Cap 3

Prelucrarea numerica a imaginilor Cap.
3 Esantionarea si cuantizarea imaginilor

ESANTIONAREA SI CUANTIZAREA IMAGINILOR

1. Introducere

2. Esantionarea in spatiul bidimensional
Principiul esantionarii imaginilor
Frecventele spatiale
I magini cu spectru limitat
Esantionarea spatiala
Refacerea imaginii utilizand esantioanele sale
Rata Nyquist, efectul "alias" si frecventele de suprapunere
Teorema esantionarii in spatiul bidimensional
Retele de esantionare neregulate si intretesute
Esantionarea optimala
Limitari in procesul de esantionare si reconstructie

3. Cuantizarea imaginilor
Cuantizorul optimal
Cuantizorul uniform
Cuantizarea vizuala:
- Cuantizarea contrastului
- Cuantizarea utilizand zgomot pseudoaleator
Generarea imaginilor bitonale
Cuantizarea imaginilor color

Prelucrarea numerica a imaginilor Cap. 3 Esantionarea si cuantizarea imaginilor

1. Introducere

f(x,y)
f
s
(x,y) u(m,n)

u(m,n)
Esantionare
Cuantizare
Calculator
Calculator
Conversie
D/A
Monitor
Digitizare
Redare

Esantionarea si cuantizarea imaginilor / afisarea analogica a imaginilor

2. Esantionarea in spatiul bidimensional

Principiul esantionarii imaginilor

x
y
f(x,y)

Imaginea = semnal 2-D = generalizare a semnalelor 1-D (variabile in timp):

1-D 2-D
Frecventele spatiale

- I maginile pe nivele de gri pot fi privite ca o generalizare la cazul 2-D a semnalelor variabile in timp
(atat cele analogice cat si cele digitale) => echivalentele intre cele 2 tipuri de semnale:

Semnal 1-D (variabil in timp) Semnal 2-D (imagine pe nivele de gri)
Coordonata temporala t Coordonatele spatiale x,y
Valoarea instantanee a semnalului: f(t) Nivelul de gri intr-un punct din scena: f(x,y)
Un semnal 1-D care nu variaza in timp (este
constant) = are componenta de c.a. =0 iar
componenta de c.c. = valoarea semnalului
O imagine perfect uniforma (cu acelasi nivel de
gri in toate pozitiile spatiale); componenta de c.c.
a imaginii = nivelul de gri respectiv
Frecventa maxima din spectrul unui semnal 1-D
este proportionala cu viteza maxima de variatie a
valorii sale instantanee in timp:
max
~ max(df/dt)
Frecventele maxime dintr-o imagine (semnal 2-D)
sunt proportionale cu vitezele maxime de variatie
ale luminantei in spatiu:
max,x
~ max(df/dx);
max,y
~ max(df/dy)
=>
max,x
,
max,y
= frecventele spatiale
Semnal digital 1-D: descris prin esantioanele sale
=> un vector: u=[u(0) u(1) u(N-1)], N
esantioane; pozitia esantionului = momentul de
timp discret
Imaginea digitala (semnal 2-D): descrisa prin
esantioanele sale, dar in 2-D => o matrice:
U[MN], U={u(m,n)}, m=0,1,,M-1;
n=0,1,,N-1.
Spectrul semnalului variabil in timp = modulul
transformatei Fourier a semnalului, F();
=2.
Spectrul imaginii = modulul transformatei Fourier
a imaginii = generalizarea 2-D a transformatei
Fourier, F(
x
,
y
);
x
=2
x
;
y
=2
y
I magini cu spectru limitat

I magine cu spectru limitat =semnal 2-D cu suport spectral finit:

F(
x
,
y
) = transformata Fourier a imaginii:

