;
$ ih = $ h + 4 * $ shadow_width;
$ img = imagecreatetruecolor ($ iw, $ ih);
$ shadow_deep = 255 - $ shadow_deep * 12;
$ shadow = imagecolorallocate ($ img, $ shadow_deep, $ shadow_deep, $ shadow_deep);
dacă (! $ bg_color) (
// Alb implicit
$ bg = imagecolorallocate ($ img, 255, 255, 255);
altfel (
list ($ r, $ g, $ b) = array_map ("hexdec", str_split (ltrim ($ bg_color, "#"), 2));
$ bg = imagecolorallocate ($ img, $ r + 1, $ g + 1, $ b + 1);
// Umpleți zona cu culoarea de fundal
imagefilleddrectangle ($ img, 0, 0, $ iw, $ ih, $ bg);
// Creați o umbră
dreptunghi plin cu imagine ($ img,
1 + $ shadow_width,
1 + $ shadow_width,
Acest articol vorbește nu numai despre cele mai comune filtre de procesare a imaginii, dar, într-o formă ușor de înțeles, descrie algoritmii pentru munca lor. Articolul se adresează în primul rând programatorilor implicați în procesarea imaginilor.
Matricea de convoluție
Există multe filtre care folosesc matricea de convoluție, principalele vor fi descrise mai jos.
O matrice de convoluție este o matrice de coeficienți care este „înmulțită” cu valoarea pixelului unei imagini pentru a obține rezultatul dorit.
Mai jos este aplicarea matricei de convoluție:
Div este coeficientul de raționalizare astfel încât intensitatea medie să rămână neschimbată.
În exemplu, matricea este 3x3, deși dimensiunea poate fi mai mare.
Filtru de estompare
Cel mai frecvent utilizat filtru bazat pe matrice de convoluție este filtrul de estompare.
De obicei, matricea este umplută conform legii normale (Gauss). Mai jos este o matrice de estompare 5x5 umplută cu o distribuție Gaussiană.
Coeficienții sunt deja normalizați, deci div-ul pentru această matrice este unul.
Puterea neclarității depinde de dimensiunea matricei.
Merită menționat condițiile la limită (această problemă este relevantă pentru toate filtrele matriceale). Pixelul din stânga sus nu are un „vecin” în dreapta acestuia, prin urmare, nu avem cu ce să înmulțim coeficientul matricei.
Există 2 soluții la această problemă:
1. Aplică un filtru doar la „fereastra” imaginii, care are coordonatele colțului din stânga sus, și pentru cel din dreapta jos. kernelSize - dimensiunea matricei; lățime, înălțime - dimensiunea imaginii.
Aceasta nu este cea mai bună modalitate, deoarece filtrul nu este aplicat întregii imagini. În acest caz, calitatea are mult de suferit dacă dimensiunea filtrului este mare.
2. A doua metodă (adăugarea) necesită crearea unei imagini intermediare. Ideea este de a crea o imagine temporară cu dimensiuni (lățime + 2 * kernelSize / 2, înălțime + 2 * kernelSize / 2). Imaginea de intrare este copiată în centrul imaginii, iar marginile sunt umplute cu pixelii exteriori ai imaginii. Neclaritatea este aplicată tamponului intermediar, iar apoi rezultatul este preluat din acesta.
Această metodă nu are dezavantaje în calitate, dar este necesar să se facă calcule inutile.
Filtrul de estompare gaussian are complexitatea O (hi * wi * n * n), unde hi, wi sunt dimensiunile imaginii, n este dimensiunea matricei (nucleul filtrului). Acest algoritm poate fi optimizat cu o calitate acceptabilă.
Nuezul pătrat (matricea) poate fi înlocuit cu doi unidimensionali: orizontal și vertical. Pentru o dimensiune a nucleului de 5, acestea vor arăta astfel:
Filtrul se aplică în 2 treceri: mai întâi orizontal, apoi vertical la rezultat (sau o tură).
Complexitatea acestui algoritm va fi O (hi * wi * n) + O (hi * wi * n) = 2 * O (hi * wi * n), care pentru o dimensiune a nucleului mai mare de doi este mai rapid decât pătratul tradițional metoda matricei.
