ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ

Transcript

1 ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ Πτυχιακή εργασία «Ανάπτυξη μεθοδολογιών ανάκτησης έγχρωμων εικόνων εκτυπωμένων σε ασπρόμαυρο εκτυπωτή» των Παπαδημητρίου Ιωάννης, ΑΕΜ: 1246 και Συμώνη Πασχαλίνα, ΑΕΜ: 1610 Επιβλέπων: Δρ. Γεώργιος Α. Παπακώστας Καβάλα, Ιούλιος 2013

2 Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 2

3 Πρόλογος Τα τελευταία χρόνια έχει γίνει εμφανές, ότι η σύγχρονη επιστήμη θα είναι άρρηκτα συνδεμένη με την πληροφορική. Οι ηλεκτρονικοί υπολογιστές και τα υπόλοιπα τεχνολογικά επιτεύγματα της επιστήμης, έχουν προσφέρει στον άνθρωπο απίστευτες δυνατότητες, τόσο στην επίλυση πολύπλοκων προβλημάτων όσο και στην ψυχαγωγία του. Για παράδειγμα, οι φορητές συσκευές αναπαραγωγής ήχου και οι ψηφιακές φωτογραφικές μηχανές με αξιοθαύμαστες δυνατότητες επεξεργασίας και αποθήκευσης σε χαμηλό κόστος, έχουν γίνει αναπόσπαστο κομμάτι της καθημερινότητας του σύγχρονου ανθρώπου. Αναμφισβήτητα η πιο σημαντική συσκευή, είναι τα κινητά τηλέφωνα που μόνο τηλέφωνα πλέον δεν μπορούν να χαρακτηριστούν. Με δυνατότητες αναπαραγωγής ήχου, καταγραφής εικόνας και βίντεο, καθώς και με ικανοποιητική υπολογιστική ισχύ για πολλές εφαρμογές, δημιουργούν την εντύπωση ότι οι φορητοί ηλεκτρονικοί υπολογιστές του άμεσου μέλλοντος θα αντικατασταθούν από τα κινητά τηλέφωνα. Η χρήση των ηλεκτρονικών υπολογιστών σε πολλά και πολύπλοκα προβλήματα της επιστήμης συντέλεσε στην δημιουργία πολλών νέων επιστημονικών κλάδων. Ένας από αυτούς είναι και η Ανάλυση και Επεξεργασία Ψηφιακής Εικόνας. Στην επεξεργασία εικόνας εντάσσονται μέθοδοι καταγραφής, βελτίωσης και μετασχηματισμού της. Με την χρήση μεθόδων επεξεργασίας εικόνας, είναι εφικτή και η ανάλυση της. Στην ανάλυση εικόνας, αναγνωρίζονται αντικείμενα και συσχετίσεις αντικειμένων. Βασικές εφαρμογές της ανάλυσης της εικόνας, είναι η μηχανική όραση, καθώς και η σύνθεση εικόνων από περιγραφή των αντικειμένων που περιέχει. Η σημερινή τεχνολογία αν και προσφέρει πολλά, δεν είναι ακόμα αρκετά ώριμη, ώστε να ξεπεράσει διάφορους περιορισμούς. Στα σύγχρονα υπολογιστικά συστήματα, είναι εφικτή η καταγραφή εικόνας και η επεξεργασία της σε πραγματικό χρόνο. Ωστόσο οι αισθητήρες καταγραφής δεν μπορούν να καταγράψουν την εικόνα, πάντα με την επιθυμητή ευκρίνεια και ακρίβεια που απαιτείται. Αυτό μπορεί να οφείλεται σε πολλούς λόγους. Ενδεικτικά αναφέρονται: η συμπίεση των δεδομένων καταγραφής, οι δυσμενείς κλιματολογικές συνθήκες, η χαμηλή ένταση φωτός, αλλά και η πιθανή κίνηση του αισθητήρα που υφίσταται κατά την καταγραφή της εικόνας. Αυτοί και άλλοι παράγοντες, μπορούν να επηρεάσουν σημαντικά την ποιότητα καταγραφής της εικόνας. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 3

4 Τα έγχρωμα έγγραφα, επίσης, είναι συνήθη στα σύγχρονα γραφεία, στα σχολεία, ακόμα και στα σπίτια, και εμφανίζονται σε μια ποικιλία μορφών. Τα έγγραφα συχνά παρασκευάζονται, αποθηκεύονται και απεικονίζονται ηλεκτρονικά, αλλά επίσης τυπώνονται και διανέμονται σε έντυπη μορφή. Το τυπωμένο χαρτί είναι αναπόσπαστο συστατικό σε ένα γραφείο. Ενδιαφέρον αποτελούν τα έγχρωμα έγγραφα, τα οποία ετοιμάζονται ψηφιακά και εκτυπώνονται σε ένα ασπρόμαυρο μηχάνημα ή διαβάζονται από μια κλασσική ασπρόμαυρη συσκευή φαξ. H τεχνολογική ανάπτυξη των διαφόρων τύπων της απεικόνισης διευκόλυνε την επεξεργασία των έγχρωμων εικόνων. Παρ όλ αυτά, εξακολουθεί να είναι σημαντική η επεξεργασία των έγχρωμων εικόνων με τον ίδιο τρόπο όπως και οι γκρι εικόνες σε σχέση με το κόστος λειτουργίας, τα δεδομένα ποσότητας κ.τ.λ.. Υπάρχει η δυνατότητα μετατροπής μιας έγχρωμης εικόνας σε αποχρώσεις του γκρι μοναδικώς, χρησιμοποιώντας έναν γραμμικό συνδυασμό των χρωματικών στοιχείων RGB. Αντιστρόφως, η εύρεση ενός διανύσματος RGB από μια τιμή φωτεινότητας είναι ένα κακώς ορισμένο πρόβλημα. Θεωρητικά μιλώντας, είναι αδύνατον να αποκατασταθεί πλήρως μια έγχρωμη εικόνα, από μια σε αποχρώσεις του γκρι. Και αυτό οφείλεται στο γεγονός ότι η χρωματική πληροφορία μιας έγχρωμης εικόνας χάνεται κατά την διάρκεια της εκτύπωσης με ασπρόμαυρο μηχάνημα. Αυτό που έχει ιδιαίτερο ενδιαφέρον και που θα ασχοληθούμε στην παρούσα πτυχιακή, είναι η απόσπαση της χρωματικής πληροφορίας χρησιμοποιώντας αλγόριθμους χρωματισμού, οι οποίοι μπορούν να χωριστούν σε δυο κατηγορίες. Η πρώτη κατηγορία περιλαμβάνει την προσθήκη αυθαίρετου χρώματος σε μονόχρωμες εικόνες για διακρίσεις, ανεξαρτήτως του χρώματος της αρχικής έγχρωμης εικόνας. Η δεύτερη κατηγορία περιλαμβάνει την ανάκτηση χρώματος που είναι παρόμοια με εκείνη, συγκρινόμενη με την αρχική εικόνα, που είναι και οι αλγόριθμοι που θα μελετηθούν στην παρούσα πτυχιακή. Στην ουσία, η αρχική χρωματική πληροφορία αποκρύπτεται και δεν χάνεται. Η απόκρυψη των δεδομένων είναι η γενική διαδικασία με την οποία μια διακριτή ροή πληροφοριών συγχωνεύεται μέσα στο περιεχόμενο των μέσων ενημέρωσης, επιβάλλοντας ανεπαίσθητες αλλαγές στην αρχική εικόνα υποδοχής. Έχει λάβει αυξανόμενο ενδιαφέρον τα τελευταία χρόνια, χάριν στην δυνατότητα για την εξασφάλιση του σήματος, στην διατήρηση λογιστικού ελέγχου στο εμπόριο των μέσων μαζικής ενημέρωσης και στην προστασία από αντιγραφή μέσω της ανάπτυξης υδατογράφησης της ψηφιακής τεχνολογίας. Κάποιες από τις εφαρμογές της επεξεργασίας εικόνας είναι οι παρακάτω. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 4

5 Επιγραμματικά αναφέρουμε τους εξής: Εγκληματολογία. Ιατρική Ιστορική έρευνα: Αναζήτηση έργων τέχνης από μουσειακές συλλογές. Γεωλογία και μετεωρολογία, για την παρατήρηση και την πρόβλεψη φυσικών και καιρικών φαινομένων. Οι εκδότες εφημερίδων κατά κανόνα διατηρούν ένα αρχείο με φωτογραφίες απ όπου οι αρθρογράφοι αντλούν το υλικό που τυχόν χρειάζονται για τις δημοσιεύσεις τους με βάση διάφορα κριτήρια αναζήτησης. Επιχειρήσεις οπτικοακουστικών εφαρμογών Επιχειρήσεις πληροφορικής Ερευνητικοί / Τεχνολογικοί φορείς Εταιρείες που παρέχουν υπηρεσίες αναζήτησης περιεχομένου Παγκόσμιος ιστός Τελικοί χρήστες: προσωπικό ενδιαφέρον Γραφιστική Φωτογραφία Η κατανόηση των μεθόδων της εργασίας αυτής, απαιτεί εξειδικευμένες γνώσεις επεξεργασίας εικόνας. Γι αυτό το λόγο, θα περιγραφούν περιληπτικά όλες οι απαραίτητες γνώσεις που απαιτούνται, ώστε ο αναγνώστης να μπορεί να κατανοήσει πλήρως το κείμενο. Η παρούσα πτυχιακή εργασία αποτελείται από πέντε κεφάλαια. Στο πρώτο κεφάλαιο θα περιγραφούν οι βασικές έννοιες της επεξεργασίας εικόνας, καθώς και η σημαντικότητα και το πρόβλημα της μετατροπής από έγχρωμη σε ασπρόμαυρη και αντίστροφα. Στο επόμενο κεφάλαιο θα μελετηθούν αναλυτικά οι μέθοδοι και η υλοποίηση των απαιτούμενων αλγορίθμων. Στη συνέχεια θα αναφερθεί το εργαλείο προγραμματισμού που χρησιμοποιήθηκε και κάποιες εισαγωγικές έννοιες γι αυτό, καθώς και μια επίδειξη του εγχειριδίου της εφαρμογής που αναπτύχθηκε για την καλύτερη και ευκολότερη κατανόηση των μεθόδων. Το τέταρτο κεφάλαιο αναφέρεται στην υλοποίηση των μεθόδων και περιλαμβάνει τις πειραματικές μετρήσεις των Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 5

