Documente Academic
Documente Profesional
Documente Cultură
Ajustarea contrastului
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce
urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea intr-o forma
mai potrivita pentru a fi analizata de oameni sau de calculatoare. In scopul analizei,
definirea tehnicilor de imbunatatire a imaginilor se refera la extragerea informatiei.
Spre exemplu, un astfel de sistem ar putea pune in evidenta contururile unor obiecte
dintr-o imagine. Imaginea rezultata ar putea fi utilizata la intrarea unei masini ce
traseaza contururile si realizeaza anumite masuratori de forma si dimensiune. In
aceasta aplicatie, imbunatatirea imaginilor are drept scop punerea in evidenta a
formelor existente in imaginea originala si astfel, simplificarea procesului de extragere
a informatiei din imagine.
- Ajustarea contractului
Unul din cele mai intalnite defecte ale imaginilor fotografice sau electronica este
lipsa de contrast, rezultat in urma unei reduceri, poate neliniare a intervalului de
amplitudine a imaginii. Contrastul poate fi cel mai des imbunatatit prin rescalarea
amplitudinii fiecarui pixel.
Ajustarea contrastului pentru imaginea de intrare va fi realizata prin rescalarea intensitatii
(nivelului de gri) a fiecarui pixel.
Primul pas presupune determinarea nivelului minim si
maxim de tonuri de gri pentru imaginea data. Apoi pentru fiecare pixel se va rescala valoarea
astfel incat aceasta sa fie in noul interval de intensitati [a,b]. Se va folosi urmatoarea
formula:
• IN - noua intensitate;
• IO – intensitatea originala;
• min – intensitatea minima a unui pixel din imagine (cea mai inchisa);
• max – intensitatea maxima a unui pixel din imagine (cea mai deschisa);
• a – noua intensitate minima;
• b – noua intensitate maxima;
Imaginea de iesire nu va avea toate nivele din intervalul imaginii de intrare si anumite
tranzitii de nivel de gri vor fi mai mari decat in imaginea originala.
In urma acestei procesari poate rezulta un efect de conturare in nivele de gri, rezultand o
imagine care poate fi analizata mai usor de oameni sau de software specializat.
2. Scalarea amplitudinii
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce
urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea intr-o forma
mai potrivita pentru a fi analizata de oameni sau de calculatoare. In scopul analizei,
definirea tehnicilor de imbunatatire a imaginilor se refera la extragerea informatiei.
- Scalarea amplitudinii
O imagine procesata numeric poate ocupa un interval diferit de intervalul imeginii
originale. De fapt, intervalul numeric al unei imagini procesate poate cuprinde valori
negative, ce nu pot fi transferate direct in interval ale intensitatii luminoase.
Exemple de rescalare a imaginilor:
Mai sus sunt prezentate unele posibilitati de scalare a unei imagini procesate in
domeniul de valori ocupate de imaginea originala.
Folosind prima tehnica, imaginea rezultata este transformata liniar in intreg
domeniul de intrare.
Cea de-a doua tehnica prezentata, transforma valorile extreme ale amplitudinii
imaginii rezultate in limitele maxime si minime ale imaginii originale. Cea de-a doua
tehnica este de preferat primei, mai ales in situatiile in care imaginea contine un
numar mic de pixeli care depasesc limitele. Algorimtii de imbunatatire a contrastului
au o optiune de taiere a unui procent din valorile amplitudinii in fiecare capat al
intervalului de amplitudine. In aplicatii de procesare de imagine medicala, aceasta
operatie de modificare a contrastului este numita transformare nivel-fereastra.
Nivelul este aflat pe punctual c pe axa de intrare, iar valoarea ferestrei este latimea
pantei, b-a.
Cea de-a treia tehnica de scalare a amplitudinii, utilizeaza o transformare a
valorii absolute pentru a vizualiza o imagine cu valori negative ale pixelilor. Aceasta
este utila sistemelor ce utilizeaza conventia de complement fara de doi pentru
reprezentarea amplitudinii.
