PRELUCRAREA IMAGINILOR

NOTIUNI ELEMENTARE
Imagine – definitie analitica
Functie:

f ( x1 , x2 ,..., xn ) : D  R  I  R
n m

 f continua
 D si I intervale compacte
 uzual: n=2, m=1
 In cazul discret matrice (M linii, N coloane)
NOTIUNI ELEMENTARE

 Pixel
 Distanta
 Vecinatate
 Conexitate
 Operatii intre imagini
 Masurarea distorsiunilor
 Histograma nivelelor de gri
Distanta

 P1, P2 pixeli => d(P1,P2)

 d(P1,P2) ≥ 0 (d(P1,P2) =0P1=P2)

 d(P1,P2)=d(P2,P1)
 d(P1,P3) ≤d(P1,P2)+d(P2,P3)
Distante
p1,p2: 2 pixeli de coordonate (x1,y1) si (x2,y2)

 Distanta Euclidiana

 Distanta d4 (city-block)
 D(p1,p2)=|x1-x2|+|y1-y2|

 Distanta d8
 D(p1,p2)=max(|x1-x2|,|y1-y2|

 Distante sanfren, etc.

Vecinatate
 In sens restrans: 2 pixeli sunt vecini daca
sunt adiacenti

 In sens larg, definita pe baza unei distante:

pixelul p apartine vecinatatii VR a pixelului q
daca d(p,q)<R
 Vecinatati elementare V4, V8,

 Notiune topologica – vecinatatile sunt

discuri de raza R (inchise sau deschise)
Conexitate
 Conexitatea intre pixeli implica:
 Adiacenta (V4, V8)
 Similaritate a nivelelor de gri
 Pe baza conexitatii se definesc notiuni ca: frontiera,
regiune, obiect, componenta conexa…
 Componenta conexa: intre oricare 2 pixeli exista un
drum format din pixeli conecsi
 Grupeaza pixelii conecsi b(x, y)
 Eticheteaza fiecare componenta
A

y
B
x
Conexitate
 Cate componente conexe sunt in imaginea:

 Folosind 4-C, 8-C ?

4-conexitate 8-conexitate
Conexitate

 La analiza imaginilor binare se

utilizeaza fie 4-C pentru fond si 8-C
pentru obiecte, fie invers
Operatii intre imagini

 Adunare, scadere
- continuu: functii definite pe acelasi suport
- discret: matrici
 Inmultire cu scalari
 Adunarea si inmultirea => spatiu
vectorial

 Operatii logice (SI, SAU….)

Operatii - scaderea
 Supraveghere video: obiecte abandonate
Cadru de referinta Cadru curent
Operatii: supravegere
 In realitate – bagaje + persoane

Referinta Cadru Curent

Operatii: Supravegherea traficului
 Obtinerea cadrului de referinta (fundal)
 Persoane in miscare, vehicole, iluminare…
Operatii: Scaderea fundalului

=
 Operatii – mixare
 Extragerea zonelor de inters

 Compunere

I=αF+(1-α)O
α ={0,1}
Composite by
David Dewey
Mixare: fundalul bleu
Ecran bleu

Mixare transparenta
0≤α≤1
 Masurarea distorsiunilor

Eroare medie absoluta (MAE – Mean

Absolute Error)
M N
1
MAE 
MN
 x
i 1 j 1
ij  yij

Eroare patratica medie (MSE – Mean

Square Error)
M N
1
 x
2
MSE  ij  yij
MN i 1 j 1
Masurarea distorsiunilor
 Raport semnal zgomot varf la varf (PSNR
– Peak-to-Peak Signal to Noise Ratio)
 
 
 L 
2
L 2
PSNR  10 log10    10 log10  
MSE  1 M N
2 
    xij  yij 
 MN i 1 j 1 
 L – rangul dinamic al intensitatii pixelilor: pt B biti L=2B-1
(B=8 => L=255)
 Exemplu
1 8 6 6 2 8 8 7 1 0 2 1
6 3 11 8 _ 6 3 12 8 0 0 1 0
8 8 9 10 5 4 9 1
= 3 4 0 9
9 10 10 7 15 9 11 9 6 1 1 2
|X _ Y| = Z
| xij _ yij | = zij
1
MAE  1  0  2  1  0  0  1  0  3  4  0  9  6  1  1  2  1.9375
4 4
1
MSE  1  0  4  1  0  0  1  0  9  16  0  81  36  1  1  4  9.6875
4 4
 (2 B  1) 2   152 
PSNR  10 log10    10 log10    13.7 dB
 MSE   9.6875 
Histograma nivelelor de gri
 Histograma unei imagini digitale cu nivelele
de gri in [o,L-1] este un vector:

H={h(0),h(1),….h(l-1)}

h(i) = ni

 ni: numarul de pixeli cu nivelul de gri i

 Histograma nivelelor de gri
1 8 6 6
 Imagine 4x4
6 3 11 8
 4 biti/pixel
8 8 9 10
9 10 10 7
k 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

H(k) 0 1 0 1 0 0 3 1 4 2 3 1 0 0 0 0
Histograma

 Se utilizeaza intens in prelucrarea si

analiza imaginilor
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Histograma: exemple
 Ce histograma are
imaginea de mai jos?
Comentati.
 Calculul histogramei
 1. Initializare H: h(i)=0, i=0,…,L-1;

 2. Se baleiaza imaginea pixel cu pixel si

pentru fiecare pixel f(x,y) se incrementeaza:
h(f(x,y))=h((f(x,y))+1

 Complexitate redusa: 1 op/pixel

Histograma normalizata
 Impartim fiecare h(k) la numarul total de pixeli N
p(k) = nk / N
 p(k): probabilitatea de aparitie a nivelului de gri kN

p(0)+p(1)+…+p(L-1) = 1

 Considerand pixelul o variabila aleatoare,histograma

normalizata => densitatea de probabilitate