Curs 05

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-
Coninut
Procesarea punctual a imaginii digitale:
Procesarea Imaginilor Digitale II

To see only what is there is to be as blind as the night Annalyn Joie Tran
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale
Corecia gamma Normalizarea histogramei Egalizarea histogramelor
Corectarea culorilor Corecia liniar a culorilor Post-procesarea imaginii: Filtrarea i Zgomotul

Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Procesarea imaginii digitale

Procesare punctual:
Histograma unei imagini Ajustara contrastului i luminozitii Netezire Sharpening
Corecia gamma Corecia

Valoarea gamma a unui monitor afecteaz ct de ntunecat sau luminoas apare o imagine. = 2,2: sistemele Windows = 1,8: sistemele Mac OS Imaginile apar mai nchise n vizualizarea pe sistemele Windows n comparaie cu sistemele Mac OS
Analiza imaginilor digitale:

Degradatre Restaurare Segmentare Interpretare
Tehnici avansate de vizualizare:

MPR 3D
Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
Curs 5
Corecia gamma: accentuare gamma:
Corecia gamma: atenuare gamma:
1999-2007 Richard Alan Peters II


Corecii gamma: efectul asupra historgamei
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.

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5
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.
Curs 5
11
12
Funcia cumulativ de densitate

Fie q = [q1q2q3] = I (R,C) un pixel selectat aleatoriu dintr-o imagine I. Fie B un nivel specificat pe scala gri. Probabilitatea ca qk g este dat de formula:
1 g p I k (g + 1) = p I k ( + 1) = h I k ( + 1) = A =0 =0
g
Funcia cumulativ de densitate

Pband(g+1) este proporia de pixeli dintr-o imagine i o band de culoare definit care au intensitatea mai mic sau egal cu g Pband(g+1) este probabilitatea ca un pixel selectat aleatoriu dintr-o band de culoare s aib valoarea intensitii mai mic sau egal cu g Pband(g+1) este suma cumulativ a pband(g+1) ce ia valori de la 0 la g inclusiv
Pband(1) = pband(1) Pband(256) = 1
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).
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.
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
realiza
Curs 5
17
18
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)
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
16 intensiti g Funcia de densitate
16 intensiti g Funcia cumulativ de densitate

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Curs 5
21
22
Astfel, pentru a crea o imagine K din imaginea I astfel nct histograma lui K s se potriveasc cu histograma lui J
original
inta
remapat
Curs 5
Curs 5
23
24
Funcia de densitate: Imagine color densitate:
Funcia de densitate: Imagine color densitate:


Curs 5
25
26
Potrivirea histogramelor imaginilor color
Funcia cumulativ de densitate: Imagine Color

Pband(g+1) este proporia de pixeli dintr-o imagine i o band de culoare definit care au intensitatea mai mic sau egal cu g Pband(g+1) este probabilitatea ca un pixel selectat aleatoriu dintr-o band de culoare s aib valoarea intensitii mai mic sau egal cu g Pband(g+1) este suma cumulativ a pband(g+1) ce ia valori de la 0 la g inclusiv
Pband(1) = pband(1) Pband(256) = 1
original
inta
remapat
Curs 5
27
28
Imaginea color Corecia culorilor Corecia

Sunt construite din 3 hri de intensitate suprapuse una peste cealalt Fiecare hart reprezint intensitatea unei culori primare Cele 3 culori primare sunt 3 vectori (sau axe) care formeaz baza spaiului de culoare
Curs 5 Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Curs 5
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
Nu exist valori negative

Spaiul de culoare e un cub
Spaiul de culoare e discret

2563 culori posibile = 16777216 elemente n cub
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
Imaginea color: Transformarea perceptual perceptual
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
Corecia culorilor prin transformare

Este o procesare punctual Transformarea se aplic pe fiecare pixel ca o funcie a propriei culori:
J(R,C) = [I(R,C)] oricare ar fi (R,C) aparinnd lui I
Fiecare pixel este un vector de aceea transformarea este un operator spaial pe vector

53
54
Transformarea liniar a culorilor liniar

Multiplicarea matricilor
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
59
60
Corecia liniar a culorii Corecia liniar

coala de var NASA Ellington Air Force Base, Huston, TX, July 2002
original
transformat
original
transformat
Curs 5
Curs 5
10
61
62
original
transformat
original
transformat
Curs 5
Curs 5
63
64
Transformarea culorilor 1999-2007 Richard Alan Peters II
Transformarea c culorilor s-a realizat prin maparea: original transformat

65
66
Transformarea culorilor 1999-2007 Richard Alan Peters II
B = A-1 = XY-1
Pentru a inversa procesul trebuie s realizm transformarea invers, -1

11
67
68
B = A-1 = XY-1
original
transformat
1999-2007 Richard Alan Peters II 1999-2007 Richard Alan Peters II
Curs 5
69
70
original transformat
Transformarea culorilor: 4 culori