Filtru de ascuțire
Pentru a îmbunătăți claritatea, trebuie să utilizați următoarea matrice:
Această matrice crește diferența de valori la granițe. Div pentru această matrice este 1.
GIMP are un filtru Convolution Matrix care facilitează găsirea transformării matricei de care aveți nevoie.
Puteți găsi mai multe informații despre filtre bazate pe matricea de convoluție în articol.
Filtru median
Un filtru median este folosit în mod obișnuit pentru a reduce zgomotul sau a „netezi” o imagine.
Filtrul funcționează cu matrice de diferite dimensiuni, dar spre deosebire de o matrice de convoluție, dimensiunea matricei afectează doar numărul de pixeli în cauză.
Algoritmul de filtru median este următorul:
Pentru pixelul curent, pixelii care „cad” în matrice sunt sortați și este selectată valoarea medie din matricea sortată. Această valoare este rezultatul pentru pixelul curent.
Mai jos este lucrarea filtrului median pentru o dimensiune a nucleului de trei.
Filtrele de acumulare și de eroziune sunt utilizate pentru a obține expansiunea sau, respectiv, contracția morfologică. În termeni mai simpli, pentru imagini, asta înseamnă alegerea unui pixel cu intensitatea maximă sau minimă din vecinătate.
Ca urmare a acumulării, există o creștere a obiectelor luminoase și eroziunea - o creștere a obiectelor întunecate.
Filtrul folosește o imagine de intrare și o matrice binară. Matricea binară determină forma vecinătății. De obicei, împrejurimile sunt rotunde.
Filtrul de acumulare poate fi folosit pentru a crește strălucirea, reflexiile luminoase.
Concluzie
Articolul descrie unele dintre filtrele de procesare a imaginii, descrie algoritmii și caracteristicile aplicației.
Acest articol vorbește nu numai despre cele mai comune filtre de procesare a imaginii, dar, într-o formă ușor de înțeles, descrie algoritmii pentru munca lor. Articolul se adresează în primul rând programatorilor implicați în procesarea imaginilor.
Matricea de convoluție
Există multe filtre care folosesc matricea de convoluție, principalele vor fi descrise mai jos.
O matrice de convoluție este o matrice de coeficienți care este „înmulțită” cu valoarea pixelului unei imagini pentru a obține rezultatul dorit.
Mai jos este aplicarea matricei de convoluție:
Div este coeficientul de raționalizare astfel încât intensitatea medie să rămână neschimbată.
În exemplu, matricea este 3x3, deși dimensiunea poate fi mai mare.
Filtru de estompare
Cel mai frecvent utilizat filtru bazat pe matrice de convoluție este filtrul de estompare.
De obicei, matricea este umplută conform legii normale (Gauss). Mai jos este o matrice de estompare 5x5 umplută cu o distribuție Gaussiană.
Coeficienții sunt deja normalizați, deci div-ul pentru această matrice este unul.
Puterea neclarității depinde de dimensiunea matricei.
Merită menționat condițiile la limită (această problemă este relevantă pentru toate filtrele matriceale). Pixelul din stânga sus nu are un „vecin” în dreapta acestuia, prin urmare, nu avem cu ce să înmulțim coeficientul matricei.
Există 2 soluții la această problemă:
1. Aplică un filtru doar la „fereastra” imaginii, care are coordonatele colțului din stânga sus, și pentru cel din dreapta jos. kernelSize - dimensiunea matricei; lățime, înălțime - dimensiunea imaginii.
Aceasta nu este cea mai bună modalitate, deoarece filtrul nu este aplicat întregii imagini. În acest caz, calitatea are mult de suferit dacă dimensiunea filtrului este mare.
2. A doua metodă (adăugarea) necesită crearea unei imagini intermediare. Ideea este de a crea o imagine temporară cu dimensiuni (lățime + 2 * kernelSize / 2, înălțime + 2 * kernelSize / 2). Imaginea de intrare este copiată în centrul imaginii, iar marginile sunt umplute cu pixelii exteriori ai imaginii. Neclaritatea este aplicată tamponului intermediar, iar apoi rezultatul este preluat din acesta.