Modulul transformatei Fourier Suportul spectral
a imaginii cu spectru limitat
|F(
x,

y
)|
-
max,x
= -
x0

max,x
=
x0

-
max,y
=-
y0

-
max,y
=
y0

max,x
=
x0

max,y
=
y0

Spectrul unei imagini de banda finita si suportul sau spectral
( ) ( ) ( )
( )
. , , ,
2
} }
=
} }
=

dxdy e y x f dxdy e e y x f F
y x j y j
x j
y x
y x y
x
v v t e
e
v v
0 max, 0 max,
max, max,
; :
; | | , | | , 0 ) , (
y y x x
y y x x y x
Notatie
F
v v v v
v v v v v v
= =
> > =
Esantionarea spatiala (1)

A A A A = =

=
=
A A
m n
y x s
y n y x m x y n x m f y x g y x f y x f ) , ( ) , ( ) , ( ) , ( ) , (
) , (
o
Reteaua de esantionare = retea (grila) rectangulara uniforma:

y
x
Ay
Ax

A A =

=
=
A A
m n
y x
y n y x m x y x g ) , ( ) , (
) , (
o
Esantionarea imaginii = citirea valorilor functiei continue de luminanta f(x,y) doar in pozitiile
corespunzatoare punctelor retelei:

. ,
,
, 0
, ), , (
) , (
Z e

A = A =
=
n m
altf el
y n y x m x y x f
y x f
s
Problema esantionarii spatiale: alegerea valorilor x, y, astfel incat sa obtinem:
- reprezentarea imaginii digitale printr-un numar minim de esantioane,
- fara a pierde informatie (sau cu pierdere minima de informatie).
(De exemplu: pt. o imagine perfect uniforma, un singur esantion este suficient pt. a reprezenta complet
imaginea => esantionarea se poate realiza pe o grila cu pasi x, y foarte mari; din contra daca luminanta
variaza spatial foarte brusc => sunt necesare foarte multe esantioane pentru descrierea imaginii)
Intervalele spatiale de esantionare (pasii de esantionare) x, y necesare pentru minimizarea
pierderii de informatie la conversia analog-digitala depind de frecventele spatiale maxime din imagine.
Conditiile de esantionare sunt deduse pe baza analizei spectrului imaginii, obtinut din transformata
Fourier 2-D a imaginii:

Functia g
(x, y)
a retelei de esantionare este periodica, cu perioada (x, y) => poate fi exprimata prin
descompunerea in serie Fourier:


} }

}
=
}
=
=

A A

A A
. ) , ( ) , ( ) , ( ) , (
: Fourier sa ta transforma ) , ( ) , ( ) , (
2
2
) , (
2
2
) , (
dxdy e e y x g y x f dxdy e e y x f F
y x g y x f y x f
y
y
j
x
x
j
y x
y
y
j
x
x
j
S y x S
y x s
v t
v t
v t
v t
v v
} }

A
A
=
=
A A
A

A

A A
A A
x y y
y
l
j
x
x
k
j
y x
k l
y
y
l
j
x
x
k
j
y x
dxdy e e y x g
y x
l k a
e e l k a y x g
0 0
2
2
) , (
2
2
) , (
. ) , (
1 1
) , (
: unde
, ) , ( ) , (
t
t
t
t

Ca urmare, transformata Fourier a functiei f
S
este:

Spectrul imaginii esantionate =colectia unui numar infinit de replici spectrale scalate ale spectrului
imaginii originale, centrate pe multipli ai frecventelor spatiale
x,s
=1/x,
y,s
=1/ y.


. ,
1
) , (
) , (
1
) , (
) , (
1
) , (
1
) , ( ) , (
2
2
2
2
2
2
2
2

|
|
.
|
\
|
A
A

A A
=

} }

A A
=
} }
|
|
|
|
.
|
\
|

A A
= =>
} }

|
|
|
.
|
\
|

A A
=

|
|
.
|
\
|
A

|
.
|
\
|
A

|
|
.
|
\
|
A

|
.
|
\
|
A

A

A

=
k l
y x y x S
k l
y
l
y
y j
x
k
x
x j
y x S
y
l
y
y j
x
k
x
x j
k l
y x S
y
y
j
x
x
j y
y l
j
x
x k
j
k l
y x S
y
l
x
k
F
y x
F
dxdy e e y x f
y x
F
dxdy e e y x f
y x
F
dxdy e e e e
y x
y x f F
v v v v
v v
v v
v v
v t
v t
v t
v t
v t
v t
t
t
( ). ; , ,
1 1
) , (
,
, 0
0 , 1
) , ( ), ; 0 [ ) ; 0 [ ) , ( pt.
) , (
e
A
A
=