6 μεθόδων αυτών. Το τελευταίο κεφάλαιο, είναι ο επίλογος της εργασίας, στον οποίο αναφέρονται τα γενικά συμπεράσματα που προέκυψαν από την μελέτη και υλοποίηση των μεθόδων. Η εργασία αυτή υλοποιήθηκε εξ ολοκλήρου σε περιβάλλον λογισμικού MATLAB. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 6

7 Πίνακας Περιεχομένων Πίνακας Περιεχομένων... 7 Λίστα Εικόνων... 9 Λίστα Πινάκων... 9 Λίστα Σχημάτων ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΕΙΚΟΝΑΣ ΚΑΙ Η ΜΕΤΑΤΡΟΠΗ ΕΓΧΡΩΜΩΝ ΕΙΚΟΝΩΝ ΣΕ ΓΚΡΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ ΕΙΣΑΓΩΓΗ Η ΑΝΑΓΚΗ ΑΠΟΚΡΥΨΗΣ ΤΗΣ ΧΡΩΜΑΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ Η ΑΝΑΚΤΗΣΗ ΤΗΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ WAVELEΤ Διακριτός μετασχηματισμός wavelet(dwt) Τύποι wavelet ΧΡΩΜΑΤΙΚΟΙ ΧΩΡΟΙ Χρωματικός χώρος RGB Χρωματικός χώρος YCbCr Χρωματικός χώρος YIQ(NTSC) Άλλοι χρωματικοί χώροι Ο ΘΟΡΥΒΟΣ ΣΤΗΝ ΕΙΚΟΝΑ Τι είναι ο θόρυβος Εικόνα θορύβου Παρουσίαση των θορύβων και τα χαρακτηριστικά τους ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΜΠΛΟΚ ΔΙΑΓΡΑΜΜΑΤΑ ΜΕΘΟΔΟΣ 1 η ΜΕΘΟΔΟΣ 2 η ΜΕΘΟΔΟΣ 3 η ΜΕΘΟΔΟΣ 4 η ΜΕΘΟΔΟΣ 5 η ΠΕΡΙΓΡΑΦΗ ΕΦΑΡΜΟΓΩΝ ΕΓΧΕΙΡΙΔΙΟ GUI(manual) ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB Εισαγωγή Εκκίνηση και πέρας της λειτουργίας Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 7

8 3.2 ΜΠΛΟΚ ΔΙΑΓΡΑΜΜΑΤΑ ΥΛΟΠΟΙΗΣΗΣ ΤΩΝ ΜΕΘΟΔΩΝ ΠΕΡΙΓΡΑΦΗ ΕΓΧΕΙΡΙΔΙΟΥ GUI (manual) Το σχεδιαστικό κομμάτι της εφαρμογής Το εκτελεστικό κομμάτι της εφαρμογής ΠΡΟΣΟΜΟΙΩΣΕΙΣ ΣΥΜΠΕΡΑΣΜΑΤΑ ΑΝΑΦΟΡΕΣ ΒΙΒΛΙΟΓΡΑΦΙΑ ΙΣΤΟΤΟΠΟΙ Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 8

9 Λίστα Εικόνων Εικόνα 1 Εκκίνηση εφαρμογής Εικόνα 2 Δημιουργία Blank GUI(Default) Εικόνα 3 - GUIDE layout editor(οδηγοσ) Εικόνα 4 - Επιλογή Run Εικόνα 5 - Η menu μπάρα Εικόνα 6 Φόρτωση έγχρωμης εικόνας Εικόνα 7 Φόρτωση γκρι εικόνας Εικόνα 8 Επιλογή Μεθόδου Εικόνα 9 Επιλογή τύπου κυματιδίου Εικόνα 10 Μετατροπή σε γκρι Εικόνα 11 Αποθήκευση γκρί εικόνας Εικόνα 12 Εισαγωγή θορύβου Εικόνα 13 Κλίμακα θορύβου Εικόνα 14 Δείκτης PSNR Εικόνα 15 - Aποθήκευση recovery image Λίστα Πινάκων Πίνακας 1 - Τύποι wavelet και οι συντομογραφίες τους Πίνακας 2 - Ο δείκτης psnr στις μεθόδους χωρίς την προσθήκη θορύβου Πίνακας 3 - Ο δείκτης psnr στις μεθόδους με την προσθήκη θορύβου..66 Πίνακας 4 - Ο δείκτης psnr στις μεθόδους χωρίς την προσθήκη θορύβου Πίνακας 5 - Ο δείκτης psnr στις μεθόδους στις σαρωμένες εικόνες χωρίς την προσθήκη θορύβου Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 9

10 Λίστα Σχημάτων Σχήμα 1 - RGB κύβος χρώματος. Στην εικόνα αριστερά φαίνονται τα βασικά και δευτερεύοντα χρώματα. Τα σημεία πάνω στην κύρια διαγώνιο ανήκουν στην κλίμακα του γκρι. Στην εικόνα δεξιά φαίνεται ο RGB κύβος χρώματος με όλα τα χρώματα Σχήμα 2 -. Το χρωματικό μοντέλο ycbcr και όλες οι πιθανές τιμές του Σχήμα 3 - Το χρωματικό μοντέλο YIQ Σχήμα 4 - Θόρυβος Gaussian (Λευκός) Σχήμα 5 - Θόρυβος Salt & Pepper Σχήμα 6 - Θόρυβος Poisson Σχήμα 7 - Θόρυβος Speckle Σχήμα 8 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος Σχήμα 9 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος Σχήμα 10 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 2 η Σχήμα 11 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 2 η Σχήμα 12 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 3 η Σχήμα 13 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 3 η Σχήμα 14 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 4 η Σχήμα 15 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 4 η Σχήμα 16 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 5 η Σχήμα 17 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 5η Σχήμα 18 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι Σχήμα 19 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρί σε έγχρωμη Σχήμα 20 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι Σχήμα 21 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρί σε έγχρωμη Σχήμα 22 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι Σχήμα 23 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη Σχήμα 24 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι Σχήμα 25 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη Σχήμα 26 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι Σχήμα 27 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη Σχήμα 28 - Οι τρείς έγχρωμες αρχικές εικόνες (α) images.jpg, (β) peppers.jpg, (γ) colors.jpg Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 10

11 Σχήμα 29 - Μετατροπή των τετραγωνισμένων εικόνων από αριστερά προς τα δεξιά, (α) 1η μέθοδος, (β) 2η μέθοδος, (γ) 3η μέθοδος, (δ) 4η μέθοδος, (ε) 5η μέθοδος, με haar wavelet type στην πρώτη σειρά, με db1 στην δεύτερη και db2 στην τρίτη, χωρίς θόρυβο Σχήμα 30 - Ανάκτηση της χρωματικής πληροφορίας των τετραγωνισμένων εικόνων από αριστερά προς τα δεξιά, (α) 1η μέθοδος, (β) 2η μέθοδος, (γ) 3η μέθοδος, (δ) 4η μέθοδος, (ε) 5η μέθοδος, με haar wavelet type στην πρώτη σειρά, με db1 στην δεύτερη και db2 στην Τρίτη Σχήμα 31 - Μετατροπή της τετραγωνισμένης εικόνας colors, (α) 1η μέθοδος, (β)2η μέθοδος, (γ) 3η μέθοδος, (δ)4η μέθοδος, (ε)5η μέθοδος, με haar wavelet type με θόρυβο Gaussian, Poisson, Salt & Pepper και Speckle αντίστοιχα από πάνω προς τα κάτω Σχήμα 32 - Ανάκτηση της χρωματικής πληροφορίας της τετραγωνισμένης εικόνας colors, (α) 1η μέθοδος, (β)2η μέθοδος, (γ) 3η μέθοδος, (δ)4η μέθοδος, (ε)5η μέθοδος, με haar wavelet type με θόρυβο Gaussian, Poisson, Salt & Pepper και Speckle αντίστοιχα από πάνω προς τα κάτω Σχήμα 33 - Μετατροπή της εικόνας peppers.jpg από αριστερά προς τα δεξιά, (α) 1η μέθοδος, (β) 2η μέθοδος, (γ) 3η μέθοδος, (δ) 4η μέθοδος, (ε) 5η μέθοδος, στην πρώτη σειρά η μετατροπή σε γκρι, στην δεύτερη η γκρι εικόνα με την προσθήκη θορύβου gaussian, στην τρίτη σειρά η ανάκτηση της γκρι εικόνας και στην τέταρτη σειρά η ανάκτηση της γκρι εικόνας με θόρυβο, με haar wavelet type...67 Σχήμα 34 - Μετατροπή των σαρωμένων εικόνων από αριστερά προς τα δεξιά, (α) 1η μέθοδος, (β) 2η μέθοδος, (γ) 3η μέθοδος, (δ) 4η μέθοδος, (ε) 5η μέθοδος, με haar wavelet type στην πρώτη σειρά, με db1 στην δεύτερη και db2 στην τρίτη, χωρίς θόρυβο Σχήμα 35 - Ανάκτηση της χρωματικής πληροφορίας των σαρωμένων εικόνων από αριστερά προς τα δεξιά, (α) 1η μέθοδος, (β) 2η μέθοδος, (γ) 3η μέθοδος, (δ) 4η μέθοδος, (ε) 5η μέθοδος, με haar wavelet type στην πρώτη σειρά, με db1 στην δεύτερη και db2 στην τρίτη, χωρίς θόρυβο Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 11

