Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Komputerowe metody przetwarzania obrazów cyfrowych

Podobne prezentacje


Prezentacja na temat: "Komputerowe metody przetwarzania obrazów cyfrowych"— Zapis prezentacji:

1 Komputerowe metody przetwarzania obrazów cyfrowych
Przekształcenia geometryczne Przekształcenia punktowe (bezkontekstowe) Przekształcenia kontekstowe Transformacja Fouriera

2 Przekształcenia geometryczne
Obroty, przesunięcia, odbicia, itp.. Zwykle są to samodzielne transformacje, ale mogą być też wykorzystywane do wspomagania innych przekształceń.

3 Przekształcenia bezkontekstowe
Poszczególne elementy obrazu ulegają modyfikacji niezależnie od stanu sąsiednich elementów. Modyfikacji podlegają jedynie wartości punktów. L'(m,n) = (L(m,n)) L'(m,n) = LUT (L(m,n)) (m, n) – parametry punktu obrazu (wiersz, kolumna) LUT – Look Up Table

4 Histogram B – liczba bitów dla reprezentacji jednego punktu obrazu
M, N – liczba wierszy, kolumn macierzy reprezentującej obraz

5 Obrazy i ich histogramy.

6 Wyrównanie histogramu
Polega na zmianie położenia kolejnych słupków, reprezentujących ilość pikseli o danej jasności. Niech m i n należą do dziedziny funkcji h(i) oraz niech h(m) > 0 i h(n) > 0, a także h(i) = 0 dla wszystkich m < i < n. Wówczas należy tak przemieszczać punkty m i n, aby minimalizować wartość Q określoną wzorem:

7 Obrazy i ich histogramy po wyrównaniu histogramu.

8 Zmiana jasności obrazu
Polega na przesunięciu całego obrazu w kierunku jaśniejszej lub ciemniejszej części palety stopni szarości. Można ją opisać wzorem:

9 Obrazy i ich histogramy po zmianie jasności dla =50.

10 Obrazy i ich histogramy po zmianie jasności dla =-50.

11 Zmiana kontrastu obrazu
Polega na zwiększaniu lub zmniejszaniu różnic pomiędzy wartościami punktów obrazu.

12 Obrazy i ich histogramy po zwiększeniu kontrastu.

13 Obrazy i ich histogramy po zmniejszeniu kontrastu.

14 Korekcja gamma Służy do uwypuklenia jednych poziomów szarości kosztem innych. Poprawia kontrast ciemnych kolorów kosztem jasnych lub odwrotnie. Można ją opisać wzorem:

15 Zastosowanie korekcji gamma dla =0.4 .

16 Zastosowanie korekcji gamma dla =2 .

17 Przekształcenia kontekstowe
Polegają na modyfikacji poszczególnych punktów obrazu zarówno w zależności od ich stanu jak i ich otoczenia. Służą do tłumienia szumów, wzmacniania pewnych elementów, usuwania określonych wad z obrazu, poprawy złej jakości, rekonstrukcji obrazu.

18 Przekształcenia kontekstowe
Splot funkcji: w (i, j) – współczynniki filtru Np. dla otoczenia w postaci kwadratowego okna 3x3, współczynniki w (i, j) będą miały postać: w (-1,-1) w (-1,0) w (-1,1) w (0,-1) w (0,0) w (0,1) w (1,-1) w (1,0) w (1,1)

19 Przekształcenia kontekstowe
Filtr dolnoprzepustowy uśredniający: Służy do usuwania szumów, co jest najbardziej typowym zastosowaniem filtracji. Jednak powoduje on rozmycie konturów. 1

20 Przekształcenia kontekstowe
Filtry uśredniające wartości pikseli w sposób ważony, np. Filtry Gaussa: Pierwotna wartość piksela wpływa w największym stopniu na wartość piksela po przetworzeniu. 1 2 1 2 4

21 Przekształcenia kontekstowe
Filtry górnoprzepustowe. Wydobywają z obrazu składniki odpowiedzialne za szybkie zmiany jasności, np. Filtry Laplace’a: -1 4 1 -2 4 -1 4 -2 1 4 -1 8

22 Wyniki działania filtru Laplace’a 5.

23 Przekształcenia kontekstowe
Filtry Sobela: 1 2 -1 -2 1 -1 2 -2 poziomy pionowy

24 Wyniki działania poziomego filtru Sobela.

25 Wyniki działania pionowego filtru Sobela.

26 Przekształcenia kontekstowe
Filtry statystyczne. Filtr minimalny – zastąpienie piksela wynikowego pikselem o najniższej wartości spośród pikseli pochodzących z badanego otoczenia. Filtr maksymalny – zastąpienie piksela wynikowego pikselem o najwyższej wartości spośród pikseli pochodzących z badanego otoczenia. Filtr medianowy - zastąpienie piksela wynikowego pikselem o środkowej wartości spośród pikseli pochodzących z badanego otoczenia.

27 Wyniki działania filtrów Statystycznych
med. min. max. Wyniki działania filtrów Statystycznych

28 Wyniki działania filtrów Statystycznych
med. min. max. Wyniki działania filtrów Statystycznych

29 Transformacja Fouriera
Jest ona przekształceniem widmowym. Przekształcenia takie działają podobnie do filtracji kontekstowych, z tą różnicą, że kon-tekstem jest w tym przypadku cały obraz. Plan działania: obliczenie dwuwymiarowego widma obrazu, modyfikacja widma, rekonstrukcja obrazu.

30 Transformacja Fouriera dla sygnałów jednowymiarowych
Transformacja Fouriera dla tego ciągu: Wynikiem transformacji Fouriera jest ciąg: - współczynnik transformacji

31 Transformacja Fouriera dla sygnałów jednowymiarowych
Transformacja ta jest odwracalna: Współczynniki i muszą spełniać warunek:

32 Transformacja Fouriera dla obrazów cyfrowych
Transformacja Fouriera dla tego ciągu: Transformacja odwrotna:

33 Transformacja Fouriera – po prawej wyrównanie histogramu w celu lepszej widoczności

34 Filtracja obrazu w dziedzinie Fouriera
Filtr dolnoprzepustowy i górnoprzepustowy. Podobne do zwykłych filtrów splotowych ale działają w dziedzinie częstotliwości. Filtr dolnoprzepustowy usuwa z obrazu częstotliwości wysokie, pozostawiając bez zmian niskie. Filtr górnoprzepustowy – odwrotnie.

35 Zastosowanie filtrów: dolnoprzepustowego i górnoprzepustowego.


Pobierz ppt "Komputerowe metody przetwarzania obrazów cyfrowych"

Podobne prezentacje


Reklamy Google