= =
= A A e
A A
l k
y x
l k a
altf el
y x if
y x g y x y x
y x

Imagine originala
Spectrul imaginii originale (3D)
Spectrul imaginii originale
(reprezentarea 2D)
Retea de esantionare
rectangulara 2-D
Spectrul imaginii esantionate (3D) Spectrul imaginii esantionate
(reprezentarea 2D)

Spectrul imaginii esantionate
v
xs

v
xs
-v
x0

2v
x0

v
x0

1/Ay
1/Ax
2v
y0

v
y0

v
ys
-v
y0

v
xs

9
3

c9
9
1

9
2

v
ys

v
x

v
y

Refacerea imaginii din esantioanele sale

0 0
2 , 2
y ys x xs
v v v v > >
0 0
2
1
,
2
1
y x
y x
v v
< A < A
9 e v v
v v = v v
altfel , 0
) , ( ,
) (
1
) , (
y x
ys xs y x
H
( ) ( ) ( )
( ) ( ) ( )

=
=
- =
v v = v v v v = v v
m n
y n y x m x h y n x m
s
f y x f
y x
s
f y x h y x f
y x
F
y x s
F
y x
H
y x
F
A A A A , , ,
~
, , ,
~
) , ( ) , ( ) , ( ) , (
~

Sa presupunem ca regiunea de filtrare R este dreptunghiulara, la mijlocul distantei dintre doua
replici spectrale invecinate:

( )
( )
( )
ys
y
ys
y
xs
x
xs
x
y x h
ys
y
xs
x
ys xs
y x
H
v t
v t
v t
v t
=
v
< v
v
< v
v v
= v v
sin
sin
,
altfel , 0
2
si
2
,
) (
1
) , (
( ) ( ) ( ) ( )
( ) ( )
( )
( ) ( )
( ) n
ys
y
n
ys
y
m
xs
x
m
xs
x
m n
y n x m
s
f
m n
y n y x m x h y n x m
s
f y x f
v t
v t
v t
v t
=
=
=
=

sin
sin
, , , ,
~
A A A A A A

Functia sinc este infinita spatial =>este imposibila implementarea practica a FTJ ideal!
este imposibila in practica reconstructia fara eroare a imaginii din esantioanele sale, daca o
esantionam la frecventele Nyquist.

Solutia practica: esantionarea imaginii la frecvente spatiale mai mari decat ratele Nyquist +
implementarea unui FTJ real (cat mai apropiat de cel ideal)

( ) ( ) ( ) ( ) ( )
a
a
a n
ys
y m
xs
x
m n
y n x m
s
f y x f
t
t
= v v
=
=

sin
sinc cu , sinc sinc , ,
~
A A
Functia sinc 1-D
Functia sinc 2-D

Ratele Nyquist. Efectul alias. Frecventele de suprapunere

Obs: Efectul alias poate sa apara si in procesul de refacere
a imaginii din esantioanele sale, din cauza neidealitatii filtrului!
Daca nu putem creste frecventele spatiale de esantionare,
singura modalitate de evitare a efectului alias este FTJ a imaginii inainte de esantionare
0 0
2 , 2
y ys x xs
v v v v < <