B = A-1 = XYT(XXT)-1


71
72
Transformarea culorilor : 4 culori

Transformarea culorilor: 128



12
73
74
Transformarea culorilor: 128

Transformarea culorilor : 128



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)
Post-procesarea imaginii Post-
77
78
Scop post-procesarea imaginii digitale postOperaii spaiale:

Noua valoarea a nivelului de gri e obinut n funcie de valorile pixelilor din vecintate
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
Operaii de transformare Operaii de pseudo-colorare
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
Prof. W. Hillen, FH - Aachen

81
82
Filtrarea imaginilor imaginilor

Este o operaine spaial Scop: ndeprtarea zgomotului Zgomotul = informaie nedorit care deterioreaz calitatea imaginii
Proveniena: procesul de achiziie al imaginii (convertirea imaginii optice n semnal electric continuu)
Zgomotul ntr-o imagine ntr-
original
Original + Zgomot
Curs 5
Curs 5
83
84
Reducerea zgomotului
Scopul filtrrii imaginilor filtr

Low-pass filtering: reduce zgomotul High-pass filtering: accentueaz detaliile
Filtrarea zgomotului: low-pass filtering Eliminarea artefactelor (defectelor de imagine): filtru median Identificarea marginilor: high-pass filtering Intensificarea imaginilor (restaurarea imaginilor): high-boost filtering
original
Original + Zgomot
14
85
86

Modelarea zgomotului prin distribuie:
Gaussian Uniform De tip sare i piper (salt and pepper)

Low-pass filtering:
Frecvenelor mari (valori peste frecvena prag) sunt atenuate sau eliminate (amplitudine redus)
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
High-pass filtering:
Frecvenelor amplificate mari sunt accentuate sau
Curs 5
87
88
Filtrul low-pass ideal low-
Spectrul de putere i faza unei imagini
Reprezentarea domeniului Fourier
Reprezentarea spaial
Profilul central
Imaginea original
Spectrul de putere
Faza


Curs 5
89
90
Spectrul de putere i faza unei imagini
Filtrul ideal high-pass high-
Imaginea filtrat
Spectrul de putere
Imaginea iniial
Repr. Dom. Fourier
Reprezentarea spaial
Profilul central


Curs 5
15
91
92
Original
Spectrul de putere
Filtrul ideal high-pass
Imaginea filtrat
Spectrul de putere filtrat
Imaginea original


Curs 5
93
94
Filtrul ideal nu produce rezultatul ideal
Filtrul ideal nu produce rezultatul ideal
Imaginea filtrat
Imaginea original Urmbrirea imaginii filtrul low-pass

Imaginea filtrat
Curs 5
Curs 5
95
96
Filtrarea liniar liniar

Caluleaz noua valoare a pixelului dintr-o imagine (fie poziia (m,n)) ca o combinaie liniar (medie ponderat) a unui numr de valori din imaginea original
Filtrarea adaptativ adaptativ

Adaptativ = capacitatea filtrului de a-i ajusta comportarea n funcie de anumite criterii Prin procesul de adaptare: n fiecare punct prelucrat structura filtrului este alta lund n considerare caracteristicile locale ale pixelului curent prelucrat Filtrarea global nu mai este liniar: operaia de filtrare a fiecrui punct este diferit Adaptarea filtrelor liniare:
Modificarea formei ferestrei de filtrare Modificarea coeficienilor unei ferestre de filtrare de form fix
Curs 5
Curs 5
16
97
98
Filtrarea adaptativ adaptativ

Modificarea formei ferestrei de filtrare = filtrul de netezire direcional adaptativ
Fereastra de filtrare are form liniar fiind orientat dup o anumit direcie Pentru fiecare pixel se consider mai multe orientri posibile pentru masca de mediere Din setul de valori obinute pentru diferitele ferestre de filtrare se alege aceea care este cea mai apropiat de valoarea iniial din punctul curent
Filtrarea neliniar neliniar

Imaginea afectat de zgomotul sare i piper filtrat liniar accentuarea punctelor de zgomot i modificarea punctelor cu valori corecte din jurul acestora Filtrele de ordine:
Sunt operatori locali = o fereastr (masc) care selecteaz din imaginea de prelucrat un numr de vecini ai pixelului de interes. Valorile selectate de fereastr sunt ordonate cresctor (statistici de ordine)
Aplicabilitate superioar pe imaginile afectate de zgomot gaussian fa de imaginile afectate de zgomotul sare i piper
99
100
Filtrarea neliniar neliniar

Filtrele de ordine:
Filtrarea median: Filtru de ordine a crui ieire este statistica de ordine de ordin central al setului de valori selectate de fereastra de filtrare valoarea din centrul secvenei ordonate Dac ferestrele de filtrare sunt pare, poziia central nu exist; este definit ca media aritmetic a valorilor vecine centrului imaginar
Filtrarea median median

Operaie de mbuntire a raportului semnal / zgomot al imaginii n cazul n care zgomotul afecteaz elemente izolate ale imaginii Este ne-liniar Este un filtru morfologic Este similar cu filtrul de netezirea uniform Pstreaz structurile muchiile / marginile structurilor
Curs 5
101
102

