8) Az előzetes képfeldolgozás
Minden módszerek előzetes képfeldolgozó osztható térbeli és frekvencia.
Térbeli módszerek működik közvetlenül a pixelek a kép, valamint a jellemzői a kép fényerejét használjuk.
Frekvencia módszerekkel kapcsolatos képátvitel a komplex síkon a Fourier-transzformáció.
- pixel mátrixképző vagy kontúr.
Lépésben képalkotás kiválasztott fényességi küszöböt szabályozásával világítás és a kép a szűrés, hogy kompenzálja a zavaró, és osztja kontúr kép - élek és vonalak.
Ha szükséges ebben a szakaszban működnek átalakításnak, azaz átalakítani egy szürkeárnyalatos kép bináris.
Válogatás fényességi küszöböt azért fontos, mert az első szakaszban az előzetes képfeldolgozó óta minősége nagyban függ a dolgozó jelenet megvilágítás. Ha a megvilágítás alábecsülik, a megnövekedett zaj a képen akár a veszteséget a tárgy; amikor egy nagyon erős fényviszonyok között a tárgy előfordul túlexponált. A legtöbb esetben a világosság-küszöb ellenőrzött megadásával a kép képkimerevítő.
Általában, ha egy kép javul alkalmazni egy flip a fényerő és a kontraszt a rögzített kép. Ugyanakkor az egyes képkocka hisztogram eloszlását a kép fényerejét és kiszámítja a paraméterei: átlag és szórás. Minden pont meghatároz egy hisztogram a képpontok számát, amelyek egy adott fényerőt. Ugyanakkor a várakozás határozza meg az általános fényerőt a kép, és a szórás - a kontrasztot.
Binarizálási gyakran működnek után azonnal képjavító. binarizálási probléma abban áll, hogy az átalakulás a bináris rácsrabontási. A binarizációs folyamatban kiválasztott küszöbérték fényerősség érték, amely elválasztja az objektum terület és a háttér terület. Így, ha a fényerősség értéke bármely pontban meghaladja a küszöbértéket, akkor a pont tartozik egy tárgy, egyébként - háttér. A kimeneti binarizált képet tartalmaz két fénysűrűség gradáció: 0 vagy 1.
Így a képpontok egyetlen fényerőértéket tartoznak tárgyak, és a nulla - háttérben.
Szűrés kép a leginkább hosszadalmas és bonyolult előkezelő lépést. Sok különböző szűrési technikák előnyei és hátrányai. Alkalmazási eljárás egy meghatározott feladat. Így vannak algoritmusok két feladatot hajtanak végre egyszerre: filltratsiyu és áramkört (kontúrozás szűrők). Általában a szűrés megoldja a következő problémákat:
- Simítása (elnyomása nagyfrekvenciás mint a „hó”
Szűrése bizonyos esetekben jelentősen csökkenti a hardver zaj által bevezetett optikai rendszer képkimerevítő, kamera (például a lencsetorzításokat,
mintavétel a felszínt, és a fényérzékeny sejtek neodnodnorodnost azok fotovoltaikus jellemzők).
Az a képesség, hogy kiszűrje annak a ténynek köszönhető sor vizuális interferenciát jellemzően tartalmaz magasabb térbeli frekvenciákon, mint a spektrum a kép, vagyis Interferencia mérete lényegesen kisebb, mint a méret a fragmens objektumot. Átlagolásához a nagyfrekvenciás zajt, mint a „hó” egy aluláteresztő szűrőt. Hátránya a aluláteresztő szűrés romlását kép kontrasztját.
Ha az eredeti kép nem volt éles, hogy mi történik a rossz fényviszonyok között használja felüláteresztő szűrők, amelyek növelik a kontrasztot a kép. A HPF változatlanul hagyja, és kisimítja a nagyfrekvenciás tartományt tartalmazó kis részlet, pl vakító. A hátránya a magas frekvenciájú szűrés megjelenése a képhibák, különösen jól látható a háttérben formájában finom elemeket, amelyek úgynevezett „hó”.
Negatív kép - kép, a fényerő, ami fordítottan fő téma, hogy a leginkább világos területek jelennek sötét, és a legtöbb sötét (árnyék) - fény. Egy színes negatív színe a tárgy megjelenik további színekben nekik a képet.
Negatív. R „= 255 - R; G „= 255 - G; B „= 255 - B
Ezzel szemben a digitális grafika megbecsülhető a hisztogram.