Efectul alias frecventele de suprapunere
0
v
y0

v
y

2v
x0

v
x

2v
y0

v
x0
0

Efectul Moire
Contururi zimtate
Retele de esantionare nerectangulare si intretesute

a) Spectrul imaginii
1 2 /
F(
x
,
y
)=1
y

1/2
1/2
-1/2
-1/2
b) retea dreptunghiulara G
1
n
m
-1
3 2
1
0 A
1
A
1
c) retea cu intretesere G
2
n
2
1
A
2
A
2
1
-1 -2 2 0
m

d) spectrul pentru G
1

x
x x
x
1
-1
1 0
x

e) Spectrul pentru G
2

y

Fig.6 Esantionarea intretesuta

f x y a
m n m n
m n
( , )
, ,
,
=
=

u
0
Esantionarea optimala = descompunerea in serie Karhunen-Loeve:

Refacerea imaginii din esantioanele sale cazul practic

Intrebarea este: ce nivele de gri trebuie atribuite noilor puncte? (=problema de interpolare)
Exista diferite metode practice de interpolare; interpolarea ideala = bazata pe functia sinc;
in practica utilizam metode de interpolare mai simple (aproximari spatiale ale unor FTJ in
domeniul frecventa).


Functii de interpolare:


Funcia de
interpolare
unidimensional

Reprezentare
grafic

Definiia
p(x)
Funcia de
interpolare
bidimensionala
p
a
(x,y)=p(x)p(y)
Rspunsul n
frecven
p
a
(
1
,
2
)

p
a
(
1
,0)

Dreptunghiular
(filtru ordin-zero)
p
0
(x)
0
x
1/Ax
Ax/2 -Ax/2

1
A A x
rect
x
x
|
\
|
.
|

p x p y
0 0
( ) ( )

sinc sinc
1
0
2
0
2 2
x y
|
\
|
.
|
|
\
|
.
|
|

4
x0
0
1
x

Triunghiular
(filtru ordin-unu)
p
1
(x)
Ax -Ax
0
x
1/Ax

1
A A x
tri
x
x
|
\
|
.
|

p x p x
0 0
( ) ( )

p x p y
1 1
( ) ( )

sinc sinc
1
0
2
0
2
2 2
x y
|
\
|
.
|
|
\
|
.
|
|
(
(

4
x0
0
1
x

filtru ordin-n
n=2, ptratic
n=3, spline cubic
p
n
(x)
0
x

p x p x
n
0 0
( ) ( )
convolu@ii

p x p y
n n
( ) ( )

sinc sinc
1
0
2
0
1
2 2
x y
n
|
\
|
.
|
|
\
|
.
|
|
(
(
+

4
x0
0
1
x

Gaussian
p
g
(x)
2o
0
x

1
2
2
2
2
2
to
o
exp
(
x

1
2 2
2
2 2
2
to o
exp
( )
(
x y

| | exp ( ) + 2
2 2
1
2
2
2
t o
0
1
x

Sinc
2Ax
0
x

1
A A x
x
x
sinc
|
\
|
.
|

1
A A A A x y
x
x
y
y
sinc sinc
|
\
|
.
|
|
\
|
.
|

rect rect
x y
1
0
2
0
2 2
|
\
|
.
|
|
\
|
.
|
|

1
2x0
0

Exemple de interpolare ale imaginilor, cu diferite functii:

1. Functia dreptunghiulara (interpolare de ordin zero) numita si interpolare nearest neighbour sau cutie:

0
x
1/Ax
Ax/2
-Ax/2
Imagine originala Imagine esantionata Imagine reconstruita

2. Functia triunghiulara (de ordin I), sau interpolare biliniara:

Ax -Ax
0
x
1/Ax

3. Functia cubica, sau interpolarea bicubica incepe sa aproximeze mai bine functia sinc:

2Ax
0
x
Diferenta dintre imaginea
reconstruita prin interpolare
biliniara si bicubica

Limitari in procesul de esantionare si reconstructie

Fig. 7 Schema-bloc a unui sistem de esantionare real

Sistem de
afisare
p
a
(-x,-y)
Sistem de
esantionare
ideal
Ax,Ay
Apertura
sistemului de
scanare
p
s
(-x,-y)
Imagine
intrare
Model de scaner real
g
~
(x,y)
g
s
(x,y) g(x,y)

