Prelucrarea digitala a imaginilor

Rezumat
Capitolul 3: Imbunatatirea imaginii in domeniul spatial - Transformari ale nivelelor de gri - Procesarea Histogramei - Imbunatatirea folosind operatii aritmetice si logice - Filtrarea spatiala I. Filtrarea liniara a imaginilor Filtre de netezire (blur imbunatatire prin unif. regiuniunilor) Filtre de contrast (imbunatatirea perceptiei vizuale a contururilor) Derivata de ord II. Laplacianul Raspuns mai puternic la detaliu linii subtiri si puncte izolate Derivata de ord I. Gradientul produce contururi groase Filtre adaptive

II. Filtrarea neliniara a imaginilor filtre de ordine /filtrul median

Filtrarea neliniara
Definirea problemei: Schimbarea modelului de zgomot
Zgomot gaussian Zgomotul impulsiv (Salt &Pepper)

Fiind data probabilitatea p avem:

I (m, n) = I o (m, n) + N ( , )
2

prob p / 2 0 I (m, n) = L 1 prob p / 2 I (m, n) prob 1 p o

Filtrarea neliniara
Imaginea filtrata liniar

Imaginea originala

Imaginea Salt & Pepper

Imaginea filtrata neliniar

Filtrarea neliniara
Solutie: identificarea unei metode de combinare neliniara a pixelilor din imagine

Rank order filtering Filtre de ordine

- Operatori locali; - Filtrul este definit pe o fereastra (masca);

-Valorile selectate din fereastra de filtrare sunt apoi ordonate crescator Fiind data o ferastra cu n pozitii: x1 , x2 ......xn rezulta sirul ordonat crescator x(1) , x( 2) ......x( n ) Statistica de ord.1 x(1) valoarea minima Statistica de ord. n x( n ) valoarea maxima
x(1) < x( 2 ) < x(3) ...... < x( n )

- Iesirea filtrului de ordine este statistica de ord k :

rank{x1 , x2 , x3 , x4 } = x( k )

Filtrarea neliniara
Orice filtru neliniar este deci definit de: vecinatatea folosita, V functia [neliniara] de combinare a valorilor Ce fel de functii neliniare se pot aplica ? min, max, log, exp, putere, ... altele ?

Tipuri de filtre neliniare

Corespund celor doua tipuri de efecte esentiale dorite: netezire cresterea uniformitatii in interiorul regiunilor cresterea contrastului pe frontierele regiunilor contrastare
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrare neliniare de ordonare

Este ordonarea neliniara ? Da, principiul superpozitiei nu este respectat.

T (f + g ) T ( f ) + T ( g )
Ex: Fie , = 1 si T operatorul de ordonare f = (2,1,3) g = (1,3,2) f+g = (3,4,5) T(f) = (1,2,3) T(g) = (1,2,3) T(f)+T(g) = (2,4,6) T(f+g) = (3,4,5)

Cum ar folosi ordonarea pentru a elimina impulsurile de zgomot ? Impulsurile de zgomot au valori extreme (0 sau L-1); tot ceea ce trebuie facut este alegerea unor valori cat mai departate de aceste extreme.
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrare neliniare de ordonare

Exemplu: 100 0 145 255 157 0 120 128 145 impuls de zgomot

ordonare crescatoare 0, 0, 100, 120, 128, 145, 145, 157, 255

O valoare corecta trebuie sa fie situata cat mai departe de capetele afectate de zgomot.

impulsurile de zgomot sunt la capetele sirului de valori ordonate

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrare neliniare de ordonare

Valorile selectate de fereastra de filtrare sunt x1, x2, ..., xK. Dupa ordonare avem:

x(1) x( 2 ) ... x( K )

x(i) este statistica de ordine de ordin i x(1) este valoarea minima x(K) este valoarea maxima {x(i)} sunt aceleasi valori ca si {xi}, dar in alta ordine.