Ha növeljük a kontrasztot a fényerő koncentrálódnak a széle a grafikon, és az élek a már ismert, elhelyezett egy fekete-fehér fénysűrűséget, amelyek képviselik a maximális kontraszt (emlékezni fekete-fehér vonalas ábrák).
Minél nagyobb a kontraszt, annál több tonális szint általában szélsőértékek (határ értékeket a tónustartományt).
Ezzel szemben csökkentett fénysűrűséget koncentrátumot egy bizonyos szintű szürke, amely átlagosan minden szintjén fényerő. A minimális kontraszt értéket, megegyezik a teljes hiányát felel meg, egy olyan helyzetben, ahol az egész kép alakul át egy hangjelzés lemez (amely valójában, már nem kép).
Minél alacsonyabb a kontraszt, annál tonális szint általában átlag.
Ezért azt lehet mondani, hogy a kontraszt változtatható maximális, ha a kép csak a fehér és a fekete színek minimális, ha a kép csak egy szintet szürke.
Figyelembe kell venni, hogy a képek több szín csatornák (pl
RGB-kép), és több, a maximális kontraszt kép keletkezik a két szín (logikusnak tűnt, hogy várni). Ez annak a ténynek köszönhető, hogy a maximális kontraszt (fekete-fehér) érjünk el minden csatornát egymástól függetlenül, és egymást átfedő zónákat képeznek a megfelelő színt.
9. hisztogram. hisztogram kiegyenlítés algoritmus. Feladat változás a fényerő és a kontraszt.
Fénysűrűség hisztogram. Eszköz szintjének becslésére pixel intenzitás hisztogram - grafikus ábrázolása kvantitatív valószínűségi jellemzőit az intenzitás eloszlás (fényesség) a pixelek a kiválasztott képrészlet. A maximális értéke pixel intenzitás szintet rendelünk intenzitása gradáció 255 (fehér), a sötét - a 0 érték (fekete). A intenzitások 0-tól 255-ig terjedő lineáris skála változás, vagy állítsa szerint a változás a funkció, például amplifikálására a gyenge jeleket (szürke skála), és gyengíti az erős jeleket (fehér színű), mint a megnövekedett térbeli és kontraszt a kép felbontása vagy egy bizonyos övezetben az érdeklődés.
Ismert képjavító alapuló módszer számítás a logaritmusa spektrális együtthatók a Fourier transzformáltja az eredeti kép (a kiszámítását cepstrum). A fordított konverzió a cepstrum kép hisztogram kiegyenlítés miatt előfordul, hogy a logaritmikus átalakítás kép spektrum.
Sok kép jellemzi nagy koncentrációban hisztogramok vonalak bizonyos területein az intenzitás eloszlás. Gyakran előfordul, hogy a hisztogram eloszlását fényerejét a kép ferde felé alacsony szinten (a fényerő legtöbb elemét az átlag alatt). Az egyik módszer minőségének javítása ilyen képek a módosítás a hisztogram. Hisztogram kiegyenlítés végezhetjük alapján hatványozási modul spektrális együtthatók a Fourier-transzformáció a kép, a megjelölés és a fázis együtthatók őrizni. Ha jelöljük a kitevőt α, akkor az α<1 операция извлечения корня степени α уменьшает большие спектральные коэффициенты и увеличивает малые. Такое перераспределение энергии в частотной плоскости изображения приводит к более эффективному использованию динамического диапазона интенсивностей пикселей изображения в пространственной области.
Kiválasztás egy jó szabályozás az intenzitás hisztogram maszk javítja kontraszt pixel, ezáltal javítja a kontrasztot részletek felbontását. A kezelési programokban parancsokat, amelyek lehetővé teszik, hogy a szín színes térképészeti képek, amelyek sima, vagy fordítva, hirtelen átmenetek jelennek meg a részletes érdeklődési terület. Kombinálva ellentétben kezelés átalakítja a negatív képet egy pozitív, az eljárás lehetővé teszi azt is, hogy növelje a kontrasztot a kis- és közepes részek a képet.
Van elég nagy arzenál a matematikai modellek és algoritmusok, szoftver megvalósítása, amely jelentősen javítja a kontrasztot felbontású képeket. Ezek az algoritmusok alapulnak lineáris és nemlineáris folyamatok kép szűrés, átalakítja az intenzitás hisztogram.
10) A minta algoritmusok. konvolúció algoritmus
Három csoport tipikus képfeldolgozó algoritmusok közös valamennyi rendszerébe:
1. A előkezelés képet;
A cél az előzetes képfeldolgozás a formáció és az azt követő képjavító, ez binarizálási és kódolás (különösen, megszerzése kontúr ábrázolása).