Fig. 8 Efectul real al interpolarii

Filtru de refacere sau
spectrul sistemului de
afisare
v
x
v
xs
/ 2 -v
xs
/ 2
P
a
(v
x
,0)

v
0

Pierderile de spectru
Eroarea de interpolare
Spectrul imaginii de intrare
Spectrul
imaginii
esantionate
Spectrul imaginii
refacute

-v
0

-v
xs
/ 2 v
xs
/ 2
3. Cuantizarea imaginilor

3.1. Privire generala

Fig. 9 Cuantizor si functia de cuantizare
Cuantizor
t
1
iesirea
cuantizorului
u u
t
k
t
L
t
2
r
L
r
k
r
2
r
1
r
2
Eroarea de
cuantizare
3.2. Cuantizorul uniform
Proiectarea cuantizorului:
Notam: domeniul luminantei la intrarea cuantizorului:
Fie B numarul de biti ai cuantizorului => L=2
B
nivele de reconstructie
Expresia nivelelor de decizie:

Expresia nivelelor de reconstructie:

Calculul erorii de cuantizare: pt. o imagine data, de MN pixeli, U
imaginea necuantizata; U imaginea cuantizata => estimam MSE:

2 2
1
q
k
t
k
r
k
t
k
t
k
r + =
+
+
=
t t t t q
k k k k
= = =
+ 1 1
constant
L
min
l
Max
L
q q
k
t
k
t
L
t
L
t
q

= +
+
=
1
,
1 1
Max
L
L
t l t =
+
=
1
;
min 1
| |
Max
L
min
l u ; e
Ex. B=2 => L=4
( ) ( ) ( )

}

=
=
=
= c
+ L
k
t
t
du u
U lin
h
k
r u
M
m
N
n
n m u n m u
MN
k
k
1
) (
,
2
) (
1
0
1
0
2
, ' ,
1
1
t1=0 t2=64 t3=128 t4=192 t5=256
r1=32
r2=96
r3=160
r4=224
Functia de transfer a cuantizorului uniform
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
Exemple de cuantizare uniforma; eroarea de cuantizare:
B=1 => L=2
Imaginea necuantizata Imaginea cuantizata
Eroarea de cuantizare; MSE=36.2
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
Histograma imaginii necuantizate
t1=0 t2=128 t3=256
r1=64
r2=192
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
B=2 => L=4
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
Eroarea de cuantizare; MSE=15
t1=0 t2=64 t3=128 t4=192 t5=256
r1=32
r2=96
r3=160
r4=224
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
B=3 => L=8; aparitia fenomenului de conturare (contururi false)
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
Eroarea de cuantizare; MSE=7.33
t1=0 t2=32 t3=64 t4=96 t5=128 t6=160 t7=192 t8=224 t9=256
r1=16
r2=48
r3=80
r4=112
r5=144
r6=176
r7=208
r8=240
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
3.3. Cuantizorul optimal in sensul minimizarii MSE (=cuantizorul Lloyd-Max)

}
+
= =
1 L
1
t
t
(u)du
u
h
2
) u' (u ]
2
) u' E[(u e
}
=
= c
+ L
i
t
t
du u
u
h
i
r u
i
i
1
) (
2
) (
1
L k
t
t
du u
u
h
k
r u
k
r
k
t
u
h
k
r
k
t
k
r
k
t
k
t
k
k
s s = =
c
cc
=
|
.
|
\
|

=
c
cc
}
+
1 0 ) ( ) ( 2
0 ) (
2
) (
2
)
1
(
1
t
r r
k
k k
=
+
1
2
| |
k
u | u E
t
t
(u)du
u
h
t
t
(u)du
u
uh
k
r
1 k
k
1 k
k
0 e = =
}
}
+
+
1
),
1
(
2
1
),
( ) (
+
< s
+
+ = ~
j
t u
j
t
j
t
j
t
j
t
j
t
u
h u
u
h
1
3 / 1
)] ( [
3 / 1
)] ( [
1
1
1
1
1
t
t
t
du u
u
h
t z
t
du u
u
h A
k
t
L
k
+
~
+
}
}
+
t
j+1
p
u
(u)
u
t
2 t
L+1
t
j
t
1
(Gaussian) , sau (Laplacian)