12 1 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΕΠΕΞΕΡΓΑΣΙΑΣ ΕΙΚΟΝΑΣ ΚΑΙ Η ΜΕΤΑΤΡΟΠΗ ΕΓΧΡΩΜΩΝ ΕΙΚΟΝΩΝ ΣΕ ΓΚΡΙ ΚΑΙ ΑΝΤΙΣΤΡΟΦΑ 1.1 ΕΙΣΑΓΩΓΗ Είναι λογικό, όλοι να έχουν μία ιδέα για το τι είναι εικόνα. Ωστόσο στους περισσότερους, διαφεύγει πιθανώς ο ολοκληρωμένος ορισμός. Εικόνα είναι το οποιοδήποτε δυσδιάστατο σήμα που προκύπτει από την μέτρηση έντασης της πηγής ακτινοβολίας. Η πηγή αυτή, συχνά είναι ο ήλιος, αλλά μπορεί να είναι οποιαδήποτε φωτεινή πηγή. Ωστόσο, μία εικόνα μπορεί να προκύψει και από την μέτρηση της έντασης ή απορρόφησης υπεριώδους ακτινοβολίας, ή ακόμα και από απορρόφηση ακτινοβολίας ακτινών Χ (πχ. ακτινογραφία). Η εικόνα μπορεί να είναι αναλογική (συντεταγμένες και τιμή έντασης πραγματικοί αριθμοί), διακριτή (ακέραιες συντεταγμένες) ή και ψηφιακή (συντεταγμένες και τιμή φωτεινότητας ακέραιοι αριθμοί). Τα τελευταία χρόνια, η πιο δημοφιλής κατηγορία εικόνας είναι η ψηφιακή. Αυτό συμβαίνει, διότι οι σημερινές φωτογραφικές μηχανές είναι ψηφιακές, αλλά και γιατί ο ηλεκτρονικός υπολογιστής, που χρησιμοποιείται για την επεξεργασία τους, μπορεί να επεξεργάζεται εικόνες αυτής της μορφής. Οι ψηφιακές εικόνες, δεν είναι μία δυσδιάστατη συνάρτηση, αλλά μία δυσδιάστατη ακολουθία αριθμών. Τα σημεία (συντεταγμένες) της ψηφιακής εικόνας, είναι γνωστά και ως εικονοστοιχεία (pixels). Οι περισσότερες εικόνες σε πραγματικές εφαρμογές είναι έγχρωμες. Η αναπαράσταση έγχρωμων εικόνων, πραγματοποιείται χρησιμοποιώντας τρία διαφορετικά μητρώα εντάσεων φωτεινότητας. Το κάθε μητρώο αναπαριστάνει συνήθως την φωτεινότητα των τριών χρωματικών συνιστωσών του οπτικού φάσματος. Οι τρεις αυτές χρωματικές συνιστώσες, που είναι γνωστές ως "βασικές" χρωματικές συνιστώσες είναι: η κόκκινη, η μπλε και η πράσινη (RGB - Red Green Blue). Το τελικό χρώμα προκύπτει από το συνδυασμό των τριών βασικών χρωμάτων. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 12

13 1.2 Η ΑΝΑΓΚΗ ΑΠΟΚΡΥΨΗΣ ΤΗΣ ΧΡΩΜΑΤΙΚΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ Η ΑΝΑΚΤΗΣΗ ΤΗΣ Η απόκρυψη δεδομένων μέσω πολυμέσων έχει λάβει αυξανόμενο ενδιαφέρον τα τελευταία χρόνια. Παρά την διαθεσιμότητα πλέον που υπάρχει σε έγχρωμους εκτυπωτές, οι ασπρόμαυροι εκτυπωτές εξακολουθούν να χρησιμοποιούνται ευρέως σε γραφεία, σε σπίτια και κυρίως στα περισσότερα σχολεία. Ωστόσο, όταν τα χρώματα μιας έγχρωμης εικόνας ή φωτογραφίας μετατρέπονται σε γκρι, είναι γενικά αδύνατο να ανακτηθούν οι χρωματικές πληροφορίες, επειδή οι πληροφορίες της πρωτότυπης εικόνας, χάνονται κατά τη διάρκεια της διαδικασίας εκτύπωσης σε έναν ασπρόμαυρο εκτυπωτή. Θεωρητικά είναι αδύνατον να αποκαταστήσουμε μια πλήρη έγχρωμη εικόνα από μια γκρίζα εικόνα. Αυτό είναι ένα πρόβλημα για το οποίο σίγουρα χρειάζεται να βρεθεί λύση. Για την αντιμετώπιση αυτού του προβλήματος έχουν υλοποιηθεί κάποιοι αλγόριθμοι μετατροπής των έγχρωμων εικόνων σε γκρι και αντίστροφα που επαναφέρουν τις χρωματικές πληροφορίες της εικόνας. Το πρώτο πρόβλημα είναι να διατηρηθούν οι χρωματικές πληροφορίες σε μία έγχρωμη εικόνα, η οποία πρόκειται να εκτυπωθεί σε ασπρόμαυρο εκτυπωτή. Έτσι μία έγχρωμη εικόνα εάν υποστεί επεξεργασία από αυτούς τους αλγόριθμους, όταν θα εκτυπωθεί σε ασπρόμαυρο εκτυπωτή δεν θα χάσει την χρωματική πληροφορία αλλά θα την αποκρύψει. Χρησιμοποιώντας τον δεύτερο τύπο αλγορίθμου χρωματισμού που αφορά την ανάκτηση των χρωμάτων που είναι παρόμοια σε σύγκριση με την αρχική εικόνα, μπορούμε να λάβουμε τα αναμενόμενα αποτελέσματα. Μία γενική μέθοδος για την ανάκτηση των αρχικών χρωμάτων χρησιμοποιεί τα στατιστικά στοιχεία της κατανομής της φωτεινότητας μεταξύ μιας μονόχρωμης εικόνας (target) και μιας έγχρωμης εικόνας αναφοράς. Οι RGB (red-green-blue) τιμές μιας εικόνας στόχου και μιας εικόνας αναφοράς, μετατρέπονται σε ένα κανάλι φωτεινότητας και σε δύο κανάλια χρωματισμού και τα στατιστικά στοιχεία της κατανομής φωτεινότητας των δύο εικόνων συγκρίνονται μεταξύ τους. Στη συνέχεια, η χρωματική πληροφορία της καλύτερης αντιστοίχισης της εικόνας αναφοράς μεταφέρεται στην περιοχή της εικόνας στόχο. Κατά συνέπεια, μια μονόχρωμη εικόνα-στόχος μπορεί να αλλάζει χρώμα. Ωστόσο, δεδομένου ότι η μέθοδος αυτή χρησιμοποιεί εικόνες αναφοράς, είναι αδύνατο να ανακτήσει τα χρώματα ακριβώς όπως και στην αρχική εικόνα. Η ανάκτηση των δεδομένων μίας εικόνας με βάσει το περιεχόμενο μπορεί να γίνει είτε με βάση το χρώμα (color), είτε με βάση το σχήμα(shape), είτε με βάση την υφή (texture). Εμείς Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 13

14 θα ασχοληθούμε με την ανάκτηση με βάση την υφή. Αυτή η τεχνική μπορεί να γίνει με διακριτό μετασχηματισμό συνημίτονου (Discrete cosine transform, DCT) ή με διακριτό μετασχηματισμό κυματιδίου (Discrete wavelet transform, DWT). Στον διακριτό μετασχηματισμό συνημίτονου (DCT) μετασχηματίζουμε από τον RGB στον YCrCb χώρο. Χωρίζουμε την εικόνα σε NxN block f ij και υπολογίζουμε τον 2-D μετασχηματισμό DCT. Στη συνέχεια επιλέγουμε χαρακτηριστικά χρώματος και χαρακτηριστικά υφής. Από τα Cr- και Cb- κανάλια επιλέγουμε την DC-συνιστώσα και τις M=9 πρώτες AC. Ο διακριτός μετασχηματισμός κυματιδίου (DWT) βασίζεται στην ανάλυση υποζωνών: το διαχωρισμό του σήματος σε υποζώνες συχνοτήτων που αντιστοιχούν σε διαφορετικά τμήματα του φάσματος. Για κάθε pixel, υπολογίζεται σε κάθε υποζώνη η τυπική απόκλιση σ σε μια γειτονιά w του pixel. O διακριτός μετασχηματισμός κυματιδίου (DWT) σαρώνει το σήμα ανά δύο θέσεις, χωρίς να χάνει πληροφορία, κερδίζοντας έτσι χρόνο εκτέλεσης. Τον διακριτό μετασχηματισμό κυματιδίου χρησιμοποιούμε και εμείς για την υλοποίηση της παρούσας πτυχιακής. 1.3 ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ WAVELEΤ Διακριτός μετασχηματισμός wavelet(dwt) Ο discrete wavelet transform (DWT) είναι ένας γρήγορος γραµµικός μετασχηματισμός ο οποίος λειτουργεί µε στοιχεία τα οποία έχουν µήκος µιας ακέραιης τιµής της δυνάμεως του 2. Ο μετασχηματισμός Wavelet είναι αναστρέψιμος Τύποι wavelet Στα μαθηματικά, το Haar wavelet είναι μια συγκεκριμένη ακολουθία κλιμακωμένου "τετράγωνου σχήματος" συναρτήσεων που μαζί σχηματίζουν μια wavelet οικογένεια ή βάση. Η ανάλυση κυματιδίων επιτρέπει μια λειτουργία στόχου, πάνω από ένα διάστημα, να εκπροσωπείται από την άποψη μιας ορθοκανονικής βάσης λειτουργίας. Η Haar ακολουθία αναγνωρίζεται σήμερα ως η πρώτη γνωστή βάση wavelet και χρησιμοποιείται ευρέως ως παράδειγμα στη διδασκαλία, στη θεωρία των wavelets. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 14

15 Τα wavelets Daubechies είναι μια οικογένεια από ορθογώνια wavelets που καθορίζουν έναν διακριτό μετασχηματισμό wavelet. Με κάθε τύπο κυματιδίου αυτής της κατηγορίας, υπάρχει μια λειτουργία κλιμάκωσης (που ονομάζεται father wavelet), η οποία παράγει μία κάθετη ανάλυση πολλαπλής ανάλυσης. Στην παρούσα πτυχιακή θα χρησιμοποιηθούν οι τύποι wavelet, Haar(haar) και db(db1, db2, db3, db4, db5). Στον παρακάτω Πίνακα 1, αναφέρονται όλοι οι τύποι wavelet που υπάρχουν: Haar haar Daubechies db Symlets sym Coiflets coif BiorSplines bior ReverseBior rbio Meyer meyr DMeyer dmey Gaussian gaus Mexican_hat mexh Morlet morl Complex Gaussian cgau Shannon shan Frequency B-Spline fbsp Complex Morlet cmor Πίνακας 1 - Τύποι wavelet και οι συντομογραφίες τους Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 15

