poboljsanje_slike

Odabrane teme iz biometrije

Poboljanje slike

Poboljanje slike 1/2

Glavni cilj tehnika za poboljavanje slike - procesirati sliku

kako bi rezulatat bio prikladniji za odreenu upotrebu

2 kategorije pristupa

Metode prostorne domene

Metode domene frekvencije

Poboljanje slike 2/2

Prostorna domena

Domena slike

Pristupi bazirani na direktnoj manipulaciji piksela slike

Domena frekvencije

Promjene Fourierove transformacije slike

Metode prostorne domene 1/4

Prostorna domena - skup piksela koji ine sliku

Metode prostorne domene - procedure koje operiraju

direktno na tim pikselima


Funkcije procesiranja slike u prostornoj domeni

oznaavaju se kao:

g(x,y)=T[f(x,y)]

f(x,y) - ulazna slika

g(x,y) - procesirana slika

T - operator na f definiran na odreenom susjedstvu (x,y)


Osnovni pristup za definiranje susjedstva (x,y) - koritenje

kvadratne ili pravokutne podslike centrirane na poziciji

(x,y)

Centar podslike se pomie od piksela do piksela s

poetkom u gornjem lijevom kutu slike i na svakoj lokaciji

primjenjuje operator kako bi dobio g na toj lokaciji

Ponekad se za podsliku uzimaju podruja kao to je krug


Najjednostavniji oblik T je kada je susjedstvo 1x1 U tom sluaju g ovisi samo o vrijednosti f na toj lokaciji, a T

postaje grey-level transformacija oblika:

S=T(r)

r i s - varijable koje oznaavaju razinu sivila f(x,y) i g(x,y)

na lokaciji (x,y)

Metode domene frekvencije

Osnov tehnika domene frekvencije teorem konvolucije

Ako je g(x,y) slika formirana konvolucijom f(x,y) i linearnog operatora h(x,y):

g(x,y)=h(x,y)*f(x,y)

Iz teorema konvolucije vrijedi:

G(u,v)=H(u,v)F(u,v)

G, H i F - Fourierove transformacije od g, h i f

Poboljanje slika

Poboljanje slika moemo podijeliti na

Poboljanje point procesiranjem

Prostorno filtriranje

Poboljanje u domeni frekvencije

Poboljanje slika point procesiranjem

Jednostavne transformacije intenziteta

Procesiranje histograma

Image subtraction

Image averaging


Negativ slike

Korisni u mnogim aplikacijama - prikaz medicinskih slika

Dobije se koritenjem funkcije transformacije s=T(r) koja se u

koordinatnom sustavu kree od (0, L-1) gdje je L broj razina

sive boje

Ideja je okrenuti poredak od crne do bijele tako da se

intenzitet izlazne slike smanji dok se intenzitet ulazne slike

poveava


Proirenje kontrasta

Slike niskog kontrasta mogu se dobiti slabim osvijetljenjem,

nedostatkom dinamikog raspona u senzoru ili pogrenim

postavljanjem lee tokom prikupljanja slike

Ideja je poveati dinamiki raspon razine sivila na slici koja se

procesira


Kompresija dinamikog raspona

Ponekad dinamiki raspon procesirane slike premauje

kapacitet ureaja za prikaz

Efektivan nain kompresiranja dinamikog raspona vrijednosti

piksela je provoenje sljedee transformacije intenziteta:

s=clog(1+|r|)

c - konstanta skaliranja, a logaritamska funkcija obavlja eljenu

kompresiju


Grey-level slicing

esto se eli istaknuti odreeni raspon razina sive boje na slikama

Upotrebe - poboljanje karakteristika kao to su mase vode na satelitskim snimkama, poboljanje dijelova kod rengenskih snimaka

Postoji nekoliko naina level slicinga ali je veina varijacija dvije osnovne teme

Jedan pristup je prikazati visoku vrijednost za sve razine sive boje u rasponu od interesa i nisku vrijednost za sve ostale razine sive - izlaz je binarna slika

Drugi pristup posvjetljuje raspon razina sive koji je od interesa, ali uz ouvanje pozadine i tonaliteta razina sive

Procesiranje histograma

Histogram digitalne slike s razinama sivila u rasponu od 0 do L-1 je diskretna funkcija

p(rk)=nk/n

rk - k-ta razina sivila

nk - broj piksela na slici s razinom sivila k

n - ukupan broj piksela na slici

k=0,1,2...L-1

Image subtraction

Razlika izmeu dvije slike f(x,y) i h(x,y) prikazana kao

g(x,y)=f(x,y)-h(x,y)

se dobije raunanjem razlike izmeu parova odgovarajuih piksela f i h

Oduzimanje slika ima vanu upotrebu u segmentaciji i poboljanju slika

Poboljanje slika u podruju medicinskih slika zvanom masked mode radiography

Image averaging

Slika sa umom g (x,y) - dobivena dodavanjem uma n(x,y)

na originalnu sliku f(x,y):

g(x,y)=f(x,y)+n(x,y)

Prostorno filtriranje 1/3

Prostorno filtriranje - koritenje prostornih maski za

procesiranje slika

Maske - prostorni filteri


Prostorni filteri

Linearni - bazirani su na konceptima koji kau da su funkcija transfera i impulsna funkcija linearnog sustava inverzne Fourierove transformacije jedna druge

