121

Capitolul 6





MBUNTIREA
IMAGINILOR








6.1 INTRODUCERE

Termenul de digital image processing, (prelucrare digital a imaginilor) se refer la
prelucrarea cu calculatorul a semnalului bidimensional de televiziune. ntr-un context mai
larg, se poate spune c el cuprinde orice tip de prelucrare a unor informaii de tip
bidimensional. Prelucrarea digital a imaginilor are un spectru foarte larg de aplicaii, ntre
transmisia i memorarea de imagine pentru aplicaii economice, procesarea medical a
imaginilor ("medical imaging"), prelucrarea imaginilor radar, sau sonar, inspecia
automat a plachetelor echipate n industrie, etc.
n cazul metodelor de mbuntire a imaginilor, scopul este accentuarea anumitor
caracteristici pentru analiza sau redarea acestora. Tehnicile de mbuntire a imaginilor
transform un nivel de gri n alt nivel de gri, dup o anumit funcie, sau realizeaz operaii
de tip "fereastr" n imediata vecintate a pixelului (transformri, convoluii,
pseudocolorri, etc).

6.2 METODE I ALGORITMI DE MBUNTIRE A IMAGINII

mbuntirea imaginilor se refer la punerea n eviden a unor caracteristici ale
imaginii (contururi, contrast, etc), pentru a o face mai elocvent pentru diferite tipuri de
aplicaii. Metodele de mbuntire nu mresc coninutul de informaii, dar mresc
dinamica caracteristicilor alese, pentru a putea fi observate mai uor. Dificultatea cea mai
mare const n alegerea criteriilor de mbuntire, motiv pentru care exist o multitudine
de tehnici empirice de mbuntire, majoritatea intractive.
Avnd n vedere utilitatea lor n practic, n toate aplicaiile legate de prelucrrile
digitale de imagini, aceste metode sunt foarte importante. Din punctul de vedere al
Cap.6 mbuntirea imaginilor
122
algoritmilor utilizai pentru mbuntirea imaginii, se disting patru categorii mari de
tehnici de mbuntire:
Operaiuni punctuale care cuprind: mrirea contrastului, atenuarea zgomotului,
operaiuni de tip fereastr i modelarea imaginii prin histograme.
Operaiuni spaiale dintre care menionm: curarea de zgomot, filtrarea median,
filtrarea trece-jos, trece-sus i trece-band i tehnica de "zooming" a imaginii.
Operaiuni de transformare a imaginilor, care cuprind: filtrarea liniar, filtrarea de tip
radical sau filtrarea homomorfic.
Operaiuni de pseudocolorare ntre care se disting tehnicile de colorare fals i
pseudocolorare a imaginilor.

6.3 OPERAIUNI PUNCTUALE

Operaiunile punctuale sunt aa-numite operaii "cu memorie zero", la care un
anumit nivel de gri u[0,L] trece n alt nivel de gri v[0,L] n conformitate cu o funcie
v=f(u). Dintre aceste operaii, vom face n continuare o trecere n revist a celor mai
importante.

Accentuarea de contrast

Accentuarea de contrast este necesar mai ales n cazul imaginilor cu contrast mic,
datorat iluminrii slabe sau dinamicii sczute a elementului traductor imagine-curent
electric. Funcia matematic utilizat este:

v
mu
n(u a) v
p(u b) v
,
,
,
0 u a
a u b
b u L
,
,
,
m tg
n tg
p tg
a
b
= +
+



=
=
=

(6.1)

Parametrii a i b se obin din examinarea histogramei imaginii, iar m, n, p determin
gradul de accentuare a contrastului. n figura 6.1 se prezint o accentuare de contrast cu
urmtorii parametri:
V
VL

Vb

Va
U
a b


Fig. 6.1 Accentuare de contrast Fig. 6.2
PRELUCRAREA DIGITAL A IMAGINILOR
123
m<1, pentru regiunile ntunecate i aL/3.
n>1, pentru regiunea medie de gri i b(2/3)L
p<1, pentru regiunile luminoase
n figura 6.2. sunt prezentate imaginea original (sus) i rezultatul accenturii de contrast
(jos).

Limitarea i binarizarea imaginilor

Limitarea este un caz particular de accentuare cu mp0:
f(u)
0
nu
L
,
,
,
0 u a
a u b
b u L
=

(6.2)

Metoda este folositoare pentru atenuare zgomotului, cnd se tie c aceasta este n
domeniul [a,b] (fig.2.3.a, b, c).
V
U

V
U
a b
Histograma imaginii

V

U

a b c
Fig. 6.3. Limitarea imaginilor

Binarizarea este un caz particular de limitare, cnd a=b=t, rezultnd o imagine de
ieire binar (fig.6.4.a, b). De exemplu, o pagin tiprit nu d, prin scanare, o imagine
binar (datorit zgomotului senzorului i variaiilor de iluminare) prin aceast metod
obinndu-se binarizarea imaginii. Un exemplu de transformare de acest gen este dat n
figura 6.4. Ambele operaiuni se folosesc pentru imagini binare sau n cazul altor tipuri de
imagini care au o distribuie bimodal de nivele de gri. Parametrii a i b definesc "valea"
dintre cele dou vrfuri ale histogramei.
V
U

V
U

a b
Fig. 6.4 Binarizarea imaginilor
O exemplificare a efectului binarizrii imaginii este prezentat n fig. 6.5.