16 1.4 ΧΡΩΜΑΤΙΚΟΙ ΧΩΡΟΙ Χρωματικός χώρος RGB Ο RGB χώρος (Σχήμα 1), τον οποίο επεξεργάζονται οι αλγόριθμοι του 2 ου τύπου, αλλά και εμείς για την υλοποίηση των αλγορίθμων μας είναι ο πλέον διαδεδομένος χώρος στην επεξεργασία εικόνων. Η κάθε πηγή αντιστοιχεί σε ένα βασικό χρώμα. Τα βασικά χρώματα είναι το κόκκινο, το πράσινο και το μπλε. Το τελικό χρώμα, προκύπτει από την σύνθεση των τριών τιμών έντασης των βασικών χρωμάτων. Είναι 3-D με εύρος τιμών έντασης [0, 255]. Οι τιμές του μαύρου χρώματος είναι (0,0,0) και του λευκού (255,255,255). Είναι μη-γραμμικός σε σχέση με την ανθρώπινη αντίληψη (η Ευκλείδεια απόσταση μεταξύ 2 σημείων δεν είναι ανάλογη της χρωματικής αντίθεσης που αντιλαμβάνεται ο άνθρωπος), παρουσιάζει υψηλή συσχέτιση συνιστωσών και εξαρτάται από την συσκευή λήψης και μετάδοσης. Όταν χρησιμοποιούνται ακέραιες τιμές για την ένταση του χρώματος, απαιτούνται 8 δυαδικά ψηφία για κάθε κανάλι. Επομένως απαιτούνται 24 δυαδικά ψηφία (24-bits) για κάθε εικονοστοιχείο. Σε μερικά υπολογιστικά συστήματα χρησιμοποιούνται περισσότερα δυαδικά ψηφία για το πράσινο, διότι η ανθρώπινη όραση είναι περισσότερη ευαίσθητη στην πράσινη χρωματική συνιστώσα. Η απλότητα που προσφέρει το RGB μοντέλο έχει ως αποτέλεσμα την εύκολη υλοποίησή του. Τα κύρια μειονεκτήματα του χρωματικού μοντέλου RGB είναι: Δεν μπορούν να αναπαρασταθούν όλα τα χρώματα του οπτικού φάσματος. Tα βασικά χρώματα (μπλε, πράσινο, κόκκινο), δεν είναι γραμμικά ανεξάρτητα. Αυτό δεν επιτρέπει την ανεξάρτητη επεξεργασία του κάθε βασικού χρώματος και έτσι δυσχεραίνεται η χρήση τεχνικών επεξεργασίας. Παρ' όλα τα μειονεκτήματα του, είναι ένα χρωματικό μοντέλο που χρησιμοποιείται ευρέως. Αυτό οφείλεται στην απλότητα του, που το κάνει απόλυτα κατανοητό και επιπλέον οι συσκευές που το χρησιμοποιούν μπορούν να κατασκευαστούν πιο εύκολα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 16

17 Σχήμα 1 - RGB κύβος χρώματος. Στην εικόνα αριστερά φαίνονται τα βασικά και δευτερεύοντα χρώματα. Τα σημεία πάνω στην κύρια διαγώνιο ανήκουν στην κλίμακα του γκρι. Στην εικόνα δεξιά φαίνεται ο RGB κύβος χρώματος με όλα τα χρώματα Χρωματικός χώρος YCbCr Ο χώρος χρώματος YCbCr (Σχήμα 2) τον οποίο θα χρησιμοποιήσουμε και εμείς στην υλοποίηση των αλγορίθμων μας κατά την διάρκεια της μετατροπής των εικόνων σε γκρι, ο οποίος είναι γραμμικός μετασχηματισμός του RGB χώρου και χρησιμοποιείται στην ψηφιακή κωδικοποίηση εικόνων. Σε αυτόν το χώρο, η πληροφορία φωτεινότητας αντιπροσωπεύεται από μια συνιστώσα Υ και η πληροφορία χρώματος αποθηκεύεται σαν δύο συνιστώσες χρωματικής διαφοράς, το Cb και το Cr. Η συνιστώσα Cb είναι η διαφορά μεταξύ της μπλε συνιστώσας και μιας σταθεράς αναφοράς, ενώ η συνιστώσα Cr είναι η διαφορά μεταξύ της κόκκινης συνιστώσας και μιας σταθεράς αναφοράς. Στο MatLab η μετατροπή αυτή γίνεται με χρήση της συνάρτησης rgb2ycbcr(). Ανάλογος μετασχηματισμός χρησιμοποιείται για την αντίστροφη μετατροπή. Αντίστοιχα, στο MatLab η μετατροπή αυτή γίνεται με χρήση της συνάρτησης ycbcr2rgb(). Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 17

18 Σχήμα 2 -. Το χρωματικό μοντέλο YCbCr και όλες οι πιθανές τιμές του Χρωματικός χώρος YIQ(NTSC) Το σύστημα χρώματος NTSC (Σχήμα 3), το ευρωπαϊκό σύστημα τηλεμετάδοσης που χρησιμοποιείται και στην τηλεόραση στις Ηνωμένες Πολιτείες. Ένα από τα κύρια πλεονεκτήματα αυτού του συστήματος είναι ότι η πληροφορία της φωτεινότητας είναι χωρισμένη από την πληροφορία χρώματος και έτσι το ίδιο σήμα μπορεί να χρησιμοποιηθεί και για έγχρωμες και για ασπρόμαυρες τηλεοράσεις. Με το σύστημα NTSC, τα δεδομένα της εικόνας αποτελούνται από τρεις συνιστώσες: φωτεινότητα (Y), χροιά (I) και κορεσμός (Q), όπου η επιλογή των γραμμάτων YIQ είναι συμβατική. Η συνιστώσα φωτεινότητας αντιπροσωπεύει τις πληροφορίες γκρίζας-κλίμακας και οι άλλες δύο συνιστώσες φέρουν τις πληροφορίες χρώματος ενός τηλεοπτικού σήματος. Στο MatLab η μετατροπή αυτή γίνεται με χρήση της συνάρτησης ntsc2rgb(). Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 18

19 Σχήμα 3 - Το χρωματικό μοντέλο YIQ Άλλοι χρωματικοί χώροι Άλλοι χρωματικοί χώροι είναι ο HSV χώρος, ο CIELab χώρος, ο HSI χώρος, ο CIELuv χώρος και ο HCV χώρος. 1.5 Ο ΘΟΡΥΒΟΣ ΣΤΗΝ ΕΙΚΟΝΑ Τι είναι ο θόρυβος Ο θόρυβος μπορεί να οριστεί με την ηλεκτρονική έννοια, ως κάποιο ανεπιθύμητο είδος ενέργειας που τείνει να αναμειχθεί με το επιθυμητό σήμα κατά την διάρκεια λήψης και αναπαραγωγής του σήματος. Πολλές διαταραχές που προκαλούνται στη φύση μπορούν να εμφανίσουν θόρυβο στους δέκτες, τροποποιώντας ανεπιθύμητα το σήμα. Είναι σημαντικό να αναφερθούν οι παρακάτω ορισμοί: Σήμα(signal): είναι ο φορέας στον οποίο κωδικοποιείται η ζητούμενη πληροφορία κατά τη διαδικασία μιας μέτρησης. Θόρυβος(noise): ορίζεται το σύνολο των ανεπιθύμητων πληροφοριών, οι οποίες συνοδεύουν το σήμα και υποβαθμίζουν την ορθότητα και την ακρίβεια μιας μέτρησης. Υπάρχουν πολλοί τρόποι ταξινόμησης του θορύβου. Μπορεί να υποδιαιρεθεί ανάλογα με κάποιες προϋποθέσεις σύμφωνα με τον τύπο, την πηγή, την επίδραση ή την σχέση με τον δέκτη. Είναι ωστόσο πιο εύκολο να χωρίσουμε τον θόρυβο σε δύο μεγάλες κατηγορίες: στο θόρυβο του Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 19

20 οποίου οι πηγές βρίσκονται έξω από τον δέκτη (εξωτερικός) και στον θόρυβο που δημιουργείται μέσα στον δέκτη (εσωτερικός) Εικόνα θορύβου Ένα χρήσιμο μέτρο με το οποίο μπορεί να κριθεί το κατά πόσο μια μονάδα ενός οργάνου προσθέτει ή αποκόπτει θόρυβο από το σήμα είναι η εικόνα θορύβου (noise figure, NF), που παρέχεται από την παρακάτω σχέση: NF = (S/N)i / (S/N)o, όπου (S/N)i είναι ο λόγος S/N του σήματος εισόδου και (S/N)o, ο λόγος S/N του σήματος εξόδου της μονάδας. Η εικόνα θορύβου εκφράζεται σε decibel, σύμφωνα με την σχέση: NF(σε db)= 20log((S/N)i / (S/N)o) Παρουσίαση των θορύβων και τα χαρακτηριστικά τους Θόρυβος Gaussian Λευκός θόρυβος (Σχήμα 4) είναι ένα τυχαίο σήμα με μια επίπεδη (σταθερή) φασματική πυκνότητα ισχύος. Ο όρος χρησιμοποιείται, με αυτό ή παρόμοια σημασία, σε πολλούς επιστημονικούς και τεχνικούς κλάδους, συμπεριλαμβανομένων της φυσικής, ακουστική μηχανική, τηλεπικοινωνίες, στατιστικές προβλέψεις, και πολλά άλλα. Ο όρος χρησιμοποιείται επίσης για ένα διακριτό σήμα του οποίου τα δείγματα θεωρούνται ως μία αλληλουχία σειριακά ασυσχέτιστες τυχαίες μεταβλητές με μηδενική μέση τιμή και διακύμανση πεπερασμένη. Στην ψηφιακή επεξεργασία εικόνας, τα δείγματα (pixels) ενός λευκού θορύβου εικόνας συνήθως διατάσσονται σε ένα ορθογώνιο πλέγμα, και υποτίθεται ότι είναι ανεξάρτητες τυχαίες μεταβλητές με ομοιόμορφη κατανομή πιθανότητας πάνω από κάποιο χρονικό διάστημα. Η έννοια μπορεί να οριστεί επίσης για σήματα κατανεμημένα σε πιο πολύπλοκα πεδία, όπως μια σφαίρα ή ένα δακτύλιο. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 20