Un alt procedeu ce este folosit este extinderea contrastului unei imagini. Aceasta
se realizeaza in urma taierii din imagine a unor nivele de gri si rescalarea celor
ramase, rezultand astfel o imagine a carei histograma ocupa aproape toate nivelele
de gri din scara.
3. Modificarea de contrast
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce
urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea intr-o forma mai
potrivita pentru a fi analizata de oameni sau de calculatoare. In scopul analizei,
definirea tehnicilor de imbunatatire a imaginilor se refera la extragerea informatiei.
- Modificarea de contrast
Scalarea amplitudinii imaginilor nu utilizeaza mereu intregul interval afisabil:
aceasta poate avea valuri in afara intervalului sau ocupa doar o parte din interval.
Operaţiunea de modificare a contrastului imaginii digitale face parte din cadrul
operaţiilor punctuale numite operaţii cu memorie zero.
Procesarile punctuale neliniare pot aduce imbunatatiri ale contrastului, dar unele
din ele il pot chiar inrautati.
In functiile ce vor fi prezentate in continuare, imaginea procesata este definita de
G(j,k) = F(j,k)p, unde F(j,k) reprezinta imaginea originala, si p este variabila
functiei putere.
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce
urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea intr-o forma mai
potrivita pentru a fi analizata de oameni sau de calculatoare. In scopul analizei,
definirea tehnicilor de imbunatatire a imaginilor se refera la extragerea informatiei.
- Modificarea de histograma
Histograma de luminanta a unei imagini naturale ce a fost cuantificata liniar
contine de obicei considerabil de multe nivele intunecate; majoritatea pixelilor din
imagine au o luminanta sub medie. In astfel de imagini detaliile din regiunile
intunecate nu sunt deloc perceptibile. Un mijloc de a imbunatati aceste tipuri de
imagini este tehnica numita „modificare de histograma”, in care imaginea originala e
rescalata in asa fel incat histograma imaginii imbunatatite urmeaza o forma dorita.
Andrew, Hall si altii, au produs o imbunatatire a imaginii printr-un proces de
egalizare a histogramei, in care histograma imaginii multiplicate e fortata sa fie
uniforma.
Ketcham si Hummel au demostrat rezultate imbunatatite printr-o procedura de
modificare adaptiva de histograma.
5. Modificarea neadaptiva a histogramei
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce
urmaresc sa modifice perceptia vizuala sau sa converteasca imaginea intr-o forma
mai potrivita pentru a fi analizata de oameni sau de calculatoare. In scopul analizei,
definirea tehnicilor de imbunatatire a imaginilor se refera la extragerea informatiei.
- Introducere
Procesele de imbunatatire a imaginilor constau intr-o colectie de tehnici ce urmaresc sa
modifice perceptia vizuala sau sa converteasca imaginea intr-o forma mai potrivita pentru a
fi analizata de oameni sau de calculatoare. In scopul analizei, definirea tehnicilor de
imbunatatire a imaginilor se refera la extragerea informatiei.
- Modificarea adaptiva a histogramei
Metodele de modificare a histogramei discutate in sectiunea anterioara realizeaza
aplicarea aceleiasi transformari sau functii fiecarui punct din imagine. Functia de
transformare este bazata pe histograma intregii imagini. Acest proces poate fi facut adaptive
spatial, aplicand modificari de histograma fiecarui punct din imagine, bazandu-ne pe
histograma punctelor din vecinatate, aflate in interiorul unei ferestre. Aceasta tehnica e
evident complexa din punct de vedere al calculelor, deoarece necesita calculul histogramei,
calculul functiei de modificare si aplicarea acestei functii la fiecare punct din imagine.
Figura 2.11 ilustreaza geometria acestor calcule. O histograma este calculate pentru
fiecare punct din retea, pe o fereastra din jurul punctului. Dimensiunea ferestrei poate fi mai
mica sau mai mare decat spatiile din retea.
