Leírása a képfeldolgozó eszköztár
Beállítása az értékek az intenzitások
Lehetőség van beállítani az intenzitás értékek a képnek imadjust funkciók megadott tartomány, ahol a kapott képintenzitások.
Tekintsük a példát a kontraszt növelésére a kép alacsony kontrasztú egyenletesen eloszlatja a adatértékeket a teljes tartományban [0, 255].
Az ábra mutatja a transzformált kép és a hisztogram. Megjegyzendő, hogy ennek eredményeként a kép kontraszt növelő, hisztogram kitölti az egész tartományban.
A transzformált kép és hisztogram
Leírás Beállítási tartomány határait
Lehetőség van annak meghatározása, hogy a bemeneti és kimeneti értékek felhasználásával imadjust funkciót. Ehhez imadjust funkciót érvként jelzett tartományok formájában két vektor. Az első vektor tartalmazza a legkisebb és a legnagyobb érték intenzitások az eredeti kép jelenik meg annak érdekében, hogy a fényerő tartományban, amely meghatározott egy második vektort.
Megjegyzés.
Megjegyezzük, hogy a intenzitások az értékeket kell tartományban 0 és 1 között, függetlenül a képarány. Ha a kép osztály Uint8, a tartomány tartalmaz 255 átmeneteket és képformátum - 65535 árnyalatokkal.
Például, a képkontraszt csökkenését úgy érjük el, csökkenti a tartományban intenzitások. Az alábbi képen, az emberi szőrzet túl sötét, és nem látja a részleteket. De ez lehet korrigálni imadjust funkció megjelenítésével egy sor [0,51] Az eredeti kép osztály Uint8 tartományban [128,255] átalakított képet. Ez az átalakítás jelentősen bővíteni a dinamikatartomány és javítja a vizuális észlelés sötét kép területeken. Megjegyezzük továbbá, hogy az összes az intenzitás értékek magasabb, mint 51, jelenik meg, mint 255, azaz, fehér.
A fényképek átalakítása után a dinamikatartomány
Telepítése automatikus korrekció korlátozások
Normális esetben, ha imadjust funkció használatához két alapvető lépésből áll:
Egy egyszerűbb módon leírni ezeket a határokat, hogy használja stretchlim funkciót.
Ez a függvény a hisztogram a kép, és meghatározza a beállítási tartományban a határokat automatikusan. stretchlim függvény ezeket az értékeket, mint egy vektor, amely a használt egy érv imadjust funkciót. Például,
Alapértelmezés szerint, stretchlim függvény intenzitás értékek jelentik az alsó 1% (0,01), és a felső 1% (0,99) a beállítási tartomány, mint a határ.
imadjust funkció megjeleníti a legalacsonyabb értékeket még alacsonyabb, és a legmagasabb - még. Alapértelmezésben a közbenső értékek jelennek lineárisan. Például, intenzitás értékeket, amelyek a középső tartományban az eredeti kép intenzitások megfelelnek az intenzitás értékeket, amelyek a középső tartományban a transzformált kép.
A funkció imadjust megadhat egy további érv, amely leírja a mértéke gamma korrekciót. Értékétől függően skála, a kapcsolat a kezdeti értékek és a konvertált képet lehet nem lineáris. Ezért az intenzitás értékeket, amelyek a középmezőnyben az eredeti kép intenzitások nem egyeznek az értékek az intenzitás, ami a középmezőnyben a transzformált kép.
A paraméter tartománya állítható be 0 végtelenig. Ha gamma 1 (alapértelmezett), akkor a lineáris transzformáció. Ha a gamma 1-nél kisebb, a tartományban kis értékeinek az intenzitás összenyomódik, és a tartomány a nagy intenzitás érték nyújtva. Ha a gamma nagyobb, mint 1, az ellenkező - a tartományban a kis értékek az intenzitás van nyújtva, és a tartomány a nagy intenzitás érték nyújtva.
A fenti mutatjuk be az ábrán. A három görbék a transzformáció mapping intenzitás értékek különböző értékeket gamma - kisebb nagyobb vagy egyenlő egységét. (A kép jelenti az x-koordináta értékét az eredeti kép intenzitások és az y-koordináta - értéket kapott kép intenzitások.)