( varianta , - valoarea medie)

|
|
.
|
\
|
o

to
=
2
2
2
) (
exp
2
2
1
) (
u
u
u
h
( ) o
o
= u u
u
h exp
2
) (
o
o
2
2
=
3
3 / 1
)] ( [
2
12
1
1
1

)
= c
}
+ L
t
t
du u
u
h
L
Exemple de cuantizare optimala; eroarea de cuantizare:
B=1 => L=2
Eroarea de cuantizare;
MSE=19.5
t1=0 t2=89 t3=256
r1=24
r2=153
Functia de transfer a cuantizorului optimal
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
Evolutia MSE in procesul
de optimizare, plecand de la
cuantizorul uniform
1 2 3 4 5 6 7 8
18
20
22
24
26
28
30
32
34
36
38
B=2 => L=4
MSE=9.6
t1=0 t2=68 t3=136 t4=169 t5=256
r1=20
r2=115
r3=156
r4=181
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
1 2 3 4 5 6 7 8 9 10
9
10
11
12
13
14
15
cuantizorul uniform
B=3 => L=8
MSE=5
t1=0 t2=34 t3=78 t4=113 t5=136 t6=156t7=173 t8=203 t9=256
r1=14
r2=54
r3=101
r4=125
r5=147
r6=165
r7=181
r8=224
Nivelele de decizie
N
i
v
e
l
e
l
e

d
e

r
e
c
o
n
s
t
r
u
c
t
i
e
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
0 2 4 6 8 10 12 14
4.5
5
5.5
6
6.5
7
7.5
cuantizorul uniform
Obs. Cuantizorul uniform = cuantizorul optimal atunci cand h
u
(u) este uniforma:

+
s s
+
=
rest in 0
1 1
,
1 1
1
) (
L
t u t
t
L
t u
u
h
r
t t
t t
t t
k
k k
k k
k k
=

=
+
+
+
+
( )
( )
1
2 2
1
1
2 2
t
t t
k
k k
=
+
+ 1 1
2
t t t t q
k k k k
= = =
+ 1 1
constant
q
t t
L
t t q r t
q
L
k k k k
=

= + = +
+
1 1
1
2
, ,
c = =
}
1
12
2
2
2
2
q
u du
q
q
q
/
/
c
o
u
2
2B
10
2B
2 , SNR 10log 2 6 B dB de unde = = =

3.4. Metode de cuantizare vizuala

In general daca B<6 (la cuantizarea uniforma) sau B<5 (la cuantizarea optimala) => apare
fenomenul de "conturare" (apar contururi false) in imaginea cuantizata.
Conturarea = grupuri de pixeli vecini sunt cuantizati la aceeasi valoare => apar regiuni de
nivele de gri constante; contururile acestor regiuni sunt contururile false specifice conturarii.
Contururile false introduse de cuantizare nu contribuie semnificativ la MSE, dar sunt foarte
deranjante vizual => este important sa reducem vizibilitatea erorii de cuantizare, nu doar MSE.
Solutii: scheme de cuantizare vizuala, care sa mentina eroarea de cuantizare sub un nivel de
vizibilitate acceptabil.
Doua metode de baza: (a) cuantizarea contrastului; (b) cuantizarea cu zgomot pseudo-aleator