- Introducere
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste efecte pot
fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in imagini din cauza unui
senzor zgomotos sau a erorilor canalului de transmisie se manifesta de obicei ca variatii ale
pixelilor, ce nu sunt corelate spatial. Pixelii zgomotosi apar vizual ca fiind diferiti de vecinii
lor.
- Procesare Fourier
- Filtrare homomorfa
9. Filtrare homomorfa
- Introducere
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste efecte pot
fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in imagini din cauza unui
senzor zgomotos sau a erorilor canalului de transmisie se manifesta de obicei ca variatii ale
pixelilor, ce nu sunt corelate spatial. Pixelii zgomotosi apar vizual ca fiind diferiti de vecinii
lor.
- Filtrare homomorfa
Filtrarea homomorfa este o tehnica folositoare pentru imbunatatirea imaginii
atunci cand aceasta este supusa zgomotului unei interfete.
In mod ideal I(j,k) este constanta pentru toti pixelii. Logaritmand ecuatia
obtinem rezultatul sub forma aditiva:
𝒍𝒐𝒈{𝑭(𝒋, 𝒌)} = 𝒍𝒐𝒈{𝑰(𝒋, 𝒌)} + 𝒍𝒐𝒈{𝑨(𝒋, 𝒌)}
- Introducere
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste efecte pot
fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in imagini din cauza unui
senzor zgomotos sau a erorilor canalului de transmisie se manifesta de obicei ca variatii ale
pixelilor, ce nu sunt corelate spatial. Pixelii zgomotosi apar vizual ca fiind diferiti de vecinii
lor.
Tehnicile neliniare ofera mai buna echilibrare intre eliminarea de zgomot si retinerea
detaliilor din imagine.
- Tehnica Outlier
Este o tehnica nelineara de procesare de semnal utilizata pentru suprimarea
zgomotului din imagini. Fiecare pixel este comparat cu media a 8 dintre vecinii sai.
Daca magnitudinea diferentei e mai mare decat un nivel oarecare de prag, pixelul
este considerat a fi zgomotos si este inlocuit cu media vecinilor sai.
Media vecinilor sai poate fi obtinuta prin convoltia imaginii cu masca de mai jos:
1 1 1
1
𝐻 = 8 [1 0 1].
1 1 1
- Introducere
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste efecte pot
fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in imagini din cauza unui
senzor zgomotos sau a erorilor canalului de transmisie se manifesta de obicei ca variatii ale
pixelilor, ce nu sunt corelate spatial. Pixelii zgomotosi apar vizual ca fiind diferiti de vecinii
lor.
Tehnicile neliniare ofera mai buna echilibrare intre eliminarea de zgomot si retinerea
detaliilor din imagine.
- Filtrul median
Este o tehnica nelineara de procesare de semnal utilizata pentru suprimarea
zgomotului din imagini.
In forma unidimensionala, filtrul median este constituit dintr-o fereastra ce
cuprinde un numar impar de pixeli. Filtrul central din fereastra este inlocuit cu media
pixelilor din fereastra.
De exemplu, daca valorile pixelilor dintr-o fereastra sunt 0.1, 0.2, 0.9, 0.4, 0.5
pixelul central va fi inlocuit de 0.4 care este valoarea mediana a succesiunii.
Exista diferite strategii de aplciare a filtrului median pentru suprimarea
zgomotului. O metoda ar fi utilizarea unui filtru median cu o fereastra de marime 3.
Daca nu se observa nici o pierdere importanta de semnal, latimea ferestrei poate fi
marita la 5. Procesul poate fi interrupt cand filtrul median incepe sa dauneze
imaginii.