Această metodă nu are dezavantaje în calitate, dar este necesar să se facă calcule inutile.
Filtrul de estompare gaussian are complexitatea O (hi * wi * n * n), unde hi, wi sunt dimensiunile imaginii, n este dimensiunea matricei (nucleul filtrului). Acest algoritm poate fi optimizat cu o calitate acceptabilă.
Nuezul pătrat (matricea) poate fi înlocuit cu doi unidimensionali: orizontal și vertical. Pentru o dimensiune a nucleului de 5, acestea vor arăta astfel:
Filtrul se aplică în 2 treceri: mai întâi orizontal, apoi vertical la rezultat (sau o tură).
Complexitatea acestui algoritm va fi O (hi * wi * n) + O (hi * wi * n) = 2 * O (hi * wi * n), care pentru o dimensiune a nucleului mai mare de doi este mai rapid decât pătratul tradițional metoda matricei.
Filtru de ascuțire
Pentru a îmbunătăți claritatea, trebuie să utilizați următoarea matrice:
Această matrice crește diferența de valori la granițe. Div pentru această matrice este 1.
GIMP are un filtru Convolution Matrix care facilitează găsirea transformării matricei de care aveți nevoie.
Pentru mai multe informații despre filtrele bazate pe o matrice de convoluție, consultați articolul „Filtre grafice bazate pe o matrice de rulare”.
Filtru median
Un filtru median este folosit în mod obișnuit pentru a reduce zgomotul sau a „netezi” o imagine.
Filtrul funcționează cu matrice de diferite dimensiuni, dar spre deosebire de o matrice de convoluție, dimensiunea matricei afectează doar numărul de pixeli în cauză.
Algoritmul de filtru median este următorul:
Pentru pixelul curent, pixelii care „cad” în matrice sunt sortați și este selectată valoarea medie din matricea sortată. Această valoare este rezultatul pentru pixelul curent.
Mai jos este lucrarea filtrului median pentru o dimensiune a nucleului de trei.
Filtrele de acumulare și de eroziune sunt utilizate pentru a obține expansiunea sau, respectiv, contracția morfologică. În termeni mai simpli, pentru imagini, asta înseamnă alegerea unui pixel cu intensitatea maximă sau minimă din vecinătate.
Ca urmare a acumulării, există o creștere a obiectelor luminoase și eroziunea - o creștere a obiectelor întunecate.
Filtrul folosește o imagine de intrare și o matrice binară. Matricea binară determină forma vecinătății. De obicei, împrejurimile sunt rotunde.
Filtrul de acumulare poate fi folosit pentru a crește strălucirea, reflexiile luminoase.
Concluzie
Articolul descrie unele dintre filtrele de procesare a imaginii, descrie algoritmii și caracteristicile aplicației.
Rezultatul filtrului liniar pentru o fereastră dată (pentru un pixel central dat) este descris prin următoarea formulă simplă:
$$ \ începe (aduna) \ tag (1) \ mbox (Im) "= \ sum \ limits_ (i = - \ textrm (hWinX)) ^ (\ textrm (hWinX)) ~ \ sum \ limits_ (j = - \ textrm (hWinY)) ^ (\ textrm (hWinY)) (\ mbox (Im) \ cdot \ mbox (Mască)), \ end (aduna) $$
unde $ \ mbox (hWinX) = [\ mbox (WinX) / 2] $, $ \ mbox (hWinY) = [\ mbox (WinY) / 2] $ sunt jumătate de lățime și jumătate de înălțime ale ferestrei de filtrare, respectiv (în cazul unui $ 3 \ ori 3 $ ambele cantități sunt egale cu 1).
Rezultatul aplicării operației (1) la toți pixelii lui Im $$ se numește $ \ it (convoluția) $ ai Im cu masca.
Media mobilă în fereastră.