Inversarea (negativarea) imaginilor

Operaia de inversare sau negativare este folosit n redarea imaginilor medicale,
sau la realizarea de imagini negative digitale.
Cap.6 mbuntirea imaginilor
124

Fig. 6.5

Transformarea se face, n acest caz, conform funciei:
V= L-u (6.3)

Relaia dintre imaginea original i imaginea prelucrat este prezentat n fig. 6.6:
v v v
L
L L
L U a b U a b U

Fig. 6.6 Negativare de imagini Fig. 6.7 Operaiuni de tip fereastr

6.4 OPERAIUNI DE TIP FEREASTR

Funciile corespunztoare acestor transformri punctuale sunt:

v
L
0
,
,
a u b
in rest
=

(6.4)
sau
v
L
u
,
,
a u b
in rest
=

(6.5)

Reprezentrile grafice ale celor dou transformri sunt date n figura 6.7.
Aceste transformri permit extragerea ("segmentarea") anumitor nivele de gri din
restul imaginii. Ele sunt utile atunci cnd diferite caracteristici ale imaginii sunt coninute
n regiuni cu nivele de gri diferite.

Extragerea unui bit

Presupunem c fiecare pixel din imagine este cuantizat cu B bii. Se dorete
extragerea bitului de rangul n. Funcia corespunztoare imaginii digitale se poate scrie sub
forma:
uk
1
2
B-1
+k
2
2
B-2
+...+k
B-1
2+k
B
(6.6)
PRELUCRAREA DIGITAL A IMAGINILOR
125
Dorim ca imaginea de ieire s fie:
v
L
0
,
,
daca k 1
in rest
n
=
=

(6.7)
Prelucrarea este folositoare pentru determinarea biilor nesemnificativi din punct de
vedere vizual ntr-o imagine. n general, se poare spune c doar primii 6 bii au
semnificaie din punct de vedere vizual, contribuia celorlali fiind legat mai mult de
redarea detaliilor fine din imagine, fr s ofere informaii asupra structurii acesteia.

Compresia de contrast

Compresia de contrast este utilizat n cazul n care dinamica datelor n imagine
este foarte larg. Compresia se face prin transformare logaritmic:
v = clog(1+u) (6.8)
unde c este o constant. Transformarea mbuntete vizibilitatea pixelilor de amplitudine
mic fa de pixelii de amplitudine mare.

Scderea imaginilor

Uneori este necesar compararea a dou imagini complexe cu multe elemente, dar
avnd deosebiri relativ mici ntre ele. Cea mai simpl metod const n extragerea uneia
din cealalt prin scdere. Ca exemplu poate fi menionat detectarea componentelor lips
de pe un circuit imprimat, prin scderea imaginii plcii echipate, de pe banda de asamblare,
din cea a plcii asamblate corect. Alt domeniu de aplicaie const n vizualizarea vaselor de
snge i a arterelor, pornind de la imagini obinute cu raze x. n acest caz, n circuitul
sanguin este injectat o soluie opac pentru razele x i se scad imaginile preluate, nainte
i dup injectare. Diferena celor dou imagini evideniaz traiectoria circuitului sanguin.

Modelarea imaginilor prin histograme

Histograma este reprezentarea frecvenei de apariie a diferitelor nivele de gri ntr-
o imagine. Prin modelarea histogramei se modific imaginea, astfel nct s obinem o
imagine cu histograma dorit. O aplicaie de acest gen este util, de exemplu, pentru
vizualizarea unor imagini cu contrast sczut (avnd o histogram foarte ngust).
Egalizarea histogramei se face n scopul obinerii unei imagini cu histogram
uniform. Considerm valoarea unui pixel u ca o variabil aleatoare, cu funcia de
densitate de probabilitate p
u
(u) i o distribuie de probabiliti cumulativ:

u F
(n) = P[u n] (6.9)
n acest caz, variabila aleatoare:
v =
F
(u) = p
d u
0
n
u
u
(u)

(6.10)
va fi distribuit uniform ntre 0 i 1. Pentru implementarea acestei transformri la imagini
digitale, presupunem imaginea iniial u cu L valori x
i
, i = 0, 1,..., L-1, avnd probabilitile
p
u
(x
i
). Aceste probabiliti pot fi determinate din histograma imaginii digitale, care ne d
numrul h(x
i
) de pixeli care au nivelul de gri x
i
. Atunci:

n
i
i
i=0
i -1
i
p (
x
) =
h(
x
)
h(
x
)
, i = 0, 1,... , L - 1

(6.11)
Cap.6 mbuntirea imaginilor
126

Funcia de ieire v' se obine dup cum urmeaz:
v = p
x
i x =0
u
u
i
( )

(6.12)

V = Int[
(v -
v
)
1-
v
(L - 1)+0,5]
min
min
(6.13)

unde V
min
este valoarea minim pozitiv obinut pentru v. De notat c v este o variabil
discret care ia valoarea:
v = p
x
k
i=0
k
u
i
( )

(6.14)

Ecuaia (6.12) recuantizeaz uniform setul de valori {V
k
} n {V
k
'
}. Figura 6.8
prezint un algoritm de egalizare a histogramei unei imagini digitale:



u V v
`

p
u
(x
i
)

p x
u i
x
u
i
( )

Cuantizare
uniform

Fig. 6.8. Egalizare de histogram

n figura 6.10 este prezentat rezultatul aplicrii unui algoritm de egalizare a
histogramei pentru imaginea din fig. 6.9.a, avnd un contrast foarte sczut (histograma ei
este foarte ngust - imaginea 6.9.b). n figuria 6.10.a este prezentat imaginea cu
histograma egalizat, iar n 6.10.b modificarea histogramei.


a b
Fig. 6.9 Imagine cu contrast sczut



a b
Fig. 6.10 Rezultatul egalizrii de histogram