Documente Academic
Documente Profesional
Documente Cultură
IMAGINILOR
1
Filtrarea liniara de netezire
filtru
mediere
3x3
2
Dar daca se schimba modelul de zgomot ?
Zgomot impulsiv
0, cu probabilitate p / 2
f (l , c) L - 1, cu probabilitate p / 2
f (l , c), cu probabilitate 1 - p
0
p = 0.05
3
Zgomot impulsiv
filtru
mediere
efect de manjire a
imaginii (smearing)
rezultat dorit
al filtrarii
4
Zgomot impulsiv
5
FILTRAREA NELINIARA
A IMAGINILOR
C. VERTAN
6
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Operatori de vecinatate
coloana T coloana
c c
linia linia
l l
V
g ( l ,c ) T f V( l ,c )
Noua valoare a oricarui pixel din imaginea prelucrata rezulta din
combinarea unui numar oarecare de valori ale pixelilor din imaginea
initiala, situati in vecinatatea pixelului curent prelucrat.
C. VERTAN
7
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Operatori de vecinatate
g ( l ,c ) T f V( l ,c )
Definirea transformarii implica specificarea:
vecinatatii pixelului curent prelucrat, V(l,c)
functiei de combinare a valorilor extrase din imagine, T
g (l , c) T f l m1 , c n1 , f l m2 , c n2 ,..., f l mK , c nK
C. VERTAN
8
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Echivalent: “Fereastra glisanta”
Vecinatatea folosita este o fereastra (deschidere) intr-un suport opac
plasat in fata imaginii; din imagine nu se vede dacat portiunea ce
corespunde ferestrei plasate in pozitia curenta.
C. VERTAN
10
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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) T(f) = (1,2,3)
g = (1,3,2) T(g) = (1,2,3)
f+g = (3,4,5) 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
11
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtrare neliniare de ordonare
Exemplu: 100 255 120 impuls de
0 157 128 zgomot
145 0 145
ordonare crescatoare
C. VERTAN
12
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtrare neliniare de ordonare
Valorile selectate de fereastra de filtrare sunt x1, x2, ..., xK.
C. VERTAN
13
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
2 2 2 1
Ex. K=4
x(1) x(2) x(3) x(4)
(K+1) / 2 = 2,5
14 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
15
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
1
0 1
C. VERTAN
16
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
1
0 1 1
C. VERTAN
17
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
1
0 1 1 1
C. VERTAN
18
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
3
0 1 1 1 3
C. VERTAN
19
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
2
0 1 1 1 3 2
C. VERTAN
20
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
3
0 1 1 1 3 2 3
C. VERTAN
21
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
3
0 1 1 1 3 2 3 3
C. VERTAN
22
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
3
0 1 1 1 3 2 3 3 3
C. VERTAN
23
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
2
0 1 1 1 3 2 3 3 3 2
C. VERTAN
24
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
1
0 1 1 1 3 2 3 3 3 2 1
C. VERTAN
25
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
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
0, 1, 1
median
1
0 1 1 1 3 2 3 3 3 2 1 1
C. VERTAN
26
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtrul median
median
3x3
C. VERTAN
30
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtrul median: Proprietati deterministe
32
Exemple cu filtrare mediana cu
masti de diferite forme
50 50 50
patrat
50
100
150
200
250
50 100 150 200 250
33
Extinderi ale filtrului median
1. Filtrul median separabil
Prelucrarea bidimensionala
+ este inlocuita cu doua
prelucrari succesive 1D, dupa
directii perpendiculare.
+
C. VERTAN
34
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Extinderi ale filtrului median
2. Filtre de ordine (rank-order filters)
C. VERTAN
35
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Extinderi ale filtrului median
3. Filtre de ordine multietaj
Succesiune de filtre de ordine de diferite ranguri
median
median
median
min/
median median
max
median
pixel
curent
median
C. VERTAN
36
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Extinderi ale filtrului median
4. Filtre de ordine ponderate
C. VERTAN
39
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Mai general : L-filtre
Particularizari:
1, i j
filtru de ordine de rang j : wi ij
0, i j
1
filtru de mediere aritmetica: wi
K
C. VERTAN
40
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Mai general : L-filtre
Tipuri de L-filtre:
netezire : reducerea zgomotului suprapus imaginii
C. VERTAN
41
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
L-filtre de netezire: adaptare la distributia zgomotului
Zgomot Filtru
Impulsiv Median w K 1 1
2
Gaussian, 1
Mediere wi
aditiv K
1
Impulsiv + Medie , i K 1, K K
Gaussian - reglabila wi K(1 - 2 )
0, in rest 0, ( K 1) /( 2 K )
43
Filtre de ordonare de domeniu
LUM – Lower, Upper, Middle filters
C. VERTAN
45
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Valorile selectate de fereastra de filtrare sunt x1, x2, ..., xK.