- Introducere
O imagine poate fi bruiata de zgomot sau interferente din partea mai multor surse,
inclusiv zgomotul senzorilor electronici si zgomotul granulelor fotografice. Aceste efecte pot
fi reduse de tehnicile clasice de filtrare statica. Zgomotul ce apare in imagini din cauza unui
senzor zgomotos sau a erorilor canalului de transmisie se manifesta de obicei ca variatii ale
pixelilor, ce nu sunt corelate spatial. Pixelii zgomotosi apar vizual ca fiind diferiti de vecinii
lor.
Tehnicile neliniare ofera mai buna echilibrare intre eliminarea de zgomot si retinerea
detaliilor din imagine.
- Filtrul pseudo-median
Filtrarea mediană necesită un volum mare de calcule, iar numărul operaţiilor
creste exponenţial cu dimensiunea ferestrei. Un operator mai simplu este filtrul
pseudomedian:
În cazul unui filtru pseudomedian în formă de “+” calculul funcţiilor min si max se face
în ferestre, după cum urmează:
In conclusive, se poate cascada cei doi operatori pentru a elimina in proportie foarte
mare zgomotele de tip “sare si piper”.
- Introducere
Experimentele psihofizice au aratat ca o fotografie sau un semnal vizual cu marginile
accentuate este, adesea, mai multumitoare decat o reproducere fotometrica exacta.
- Filtrul Trece-Sus
Accentuarea contururilor se poate realiza prin utilizarea filtrelor trece-sus. Cele
mai utilizate măsti FTS de mărime 3x3 sunt următoarele:
Filtrarea trece-sus zonala cauzeaza adesea efectul de “ringing” asupra imaginii filtrate.
Un aftfel de effect poate fi semnificativ redus prin utilizarea unui filtru trece-sus cu un
raspuns mai neted.
- Introducere
Experimentele psihofizice au aratat ca o fotografie sau un semnal vizual cu marginile
accentuate este, adesea, mai multumitoare decat o reproducere fotometrica exacta.
- Diferentierea statistica
Este o metoda de accentuare a contururilor care consta in generarea unei
imagini prin impartirea valorii fiecarui pixel la deviatia sa standard 𝑆(𝑗, 𝑘) conform
relatiei:
𝐹(𝑗,𝑘)
𝐺(𝑗, 𝑘) = ,
𝑆(𝑗,𝑘)
unde deviata standard estimata este:
𝑗+𝑤 𝑘+𝑤
1
𝑆(𝑗, 𝑘) = 2 ∑ ∑ [𝐹(𝑚, 𝑛) − 𝑀(𝑚, 𝑛)]2
𝑊
𝑚=𝑗−𝑤 𝑛=𝑘−𝑤
este calculata pentru fiecare pixel care se afla in vecinatatea 𝑊 × 𝑊, unde
𝑊 = 2𝑤 + 1. Functia 𝑀(𝑗, 𝑘) este valoarea medie estimata a imaginii originala in
punctul (𝑗, 𝑘) si se calculeaza astfel:
𝑗+1 𝑘+𝑤
1
𝑀(𝑗, 𝑘) = 2 ∑ ∑ 𝐹(𝑚, 𝑛).
𝑊
𝑚=𝑗−𝑤 𝑛=𝑘−𝑤
Daca acest gradient este sufficient de mare, pentru o valoare de prag, este
detectat un contur.
𝐺𝑅 (j, k)=F(j,k)-F(j,k-1)
𝐺𝐶 (j, k)=F(j,k)-F(j,k-1)
𝐴5 𝐴6 𝐴7
1
𝐺𝑅 (j, k)= [(𝐴2 + K*𝐴3 + 𝐴4 )- (𝐴0 + K*𝐴7 + 𝐴6 )]
𝐾+2
1
𝐺𝐶 (j, k)= [(𝐴0 + K*𝐴1 + 𝐴2 )- (𝐴6 + K*𝐴5 + 𝐴4 )]
𝐾+2
K=1
Detectorul de contur Sobel difera de cel al lui Prervitt prin faptul ca valorile
pixelilor aflati la nord, sud , est si vest sunt dublate deci K=2.