Cuantizare uniforma, B=4
Cuantizare uniforma, B=6 Cuantizare optimala, B=4
3.4. Metode de cuantizare vizuala

a. Cuantizarea contrastului

Perceptia vizuala a modificarii luminantei este neliniara, dar perceptia vizuala a modificarilor
contrastului este liniara
este mai justificat sa cuantizam uniform contrastul, nu luminanta
contrastul = raportul dintre cel mai deschis si cel mai intunecat nivel de stralucire intr-o regiune
modificarile de contrast sesizabile de catre ochi sunt de 2% => 50 nivele de cuantizare 6 biti
sunt suficienti pt. cuantizarea uniforma a contrastului (sau 4-5 biti in cazul cuantizarii optimale)

f
-1
(-)
contrast -
luminanta
u c
u
c
Luminanta
f(-)
luminanta-
contrast

Cuantizor

3 / 1 ; 1 tipic ;
sau
) 1 ln( / , 18 ... 6 tipic ; 1 0 ), 1 ln(
= | = o
|
o =
| + | = o = o s s | + o =
u c
u u c
Exemple de cuantizare a contrastului:

Pt. c=u
1/3
:

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
t1=0 t2=3.9844 t3=31.875 t4=107.5781 t5=255
0
50
100
150
200
250
The transfer function of the contrast quantizer
Decision levels
R
e
c
o
n
s
t r u
c
t i o
n
l e
v
e
l s
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000
Exemple de cuantizare a contrastului:

Pt. functia logaritmica:

0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
0
0.5
1
1.5
2
2.5
3
3.5
4
4.5
5
t1=0 t2=46.0273 t3=102.2733 t4=171.0068 t5=255
0
50
100
150
200
250
The transfer function of the contrast quantizer
Decision levels
R
e
c
o
n
s
t
r
u
c
t
i
o
n

l
e
v
e
l
s
0 50 100 150 200 250
0
100
200
300
400
500
600
700
800
900
1000

b. Cuantizarea cu zgomot pseudoaleator (dither)

Cuantizor
pe B biti

Zgomot pseudoaleator
uniform distribuit in
domeniul [-A,A]
E E
-
+
+
+
u(m,n)
u(m,n) v(m,n) v(m,n)
q(m,n)
Cuantizare uniforma, B=4
Zgomot de amplitudine mare
Inainte de scaderea zgomotului
Zgomot de amplitudine mica

Fig. 13
a. imagine cuantizata pe 3 biti, conturarea este vizibila;
b. imagine pe 8 biti cu zgomot pseudoaleator uniform intre [-16,16];
c. imaginea v(m,n), este v(m,n) cuantizata pe 3 biti
d. imaginea obtinuta dupa scaderea zgomotului pseudoaleator

a. b.
d. c.
4. Generarea imaginilor bitonale

Fig.14 Generarea digitala a imaginilor bitonale

Matrice pseudoaleatoare
0sq(m,n)sA
0su(m,n)sA
Afisare
Bitonala
A
+
+
+
v(m,n)
Limitare
v
v(m,n) Luminanta
H
1
40 60 150 90 10
80 170 240 200 110
140 210 250 220 130
120 190 230 180 70
20 100 160 50 30
=
(
(
(
(
(
(

H
2
52 44 36 124 132 140 148 156
60 4 28 116 200 228 236 164
68 12 20 108 212 252 244 172
76 84 92 100 204 196 188 180
132 140 148 156 52 44 36 124
200 228 236 164 60 4 28 116
212 252 244 172 68 12 20 108
204 196 188 180 76 84 92 100
=
(
(
(
(
(
(
(
(
(
(
(
Fig.15 Matrici de tip "halftone"

Demo: http://markschulze.net/halftone/index.html


Fig.3.16

5. Cuantizarea imaginilor color

Fig.17 Cuantizarea imaginilor color

Cuantizor
Cuantizor
Cuantizor
Transformare
inversa
Transformare
de coordonate
T
1
T
1
T
2
T
2
T
3
B
N
G
N
R
N
B
N
G
N
R
N
T
3

Cap 3

Încărcat de

Informații document

Descriere:

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Descriere:

Drepturi de autor:

Formate disponibile

Cap 3

Titlu original:

Încărcat de

Descriere:

Drepturi de autor:

Formate disponibile

Prelucrarea numerica a imaginilor Cap.

3 Esantionarea si cuantizarea imaginilor

S-ar putea să vă placă și