daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
daljinsko zaznavanje - In?titut za antropolo?ke in prostorske ?tudije ...
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
17 Transformacije podob<br />
17.1 Aritmetične operacije<br />
Osnovne transformacije podob ustvarimo s preprostimi aritmetičnimi operacijami –<br />
seštevanjem, odštevanjem, množenjem <strong>in</strong> deljenjem. Kot smo že omenili, gre lahko<br />
<strong>za</strong> operacije med različnimi kanali iste podobe ali kanali različnih podob. Osnovni<br />
pogoj, ki omogoča aritmetične (pa tudi druge) transformacije, je natančna poravnava<br />
podob. Tovrstna obdelava namreč ni smiselna, če ne opazujemo podob, pri katerih<br />
istim pikslom ustre<strong>za</strong>jo isti deli površja. Podobe moramo <strong>za</strong>to predhodno registrirati<br />
drugo glede na drugo ali v izbrani koord<strong>in</strong>atni sistem (razdelek 15.2). Natančnost, ki<br />
jo pri tem potrebujemo, je velikostnega reda en piksel.<br />
Seštevanje podob je operacija, ki jo najpogosteje uporabljamo <strong>za</strong> zmanjšanje šuma<br />
na veččasovnih podobah. Vsako podobo si lahko <strong>za</strong>mislimo kot vsoto »pravih« vrednosti<br />
<strong>in</strong> šuma. Če <strong>za</strong> slednjega predvidevamo, da je porazdeljen normalno, ga s seštevanjem<br />
več podob izpovprečimo. Zapišemo lahko<br />
Isum(x,y) = 1<br />
n<br />
n<br />
Ii(x,y). (17.1)<br />
Pri tem so Ii posamezne podobe, Isum pa njihova vsota. Ker želimo ohraniti d<strong>in</strong>amični<br />
razpon vrednosti (na primer od 0 do 255 pri osembitnih podobah), vsoto delimo<br />
s številom podob n. Seštevanje izvajamo po posameznih pikslih, rezultat pa praviloma<br />
<strong>za</strong>okrožimo k najbližji celi vrednosti.<br />
Odštevanje podob pogosto uporabljamo <strong>za</strong> določanje sprememb, do katerih je prišlo<br />
med <strong>za</strong>jetjem ob različnih časih (slika 17.1). Pri paru georeferenciranih podob vrednosti<br />
pikslov (svetlosti) ene podobe odštejemo od vrednosti druge<br />
i=1<br />
Idif(x,y) = I2(x,y) − I1(x,y). (17.2)<br />
Rezultat operacije je podoba, pri kateri vrednost 0 pomeni, da med <strong>za</strong>jetjema podob<br />
ni prišlo do sprememb, majhne vrednosti pomenijo majhne spremembe, veli<strong>ke</strong> pa veli<strong>ke</strong>.<br />
Hkrati predznak podaja »smer« spremembe (če nas ta ne <strong>za</strong>nima, uporabimo absolutno<br />
vrednost razli<strong>ke</strong>). Podoba razlik ima obliko relativno oz<strong>ke</strong> Gaussove krivulje, saj so<br />
razli<strong>ke</strong> pogosto majhne <strong>in</strong> praviloma porazdeljene normalno. S pravilnim raztegom <strong>in</strong><br />
barvnim prikazom (razdelka 16.2 <strong>in</strong> 16.3) lahko razli<strong>ke</strong> med podobama prikažemo zelo<br />
jasno.<br />
Izhodna podoba <strong>za</strong> razliko od vhodnih <strong>za</strong>jame tako pozitivne kot negativne vrednosti,<br />
kar pa je lahko pri nadaljnji obdelavi moteče. Zato jo pogosto nekoliko premaknemo<br />
oziroma ji prištejemo konstanto. Najpogosteje gre <strong>za</strong> polovico največje vrednosti, ki jo<br />
Slika 17.1: Z odštevanjem lahko določimo spremembe, do katerih je prišlo med <strong>za</strong>jetjem<br />
podob.<br />
162
Change language