Cel mai simplu tip de filtrare liniară cu ferestre în domeniul spațial este \ it (media mobilă) în fereastră. Rezultatul unei astfel de filtre este valoarea așteptării matematice calculată pe toți pixelii ferestrei. Matematic, aceasta este echivalentă cu o convoluție cu o mască, toate elementele care sunt egale cu $ 1 / n $, unde $ n $ este numărul de elemente din mască. De exemplu, o mască cu medie mobilă de dimensiunea $ 3 \ ori 3 $ are forma
$$ \ frac (1) (9) \ ori \ begin (vmatrix) 1 & 1 & 1 \ cr 1 & 1 & 1 \ cr 1 & 1 & 1 \ end (vmatrix). $$
Luați în considerare un exemplu de filtrare a unei imagini zgomotoase în tonuri de gri cu un filtru de medie mobilă. Imaginile sunt zgomotoase cu zgomot aditiv gaussian (Fig. 2-8).
În fig. 1 - 6 sunt exemple de filtrare a unei imagini în tonuri de gri cu diferite grade de zgomot de către un filtru mediu cu o dimensiune a ferestrei de $ 3 \ ori 3 $. După cum puteți vedea din exemplu, filtrul „medie în mișcare” are o capacitate mai mică de a suprima componenta de zgomot în comparație cu filtrul median considerat anterior $ 3 \ ori 3 $.
Luați în considerare o medie mobilă cu o fereastră mare de filtru. În fig. Figurile 23-28 oferă un exemplu de filtrare mediană cu diferite dimensiuni de deschidere.
După cum se vede din fig. - 12, cu o creștere a dimensiunii ferestrei, crește capacitatea filtrului median de a suprima componenta de zgomot. Totuși, în acest caz, efectul aparentei „defocalizări” a imaginii crește și el (Fig. 11, 12) din cauza estompării marginilor obiectelor vizibile. De asemenea, nu am observat acest efect de estompare, care este specific filtrelor liniare, în cazul filtrării de rang neliniar.
filtrarea gaussiană.
În secțiunea anterioară, am luat în considerare cazul „degenerat” al filtrării liniare cu o mască uniformă. Între timp, însăși ideea de convoluție a unei imagini cu o matrice de greutate este similară cu ideea avută în vedere anterior de a introduce o matrice de greutate în filtre percentile ponderate. Este posibilă creșterea stabilității rezultatelor de filtrare la marginile regiunilor dacă punctele mai apropiate din vecinătate au o influență mai mare asupra rezultatului final decât cele îndepărtate. Un exemplu de implementare a acestei idei pentru o fereastră de $ 3 \ ori 3 $ este masca
$$ \ frac (1) (16) \ ori \ begin (vmatrix) 1 & 2 & 1 \ cr 2 & 4 & 2 \ cr 1 & 2 & 1 \ end (vmatrix). $$
Această mască se numește Gauss; respectiv, iar filtrul liniar care îl folosește se mai numește $ \ it (Gauss) $. Folosind aproximări discrete ale unei funcții gaussiene bidimensionale, pot fi obținute și alte nuclee gaussiene mai mari. Rețineți că măștile de filtru $ \ it (netezire) $ sau $ \ it (filtrare) $ trebuie să aibă suma tuturor elementelor egală cu $ 1 $. Această $ \ it (condiție de normalizare) $ garantează un răspuns adecvat al filtrului la un semnal constant (imagine constantă Im $ = \ const $).
În fig. 13 - 15 arată un exemplu de filtrare liniară gaussiană a unei imagini zgomotoase.
FILTRARE(din grecescul phil „tron” - o băutură de dragoste; era considerată ca fiind deosebit de probabilă. met xxxx. vin de raci), una dintre modalitățile de a separa faza lichidă de cea solidă (sediment, turbiditate) prin trecerea sistemului prin poroase. materiale, captând particule dense.Figura 1. Pâlnie cu unghi de 60 ° și pliere a hârtiei de filtru Bercepius.
Lichidul de baie (filtrat) nu trebuie să fie „vizibil cu ochiul liber al particulelor vizibile. În practica de laborator și farmacie, este de obicei filtrat prin hârtie de filtru folosind pâlnii din sticlă sau porțelan. Folosind pâlnii cu un unghi de 60 °, 
Ryas. 2 Figura 3.
