21.12.2012 Aufrufe

Klassifikation von Mustern

Klassifikation von Mustern

Klassifikation von Mustern

MEHR ANZEIGEN
WENIGER ANZEIGEN

Erfolgreiche ePaper selbst erstellen

Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.

2.4. NICHTLINEARE OPERATIONEN (VA.1.2.3, 04.12.2005) 109<br />

hj = (1 − α)hj−1 + αfj , j = 2, 3, . . . , M (2.4.5)<br />

eine ähnliche Wirkung wie (2.4.3) hat. Wenn Linienmuster im Kettenkode dargestellt werden,<br />

ist es möglich, Glättungsoperationen direkt auf diesem auszuführen.<br />

2.4.2 Rangordnungsoperationen<br />

Das Prinzip der Rangordnungsoperationen ist die Definition einer geeigneten Funktion auf der<br />

Rangordnung der Grauwerte in einer Nachbarschaft eines aktuellen Bildpunktes. Wir betrachten<br />

einen Funktionswert fjk in der Folge [fjk] und bezeichnen mit NM eine Nachbarschaft <strong>von</strong> fjk,<br />

die M Werte enthält, z. B.<br />

NM = {fj+µ,k+ν | µ = 0, ±1, . . . , ±m ; ν = 0, ±1, . . . , ±n} ,<br />

M = (2m + 1)(2n + 1) .<br />

(2.4.6)<br />

Die Elemente <strong>von</strong> NM werden der Größe nach geordnet, wobei der kleinste Wert aus NM mit<br />

r1 bezeichnet wird, der nächstgrößere mit r2 und so weiter. Dieses ergibt die Rangordnung der<br />

um fjk liegenden Funktionswerte<br />

Rjk = {r1, r2, . . . , rM |rl ∈ NM, rl ≤ rl+1, l = 1, . . . , M} . (2.4.7)<br />

Definition 2.7 Eine Rangordnungsoperation ist definiert durch irgendeine Funktion der<br />

Rangordnung<br />

hjk = ϕ(Rjk) . (2.4.8)<br />

Zur Definition einer Rangordnungsoperation gehört also die Definition einer geeigneten<br />

Nachbarschaft NM und einer geeigneten Funktion ϕ, wofür keine theoretisch fundierten Ansätze<br />

vorliegen. Beispiele für spezielle und für die Vorverarbeitung nützliche Operationen, die<br />

übrigens alle ohne Multiplikationen auskommen, sind<br />

hij = r1 , (Erosion)<br />

hij = rM , (Dilatation)<br />

hij = rM − r1 , (Konturextraktion)<br />

hij<br />

hij<br />

=<br />

=<br />

r(M+1)/2 ,<br />

<br />

r1 :<br />

rM :<br />

(fij − r1 < rM − fij) ,<br />

sonst .<br />

(Median)<br />

(Kontrastverstärkung)<br />

(2.4.9)<br />

Der Median in (2.4.9) bewirkt eine nichtlineare Glättung, die gegenüber (2.3.40) den Vorteil<br />

hat, dass kleine Änderungen völlig beseitigt werden und größere Sprünge im Funktionswert<br />

nicht verschliffen werden. Für eine Wahrscheinlichkeitsverteilungsfunktion P (x) ist der Median<br />

xm durch die Gleichung<br />

P (xm) = 0, 5 (2.4.10)<br />

definiert. Entsprechend wird für ein Medianfilter der Breite (2m + 1) die empirische Verteilungsfunktion<br />

P (f) im Punkte j der Folge [fj] über die Funktionswerte fj+ν, ν =<br />

0, ±1, . . . , ±m berechnet; diese entspricht dem normierten Histogramm in Abschnitt 2.2.2.

Hurra! Ihre Datei wurde hochgeladen und ist bereit für die Veröffentlichung.

Erfolgreich gespeichert!

Leider ist etwas schief gelaufen!