A következő három különböző gamma beállítások
Vegyük példaként a gamma korrekció a képet. Vegye figyelembe, hogy ha imadjust tartományok a bemeneti és kimeneti képadatok le üres mátrixok. Ha le van írva, oly módon, hogy formájában üres mátrixok imadjust funkció a teljes körű [0,1]. Az eredmény ezt a megoldást alkalmazó látható a képen.
A kép alkalmazása előtt és után gamma korrekció
Kontraszt korlátozott adaptív hisztogram kiegyenlítés
Alternatívaként használhatja a histeq, amely végrehajtja a kontraszt korlátozott adaptív hisztogram kiegyenlítést használni adapthisteq funkciót. Ez a funkció a teljes képet, és adapthisteq funkció működhet kis területen a kép. A kontraszt az egyes kép egy részét megnő, mivel a változás alakja a hisztogram. Végrehajtása után a kiegyenlítési (EQ), adapthisteq funkció a széle helyi régiók bilineáris interpoláció, kivéve a mesterséges határokat.
Annak érdekében, hogy felerősíti a zajt a képeket, akkor a adapthisteq speciális paramétereket kontraszt határ, ami különösen fontos a homogén (homogén) régiókban.
Annak illusztrálására, fontolja meg a funkciókat adapthisteq korrekciójára a kép kontrasztját. Az eredeti kép egy kis kontraszt, a legtöbb értékeit intenzitások koncentrálódik a középső tartományban. adapthisteq függvény a egyenletes intenzitású eloszlás mentén teljes értéktartomány.
A kép feldolgozás után ezzel szemben korlátozott adaptív hisztogram kiegyenlítés (és hisztogram)
Dekorreláció nyújtás javítja a kép színeit, figyelembe véve az összefüggéseket. Miközben javítja a kép nagyon fontos, hogy a határ menti fejlesztések túlzott javulás nem vezetett a megjelenése nem létező alkatrészeket. Ezért javasoljuk, hogy a módszer dekorreláció szakaszon, amely végrehajtja a funkciót decorrstretch.
A legtöbb esetben a színek számát összefüggésben NBANDS a kép három. dekorreláció funkció lehet alkalmazni, tekintet nélkül a színek száma a csomagban.
Amikor konvertáló az eredeti kép színes értékeit kijelző tartomány, a legtöbb esetben emelkedett. Az intenzitás minden szín pixel alakítjuk saját színteret kovariancia és korrelációs mátrix a dimenzió NBANDSxNBANDS, feszített, rendezi és átalakult vissza.
Példa dekorreláció stretch
Mi kell alkalmazni dekorreláció és nyújtás műveletek néhány képet a könyvtár, mely otthont imdemos Matlab rendszer könyvtár. A könyvtár tartalmazza a Landsat-kép egy kis folyó Coloradóban. Feldolgozta ezt a képet dekorreláció szakaszon:
- A kép, amelynek tagjai a hét sávok, amelyeket meg kell képviseli látható három színben:
- Végezze dekorreláció szakaszon:
- Látványterv az eredmények:
Vessük össze a két kép között. Az eredeti kép nagyban dominál lila (piros-kék) szín, és a kapott kép nem egy hosszabb színskálát.
Kép egy kis folyó Colorado előtt (balra) és után (jobbra) dekorreláció szakaszon
Megjelenítése szórás színek más-más képet tartományok előtt és után kiegyenlítődés és dekorreláció:
A spread virágok különböző kép tartományok előtt és után kiegyenlítődés és dekorreláció
További lineáris kontraszt stretching
Most tekintsük az azonos átalakítás, de jó lenne egy lineáris kontraszt szakaszon, amely alkalmazása után a dekorreláció szakaszon:
Hasonlítsa össze az eredeti és a transzformált képek.
Kép egy kis folyó Colorado után dekorreláció szakaszon és lineáris kontraszt szakaszon
Lineáris ellentétben nyújtás még további javításának eszköze színes kép tartományban nyújtás után. Ebben az esetben, a színskála húzó vonatkozik minden szín komponens.
További információért lásd. Stretchlim függvény leírása.
Megjegyzés.