Low-pass filteri eliminiraju komponente visoke frekvencije u Fourierovoj domeni, a niske frekvencije ostavljaju netaknutima (komponente visoke frekvencije rubovei i ostali otri detalji na slici)

High-pass filteri - eliminiraju komponente niske frekvencije (odgovorne za karakteristike slike kao to su kontrast i prosjeni intenzitet)

Bandpass filteri - eliminiraju odabrane regije frekvencije izmeu niskih i visokih frekvencija

Nelinearni


Prostorni filteri se dijele na

Filtere za izglaivanje

Filtere za izotravanje

Filteri za izglaivanje 1/3

Koriste se za

Zamuivanje koristi se u koracima pretprocesiranja

(uklanjanje manjih detalja sa slike prije ekstrakcije veih

objekata)

Redukciju umova - moe se postii zamuivanjem linearnim ili

nelinearnim filterom


Filteri za izglaivanje

Lowpass filtriranje

Filter mora imati sve pozitivne koeficijente

Za 3x3 prostorni filter, najjednostavniji raspored bi bila maska u

kojoj svi koeficijenti imaju vrijednost 1

Jedna od potekoa - zamuuje rubove i druge otre detalje

Ako je cilj redukcija umova, a ne zamuivanje cijele slike,

alternativni pristup je koritenje medijan filtera


Medijan filtriranje

Razina sivila svakog piksela se zamjenjuje medijanom razina sivila u susjedstvu tog piksela

Medijan filter je nelinearan

Medijan m seta vrijednosti je takav da je polovica vrijednosti u setu manja od m, a pola vea od m

Da bi se medijan filtriranje provelo na susjedstvo piksela, sortiraju se vrijednosti piksela i njegovih susjeda, odreuje se medijan i dodjeljuje ta vrijednost pikselu

Filteri za izotravanje 1/2

Osnovno highpass prostorno filtriranje

Filter treba imati pozitivne koeficijente blizu centra, a negativne

koeficijente na periferiji

Za masku 3x3, odabire se pozitivna vrijednost na centralnoj

lokaciji s negativnim koeficijentima u ostatku matrice

Kada je maska preko podruja konstantne ili lagano varirajue

razine sivila, izlaz maske je 0 ili vrlo mali

Filteri za izotravanje 2/2

High-boost filtriranje

Highpass filtrirana slika moe se izraunati kao razlika izmeu originalne slike i lowpass filtrirane verzije slike

Highpass=Original Lowpass

Mnoenjem originalne slike faktorom poveanja, oznaenom s A dobivamo definiciju high-boost filtera.

Highboost =(A)Original Lowpass

=(A-1)Original + Original Lowpass

=(A-1)Original + Highpass

Rezultat - high-boost slika izgleda vie kao originalna slika s relativnim stupnjem poboljanja rubova koji ovisi o vrijednosti A

Poboljanje u domeni frekvencije

Izrauna se Fourierova transformacija slike koju treba

poboljati, rezultat se mnoi funkcijom filtera, te se radi

inverzna transformacija da bi se dobila poboljana slika

Moe biti

Lowpass filtriranje

Highpass filtriranje

Low-pass filtriranje 1/3

Rubovi i ostali otri prijelazi u razinama sivila slike doprinose sadraju visoke frekvencije u Fourierovoj transformaciji

Izglaivanje se u domeni frekvencije postie smanjivanjem opsega komponenti visoke frekvencije u transformaciji slike

G(u,v)=H(u,v)F(u,v)

F(u,v) - Fourierova transformacija slike koju treba izgladiti

Problem - odabrati funkciju transfera filtera H(u,v) koja daje G(u,v) smanjenjem komponenti visoke frekvencije F(u,v)


Funkcije transfera

Ideal filter (ILPF)

2D ideal lowpass filter je onaj ija funkcija transfera zadovoljava

relaciju

H(u,v)= 1 ako je D(u,v)D0

D0 - specificirana nenegativna vrijednost

D(u,v) - razlika izmeu toke (u,v) i ishodita

D(u,v)=(u2+v2)1/2


Butterworth filter (BLPF)

Funkcija transfera Butterworth lowpass filtera reda n s

graninim grafom frekvencije na udaljenosti D0 od ishodita

definirana je

H(u,v)=1/(1+[D(u,v)/D0]2n)

D(u,v)=(u2+v2)1/2

High-pass filtriranje 1/3

Rubovi i ostale nagle promjene u razini sivila povezane s

komponentama visoke frekvencije

Izotravanje slike u domeni frekvencije se moe postii

procesom highpass filtriranja, koji umanjuje komponente

niske frekvencije bez ometanja informacija visoke

frekvencije u Fourierovoj transformaciji


Funkcije transfera

Ideal filter (IHPF)

2D highpass filter je onaj ije funkcije transfera zadovoljavaju

relaciju

H(u,v)= 0 ako je D(u,v)D0

D0 - granina udaljenost izmjerena od ishodita frekvencijske

ravnine,

D(u,v)=(u2+v2)1/2


Butterworth filter (BHPF)

Funkcija transfera Butterworth highpass filtera reda n s

graninim grafom frekvencije na udaljenosti D0 od ishodita

definirana je

H(u,v)=1/(1+[ D0/D(u,v)]2n)

D(u,v)=(u2+v2)1/2

poboljsanje_slike

Documents