Documente Academic
Documente Profesional
Documente Cultură
Coninut
Procesarea punctual a imaginii digitale:
Curs 5
Funcia de densitate
Fie
A = h I k (g + 1)
g =0 255
unde hIk(g+1) = numrul de pixeli n Ik (k = banda culorii din imaginea I) cu g valori; A = numrul de pixeli al imaginii.
10
Funcia de densitate
Dac imaginea I este alctuit din R rnduri i C coloane atunci A = RC Atunci pIk(g+1) = 1/AhIk(g+1) e probabilitatea funciei de densitate a Ik. (probabilitatea ca un pixel luat arbitrate din imagine s aib valoarea g).
Normalizarea histogramei
pband(g+1) este proporia de pixeli dintr-o imagine i o band de culoare definit care au intensitatea g pband(g+1) este probabilitatea ca un pixel selectat la ntmplare dintr-o imagine i o band de culoare s aib intensitatea g Deoarece suma histogramelor pe banda de culoare hband(g+1) ale tuturor valorilor de la 0 la 255 e egal cu numrul de pixeli din imagine suma pband(g+1) ale tuturor valorilor g este 1. pband(g+1) este histograma normalizat a benzii respective.
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Curs 5
11
12
h h
=0 =0 255
Ik
( + 1) ( + 1)
Ik
unde hIk(+1) este histograma celei de a k band din imaginea I (e probabilitatea ca orice pixel din Ik s aib valoarea mai mic sau egal cu g).
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
13
14
Egalizarea histogramei
Egalizarea histogramei
15
16
Potrivirea histogramelor
Cerin: re-mapeaz imaginea I astfel nct s prezinte, ct mai apropiat posibil, aceeai histogram cu imaginea J. Deoarece imaginile sunt digitale n general nu este posibil s se realizeze egalitatea: hI = hJ. Astfel pI pJ
ntrebare: Cum se poate totui potrivirea? Rspuns: Prin potrivirea percentilelor.
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale
Potrivirea percentilelor
Presupunem c avem o imagine cu o band sau o singur band a unei imagini color Fie o imagine I: 0 PI(gI) 1 PI(gI+1) = c unde c = procentul de pixeli din imaginea I care au valoarea mai mic sau egal cu gI 100c = percentila de pixeli din I care au valoare mai mic sau egal cu gI
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
realiza
Curs 5
17
18
Potrivirea percentilelor
Pentru a potrivi percentilele, nlocuim toate apariiile valorilor gI din imaginea I cu valorile gJ din imaginea J a crei percentile n J este cea mai apropiat de percentila lui gI n I vom face: Dac I(R,C)=gI atunci fie K(R,C)=gJ n aa fel nct:
PI(gI) > PJ(gJ-1) & PI(gI) PJ(gJ)
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Potrivirea percentilelor
Exemplu: I(R,C) = 5 PI(5) = 0.65 PJ(9) = 0.56 PJ(10) = 0.67 K(R,C) = 10
Curs 5
19
20
Potrivirea histogramelor
16 intensiti g Funcia de densitate
Potrivirea histogramelor
16 intensiti g Funcia cumulativ de densitate
21
22
Potrivirea percentilelor
Astfel, pentru a crea o imagine K din imaginea I astfel nct histograma lui K s se potriveasc cu histograma lui J
Potrivirea histogramelor
original
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale
inta
remapat
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
23
24
25
26
original
inta
remapat
1999-2007 Richard Alan Peters II
Curs 5
27
28
29
30
Imaginea color
Fiecare culoare corespunde unui punct n spaiu vectorial
Spaiu de culoare
Culori primare: rou, verde, albastru
Corespund la R, G i B pe axele spaiului de culoare
Rezoluie de 8-bii:
Corespunde la numere ntregi ce pot lua valori de la 0 la 255
31
32
Corectarea culorilor
Aceeai culoare are diferite valori coordonatelor n spaiul RGB i CMYK ale
Schimbarea global a: Culorii Nuanelor Saturaiei cu efect minim asupra luminozitii
33
34
Corecia gamma
Original
Corecia gamma
Rou = 2
35
36
Corecia gamma
Rou = 0,5
Corecia gamma
Verde = 2
37
38
Corecia gamma
Verde = 0,5
Corecia gamma
Albastru = 2
39
40
Corecia gamma
Albastru = 0,5
Imaginea color
Este reprezentat pe cele 3 benzi (acestea nu sunt reprezentate n mod egal)
41
42
Ajustarea saturaiei
original
43
44
Ajustarea saturaiei
Saturaie +50%
Ajustarea saturaiei
Saturaie -50%
45
46
Ajustarea nuanelor
original
Ajustarea nuanelor
+60
47
48
Ajustarea nuanelor
+120
Ajustarea nuanelor
+180
49
50
Ajustarea nuanelor
+240
Ajustarea nuanelor
+300
51
52
Ajustarea nuanelor
+360 = original
Fiecare pixel este un vector de aceea transformarea este un operator spaial pe vector
53
54
Exemplu
55
56
Curs 5
Curs 5
57
58
Transformarea culorilor
Fie J o versiune decolorat a imaginii I astfel nct J = [I]. Dac este liniar atunci poate fi reprezentat printr-o matrice A, de dimensiunea 33:
Atunci, J =A I J(R,C) = A I(R,C) pentru fiecare pixel de coordonate (R,C) din imaginea I
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
59
60
original
transformat
1999-2007 Richard Alan Peters II
original
transformat