21 Σχήμα 4 - Θόρυβος Gaussian (Λευκός). Θόρυβος Salt & Pepper O Salt & Pepper θόρυβος (Σχήμα 5) είναι μια μορφή θορύβου που βλέπουμε συνήθως στις εικόνες. Ο θόρυβος αυτός εμφανίζεται ως τυχαία λευκά και μαύρα pixel. Μια αποτελεσματική μέθοδος μείωσης του θορύβου για αυτό το είδος του θορύβου περιλαμβάνει τη χρήση ενός διάμεσου φίλτρου, μορφολογικές αλλαγές φίλτρου ή ένα φίλτρο αρμονικών contra με μέση τιμή. Ο Salt & Pepper θόρυβος εφαρμόζεται σε εικόνες με καταστάσεις όπου τα γρήγορα ρεύματα, όπως η ελαττωματική μεταγωγή, λαμβάνουν χώρα. Σχήμα 5 - Θόρυβος Salt & Pepper. Θόρυβος Poisson Ο θόρυβος Poisson (Σχήμα 6) είναι μία διακριτή κατανομή πιθανότητας που εκφράζει την πιθανότητα ενός δεδομένου αριθμού γεγονότων που συμβαίνουν σε ένα σταθερό χρονικό Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 21

22 διάστημα ή / και χώρο εάν αυτά τα γεγονότα συμβαίνουν με ένα γνωστό μέσο ρυθμό και ανεξάρτητα από το χρονικό διάστημα από την τελευταία περίπτωση. O Poisson μετασχηματισμός μπορεί επίσης να χρησιμοποιηθεί για τον αριθμό των συμβάντων σε άλλα καθορισμένα χρονικά διαστήματα, όπως η απόσταση,η περιοχή ή τον όγκο. Σχήμα 6 - Θόρυβος Poisson. Θόρυβος Speckle O θόρυβος Speckle (Σχήμα 7) είναι ένας κοκκώδες θόρυβος που υπάρχει εγγενώς και υποβαθμίζει την ποιότητα του ενεργού ραντάρ και ραντάρ συνθετικού διαφράγματος (SAR) εικόνων. Σημάδια θορύβου στα συμβατικά αποτελέσματα ραντάρ από τυχαίες διακυμάνσεις στο σήμα επιστροφής από ένα αντικείμενο που δεν είναι μεγαλύτερο από ένα μόνο στοιχείο επεξεργασίας εικόνας. Αυξάνει το μέσο επίπεδο γκρίζου από μια τοπική περιοχή. Ο Speckle θόρυβος είναι γενικά πιο σοβαρός, προκαλώντας δυσκολίες για την ερμηνεία της εικόνας. Προκαλείται από συνεκτική επεξεργασία backscattered σημάτων από πολλαπλούς διανεμημένους στόχους. Στην SAR ωκεανογραφία, για παράδειγμα, τα σημάδια θορύβου που προκαλούνται από τα σήματα από τους στοιχειώδεις διασκορπιστές, τους Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 22

23 βαρύτητους τριχοειδείς κυματισμούς, και εκδηλώνεται ως εικόνα βάθρο, κάτω από την εικόνα των κυμάτων της θάλασσας. Οι διάφορες μέθοδοι που χρησιμοποιούνται για την εξάλειψη των κηλίδων του θορύβου εφαρμόζονται με βάση διάφορα μαθηματικά μοντέλα του φαινομένου. Σχήμα 7 - Θόρυβος Speckle. Peak Signal-to-Noise Ratio(PSNR) Το PSNR πιο συχνά χρησιμοποιείται για τη μέτρηση της ποιότητας της ανασυγκρότησης των lossy codecs συμπίεσης (π.χ., για την συμπίεση εικόνας). Το σήμα σε αυτή την περίπτωση είναι τα αρχικά δεδομένα, και ο θόρυβος είναι το σφάλμα που εισάγεται με συμπίεση. Κατά τη σύγκριση των codecs συμπίεσης, το PSNR είναι μια προσέγγιση για την ανθρώπινη αντίληψη της ποιότητας ανακατασκευής. Παρά το γεγονός ότι ένα υψηλότερο PSNR γενικά δείχνει ότι η ανασυγκρότηση είναι της υψηλότερης ποιότητας, σε ορισμένες περιπτώσεις, δεν μπορεί. Πρέπει να είμαστε εξαιρετικά προσεκτικοί με το φάσμα ισχύος της παρούσας μέτρησης. Είναι μόνο πειστικά έγκυρη όταν χρησιμοποιείται για να συγκρίνει τα αποτελέσματα από τον ίδιο κωδικοποιητή (ή τύπο κωδικοποιητή) και το ίδιο περιεχόμενο. Το PSNR πιο εύκολα ορίζεται μέσω του μέσου τετραγωνικού σφάλματος (MSE). Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 23

24 2 ΑΛΓΟΡΙΘΜΟΙ ΚΑΙ ΜΠΛΟΚ ΔΙΑΓΡΑΜΜΑΤΑ 2.1 ΜΕΘΟΔΟΣ 1 η Εδώ έχει αναπτυχθει μία αναστρέψιμη μέθοδος για τη μετατροπή έγχρωμων γραφικών και εικόνων σε γκρι [1]. Η μέθοδος βασίζεται σε χρώματα χαρτογράφησης, σε χαμηλής ορατότητας και υψηλής συχνότητας υφές (textures) που εφαρμόζονται επί της γκρι εικόνας. Μετά την παραλαβή της μονόχρωμης ανάγλυφης εικόνας, ο αποκωδικοποιητής μπορεί να ταυτοποιήσει τις υφές και να ανακτήσει τις πληροφορίες χρώματος. Πιο συγκεκριμένα, η εικόνα με τη διεξαγωγή μιας υποζώνης μετασχηματισμού (wavelet) αντικαθιστάται απο 4 υποζώνες ζωνοπερατές από τα χρωματικά σήματα. Η χαμηλή (low-pass) υποζώνη είναι ίδια με εκείνη του σήματος φωτεινότητας. Ο αποκωδικοποιητής εκτελεί ένα μετασχηματισμό κυματιδίων στην γκρίζα εικόνα που έχει λάβει και ανακτά τα κανάλια χρωματισμού. Η πρόθεση είναι να εκτυπώσει έγχρωμες εικόνες με ασπρόμαυρους εκτυπωτές και να είναι σε θέση να ανακτήσει τις πληροφορίες χρώματος. Παρακάτω (Σχήμα 8 και 9) παρατίθενται τα διαγράμματα ροής της μεθόδου για την μετατροπή από έγχρωμο σε γκρι και αντίστροφα Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 24

25 Έναρξη Διάβασε την ειξόνα(.jpg ) Μετατρέψτε την έγχρωμη εικόνα σε Y, Cb, Cr χρησιμοποιώντας τη γραμμική μετατροπή χρωμάτων RGB σε YCbCr. Χρησιμοποιώντας τη DWT διαιρούμαι την εικόνα φωτεινότητας σε τέσσερις υποζώνες (τα SL, SH, SV, SD). Μείωσε κατα 2 το Cb και το Cr Αντικατέστησε το Cb με το Sh και Cr με το Sv. Πέρνουμε το αντίστροφο DWT (Idwt) για την ανασύνθεση της εικόνας Y. Τέλος ς Σχήμα 8 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 1. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 25

26 Έναρξη Διάβασε την γκρι εικόνα. Χρησιμοποιώντας το 1ο επίπεδο DWT διαιρούμαι την γκρίζα εικόνα σε SL1, Sh1, SV1, SD1. Αντικατέστησε το Sh1 με το Cb και το Sv1 με το Cr και μείωσε τα παραπάνω στα αρχικά μεγέθοι. Μηδένισε το Sh1 και το Sv1. Πάρτε το αντίστροφο DWT (Idwt) για να αναπαράγει το συστατικό Υ της εικόνας Συγκέντρωσε τα Y, Cb, Cr της εικόνας. Ανακατασκεύασε την εικόνα με την βοήθεια του αντίστροφου γραμμικού μετασχηματισμού YCbCr σε RGB. Τέλος Σχήμα 9 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 1. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 26

27 2.2 ΜΕΘΟΔΟΣ 2 η Εδώ έχει αναπτυχθει μία αναστρέψιμη μέθοδος για τη μετατροπή έγχρωμων γραφικών και εικόνων σε γκρι [1]. Η μέθοδος βασίζεται σε χρώματα χαρτογράφησης, σε χαμηλής ορατότητας και υψηλής συχνότητας υφές (textures) που εφαρμόζονται επί της γκρι εικόνας. Για αυτό το λόγο χρησιμοποιούμε τον διακριτό μετασχηματισμό κυματιδίου (DWT). Πιο συγκεκριμένα, η εικόνα με τη διεξαγωγή μιας υποζώνης μετασχηματισμού (wavelet) αντικαθιστάται απο 7 υποζώνες ζωνοπερατές από τα χρωματικά σήματα, έτσι ώστε να έχουμε μια πιο ολοκληρωμένη και γεμάτη εικόνα. Η κάθε υποζώνη αντιπροσωπεύει διαφορετικού χωρικού περιεχομένου συχνότητες. Επίσης τα στοιχεία χρωματισμού (Cb και Cr) μερικώς μειώνονται και αντικαθίστανται. Η χαμηλή (low-pass) υποζώνη είναι ίδια με εκείνη του σήματος φωτεινότητας. Ο αποκωδικοποιητής εκτελεί ένα μετασχηματισμό κυματιδίων στην γκρίζα εικόνα που έχει λάβει και ανακτά τα κανάλια χρωματισμού. Η πρόθεση είναι να εκτυπώσει έγχρωμες εικόνες με ασπρόμαυρους εκτυπωτές και να είναι σε θέση να ανακτήσει τις πληροφορίες χρώματος και στη συνέχεια. Παρακάτω (Σχήμα 10 και 11) παρατίθενται τα διαγράμματα ροής της μεθόδου για την μετατροπή από έγχρωμο σε γκρι και αντίστροφα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 27

28 Έναρξη Διάβασε την εικόνα Μετατρέψτε την έγχρωμη εικόνα σε Y, Cb, Cr χρησιμοποιώντας τη γραμμική μετατροπή χρωμάτων RGB σε YCbCr. Χρήση DWT 2 ου επιπέδου,διαιρούμε την εικόνα φωτεινότητας (Y) σε επτά υποζώνες (Sl, Sh1, SV1, SD1, Sh2, SV2, SD2). Μείωσε κατά ½ το Cb και το Cr.Κατασκεύασε τα Cb-, Cb+, Cr-, Cr+.Μείωσε το Cb- κατά ¼ του αρχικού μεγέθους του. Αντικατέστησε Sd1 Cb-, Sh2 Cr+, Sv2 Cb+, Sd2 Cr-. Πάρε το αντίστροφο DWT(Idwt) για να ανασυνθέσεις την Y εικόνα. Τέλος Σχήμα 10 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 2 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 28