C. VERTAN
46
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Pentru orice variabila aleatoare, probabilitatea ca valorile acesteia
sa fie cuprinse intr-un interval [t, t+dt] este f(t)dt.
C. VERTAN
47
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Evenimentul de interes pentru care dorim calculul probabilitatii
de aparitie este deci
t x( k ) t dt
Atunci inegalitatea
x(1) ... x( k 1) t x( k ) t dt x( k 1) ... x( K )
devine
xi1 , xi2 ,..., xik t xik t dt xik 1 ,..., xiK
este atunci
(t ) f (t )dt 1 F (t )
k 1 K k
F
Dar cate evenimente de acest tip pot fi realizate ?
am K moduri de alege o valoare din cele K pentru statistica cautata,
de ordin k.
la fiecare dintre modurile a alege o valoare pentru x(k) trebuie
alese k-1 valori din cele K-1 ramase pentru statisticile de ordin mic
k 1 ( K 1)!
C K 1
51 ( K k )!(k 1)!
In “total”, probabilitatea evenimentelor de tipul
xi1 , xi2 ,..., xik t xik t dt xik 1 ,..., xiK
este deci
(t ) f (t )dt 1 F (t )
k 1 k 1 K k
KC K 1 F
Atunci: f k (t ) KC k 1
K 1 F k 1
(t ) 1 F (t ) K k
f (t )
(functia de densitate de probabilitate a valorilor statisticii de ordinul
k dintr-un set de K valori distribuite dupa f(x))
C. VERTAN
52
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
(t )1 F (t )
k 1 k 1 K k
f k (t ) KC K 1 F f (t )
f 2 (t ) 6 F (t )1 F (t ) f (t )
C. VERTAN
53
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
FILTRE STIVA
C. VERTAN
54
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtre stiva
3 5
C. VERTAN
55
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtre stiva
“Gramada” de elemente este aranjata ca o stiva, avand un numar
de L-1 nivele (corespunzand valorii maxime ce trebuie reprezentate);
o valoare nula este reprezentata de o stiva goala.
8
7
6
5
4
3
2
1
3 0 5 8
Ex.: stiva construita pentru L=9 (valoare maxima L-1 = 8)
C. VERTAN
56
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtre stiva
Reprezentarea de tip stiva poate fi exprimata in felul urmator:
notand cu Sk(x) valoarea de pe nivelul k al stivei, corespunzand
reprezentarii numarului x, avem :
1, x k
S k ( x) , cu k 1,2,..., L 1
0, rest
imagine
imagine
stiva de recompunere
reprezentare C. VERTAN
58
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtre stiva
Filtrul median
recompunere valoare
Ex. : L=4, K=5
0, 0, 1, 0, 0 0
1, 0, 1, 0, 0 0 1
2, 1, 3, 1, 1
1, 1, 1, 1, 1 1
K valori extrase 2 1 3 1 1 filtrare mediana pe
de fereastra de
stiva fiecare nivel din
filtrare
stiva
C. VERTAN
59
LABORATORUL DE ANALIZA ŞI PRELUCRAREA IMAGINILOR
Filtre median binar
Este un filtru “de majoritate”
Ex. K=3
1, x ( n ) k
xk ( n ) , cu k 1,2,..., L 1
0, rest
L 1
x ( n ) xk ( n )
k 1
yk f ( xk ( n 1), xk ( n ), xk ( n 1))
yk xk ( n 1) xk ( n ) xk ( n ) xk ( n 1) xk ( n 1) xk ( n 1)
L 1
y ( n ) yk ( n ) cu y k yi daca i k
k 1
61