Lineáris kontraszt nyújtást alkalmazni lehet egy külön műveletben elvégzése után dekorreláció nyújtás alkalmazásával stretchlim és imadjust funkciót. Ez az egyik alternatív útvonalakat, azonban gyakran nem vezet jó eredményeket képek kerülnek bemutatásra Uint8 és uint16 formátumban. Ez az eredmény azzal magyarázható, eloszlását pixelek egy sor [0 255] (vagy a [0 65 535]). Options decorrstretch funkciók lehetővé teszik, hogy megkerülje ezt a korlátozást.
A digitális képek vannak kitéve a különböző típusú zaj. Számos fő oka a zaj, ami attól is függ, a módszer alkotó képek. Például:
- Ha egy képet kapunk beolvasásával fényképészeti film, a film szemcsék a zajforrás. A megjelenése a zaj is magyarázza a kár a film vagy a bevezetett leolvasó készülék.
- Ha egy képet készített digitális formában, a mechanizmus adat (CCD-érzékelő mennyiségi) egyik forrása a zaj.
- Az elektronikus kép adatátvitel is a zajártalom.
Az alkalmazás segítségével többféleképpen teljes vagy részleges megszüntetése a zaj a képeken. Annak érdekében, hogy megszüntesse a különféle módszereket fejlesztettek ki különféle zajt. köztük
- Használata lineáris szűrés;
- Medián szűrés;
- Használata adaptív szűrés.
Hatás kimutatása a fenti módszerek alkalmazása ott imnoise funkció, amely hozzáteszi, hogy a kép a különböző típusú zaj. Tekintsük a példák használata ezt a funkciót.
Lineáris szűrés
Lineáris szűrés lehet használni, hogy távolítsa el a zaj egy bizonyos típusú. Ehhez megfelelő szűrőkkel, mint átlagoló és Gauss szűrővel. Például, egy átlagoló szűrőt használnak eltávolítására gabona a képek. Mivel az intenzitás értékét minden egyes pixel megegyezik az átlagos intenzitását a környéken pixel, ez azt eredményezi, elnyomása szemcsézettség.
Medián szűrés
Medián szűrés hasonló a használata átlagoló szűrő, ahol az intenzitás értéke minden egyes pixel átlagos értéke az intenzitások megfelelő képpontok szomszédságában. Sok esetben, a használata a medián szűrő, hogy megszüntesse a zaj a döntés a feladatok hatékonyabb, mint a szokásos átlag. Használata medián szűrés eredménye kevesebb torzítás határait, mint az átlagolási művelet. medfilt2 függvény a medián szűrés.
Megjegyzés.
Medián szűrés megrendelés-statisztika szűrés és az is ismert, mint a rang szűrés. További információért lásd. Ordfilt2 függvény leírása.
Vegyünk egy példát, amelyben össze a használata átlagoló szűrő medfilt2 és funkciókat, hogy távolítsa el a zaj, mint a „só és bors”. A hatása az ilyen típusú zaj, hogy egy véletlenszerűen kiválasztott pixel megolvadnak fekete vagy fehér (azaz arra vannak rendelve a szélső értékek a már meglévő tartományban). Mindkét esetben a környéken használt méret 3x3.
- Kép beolvasása fájlból és megjelenítés.
Adaptív szűrés
Az alapot a funkció wiener2 Wiener szűrő (egyféle lineáris szűrő) az adaptív helyi képfeldolgozás. Ha a szórás értéke intenzitások pixelek a helyi régióban nagy, egy kis wiener2 végez simítás. Ha ez az eltérés kicsi, a terület simítás több.
Ez a megközelítés gyakran hatékonyabbak, mint a hagyományos lineáris szűrés. Az előnye, hogy az adaptív szűrő van, hogy megőrzi széle és más nagyfrekvenciás részein a kép objektumokat. Azonban Wiener szűrő több időt igényel, mint a számítás lineáris szűrő.
Wiener2 funkció működik a legjobban a „fehér” zaj, mint a Gauss. Vegyünk egy példát alkalmazását a feldolgozási funkciók wiener2 Saturn kép zajos Gauss zaj. Egy interaktív bemutató a zajszűrő lehet használni nrfiltdemo.
Zajos kép (balra), és a kép a szűrés után (a jobb oldalon)
Annak igazolására, az alkalmazott módszereket, hogy megszüntesse a zaj képek különböző típusú zaj. A formáció ezeket a képeket használják imnoise funkciót. Mellesleg, a kép ebben a szakaszban vannak kialakítva ezzel a funkcióval.