Algoritmul filtrrii mediane:
ordonarea valorilor elementelor din fereastra selectat (cresctor sau descresctor) nlocuirea pixel-ului de interes cu valoarea celui din mijlocul irului ordonat

Se asigur pstrarea rezoluiei iniiale a imaginii Rezultatele filtrrii mediane sunt:
Bune n cazul zgomotului binar Nesatisfctoare dac:
zgomotul are o distribuie Gaussian numrul pixel-ilor afectai de zgomot este mai mare sau egal cu jumtate din numrul pixelilor din fereastra curent
Curs 5
Curs 5
17
103
104


Curs 5
105
106
Zgomot
Original
Zgomot filtrat: filtrul median
Original
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
Curs 5
Curs 5
18
109
110
Filtrarea median: imagine color median

(a) Imaginea original (b) Imaginea (a) cu zgomot spaial (c) Imaginea (b) filtru median (d) Imaginea (c) filtru median
33-blur n
33-rdcin median
1999-2007 Richard Alan Peters II 1999-2007 Richard Alan Peters II
Curs 5
111
112


Curs 5
113
114


Curs 5
19
115
116
Jim Woodring A Warm Shoulder www.jimwoodring.com
Zgomot, 32% acoperire pe fiecare band

Curs 5
Filtrul median 33 aplicat o dat
Filtrul median 33 aplicat de 2 ori

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
118
original

Curs 5
Curs 5
119
120
original

Curs 5
Filtrul median 33 aplicat o dat
Filtrul median 33 aplicat de 2 ori

Curs 5
20
121
122
Filtrul ideal: Gaussian
Filtrul median 33 aplicat pe fiecare band o dat
Filtrul median 33 aplicat pe fiecare band 1999-2007de 2 ori Alan Peters II Richard
Curs 5
Filtrul Gaussian optimizeaz relaiile de incertitudine.

123
124
Filtrul ideal: Gaussian
Filtrul Gaussian low-pass low-
Imaginea filtrat
Spectrul de putere
Filtrul Gaussian optimizeaz relaiile de incertitudine.

Filtrul Gaussian lowpass

Curs 5
125
126
Filtrul Gaussian low-pass low-
Filtrul Gaussian high-pass high-
Imaginea filtrat
Spectrul de putere al filtrului
Original
Original
Spectrul de putere
Filtrul Gaussian highpass


Curs 5
21
127
128
Zgomot n imagine vs tip filtru

Zgomot uniform:
Filtrare liniare: Nu se pstreaz contururile Filtrare adaptativ
Zgomot n imagine vs tip filtru
Zgomot sare i piper:

Filtrare median
Digitizare: zgomot
Filtru median
Curs 5
129
130
Rezumat: Beneficiile procesrii punctuale a imaginilor proces
Ce s-a discutat! sProcesarea punctual a imaginii digitale:

Corecia gamma Normalizarea histogramei Egalizarea histogramelor
Ajustarea luminozitii (atenuare, accentuare) Ajustarea contrastului (atenuare, accentuare) Negativarea imaginii Egalizarea histogramelor Transformarea culorilor ndeprtarea zgomotului
Corectarea culorilor Corecia liniar a culorilor Prost-procesarea imaginii

22

Curs 05

Încărcat de

Informații document

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?

Drepturi de autor:

Formate disponibile

Curs 05

Încărcat de

Drepturi de autor:

Formate disponibile

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Procesarea Imaginilor Digitale II

Corecia gamma Normalizarea histogramei Egalizarea histogramelor

Corectarea culorilor Corecia liniar a culorilor Post-procesarea imaginii: Filtrarea i Zgomotul

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Procesarea imaginii digitale

Corecia gamma Corecia

Analiza imaginilor digitale:

Tehnici avansate de vizualizare:

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Corecia gamma: accentuare gamma:

Corecia gamma: atenuare gamma:

1999-2007 Richard Alan Peters II

1999-2007 Richard Alan Peters II

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Corecii gamma: efectul asupra historgamei

1999-2007 Richard Alan Peters II

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Funcia cumulativ de densitate

Funcia cumulativ de densitate

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

1999-2007 Richard Alan Peters II

1999-2007 Richard Alan Peters II

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

1999-2007 Richard Alan Peters II

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

1999-2007 Richard Alan Peters II

1999-2007 Richard Alan Peters II

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Funcia de densitate: Imagine color densitate:

Funcia de densitate: Imagine color densitate:

1999-2007 Richard Alan Peters II

1999-2007 Richard Alan Peters II

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Potrivirea histogramelor imaginilor color

Funcia cumulativ de densitate: Imagine Color

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Imaginea color Corecia culorilor Corecia

1999-2007 Richard Alan Peters II

Sorana D. BOLBOAC Prelucrarea Imaginilor Digitale

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-

Radiologie-Imagistic, anul III (2008-2009) Radiologie- Imagistic (2008-