PrzeksztaÅcenia punktowe i skali szaroÅci ( jasnoÅci ) = Korekcja ...
PrzeksztaÅcenia punktowe i skali szaroÅci ( jasnoÅci ) = Korekcja ...
PrzeksztaÅcenia punktowe i skali szaroÅci ( jasnoÅci ) = Korekcja ...
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Przekształcenie :<br />
Przekształcenia <strong>punktowe</strong> i <strong>skali</strong> szarości ( jasności )<br />
= <strong>Korekcja</strong> jasności i kontrastu obrazu<br />
h ( x,<br />
y)<br />
= T ( f )( x,<br />
y)<br />
= t(<br />
f ( x,<br />
y))<br />
nazywamy przekształceniem obrazu wejściowego f w obraz wyjściowy h za<br />
pomocą operatora <strong>punktowe</strong>go T odnoszącego się do punktu obrazu f o<br />
współrzędnych x,y na podstawie przekształcenia t <strong>skali</strong> szarości (jasności) .<br />
Przekształcenie t nazywamy takŜe modyfikacją histogramu.<br />
Przekształcenie t moŜemy opisać przy pomocy funkcji gradacji t.<br />
Kształt tej funkcji decyduje o sposobie korekcji jasności lub kontrastu<br />
obrazu.<br />
Pod pojęciem jasności obrazu rozumiemy wartości funkcji f.<br />
Pod pojęciem kontrastu obrazu rozumiemy lokalną zmianę jasności, którą<br />
definiujemy jako stosunek między średnią jasnością pikseli<br />
reprezentujących obiekty na obrazie a średnią jasności pikseli<br />
reprezentujących tło obrazu (Przykład : gwiazdy na niebie w dzień i w<br />
nocy) – pojęcie subiektywne.<br />
Przykład funkcji gradacji t dokonującej poprawy kontrastu na obrazie<br />
Obraz analogowy<br />
Obraz dyskretny<br />
Obraz wyjściowy<br />
Obraz wyjściowy<br />
Obraz wejściowy<br />
Obraz wejściowy<br />
Przy przekształceniach punktowych często stosuje się operacje typu LUT<br />
(ang. Look Up Tables) . W operacji tej do przekształcania wartości<br />
poszczególnych punktów obrazu uŜywa się przygotowanych a priori tabel<br />
przekodowania np.
Modyfikacja jasności<br />
⎧c<br />
+ f ( x,<br />
y)<br />
jesli 0 ≤ c + f(x,y) ≤ G - 1<br />
⎪<br />
h(<br />
x,<br />
y)<br />
= ⎨G - 1 jesli c + f(x,y) > G - 1<br />
⎪<br />
⎩0<br />
jesli c + f(x,y) < 0<br />
Modyfikacja kontrastu<br />
Rozciąganie do pełnego zakresu szarości (p. skalowanie liniowe z obcięciem)<br />
h<br />
⎧0<br />
⎪<br />
f ( p)<br />
−u<br />
p)<br />
= ⎨<br />
⎪ u2<br />
− u1<br />
⎪<br />
⎩G<br />
−1<br />
jesli f(p) < u<br />
jesli u<br />
≤ f ( p)<br />
≤ u<br />
1<br />
( 1<br />
2<br />
jesli f(p) > u<br />
2<br />
1
Modyfikacja kontrastu w oparciu o nieliniowe funkcje gradacji t<br />
Modyfikacja obrazu wejściowego :<br />
Modyfikacja w oparciu o :<br />
a) krzywą A :<br />
Obraz wejściowy i jego histogram
) krzywą B :<br />
c ) krzywą C :<br />
d) Krzywą D :<br />
Zakładamy , Ŝe stosujemy znormalizowaną skalę szarości w przedziale [0,1]:<br />
f ( p)<br />
U = oraz G −1<br />
s<br />
S = G −1
Krzywe A i B to funkcje potęgowe. Przekształcenie realizowane przy pomocy<br />
tych funkcji opisujemy:<br />
⎡ f ( p)<br />
⎤<br />
h(<br />
p)<br />
= ( G −1)<br />
⋅<br />
⎢<br />
⎣G<br />
−1⎥<br />
⎦<br />
Krzywe C i D reprezentują S-funkcje. Przekształcenie to opisujemy:<br />
r<br />
⎧<br />
⎪v<br />
h(<br />
p)<br />
= ⎨<br />
⎪v<br />
⎪<br />
⎩<br />
1<br />
2<br />
U<br />
( U ) = ( G −1)<br />
⋅<br />
r<br />
S<br />
−1<br />
(1 − U )<br />
( U ) = ( G −1)(1<br />
−<br />
r<br />
(1 − S)<br />
r<br />