Operatorul lui Laplace G(x,y) este 0 daca F(x,y) este constanta sau isi
modifica liniar aplitudinea.
Daca rata schimbarii lui F(x,y) este mai mare decat liniara, G(x,y) prezinta
o schimbare de semn in punctul de inflexiune a lui F(x,y).
Trecerea prin zero a lui G(x,y) indica prezenta unui contur . In domeniul
discret , cea mai simpla aproximare Lapacianul este calculul diferentei pantelor
de-a lungul fiecarei axe:
G(x,y)= [F(j,k)-F(j,k-1)]-[F(j,k-1)-F(j,k)]-[F(j,k)-F(j+1,k)]-[F(j-1,k)-F(j,k)]
0 −1 0
H=[−1 4 −1]
0 −1 0
Prervitt a sugerat un Laplacian cu 8 vecini, definit de:
−1 −1 −1
1
H= [−1 8 −1]
8
−1 −1 −1
In acest caz prima data este aplicata netezirea folosind functia lui Gauss ceasta
fiind urmata de aplicarea Laplacianului .
𝐻𝑆 (x,y) = g(x,s)*g(y,s) ,
Log
Generarea……….?????
Din expresia (1) pot fi derivate doua componente , una para si alta
impara:
1 𝑥
Componenta para : 𝑆𝑒 (x) = exp [- *( )²]cos (𝑤𝑥 x)
2 𝜎
1 𝑥
Componenta impara: 𝑆0 (x) = exp [- *( )²]sin (𝑤𝑥 x)
2 𝜎
5. Segmentarea
5.1 Fixarea pragului de binarizare.
5.1 Binarizarea prin fixarea pragului este o operatie putin costisitoare din
punct de vedere al calculelor sau vitezei , ea fiind una din cele mai vechi
metode de segmentare si inc ape larg utilizata.
O segmentare completa a unei imagini Ι este o multime finite de regiuni
R1,.....,Rs.
Algoritmul Isodata
Dezvoltat de Rodler si Calvard consta intr-o tehnica iterative de alegere a
pragului de binarizare
Histograma este pentru inceput impartita in 2 parti folosind o valoare de
prag la mijlocul intervalului de gri din imagine.
Dupa care se calculeaza valoarea medie a nivelurilor de gri pt clasa
obiectelor dar si pentru clasa fundalului.
Se determina acum noua valoare a pragului ca fiind media acestor 2 medii.
Procesul se repeta iterative pana in momentul in care valoare de prag
ramane neschimbata.
Algoritmul triunghi.
Propus de Zack, consta in trasarea unei linii intre cea mai mica valoare a
nivelului de gri din imagine ‘bmin ’ si val maxima a histogramei ce are loc
pe nivelul ‘bmax’.
Se calculeaza distanta ‘d’ dintre linia trasata si histograma pentru toate
nivelele dintre ‘bmin’ si ‘bmax’.
Valoare de gri pt care distanta e maxima este considerata a fi valoarea de
prag optima.
Aceasta metoda este eficienta in cazul in care nivelele de gri ale pixelilor
din imagine produc o histograma cu varfuri nu prea accentuate.
5.2 Praguri multiple de binarizare.
In marea majoritate a cazurilor imaginea este segmentata in 3 clase de
regiuni, ceea ce implica gasirea a 2 praguri T1 si T2 a.i. pixelul din imaginea
originala va fi clasificat in una din cele 3 clase astfel:
Metoda unei segmentari multiple prin fixarea pragurilor este utilizata pentru
identificarea canderului de piele din imagini. Pentru a putea determina in mod
aproximativ pozitia si forma leziunii este necesata alegerea unui interval in care
sa se afle valorile de prag pentru toate puntele ce se afla pe conturul regiunii.
Pentru a obtine acest interval este necesar a determina o valoare a pragului
initiala, obtinuta prin observarea valorii gradientului de-a lungul conturului
leziunii.