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Valoarea de iesire a filtrului median este valoare situata in centrul secventei ordonate statistica mediana.

x K +1 , daca K impar Iesirea filtrului median este: 2 y = 1 x K + x K , daca K par +1 2 2 2

Ex. K=5 (K+1) / 2 = 3
x(1) x(2) x(3) x(4) x(5)

Ex. K=3 x x x (K+1) / 2 = 2 (1) (2) (3) median

median Ex. K=4 (K+1) / 2 = 2,5

x(1) x(2) x(3) x(4)

median ?

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 0, 0, 1
extragere valori ordonare

0, 0, 1
median

0
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 0, 1, 1
extragere valori ordonare

0, 1, 1
median

0 1
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 1, 1, 3
extragere valori ordonare

1, 1, 3
median

0 1 1
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 1, 3, 1
extragere valori ordonare

1, 1, 3
median

0 1 1 1
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 3, 1, 3
extragere valori ordonare

1, 3, 3
median

0 1 1 1

3
C. VERTAN

LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 1, 3, 2
extragere valori ordonare

1, 2, 3
median

0 1 1 1

2
C. VERTAN

LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 3, 2, 3
extragere valori ordonare

2, 3, 3
median

0 1 1 1

3
C. VERTAN

LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 2, 3, 3
extragere valori ordonare

2, 3, 3
median

0 1 1 1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 2, 3, 3
extragere valori ordonare

2, 3, 3
median

0 1 1 1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 3, 2, 1
extragere valori ordonare

1, 2, 3
median

0 1 1 1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 2, 1, 1
extragere valori ordonare

1, 1, 2
median

0 1 1 1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median
Ex. de aplicare in cazul 1-D, cu fereastra centrata de lungime K=3 Medianul este statistica de ordine de ordin 2. 0 1 1 3 1 3 2 3 3 2 1 1 1, 1, 0
extragere valori ordonare median

0, 1, 1 1

0 1 1 1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median

semnal filtrat median semnal initial

inlaturarea tranzitiilor abrupte (de zgomot) pastrarea tranzitiilor legitime

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median: Proprietati

NU este un filtru liniar ! Elimina zgomotul impulsiv de tip sare si piper. Comuta cu orice functie monotona aplicata valorilor prelucrate:
median {g ( x1 ), g ( x 2 ),..., g ( x K )} = g (median {x1 , x 2 ,..., x K })

Admite semnale radacina (semnale ce nu sunt modificate prin filtrare): semnalele radacina ale unui filtru median de lungime K sunt secvente monotone de lungime cel putin K. Portiunile monotone din semnal nu sunt modificate (platouri constante, tranzitii suficient de lungi). Semnalele radacina se obtin prin filtrarea repetata a unor semnale initiale oarecari.
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median: Proprietati

Strapungerea filtrului median (un impuls de zgomot din fereastra de filtrare se regaseste la iesirea filtrului): ...
x(1) x(2) (K-1)/2 valori

statisticile de ordine

...
x((K+1)/2) x(K-1) x(K) (K-1)/2 valori

median

Impulsurile de zgomot, de valoare 0 sau L-1, se regasesc la capetele secventei de statistici de ordine. Cand este statistica centrala (mediana) un impuls de zgomot ? Cel putin (K+1)/2 impulsuri de zgomot de acelasi fel
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtrul median: Proprietati

Valoarea de iesire a filtrului median de lungime impara este intotdeauna o valoare existenta in semnalul initial. (spre deosebire de filtrarea liniara, unde combinatia liniara ponderata producea valori noi). Continutul (valorile) semnalului nu se modifica

median 3x3
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Extinderi ale filtrului median

1. Filtrul median separabil + + Prelucrarea bidimensionala este inlocuita cu doua prelucrari succesive 1D, dupa directii perpendiculare.

D.p.d.v matematic, rezultatele nu sunt identice.

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Rezultatul Filtrului median separabil

FM

FMS

Extinderi ale filtrului median

2. Filtre de ordine (rank-order filters)

rank

{x1 , x 2 ,...,

x K } = x ( j ) , j = 1,..., K

Iesirea filtrului de ordine de ordin j este statistica de ordine de ordin j a setului de valori selectate din semnalul de intrare. In particular, pentru j=1 avem filtrul de minim, pentru j=K avem filtrul de maxim, pentru j=(K+1)/2 avem filtrul median. Rangul j este un factor de reglaj suplimentar.

