Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Η παρουσίαση φορτώνεται. Παρακαλείστε να περιμένετε

Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.

Παρόμοιες παρουσιάσεις


Παρουσίαση με θέμα: "Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας."— Μεταγράφημα παρουσίασης:

1 Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας

2 ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή Η βελτίωση γίνεται σε υποκειμενική βάση Η βελτίωση γίνεται σε υποκειμενική βάση –Η απόδοση εξαρτάται από την εφαρμογή –Οι τεχνικές είναι συνήθως ad hoc –Τονίζει κάποια χαρακτηριστικά »Αντίθεση, Εξομάλυνση »Περιγράμματα –Αφαιρεί θόρυβο –Οπτικά εφέ »π.χ., Ψευδοχρωματισμός

3 ΤΜΗΥΠ / ΕΕΣΤ3 Δυο κατηγορίες τεχνικών Χωρικές τεχνικές επεξεργασίας Χωρικές τεχνικές επεξεργασίας –Σημειακές –Ιστογράμματος –Μάσκας Επεξεργασίες στις χωρικές συχνότητες Επεξεργασίες στις χωρικές συχνότητες –Μάσκες στο πεδίο χωρικών συχνοτήτων –Ομοιομορφικό φίλτρο

4 ΤΜΗΥΠ / ΕΕΣΤ4 Σημειακές επεξεργασίες (1/3) g(x,y)=T(f(x,y)), όπου Τ τελεστής g(x,y)=T(f(x,y)), όπου Τ τελεστής –Εφαρμόζεται στα εικονοστοιχεία π.χ. αύξηση αντίθεσης π.χ. αύξηση αντίθεσης –r = f(x,y), s = g(x,y) –π.χ. ο Τ είναι η σιγμοειδής συνάρτηση

5 ΤΜΗΥΠ / ΕΕΣΤ5 Σημειακές επεξεργασίες (2/3) Παράδειγμα  Σιγμοειδής ( r = 0:255 ) ( r = 0:255 )

6 ΤΜΗΥΠ / ΕΕΣΤ6 Σημειακές επεξεργασίες (3/3) Άλλο παράδειγμα: Γραμμικός μετασχηματισμός Άλλο παράδειγμα: Γραμμικός μετασχηματισμός Έστω f(x,y) E [l, L] ενώ είναι διαθέσιμη η περιοχή τιμών [n, N] Έστω f(x,y) E [l, L] ενώ είναι διαθέσιμη η περιοχή τιμών [n, N] Για την αξιοποίηση όλης της δυναμικής περιοχής εφαρμόζουμε: Για την αξιοποίηση όλης της δυναμικής περιοχής εφαρμόζουμε:

7 ΤΜΗΥΠ / ΕΕΣΤ7 Ιστόγραμμα (1/4) Το r (που δηλώνει επίπεδο του γκρι) θεωρείται τυχαία μεταβλητή με σ.π.π. p(r) Το r (που δηλώνει επίπεδο του γκρι) θεωρείται τυχαία μεταβλητή με σ.π.π. p(r) Η εκτίμηση του p(r) γίνεται με την χρήση του ιστογράμματος Η εκτίμηση του p(r) γίνεται με την χρήση του ιστογράμματος Το ιστόγραμμα περιγράφει την συχνότητα εμφάνισης των διαφόρων επιπέδων του γκρι στα εικονοστοιχεία μιας εικόνας Το ιστόγραμμα περιγράφει την συχνότητα εμφάνισης των διαφόρων επιπέδων του γκρι στα εικονοστοιχεία μιας εικόνας p(r k ) = n k /n, n k = πλήθος τιμών r k, n = πλήθος εικονοστοιχείων p(r k ) = n k /n, n k = πλήθος τιμών r k, n = πλήθος εικονοστοιχείων Παρέχει σημαντική πληροφορία για το περιεχόμενο της εικόνας Παρέχει σημαντική πληροφορία για το περιεχόμενο της εικόνας