29 Έναρξη Διάβασε την γκρι εικόνα. Χρησιμοποιώντας 2 ου επιπέδου DWT χώρισε την γκρι εικόνα σε (Sl, Sh1, Sv1, Sd1, Sh2, Sv2, Sd2). Διπλασίασε το μέγεθος του Sd2. Κάνε το Cb = Sd2 Sv1 και το Cr = Sh1 - Sd1. Διπλασίασε τις αναλύσεις του Cb και του Cr Θέσε τα Sd1, Sh2, Sv2, Sd2 ίσα με το μηδέν. Πάρε το αντίστροφο DWT (Idwt) για να ξαναφτιάξεις το Y της εικόνας. Ανασύνθεσε την έγχρωμη εικόνα χρησιμοποιώντας την μετατροπή YCbCr σε RGB. Τέλος Σχήμα 11 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 2 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 29

30 2.3 ΜΕΘΟΔΟΣ 3 η Πρόσφατα έχουν αναπτυχθεί αλγόριθμοι χρωματισμού, οι οποίοι αποκρύπτουν πληροφορίες χρώματος σε γκρι εικόνες και τις ξαναβρίσκουν για να ανακτήσουν τις έγχρωμες εικόνες. Σε αυτές τις μεθόδους, είναι σημαντικό η ελαχιστοποίηση της απώλειας των αρχικών πληροφοριών, ενώ οι συνιστώσες χρώματος είναι ενσωματωμένες. Εδώ χρησιμοποιούμε μία μέθοδο χρωματισμού βασισμένη σε ένα μετασχηματισμό wavelet(wavelet packet transform) προκειμένου να ενσωματώσει στοιχεία χρώματος με ελάχιστη απώλεια των αρχικών πληροφοριών [2]. Επιπλέον, η επεξεργασία αντιστάθμισης του κορεσμού χρώματος στις ανακτημένες έγχρωμες εικόνες επιτυγχάνεται. Στη διαδικασία color-to-gray, μια RGB εικόνα μετατρέπεται σε ΥCb Cr, και ένα πακέτο μετασχηματισμού wavelet εφαρμόζεται στην συνιστώσα Y, χωρίζοντας την εικόνα σε 16 υποεπίπεδα. Μετά την ανάλυση των ποσών της συνολικής ενέργειας για κάθε υποπεριοχή, τα συστατικά χρώματος είναι ενσωματωμένα σε δύο υποζώνες περιλαμβάνοντας ένα ελάχιστο ποσό ενέργειας στην Y συνιστώσα. Αυτό καθιστά δυνατό όχι μόνο το να κρύψει συνιστώσες χρώματος στην εικόνα Υ, αλλά και να ανακτήσει την Υ εικόνα με ελάχιστη απώλεια των αρχικών πληροφοριών. Κατά τη διαδικασία gray-to-color, ο κορεσμός χρώματος των ανακτημένων έγχρωμων εικόνων μειώνεται κατά τη διαδικασία εκτύπωσης και σάρωσης. Για να αυξηθεί ο κορεσμός χρώματος, η χαρακτηριστική καμπύλη μεταξύ του εκτυπωτή και του σαρωτή, η οποία μπορεί να εκτιμηθεί σαν την μεταβολή των τιμών pixel πριν και μετά την διαδικασία εκτύπωσης και σάρωσης, χρησιμοποιείται για να αντισταθμίσει τις τιμές των pixels των εκτυπωμένων και σαρωμένων γκρι εικόνων. Επιπλέον, η μέθοδος κλιμάκωσης των Cb και Cr συνιστωσών εφαρμόζονται στη διαδικασία gray-to color. Μέσα από τα πειράματα, φαίνεται ότι η συγκεκριμένη μέθοδος βελτιώνει τόσο τις λεπτομέρειες των ορίων και τον κορεσμό χρώματος στις ανακτηθέντες έγχρωμες εικόνες. Παρακάτω (Σχήμα 12 και 13) παρατίθενται τα διαγράμματα ροής της μεθόδου για την μετατροπή από έγχρωμο σε γκρι και αντίστροφα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 30

31 Έναρξη Διάβασε την εικόνα Μετατρέψτε την έγχρωμη εικόνα σε Y, Cb, Cr χρησιμοποιώντας τη γραμμική μετατροπή χρωμάτων RGB σε YCbCr. Χρησιμοποιώντας 4 ου επιπέδου DWT, χώρισε το Y σε 4 υποζώνες και κάθε νέα υποζώνη χωρισέ την σε αλλες 4. Μείωσε το Cb και το Cr κατα ¼ του αρχικού μεγέθους. Αντικατέστησε το Shv1 Cb (2 idwt, 3 παράμετροι), Svh1 Cr (3 idwt, 2 παράμετροι). Πάρτε το αντίστροφο DWT (Idwt) τέσσερις φορές για να ανασυνθέσει την εικόνα του Ύ. Τέλος Σχήμα 12 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 3 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 31

32 Έναρξη Διάβασε την γκρί εικόνα. Χρησιμοποιώντας 4ου επιπέδου DWT χωρίζουμε την γκρι εικόνα σε τέσσερις υποζώνες και κάθε υποζώνη σε τέσσερις υποζώνες την καθεμιά. Αύξησε το Shv1 και Svh1 στο αρχικό τους μέγεθος. Αντικατέστησε το Cb με Shv1new και το Cr μεsvh1new. Πέρνουμε το αντίστροφο DWT (idwt) τέσσερις φορές για να αναπαράγουμε τις υποζώνες της συνιστώσας Υ. Πέρνουμε το αντίστροφο DWT (Idwt) για να αναπαράγει το συστατικό Υ της εικόνας. Ανασυνθέτουμε την έγχρωμη εικόνα χρησιμοποιώντας τον μετασχηματισμό YCbCr σε RGB. Τέλος Σχήμα 13 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 3 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 32

33 2.4 ΜΕΘΟΔΟΣ 4 η Εδώ χρησιμοποιούμε έναν ακριβή αναστρέψιμο αλγόριθμο χωρίς συνθήκες παραμόρφωσης, όπως μία διαδικασία εκτύπωσης για μετατροπή έγχρωμων εικόνων σε γκρι διατηρώντας το χρώμα και την ανάλυση των εικόνων [3]. Είναι ένας αναστρέψιμος color-to-gray αλγόριθμος χρησιμοποιώντας δευτέρου επιπέδου Haar μετατροπή. Επινοώντας μια τεχνική ενσωμάτωσης χρώματος, η οποία ονομάζεται β-μετασχηματισμός, ο αλγόριθμος βελτιώνεται. Χρησιμοποιεί πρώτου επιπέδου διακριτό μετασχηματισμό κυματιδίου στη συνιστώσα φωτεινότητας (Υ) και οι συνιστώσες χρωματισμού (Cb και Cr) σε σχέση με την αρχική τους διάσταση. Ο αλγόριθμος διανέμει πληροφορίες χρώματος αποτελεσματικά στο πρώτο επίπεδο των υποζωνών του wavelet για την διατήρηση του χρώματος και της χωρικής ανάλυσης. Τα αποτελέσματα των πειραμάτων δείχνουν ότι ο συγκεκριμένος αλγόριθμος μπορεί να επιτύχει μεγαλύτερη ακρίβεια ανάκτησης χρώματος των εικόνων από την υφή των γκρί εικόνων, των αρχικών έγχρωμων εικόνων. Παρακάτω (Σχήμα 14 και 15) παρατίθενται τα διαγράμματα ροής της μεθόδου για την μετατροπή από έγχρωμο σε γκρι και αντίστροφα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 33

34 Έναρξη Διάβασε την έγχρωμη εικόνα Μετατρέψτε την έγχρωμη εικόνα σε Υ, Cb, Cr χρησιμοποιώντας τη γραμμική μετατροπή χρωμάτων RGB σε YCbCr. Χρησιμοποιώντας 1 ου επιπέδου DWT, χώρισε τοy σε Sl1, Sh1, Sv1, Sd1. Μείωσε κατά 1/16 το Cb και το Cr.Φτίαξε το Cb-,το Cb+, το Cr- και το Cr+. Πολλαπλασίασε το Cb+,το Cb-,το Cr+,και το Cr- με το β(0<β<1). Όπου β = 0.2. Πάρε το αντίστροφο DWT (Idwt) για να ανασυνθέσεις το Y. Τέλος Σχήμα 14 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 4 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 34

35 Έναρξη Διάβασε την γκρί εικόνα. Χρησιμοποιώντας 1 ου επιπέδου DWT χώρισε την γκρί εικόνα σε υποζώνες Sl1, Sh1, Sv1, Sd1. Πάρε το Cb-,το Cb+,το Cr- και το Cr+ από τα Sh1, Sv1, Sd1. Πάρε τις υψηλής συχνότητας συνιστώσες των ενσωματωμένων έγχρωμων pixels σε υποζόνες από την παρεμβολή. Πάρε το αντίστροφο DWT (Idwt) για να δημιουργήσεις το Y συστατικό της εικόνας. Πόλλαπλασίασε τα Cb-, Cb+, Cr-, Cr+ με το β και πάρε τα Cb και Cr. Όπου β = 0.2. Επαναδημιούργησε την έγχρωμη εικόνα χρησιμοποιώντας την αντίστροφη γραμμική μετατροπή YCbCr σε RGB. Τέλος Σχήμα 15 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 4 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 35

36 2.5 ΜΕΘΟΔΟΣ 5 η Παραδοσιακά, τα στοιχεία που κρύβονται και η συμπίεση είχαν αντιφατικούς στόχους. Το κυρίως πρόβλημα είναι ότι προστίθενται άσχετες πληροφορίες προκειμένου να ενσωματωθούν τα δεδομένα. Σε αυτή τη μέθοδο θα χρησιμοποιήσουμε απόκρυψη των δεδομένων για να βοηθήσουμε στη βελτίωση της συμπίεσης του σήματος [4]. Εξετάζουμε την χρωματική πληροφορία στην συνιστώσα της φωτεινότητας μιας εικόνας για τη βελτίωση της κωδικοποίησης της έγχρωμης εικόνας. Αυτή η νέα τεχνική μετασχηματίζει ουσιαστικά μια δεδομένη έγχρωμη εικόνα στο χρωματικό χώρο YIQ όπου οι χρωματικές πληροφορίες είναι ενσωματωμένες στο πεδίο wavelet της συνιστώσας φωτεινότητας και μπορεί να χρησιμοποιηθεί ως προεπεξεργασία για τη βελτίωση της απόδοσης των συστημάτων συμπίεσης εικόνας, όπως το SPIHT που έχουν βελτιστοποιηθεί για τη συμπίεση μιας εικόνας σε κλίμακα του γκρι. Τα αποτελέσματα της προσομοίωσης δείχνουν την ανώτερη απόδοση της προτεινόμενης τεχνικής σε σύγκριση με το JPEG. Παρακάτω (Σχήμα 16 και 17) παρατίθενται τα διαγράμματα ροής της μεθόδου για την μετατροπή από έγχρωμο σε γκρι και αντίστροφα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 36