Valoarea lui T este aleasa ca fiind valoarea medie a intensitatii pentru ‘p%’
din pixelii ce au cele mai mari valori ale gradientului. Valoarea lui ‘p’ se
determina experimental si a fost demonstrate ca valori de 5-10 sunt potrivite
pt majoritatea imaginilor.
Daca se considera ‘d’ ca fiind distant cu care trebuie deplasat un punct aflat
pe conturul obtinut prin fixarea pragului T, pana pe pozitia adevaratului contur
, acest parametru depinde de valoarea gradientului pixelului.
Determinarea valorii pragului T1 si T2 se face astfel:
se determina h[i] ca fiind histograma imaginii
se determina valoarea de prag T prin metoda prezentata mai sus
se calculeaza n ca fiind nr. De pixeli din conturul regiunii obtinute prin
fixarea pragului la valoarea T
se obtine T1 si T2 ca fiind valorile pentru care este adevarat sirul de egalitati:
d*n=∑𝑇−1 𝑇2
𝑖=𝑇1 ℎ[𝑖] = ∑𝑖=𝑇+1 ℎ[𝑖]
Daca in imagine sunt mai putin de d*n pixeli avand intensitati mai mici decat
T, atunci T1 ia valoarea 0. Dar daca exista mai putini pixeli decat d*n cu
intensitati mai mari decat T, T2 ia valoarea 255.
𝑃0 𝑃1 𝑃𝑠−1
A≡ { , ,…, }
𝑃(𝑠) 𝑃(𝑠) 𝑃(𝑠)
𝑃𝑠 𝑃𝑠+1 𝑃𝑚−1
𝐵≡{ , ,…, }
1−𝑃(𝑠) 1−𝑃(𝑠) 1−𝑃(𝑠)
𝐻(𝑠)
E𝐴 (s)=ln (P(s))+
1−𝑃(𝑠)
𝐻′(𝑠)
E𝐵 (s)=ln (1-P(s))+
1−𝑃(𝑠)
H(s)= -P(s) * ln (Pi)
H’(s)=(1 -P(s)) * ln (Pi)
P(s)= ∑𝑠−1
𝑖=0 𝑃𝑖 probabilitatea totala pana la nivelul de gri (s-1)
5.5 Watershed
Locurile in care au loc schimbari bruste ale nivelului de gri constituie in acest
peisaj, locurile in care este present un contur.
Locul in care 2 bazine se intalnesc pentru prima oara este un punct de creasta
din imagine. Se poate deci generaliza si defini Watershed-ul ca fiind mutimea
liniilor de creasta din imagine rezultate in urma sunetelor de creasta.
reconstructia geodezica
tehnica marker-ilor
Reconstructia geodezica
Tehnica Marker-ilor
Daca se cunoaste o multime de punte ce apartine unui obiect (sau multimi ce
apartin fiecarui obiect) si o multime de puncte ce apartin fundalului, acestea
sunt denumite marker.
Se contrueste imaginea:
g(x) = +∞ , daca x nu apartine lui M
0 , daca x apartine lui M
∆𝛪 = |𝛪(x,y) - 𝛪(v,w)|.
Cel mai direct algoritm BMA este algoritmul de cautare totala(FS). Acesta
gaseste vectorul de miscare optimal din toti vectorii de miscare din interiorul
ferestrei. Dar el necesita un numar de (2d+1)² calculi pentru determinarea
distantei dintre cele 2 blocuri si determinarea distantei minime.
Cautarea ortogonala
Aceasta tehnica consta printr-o cautare in perechi de pasi orizontali si
verticali, avand o scadere logaritmica la fiecare pas. Pasul initial este de d/2. Se
incepe cu o cautare pe orizontala si sunt verificati cate 3 pixelipe aceasta
directive.
Minimul devine centru de cautare pe vertical, cre de asemenea consta in
verificarea a 3 puncte. Apoi pasul descreste la jumatate si se reia algoritmul.
Algoritmul se termina cand pasul devine 1.