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
10
61
62
original
transformat
1999-2007 Richard Alan Peters II
original
transformat
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
63
64
65
66
Transformarea culorilor
B = A-1 = XY-1
11
67
68
Transformarea culorilor
Transformarea culorilor
B = A-1 = XY-1
original
transformat
1999-2007 Richard Alan Peters II 1999-2007 Richard Alan Peters II
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Curs 5
69
70
Transformarea culorilor
original transformat
71
72
12
73
74
75
76
Scop post-procesarea imaginii digitale postmbuntirea imaginii n scopul punerii n eviden a caracteristicilor i coninutului acesteia Operaii punctuale:
Coresponden de tip 1 la 1 ntre valoare de gri original i noua valoare pentru fiecare pixel al imaginii (accentuarea / diminuarea contrastului, luminozitii, modelarea imaginii prin aciunea asupra histogramei)
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
77
78
Modificarea contrastului
Se aplic n cazul imaginilor cu contrast deteriorat (accentuat sau atenuat) Cea mai folosit tehnic e reprezentat de o transformare liniar pe o poriune selectat a imaginii Rezultatul: modificarea nivelului de gri original al fiecrui pixel
Curs 5
Curs 5
13
79
80
Accentuarea contrastului
Ajustarea histogramei
Histograma = frecvena de apariie a diferitelor nivele de gri dintr-o imagine Scopul egalizrii histogramei: uniformizarea nivelelor de gri
81
82
original
Original + Zgomot
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
83
84
Reducerea zgomotului
original
Original + Zgomot
1999-2007 Richard Alan Peters II
14
85
86
Filtrarea se aplic local la nivelul fiecrui pixel din imagine prin nlocuirea valorii intensitii sau culorii pixelului curent cu o valoare care depinde de valorile de intensitate sau culoare ale pixelilor vecini
Numrul de vecini luai n considerare va determina dimensiunea filtrului
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
High-pass filtering:
Frecvenelor amplificate mari sunt accentuate sau
Curs 5
87
88
Reprezentarea spaial
Profilul central
Imaginea original
Spectrul de putere
Faza
89
90
Imaginea filtrat
Spectrul de putere
Imaginea iniial
Reprezentarea spaial
Profilul central
15
91
92
Original
Spectrul de putere
Imaginea filtrat
Imaginea original
93
94
Imaginea filtrat
Imaginea filtrat
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
95
96
Curs 5
Curs 5
16
97
98
Aplicabilitate superioar pe imaginile afectate de zgomot gaussian fa de imaginile afectate de zgomotul sare i piper
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
99
100
Curs 5
101
102
Curs 5
Curs 5
17
103
104
105
106
Zgomot
Original
1999-2007 Richard Alan Peters II
Original
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
107
108
Limite
Dac o imagine se filtreaz n mod repetat cu acelai filtru (e.g. filtrul median) pn la urm imaginea nu se va mai modifica!
33-blur 10
33-median 10
1999-2007 Richard Alan Peters II
Curs 5
Curs 5
18
109
110
33-blur n
33-rdcin median
1999-2007 Richard Alan Peters II 1999-2007 Richard Alan Peters II
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Curs 5
111
112
113
114
19
115
116
Curs 5
117
Filtrarea median color vs filtrarea median median pe fiecare band median band
Un filtru median color se aplic prin calcularea distanei dintre toi vectorii de culoare n vecintatea unui pixel, operaiune care necesit timp i resurse : De ce nu se acioneaz individual asupra unei singure bande de culoare? R: Rezultatul poate s fie o culoare care nu exist n vecintatea pixel-ului de interes a imaginii. Rezultatul este astfel o mediere a intensitii fiecrui pixel pe fiecare band de culoare i nu o mediere a culorii. : Este aceasta o problem? R: Poate da, poate nu. Depinde de modalitatea n care a fost aplicat. Poate exista o mic diferen vizibil. Dac e necesar conservarea culorilor poate fi problematic
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale
118
original
Curs 5
119
Filtrarea median color vs filtrarea median median pe fiecare band median band
Filtrarea median color vs filtrarea median median pe fiecare band median band
120
original
20
Filtrarea median color vs filtrarea median median pe fiecare band median band
121
122
Filtrul median 33 aplicat pe fiecare band 1999-2007de 2 ori Alan Peters II Richard
Curs 5
123
124
Imaginea filtrat
Spectrul de putere
125
126
Imaginea filtrat
Original
Original
Spectrul de putere
21
127
128
Digitizare: zgomot
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale
Filtru median
Curs 5
129
130
Ajustarea luminozitii (atenuare, accentuare) Ajustarea contrastului (atenuare, accentuare) Negativarea imaginii Egalizarea histogramelor Transformarea culorilor ndeprtarea zgomotului
22