r<br />
−1<br />
jesli 0 ≤U<br />
)<br />
≤ S<br />
jesli S ≤U<br />
≤ 1<br />
Tworzenie obrazów odwrotnych (negatywów) realizowane jest przy pomocy<br />
funkcji gradacji o przykładowych kształtach :<br />
h(<br />
p)<br />
= 1. 0<br />
− U<br />
⎧1.0<br />
⎪<br />
h(<br />
p)<br />
= ⎨0.<br />
1<br />
⎪<br />
⎩ U<br />
dla 0 ≤ U<br />
≤ 0.1<br />
dla 0.1 ≤U<br />
≤ 1
Bitowa modyfikacja kontrastu – wyświetlamy bity na określonych pozycjach<br />
bajtów opisujących jasności poszczególnych pikseli tworzących obraz.<br />
(na podst. W.K. Pratt - „Digital Image Processing” ):<br />
Obraz wejściowy
„Okienkowanie <strong>skali</strong>” ( ang. Amplitude level slicing) – wygodne przy<br />
określaniu rozmieszczenia na obrazie pikseli o określonej jasności (wartości<br />
funkcji f ).<br />
Modyfikacja histogramu = kształtowanie histogramu obrazu<br />
Wyrównywanie histogramu – histogram obrazu wyjściowego jak najbardziej<br />
płaski = wartość funkcji gęstości prawdopodobieństwa stała<br />
Przypadek ciągły :<br />
f<br />
h<br />
j<br />
k<br />
Szukane przekształcenie t otrzymamy dla stałej wartości funkcji gęstości<br />
obrazu wyjściowego:
Podstawiając otrzymujemy:<br />
p h<br />
( h)<br />
=<br />
h<br />
max<br />
1<br />
− h<br />
min<br />
h<br />
1 h − hmin<br />
∫ dh = = P f<br />
( f )<br />
h − h h − h<br />
hmin<br />
max<br />
min<br />
max<br />
Z tego obliczamy h będącą funkcją przejścia:<br />
max<br />
− hmin<br />
]<br />
min<br />
h = Pf ( f )[ h + h<br />
min<br />
Dla obrazu dyskretnego otrzymujemy:<br />
h<br />
k<br />
k = ∑ HIST f , j)<br />
⋅[<br />
hmax<br />
− hmin<br />
] +<br />
j=<br />
0<br />
( h<br />
Efekt wyrównania moŜemy zwiększyć lub zmniejszyć przy pomocy:<br />
h<br />
k<br />
r<br />
k = ∑ HIST f , j)<br />
⋅[<br />
hmax<br />
− hmin<br />
] +<br />
j=<br />
0<br />
( h<br />
min<br />
min<br />
Uwaga: Ze względu na dyskretyzację obrazu oraz ograniczoną ilość poziomów<br />
kwantyzacji (poziomów szarości) niemoŜliwe jest otrzymanie histogramu<br />
idealnie płaskiego jak w przypadku ciągłym, dlatego wyrównany histogram<br />
obrazu dyskretnego posiada ekstrema oraz nie ma wypełnionych niektórych<br />
poziomów szarości.<br />
Przykłady operacji wyrównywania histogramu
Obraz wejściowy<br />
Histogram obrazu wejściowego<br />
Obraz wejściowy<br />
Histogram obrazu wejściowego<br />
Obraz z wyrównanym histogramem<br />
Wyrównany histogram<br />
Funkcja gradacji<br />
Obraz Obraz po hiperbolizacji z wyrównanym histogramu histogramem<br />
Histogram po wyrównany hiperbolizacji
Lokalna modyfikacja histogramu – modyfikacja w pewnym , ustalonym<br />
sąsiedztwie.<br />
Adaptacyjna modyfikacja histogramu<br />
gdzie<br />
M<br />
= a[ bM 00 + (1 − b)<br />
M10]<br />
+ (1 − a)[<br />
bM 01 + (1 − b)<br />
M11]<br />
k<br />
a =<br />
k<br />
1<br />
−<br />
−<br />
k<br />
k<br />
0<br />
0<br />
b =<br />
j<br />
j<br />
1<br />
−<br />
−<br />
j<br />
j<br />
0<br />
0
Porównanie globalnego, lokalnego i adaptacyjnego wyrównywania histogramu<br />
Wygładzanie histogramu – likwidacja lokalnych ekstremów.<br />
Obraz wejściowy A<br />
Wyrównanie klasyczne obrazu A<br />
Wyrównanie lokalne obrazu A<br />
Wyrównanie adaptacyjne obrazu A<br />
Obraz wejściowy B<br />
Wyrównanie klasyczne obrazu B<br />
Wyrównanie adaptacyjne obrazu B