8 ΤΜΗΥΠ / ΕΕΣΤ8 Ιστόγραμμα (2/4) Παράδειγμα - Γενικά

9 ΤΜΗΥΠ / ΕΕΣΤ9 Ιστόγραμμα (3/4) Παράδειγμα – Σκοτεινή εικόνα

10 ΤΜΗΥΠ / ΕΕΣΤ10 Ιστόγραμμα (4/4) Παράδειγμα – Φωτεινή εικόνα

11 ΤΜΗΥΠ / ΕΕΣΤ11 Γενικά για τις τεχνικές ιστογράμματος Εξίσωση ιστογράμματος Εξίσωση ιστογράμματος –Ολική εξίσωση (περιγράφεται στην συνέχεια) »Εφαρμόζεται σε όλη την εικόνα ταυτόχρονα »Υπάρχει πρόβλημα με τις ομοιόμορφες περιοχές –Τοπική εξίσωση »Σάρωση εικόνας με ένα μικρό ή μεσαίο παράθυρο και εφαρμογή ολικής εξίσωσης στο παράθυρο »Μεγάλη υπολογιστική πολυπλοκότητα Τροποποίηση ιστογράμματος Τροποποίηση ιστογράμματος

12 ΤΜΗΥΠ / ΕΕΣΤ12 Εξίσωση ιστογράμματος (1/3) Αν οι τιμές φωτεινότητας είναι συγκεντρωμένες σε μια μικρή περιοχή Αν οι τιμές φωτεινότητας είναι συγκεντρωμένες σε μια μικρή περιοχή –Χαμηλή αντίθεση –Χαμηλή υποκειμενική ποιότητα Με εξίσωση ιστογράμματος βελτιώνεται η κατάσταση Με εξίσωση ιστογράμματος βελτιώνεται η κατάσταση –Με την τεχνική αυτή το ιστόγραμμα γίνεται πιο επίπεδο

13 ΤΜΗΥΠ / ΕΕΣΤ13 Εξίσωση ιστογράμματος (2/3) Αρχικά έχουμε: r=f(x,y) Αρχικά έχουμε: r=f(x,y) –Θεωρούμε την r ως τυχαία μεταβλητή με σ.π.π. p r (r) Μετασχηματίζουμε σε s=T(r) Μετασχηματίζουμε σε s=T(r) Ιδιότητες του Τ Ιδιότητες του Τ –Αν r1

14 ΤΜΗΥΠ / ΕΕΣΤ14 Εξίσωση ιστογράμματος (3/3) Ο μετασχηματισμός αθροιστικής κατανομής Ο μετασχηματισμός αθροιστικής κατανομής οδηγεί σε ομοιόμορφη σ.π.π. p s (s) με τα ζητούμενα χαρακτηριστικά οδηγεί σε ομοιόμορφη σ.π.π. p s (s) με τα ζητούμενα χαρακτηριστικά Επειδή συνήθως το r είναι διακριτό χρησιμοποιείται ο επόμενος μετασχηματισμός Επειδή συνήθως το r είναι διακριτό χρησιμοποιείται ο επόμενος μετασχηματισμός

15 ΤΜΗΥΠ / ΕΕΣΤ15 Ολική εξίσωση ιστογράμματος

16 ΤΜΗΥΠ / ΕΕΣΤ16 Ολική εξίσωση ιστογράμματος

17 ΤΜΗΥΠ / ΕΕΣΤ17 Τοπική εξίσωση ιστογράμματος Αρχική Εικόνα Εξισωμένη Εικόνα Υ π ο π εριοχές 21 x 21 Εξισωμένη Εικόνα Υ π ο π εριοχές 9 x 9

18 ΤΜΗΥΠ / ΕΕΣΤ18 Τοπική εξίσωση ιστογράμματος

19 ΤΜΗΥΠ / ΕΕΣΤ19 Αφαίρεση λευκού θορύβου Μοντέλο Μοντέλο –g n (x,y)=f n (x,y)+w n (x,y) –w λευκός θόρυβος με μέση τιμή 0, ασυσχέτιστος χωρικά και χρονικά με την εικόνα f Τρεις βασικές τεχνικές Τρεις βασικές τεχνικές –Στον χρόνο »Πολλαπλή λήψη της εικόνας f –Στον χώρο »Από μια μόνο λήψη απορρίπτεται ο θόρυβος επειδή είναι χωρικά ασυσχέτιστος –Στην συχνότητα (με χρήση κατάλληλων φίλτρων)