37 Έναρξη A Διάβασε την έγχρωμη εικόνα Αντικατέστησε το Ill με το Yllhl μείωσε το μέγεθός του. Μετασχημάτισε την έγχρωμη εικόνα σε Y, I, Q χρησιμοποιώντας τον χρωματικό μετασχηματισμό RGB σε NTSC. Χρησιμοποιώντας 1 ου επιπέδου DWT χώρισε το Υ σε 4 υποεπίπεδα (Yll, Yhh, Yhl, Ylh). Πάρε το αντίστροφο DWT(idwt) για να φτιάξεις το Yhlnew. Αντικατέστησε το Qll με το Qlllh μείωσε το μέγεθός του. Πάρε το αντίστροφο DWT(idwt) για να δημιουργίσεις το Ylhnew. Χρησιμοποιώντας 1 ου επιπέδου DWT χώρισε το Yhl σεyllhl, Yhhhl, Yhlhl, Ylhhl και το Ylh σε Ylllh, Yhhlh, Yhllh, Ylhlh. Πάρε το αντίστροφο DWT(Idwt) για να επανασυνθέσεις το Y της εικόνας. Χρησιμοποιώντας 1 ου επιπέδου DWT χώρισε τα συστατικά I και Q σε 4 υποεπίπεδα το καθένα (Ill, Ihh, Ihl, Ilh) και (Qll, Qhh,Qhl,Qlh). Τέλος A Σχήμα 16 - Διάγραμμα από έγχρωμο σε γκρι, μέθοδος 5 η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 37

38 Έναρξη Διάβασε την γκρί εικόνα Με την χρήση 1 ου επιπέδου DWT χώρισε την γκρί εικόνα σε Yll, Yhh, Yhl, Ylh. Χρησιμοποίησε 1 ου επιπέδου DWT στοyhl και στο Ylh και δημιούργισε (Yllhl, Yhhh1, Yhlhl, Ylhhl) and (Ylllh, Yhhlh,Yhllh, Ylhlh) αντίστοιχα. Αντικατέστησε το Yllhl με το I2ll και το Ylllh με το Q2ll. Μηδένισε τα Yllhl και Ylllh. Πάρε το αντίστροφο DWT (idwt)3 φορες για να επαναπαράγεις τα Ynew, I2ll και Q2ll. Ανακατασκεύασε την εικόνα με την βοήθεια του αντιστρόφου μετασχηματισμού χρώματος RGB σε NTSC. Τέλος Σχήμα 17 - Διάγραμμα από γκρί σε έγχρωμο, μέθοδος 5η. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 38

39 3 ΠΕΡΙΓΡΑΦΗ ΕΦΑΡΜΟΓΩΝ ΕΓΧΕΙΡΙΔΙΟ GUI(manual) 3.1 ΕΙΣΑΓΩΓΗ ΣΤΟ MATLAB Εισαγωγή Το πρόγραμμα Matlab αποτελεί μία ισχυρή γλώσσα προγραμματισμού υψηλού επιπέδου για επιστημονικούς σκοπούς. Το πρόγραμμα αποτελείται από ένα σύνολο συναρτήσεων, που είτε είναι ενσωματωμένες σ αυτό, είτε είναι διαθέσιμες σαν αρχεία ".m". Κάθε αρχείο από αυτά είναι μία σειρά εντολών, που αποτελούν την υλοποίηση ενός αλγορίθμου. Μέσω του Matlab είναι δυνατή, επίσης, η δημιουργία και νέων αρχείων που αποδίδουν συναρτήσεις και εντολές νέων προγραμμάτων. Το Matlab σε περιβάλλον Windows ενεργοποιεί τρία παράθυρα. Πρόκειται για: το παράθυρο εντολών (command window), το παράθυρο διαγραμμάτων (figure window) και το παράθυρο σύνθεσης/διόρθωσης αρχείων (edit window). Το παράθυρο εντολών έχει σαν επικεφαλίδα τη λέξη Command και διακρίνεται από την παρουσία του προτρεπτικού σημείου >>, που δηλώνει ότι το πρόγραμμα (το Matlab) είναι έτοιμο για εκτέλεση εντολής. Στο παράθυρο αυτό εμφανίζονται τα αποτελέσματα της εκτέλεσης των εισαγομένων εντολών εκτελούνται μικρά προγράμματα και αρχεία τύπου Μ. Πρέπει να σημειωθεί ότι το Matlab ξεχωρίζει τα κεφαλαία γράμματα από τα πεζά (μικρά) (case sensitive). Έτσι θεωρεί διαφορετικά γράμματα π.χ. το Α και το a. Αν τα γράμματα αυτά αποδοθούν σε μεταβλητές, για το Matlab αυτές θα είναι διαφορετικές. Το παράθυρο διαγραμμάτων έχει σαν επικεφαλίδα Figure No.1. Στο παράθυρο αυτό εμφανίζονται τα διαγράμματα που προκύπτουν από την εκτέλεση σχετικών εντολών. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 39

40 Το παράθυρο σύνθεσης/διόρθωσης αρχείων έχει σαν επικεφαλίδα το όνομα ενός αρχείου Μ, που ανοίχτηκε ή το όνομα Untitledx, αν ένα καινούριο αρχείο βρίσκεται υπό σύνθεση (και μέχρι αυτό να ονομαστεί) Εκκίνηση και πέρας της λειτουργίας Η έναρξη του προγράμματος Matlab (στην έκδοσή του για PC) γίνεται στα Windows με την συνηθισμένη διαδικασία: Επιλογή Start Programs Matlab Matlab Ενεργοποίηση μέσω του εικονιδίου που υπάρχει στην επιφάνεια γραφείου (desktop) των Windows. Αμέσως μετά τη φόρτωση του προγράμματος, ανοίγει το παράθυρο εντολών και εμφανίζεται το μήνυμα και το προτρεπτικό σημείο: To get started, type one of these: help win, helpdesk, or demo. For product information, type tour or visit Στη συνέχεια εισάγονται οι διάφορες εντολές- η μία κατόπιν της άλλης - για την πραγματοποίηση της εφαρμογής που ενδιαφέρει. Όταν η εργασία τελειώσει, η έξοδος από το Μatlab ολοκληρώνεται Με την εισαγωγή της εντολής quit στη γραμμή εντολών του παραθύρου των εντολών. Με την επιλογή File Exit MATLAB από τη γραμμή επιλογών του ιδίου παραθύρου. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 40

41 3.2 ΜΠΛΟΚ ΔΙΑΓΡΑΜΜΑΤΑ ΥΛΟΠΟΙΗΣΗΣ ΤΩΝ ΜΕΘΟΔΩΝ Μέθοδος 1 η Έναρξη A = imread (.jpg ); X = rgb2ycbcr(a); [Sl1,Sh1,Sv1,Sd1] = dwt2(y,wf); cbnew = imresize (cb, 0.5); crnew = imresize (cr, 0.5); Sh1 = cbnew; Sv1 = crnew; ynew = idwt2(sl1,sh1,sv1,sd1,wf); gray_img = uint8(ynew); Τέλος Σχήμα 18 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 41

42 Έναρξη B= imread ( gray_img ) [Sl1,Sh1,Sv1,Sd1] = dwt2 (B, wf); cb = imresize(sh1,2); cr = imresize(sv1,2); Sh1=zeros (size (Sh1)); Sv1=zeros (size (Sv1)); Bnew = idwt2 (Sl1,Sh1,Sv1,Sd1,wf);. x(:,:,1)=bnew; x(:,:,2)=cb; x(:,:,3)=cr; f = ycbcr2rgb(x); c_img = uint8(f);. Τέλος Σχήμα 19 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρί σε έγχρωμη. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 42

43 Μέθοδος 2 η Έναρξη Α A = imread (.jpg ); Sd2 = cbnewarn2; Sh1 = crnewthet; Sv1 = cbnewthet; Sd1 = crnewarn; X = rgb2ycbcr (A); ca1 = idwt2 (Sl, Sh2, Sv2, Sd2, wf); ynew = idwt2 (Sl1, Sh1, Sv1, Sd1, wf); [C, S] = wavedec2(y, 2, wf); Sl = appcoef2(c, S, wf, 2); Sh2 = detcoef2 ('h', C, S, 2); Sv2 = detcoef2 ('v', C, S, 2); Sd2 = detcoef2 ('d', C, S, 2); Sh1 = detcoef2 ('h', C, S, 1); Sv1 = detcoef2 ('v', C, S, 1); Sd1 = detcoef2 ('d', C, S, 1); gray_img = uint8(ynew); Τέλος cbnew = imresize (cb, 0.5); crnew = imresize (cr, 0.5); cbnewthet = cbnew; cbnewthet (cbnew < 0) = 0; cbnewarn = cbnew; cbnewarn (cbnew > 0) = 0; crnewthet = crnew; crnewthet (crnew < 0) = 0; crnewarn = crnew; crnewarn (crnew > 0) = 0; cbnewarn2 = imresize (cbnewarn, 0.5); Α Σχήμα 20 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 43

44 Έναρξη B= imread ( gray_img ) [C,S] = wavedec2(b,2,wf); Sl = appcoef2(c,s,wf,2); Sh2 = detcoef2('h',c,s,2); Sv2 = detcoef2('v',c,s,2); Sd2_small = detcoef2('d',c,s,2); Sh1 = detcoef2('h',c,s,1); Sv1 = detcoef2('v',c,s,1); Sd1 = detcoef2('d',c,s,1); Sd2 = imresize(sd2_small,2); cb = (abs(sv1) - abs(sd2)); cr = (abs(sh1) - abs(sd1));. cb2 = imresize (cb, 2); cr2 = imresize (cr, 2); Sd2=zeros(size(Sd2_small)); Sh1=zeros(size(Sh1)); Sv1=zeros(size(Sv1)); Sd1=zeros(size(Sd1)); I1 = idwt2 (Sl,Sh2,Sv2,Sd2,wf); Bnew = idwt2 (I1,Sh1,Sv1,Sd1,wf); x (:,:,1)=Bnew; x (:,:,2)=cb2; x (:,:,3)=cr2; f = ycbcr2rgb(x); c_img = uint8(f);. Τέλος Σχήμα 21 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρί σε έγχρωμη. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 44