Figura 2. Pâlnie cu baghete de sticlă pentru a accelera filtrarea. Desen 3. Nucha: a-to Vasos; b-a scurge filtratul. Pentru ei sunt realizate filtre Berzelius (Fig. 1), care sunt deosebit de convenabile în acele cazuri în care este de dorit să colectați sedimente. Pentru a accelera F., se folosesc pâlnii fațetate (vezi. Pâlnie, orez. 8) sau introduceți tije de sticlă între pereții pâlniei și filtru (Fig. 2). În 
Figura 4.
Figura 5. Figura 4. Pâlnii perforate din porțelan. Figura 5. Filtru Gay-Lussac plat (pliat). Büchner Pâlnie, fig. 3) și iuchah (Fig. 3), acționând atunci când aerul din receptor este rarefiat, se folosesc filtre plate sub formă de cercuri de dimensiunea corespunzătoare. Pâlniile de alte forme sunt folosite pentru a accelera concentrația sedimentului în cazurile în care sedimentul nu trebuie conservat (vezi Fig. Pâlnie, orez. 1,2) și pâlnii perforate (Fig. 4); Pentru toate aceste pâlnii, filtrele Gay-Lussac pliate sau plate sunt pregătite prin plierea hârtiei pentru ele într-un mod ca evantai (Fig. 5). Pâlniile cu filtre trebuie folosite în rafturi pentru a evita preaplinul lichidului (Figura 6); cu F., un fir, o bandă de hârtie sau o tijă de sticlă trebuie plasate direct în sticlă între gâtul sticlei și pâlnie, creând astfel un spațiu pentru ca aerul să iasă. Recent, am dezvoltat filtre de sticlă cu fund de sticlă poroasă, prin care se filtrează fără hârtie (Fig. 7). Prima care a produs astfel de filme a fost fabrica lui Schott din Jena. Dimensiunile porilor acestor filtre sunt indicate prin numere: N ° 1 încă mai permite particule cu un diametru de aproximativ 100. c№ 2-50 (eu, K „3-20 / lși nr. 4-5 c. Cel mai adesea, formele utilizate ale acestor filtre de sticlă (Goslaborreaktivsbyt) sunt prezentate în Fig. 7; formele „d” și „f” servesc la aspirarea lichidului din sedimentele ușor tulburi. scăderea vâscozității „fazei lichide (filtrare la încălzire, vedea. Pâlnie, orez. 10 și 11) sau lichidul este limpezit preliminar, determinând formarea de sedimente cu granulație grosieră în el, antrenând (adsorbând) turbiditatea fină. În acest scop, adăugați la lichidul limpezit, de exemplu. albus bătut, gelatină, zer (dacă sunt prezenți taninuri), 
Figura 6. Unități de filtrare.
/
f = ™ * 3j
Figura 7. Filtre poroase din sticlă. lapte (pentru lichide acide, de exemplu sucuri de fructe de pădure) sau resturi de hârtie de filtru fierte cu apă, argile limpezitoare (floridină, gumbrină) etc.; uneori se adauga proteine si apoi se ruleaza prin fierbere. F. prin lumânări poroase (Berkefeld, Chamberlain etc.) – vezi. Berkefel gj * da lumânare, filtre^ la laborator. practică. - La scară industrială se folosesc metodele fizicii, care permit o productivitate ridicată; cap. utilizați filtre prese - aparate inventate de Ing. Nidge-Figura 8. Detalii despre filtru presă în 1828 (Figura 8). sa și schema acțiunii sale: A- Pentru laborator lichid; .B-spălare; V- / ■ ptttrchngh h pyabot cv-sh.1Dkost; C-filtrat. ^ farmacie; pauoi oh exista filtru prese mici. Filtrele cu actiune continua, tambur, disc si plate (planfiltre) au o productivitate mai mare. Pentru filtrarea gazelor, vezi Măști de gaze.- In analiza prin picurare (microanaliza calitativa dupa Feigl si Tananaev), F. inseamna trecerea lichidului prin capilarele hartiei de filtru; „Filtrat” în acest sens este o pată de lichid la o anumită distanță de o picătură aplicată pe orice PUNT de hârtie. I. Obergard *