20 ΤΜΗΥΠ / ΕΕΣΤ20 Αφαίρεση θορύβου στον χρόνο Λαμβάνεται ο μέσος όρος της ακολουθίας των εικόνων g i και προκύπτει νέα εικόνα στην οποία ο θόρυβος έχει μικρότερη ισχύ Λαμβάνεται ο μέσος όρος της ακολουθίας των εικόνων g i και προκύπτει νέα εικόνα στην οποία ο θόρυβος έχει μικρότερη ισχύ Το n είναι λευκός θόρυβος μηδενικής μέσης τιμής με διασπορά Μ φορές μικρότερη από αυτή του θορύβου w n Το n είναι λευκός θόρυβος μηδενικής μέσης τιμής με διασπορά Μ φορές μικρότερη από αυτή του θορύβου w n Πιθανόν απαιτείται να προηγηθεί στοίχιση των εικόνων Πιθανόν απαιτείται να προηγηθεί στοίχιση των εικόνων

21 ΤΜΗΥΠ / ΕΕΣΤ21 Αφαίρεση θορύβου στον χρόνο Παράδειγμα (15 φορές)

22 ΤΜΗΥΠ / ΕΕΣΤ22 Αφαίρεση θορύβου στον χώρο Χρήση μάσκας, υπολογισμός μέσου όρου και αντικατάσταση κεντρικού στοιχείου μάσκας Χρήση μάσκας, υπολογισμός μέσου όρου και αντικατάσταση κεντρικού στοιχείου μάσκας Υπάρχει εξομάλυνση στα περιγράμματα Υπάρχει εξομάλυνση στα περιγράμματα

23 ΤΜΗΥΠ / ΕΕΣΤ23 Αφαίρεση θορύβου στον χώρο Παράδειγμα Με θόρυβο, με μάσκα 3x3, με μάσκα 10x10 Με θόρυβο, με μάσκα 3x3, με μάσκα 10x10

24 ΤΜΗΥΠ / ΕΕΣΤ24 Αφαίρεση θορύβου στην συχνότητα (1/3) Η ενέργεια της εικόνας στους άξονες και στο κέντρο Η ενέργεια του θορύβου είναι η ίδια παντού Χρήση κατωπερατού φίλτρου Σημείωση: Με χρήση ανωπερατών φίλτρων έχουμε τονισμό των περιγραμμάτων (ακμών)

25 ΤΜΗΥΠ / ΕΕΣΤ25 Αφαίρεση θορύβου στην συχνότητα (2/3) Ιδανικό 2-D φίλτρο (κυκλικό παράθυρο στην συχνότητα) –Αποκόπτει πληροφορία από τα περιγράμματα –Ring effect λόγω παραθύρωσης –Σχέση των παραπάνω φαινομένων με τη συχνότητα αποκοπής

26 ΤΜΗΥΠ / ΕΕΣΤ26 Αφαίρεση θορύβου στην συχνότητα (3/3) Για την αντιμετώπιση των προβλημάτων αυτών χρησιμοποιούνται πιο ομαλά φίλτρα –π.χ. κατωπερατό φίλτρο Butterworth με συχνότητα αποκοπής D 0 Όπου n η τάξη του φίλτρου (συνήθως n = 1) Όπου n η τάξη του φίλτρου (συνήθως n = 1)

27 ΤΜΗΥΠ / ΕΕΣΤ27 Αφαίρεση κρουστικού θορύβου (1/4) Μοντέλο –g(x,y)=f(x,y)+ w(x,y), όπου w(x,y) θόρυβος κρουστικού τύπου –Λόγω του w εμφανίζονται μαύρα και λευκά εικονοστοιχεία –Οι προηγούμενες τεχνικές δεν λειτουργούν αφού δημιουργούν κηλίδες γύρω από τα προβληματικά εικονοστοιχεία (παράδειγμα και από την 1-D περίπτωση) –Π.χ. μάσκα 5x5