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Extinderi ale filtrului median

3. Filtre de ordine multietaj Succesiune de filtre de ordine de diferite ranguri
median median median min/ max median pixel curent median
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

median

median

Extinderi ale filtrului median

4. Filtre de ordine ponderate Scop ponderare: marirea importantei relative a unei valori extrase dintr-o anumita pozitie a ferestrei de filtrare (vecinatate) fata de restul valorilor extrase. Ponderarea nu se poate face prin inmultire cu scalari, ca in cazul liniar. Ponderare = repetare valori Coeficientul wi atasat unei pozitii din fereastra de filtrare semnifica faptul ca valoarea extrasa din acea pozitie este repetata de wi ori inainte de ordonare.

{xi wi }
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Extinderi ale filtrului median

4. Filtre de ordine ponderate: exemplu
masca de ponderare
1 2 1 W = 2 3 2 1 2 1

zona curent prelucrata in imagine

1 3 3 I = 2 2 1 4 3 5

Construire set valori extrase (multiset) 1 3 3 3 2 2 2 2 2 1 1 4 3 3 5 Construire set ordonat de valori 11 12 2 2 2 2 3 3 3 3 3 4 5 median median
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Fara ponderare: 1 1 2 2 3 3 3 4 5

Extinderi ale filtrului median

4. Filtre de ordine ponderate Evident, ponderile wi sunt numere naturale Fara ponderare inseamna

wi N

wi = 1

Dupa ponderare numarul de valori de ordonat devine

w
i =1

Filtru de ordine central ponderat: toate ponderile sunt unitare, cu exceptia ponderii asociate originii ferestrei de filtrare (ce corespunde pixelului curent prelucrat in imagine).

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Mai general : L-filtre

Un L-filtru este o combinatie liniara ponderata a statisticilor de ordine corespunzand valorilor extrase din imagine.

L filt {x1 , x2 ,..., xK } = wi x(i )

i =1

Particularizari:

1, i = j filtru de ordine de rang j : wi = = ij 0, i j 1 filtru de mediere aritmetica: wi = K

... altele ... dar cu ce scop ?
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Mai general : L-filtre

Tipuri de L-filtre: netezire : reducerea zgomotului suprapus imaginii accentuare/ conturare/ derivare : subliniere tranzitii Conditiile de normare corespunzatoare tipurilor de filtre sunt similare filtrelor liniare: netezire: derivare:

w
i =1 K

=1 =0

w
i =1

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

L-filtre de netezire: adaptare la distributia zgomotului

Zgomot Impulsiv Gaussian, aditiv Impulsiv + Gaussian Uniform Impulsiv + uniform Filtru Median Mediere

w K +1 = 1
1 wi = K
2

1 Medie , i [K + 1, K K ] w = - reglabila i K(1 - 2 ) 0, in rest

Mijloc Cvasi-mijloc

w1 = wK = 0.5
w j = wK j = 0.5

C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

L-filtre de derivare: exemplu w1 = 1 wK = 1

L filt = max min

Filtre de ordonare de domeniu

LUM Lower, Upper, Middle filters Filtru LUM de netezire

x( j ) , x* < x( j ) LUM j = x( K j ) , x* > x( K j ) x* e valoarea pixelului curent * x , in rest

j = 1,...,

K +1 2

Filtru LUM de conturare

x( j ) + x( K j ) * x( j ) , x( j ) < x < 2 x( j ) + x( K j ) < x* < x( K j ) LUM j = x( K j ) , 2 * * x e valoarea pixelului curent x , in rest K +1 j = 1,..., 2
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR - LAPI

Filtre de ordonare de domeniu

K=9 (3 x 3)

accentuare, j=3

accentuare, j=5 (efect maxim)

netezire, j=3

netezire, j=5 (median)