Convolution - egy lépés kiszámításának egy új értéket a kiválasztott pixel, figyelembe véve az értékek a környező képpontok. Értékének kiszámításához mátrixot alkalmazunk, amely az úgynevezett egy konvolúciós kernel. Jellemzően, a konvolúció kernel egy négyzetes mátrix n * n, ahol n - páratlan, de nincs semmi megállás, hogy egy derékszögű mátrix. Számítása során az új értéket a kiválasztott pixel konvolúciós kernel, mintha „alkalmazott” középpontja (ez az, ahol fontos, páratlan mátrix mérete), hogy egy adott pixel. A környező képpontok ugyannak a mag. Ezután az összeg kiszámítása, ha a feltételek a termék a pixel értékeket az értékeket a sejtmagba, fedjük le a pixel. Az összeget elosztjuk az összeg minden eleme a konvolúciós kernel. A kapott érték csak az új értéket a kiválasztott pixel. Ha alkalmazza a konvolúciós egyes pixel a kép lesz az eredmény némi hatása, attól függően, hogy a kiválasztott konvolúciós kernel.
Beszéd nem matematika nyelvén, konvolúció - a transzformációs mátrixot egy másik, az úgynevezett nucleus ( «kernel»). A feldolgozás a képeket kiindulási kiállnak RGB-csatornák a mátrix pixelek négyszögletes koordinátákat.
Ahogy nucleus általánosan használt méretű mátrix 3x3, de esetleg több (5x5, 7x7, stb). A mag tartalmaz egy fokú befolyást (a „érték”) körülvevő elem értékeit az elem maga.
Conversion a következő. Minden eleme az eredeti mátrixot megszorozzuk az értéke a központi mag mátrix. Amellett, hogy a megfelelő értékek szorozva a környező elemek (ezek mérete 3x3 kernel 8), amely után az eredményeket összegezzük, és vesszük a konvertált érték.
Itt egy egyszerű példa a grafikus:
A konvertált érték piros, a hatálya alá a kernel mátrix - zöld. Poluchislos, hogy ennek eredményeként az átalakítás. Az érték az összes környező pixel,
beleértve saját értéke nulla, kivéve a felső középosztály, ahol ő az egyik. Így az eredmény:
Mint látható, ez az átalakulás eltolja a kép lefelé egy pixel.
Így konvolúció ebben az esetben - egy átalakulás a képet, ahol minden egyes pixel az eredmény befolyásolja a környező régióban. A mértéke befolyásolja az ezen a területen van megadva a „core” és a konvolúciót mátrix.
Div és offszet
Ha a kép feldolgozás csak egy konverziót nem fog ki, mi több kell normalizálása. Mi van, ha a kapott érték nagyobb, mint 255, vagy kevesebb, mint 0? Színek néhány nincsenek. Sőt, a hozam a szín a határ jelenség meglehetősen gyakori.
Hogy normalizálja az eredményt a további változók: div (osztó) és az ofszet (együttható). Munkájukat nagyon egyszerű: az átalakítás eredmény osztva a div és hozzá ellensúlyozni.
Nem nehéz kitalálni, hogy az alapértelmezett div = 1, offset = 0 (div = 0 nem tud állni!). Amikor átkerül egy div általában vett az összeg az összes mátrix elemei
elfordulás ellen. Ez az állapot lehetővé teszi, hogy ne színes torzítás, amikor nincs rájuk szükség. Valóban, ha a transzformált régió tartalmazza ugyanazt a színt, az eredmény
ösz központi eleme szorozva a színt. Ennek megfelelően, akkor változatlanul hagyja a színt, meg kell osztani a konverzió eredménye erre a nagyon összeg.
A szűrő használ konvolúciós mátrixot sok, az alábbiakban ismertetjük a legfontosabbakat. Szűrés blur szűrő leggyakrabban használt, alapuló konvolúció mátrix
Jellemzően, a mátrix szerint megtöltött egy normális (Gauss-törvény). Az alábbiakban egy olyan mátrix, 5x5 blur töltve a törvény szerint a Gauss-eloszlás.
Az együtthatók már normalizáltuk úgy, hogy div erre mátrix értéke egy.
A méret a mátrix függ erőssége az elmosódás. Enhancement szűrő definíció
Egyértelműségének javítása kell használni a következő mátrix:
Ez a mátrix növeli a különbséget értékeket a határokon. Div erre mátrix 1.