28 ΤΜΗΥΠ / ΕΕΣΤ28 Αφαίρεση κρουστικού θορύβου (2/4) Φίλτρο Median: Χρήση παραθύρου (μάσκας) και επιλογή του μεσαίου ως το νέο κεντρικό στοιχείο g(x,y) = Med{f(z,w)}, (z,w) E S –Αντιμετωπίζει τον κρουστικό θόρυβο –Πιθανόν όμως αποκόπτει κορυφές και οξείες γωνίες

29 ΤΜΗΥΠ / ΕΕΣΤ29 Αφαίρεση κρουστικού θορύβου (3/4) Αρχική Κρουστικός Θόρυβος 20% 2-D Median 3x3 2-Median 5x5

30 ΤΜΗΥΠ / ΕΕΣΤ30 Αφαίρεση κρουστικού θορύβου (4/4) Παραλλαγές του Φίλτρου Median Παραλλαγές του Φίλτρου Median –Διαχωρίσιμο Median : Εφαρμογή του τελεστή Median μονοδιάστατα, πρώτα κατά γραμμές και μετά κατά στήλες –Αναδρομικό Median : Χρήση των ήδη υπολογισμένων μεσαίων τιμών –Α-trimmed filters : Απόρριψη ακραίων τιμών από το παράθυρο και εφαρμογή φίλτρου μεσαίας τιμής στο υπόλοιπο

31 ΤΜΗΥΠ / ΕΕΣΤ31 Φωτισμός φυσικής σκηνής (1/3) f(x,y)=i(x,y)r(x,y) f(x,y)=i(x,y)r(x,y) –f ~ λαμβανόμενη φωτεινότητα –i ~ ένταση φωτός που προσπίπτει στο σημείο –r ~ ανακλαστικότητα σημείου Το i έχει μεγάλη δυναμική περιοχή (0,∞) και μεταβάλλεται αργά (χαμηλές συχνότητες) ενώ για το r ( το οποίο  [0,1]) ισχύει το ανάποδο Το i έχει μεγάλη δυναμική περιοχή (0,∞) και μεταβάλλεται αργά (χαμηλές συχνότητες) ενώ για το r ( το οποίο  [0,1]) ισχύει το ανάποδο Αν έχουμε περιοχές με μεγάλο r και άλλες με μικρό τότε αναπόφευκτα χάνεται πληροφορία Αν έχουμε περιοχές με μεγάλο r και άλλες με μικρό τότε αναπόφευκτα χάνεται πληροφορία

32 ΤΜΗΥΠ / ΕΕΣΤ32 Φωτισμός φυσικής σκηνής (2/3) Για την βελτίωση της εικόνας πρέπει να μειωθεί η δυναμική περιοχή και να αυξηθεί η αντίθεση στο f(x,y) Για την βελτίωση της εικόνας πρέπει να μειωθεί η δυναμική περιοχή και να αυξηθεί η αντίθεση στο f(x,y) Για την δυναμική περιοχή ευθύνεται το i ενώ για την αντίθεση το r Για την δυναμική περιοχή ευθύνεται το i ενώ για την αντίθεση το r Έτσι αν εφαρμοστεί ανωπερατό φίλτρο, αποκόπτεται ενέργεια από το i και διατηρείται ικανοποιητικά το r Έτσι αν εφαρμοστεί ανωπερατό φίλτρο, αποκόπτεται ενέργεια από το i και διατηρείται ικανοποιητικά το r

33 ΤΜΗΥΠ / ΕΕΣΤ33 Φωτισμός φυσικής σκηνής (3/3) Επειδή τα i, r συνδέονται με γινόμενο το αποτέλεσμα εφαρμογής του φίλτρου δεν μπορεί να γίνει απευθείας Επειδή τα i, r συνδέονται με γινόμενο το αποτέλεσμα εφαρμογής του φίλτρου δεν μπορεί να γίνει απευθείας Χρήση λογαρίθμων και έπειτα φιλτράρισμα για την λήψη του επιθυμητού αποτελέσματος Χρήση λογαρίθμων και έπειτα φιλτράρισμα για την λήψη του επιθυμητού αποτελέσματος Η τεχνική που χρησιμοποιείται είναι Η τεχνική που χρησιμοποιείται είναι


Κατέβασμα ppt "Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας."

Παρόμοιες παρουσιάσεις


Διαφημίσεις Google