45 Μέθοδος 3 η Έναρξη A = imread (.jpg ); Z = rgb2ycbcr (A); Y=Z (:,:, 1); [sl1, sh1, sv1, sd1]=dwt2(y, wf); [sll1, slh1, slv1, sld1]=dwt2 (sl1, wf); [shl1, shh1, shv1, shd1]=dwt2 (sh1, wf); [svl1, svh1, svv1, svd1]=dwt2 (sv1, wf); [sdl1, sdh1, sdv1, sdd1]=dwt2 (sd1, wf); c1 = imresize (Z (:,:, 2), 0.25); c2 = imresize (Z (:,:, 3), 0.25); sy = size (sl1); sl1new = idwt2 (sll1, slh1, slv1, sld1, wf, sy); sy = size (sh1); sh1new = idwt2 (shl1, shh1, c1, shd1, wf, sy); sy = size (sv1); sv1new = idwt2 (svl1, c2, svv1, svd1, wf, sy); sy = size (sl1); sd1new = idwt2 (sdl1, sdh1, sdv1, sdd1, wf, sy); sy = size (Y); ynew = idwt2 (sl1new, sh1new, sv1new, sd1new, wf, sy); gray_img = uint8(ynew); Τέλος Σχήμα 22 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 45

46 Έναρξη A= imread ( gray_img ) [sl1,sh1,sv1,sd1]=dwt2(a,wf); [sll1,slh1,slv1,sld1]=dwt2(sl1,wf); [shl1,shh1,shv1,shd1]=dwt2(sh1,wf); [svl1,svh1,svv1,svd1]=dwt2(sv1,wf); [sdl1,sdh1,sdv1,sdd1]=dwt2(sd1,wf); ss=size(a); sh1new = imresize(shv1, ss); sv1new = imresize(svh1, ss); cb=sh1new; cr=sv1new; s1=size(shv1); sy = size(sl1); sl1new = idwt2(sll1,slh1,slv1,sld1,wf,sy); sy = size(sh1); sh1new = idwt2(shl1,shh1,zeros(s1),shd1,wf,sy); sy = size(sv1); sv1new = idwt2(svl1,zeros(s1),svv1,svd1,wf,sy); sy = size(sl1); sd1new = idwt2(sdl1,sdh1,sdv1,sdd1,wf,sy); sy = size(a); ynew = idwt2(sl1new,sh1new,sv1new,sd1new,wf,sy); ynew=uint8(ynew); cb=uint8(cb); cr=uint8(cr); F=ycbcr2rgb(F1); c_img = uint8(f);. Τέλος Σχήμα 23 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 46

47 Μέθοδος 4 η Έναρξη A A = imread (.jpg ); Sy = size(y); Ynew=idwt2(sl1,sh1,sv1,sd1,wf,sy); X = rgb2ycbcr (A); gray_img = uint8(ynew); [sl1, sh1, sv1, sd1] = dwt2(y, wf); Τέλος cbnew=cb*0.0625; crnew=cr*0.0625; s1=size (cbnew); cbnewthet = zeros (s1); cbnewarni = zeros (s1); s1=size (crnew); crnewthet = zeros (s1); crnewarni = zeros (s1); cbnewthet=0.2*cbnewthet; cbnewarni=0.2*cbnewarni; crnewthet=0.2*crnewthet; crnewarni=0.2*crnewarni; A Σχήμα 24 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 47

48 Έναρξη A A= imread ( gray_img ) [sl1, sh1, sv1, sd1] = dwt2 (A, wf); s1=size (sh1); s1=size (sv1); s1=size (sd1); s1=size (sd1); cbnewthet = uint8 (cbnewthet); cbnewarni = uint8 (cbnewarni); crnewthet = uint8 (crnewthet); crnewarni = uint8 (crnewarni); cr = uint8 (cr); s2=size(cbnewthet); cbnewarni=imresize(cbnewarni,s2); s2=size(crnewthet); crnewarni=imresize(crnewarni,s2); cbnew=abs(cbnewthet-cbnewarni); crnew=abs(crnewthet-crnewarni); s1=size(a); cb=imresize(cbnew,s1); cr=imresize(crnew,s1); ); f=ycbcr2rgb(f1 s1=size (sh1); s1=size (sv1); s1=size (sd1); s1=size (A); c_img = f;. Τέλος Y = idwt2(sl1,sh1,sv1,sd1,wf,s1); cbnewthet=cbnewthet*(1/0.2); crnewthet=crnewthet*(1/0.2); cbnewarni=cbnewarni*(1/0.2); crnewarni=crnewarni*(1/0.2); A Σχήμα 25 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 48

49 Μέθοδος 5 η Έναρξη A = imread (.jpg ); B=rgb2ntsc(A); Y=B(:,:,1); [Yll, Yhh, Yhl, Ylh]=dwt2(Y, wf); [Yllhl, Yhhhl, Yhlhl, Ylhhl]=dwt2(Yhl,wf); [Ylllh, Yhhlh, Yhllh, Ylhlh]=dwt2(Ylh,wf); I=B (:,:, 2); [Ill, Ihh, Ihl, Ilh]=dwt2 (I, wf); Q=B (:,:, 3); [Qll, Qhh, Qhl, Qlh]=dwt2 (Q, wf); y1=size(yhhhl); Ill=imresize(Ill,y1); y1=size(yhl); Yhlnew=idwt2(Ill, Yhhhl, Yhlhl, Ylhhl,wf,y1); y1=size(yhhlh); Qll=imresize(Qll,y1); y1=size(ylh); Ylhnew=idwt2(Qll, Yhhlh, Yhllh, Ylhlh,wf,y1); y1=size(y); Ynew=idwt2 (Yll, Yhh, Yhlnew, Ylhnew, wf, y1); gray_img = Ynew; Τέλος Σχήμα 26 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από έγχρωμη σε γκρι. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 49

50 Έναρξη A= imread ( gray_img ) [Yll, Yhh, Yhl, Ylh]=dwt2 (A, wf); [Yllhl, Yhhh1,Yhlhl, Ylhhl]=dwt2(Yhl,wf); [Ylllh, Yhhlh,Yhllh, Ylhlh]=dwt2(Ylh,wf); I2ll=Yllhl; Q2ll=Ylllh; s1=size (Yllhl); Yllhl=zeros (s1); s1=size (Ylllh); Ylllh=zeros (s1); s1=size(yhl); Yhlnew=idwt2(Yllhl, Yhhh1,Yhlhl, Ylhhl, wf,s1); s1=size(ylh); Ylhnew=idwt2(Ylllh, Yhhlh,Yhllh, Ylhlh, wf,s1); s1=size(a); Ynew=idwt2(Yll,Yhh,Yhlnew, Ylhnew, wf,s1); I2ll=imresize(I2ll,s1); Q2ll=imresize(Q2ll,s1); f=ntsc2rgb(f1); c_img = f;. Τέλος Σχήμα 27 - Μπλοκ διάγραμμα υλοποίησης μετατροπής της εικόνας από γκρι σε έγχρωμη. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 50

51 3.3 ΠΕΡΙΓΡΑΦΗ ΕΓΧΕΙΡΙΔΙΟΥ GUI (manual) Το σχεδιαστικό κομμάτι της εφαρμογής ΒΗΜΑ 1 ο : Ανοίγετε το πρόγραμμα MATLAB. Για να ξεκινήσει η εφαρμογή του GUI πληκτρολογείτε <guide> στο command window(παράθυρο εντολών), το οποίο εμφανίζεται με την έναρξη του προγράμματος. Αμέσως εμφανίζεται ένα παράθυρο το οποίο προτρέπει είτε σε άνοιγμα ήδη υπάρχουσας εφαρμογής GUI είτε σε δημιουργία της. Ή πληκτρολογείται <guide + όνομα αρχείου > και εμφανίζεται κατευθείαν η επιλεγμένη εφαρμογή. Εικόνα 1 Πληκτρολόγηση <guide + όνομα αρχείου > Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 51

52 ΒΗΜΑ 2 ο : Επιλέγετε να δημιουργήσετε από την αρχή την εφαρμογή χρησιμοποιώντας το Blank GUI(Default) και στην συνέχεια OK. Εικόνα 2 Δημιουργία Blank GUI(Default) ΒΗΜΑ 3 ο : Σε αυτήν την εικόνα φαίνεται ο GUIDE layout editor(οδηγοσ), στον οποίο μπορείτε να συμπληρώσετε ένα GUI, κάνοντας κλικ και σύροντας GUI στοιχεία-όπως άξονες, πίνακες, κουμπιά, πεδία κειμένου, ρυθμιστικά, και ούτω καθεξής, στην περιοχή διάταξης. Μπορείτε επίσης να δημιουργήσετε τα μενού και μενού περιβάλλοντος για το GUI. Από το layout editor, μπορείτε να ρυθμίσετε το μέγεθος του GUI, να τροποποιήσετε τις συνιστώσες για το πώς φαίνεται η εφαρμογή, τη στοίχιση στοιχείων με καθορισμένη σειρά tab, να δείτε μια ιεραρχική λίστα των αντικειμένων συστατικών, και να θέσετε τις GUI επιλογές. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 52

53 Εικόνα 3 - GUIDE layout editor(οδηγοσ) ΒΗΜΑ 4 ο : Στην συγκεκριμένη εφαρμογή χρησιμοποιήθηκαν τα παρακάτω στοιχεία GUI. Πατήστε => RUN για την συνέχεια του προγράμματος ή το πλήκτρο F5 για να αποθηκεύσετε και να τρέξετε την εφαρμογή, εάν δεν την έχετε αποθηκεύσει προηγουμένως. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 53

54 Εικόνα 4 - Επιλογή Run Το εκτελεστικό κομμάτι της εφαρμογής Εμφανίζεται πλέον η εφαρμογή ολοκληρωμένη και δίνεται η δυνατότητα επεξεργασίας εικόνων με βάση τις πέντε μεθοδολογίες που εξετάστηκαν. Βλέπετε την menu μπάρα, από την οποία μπορείτε να επιλέξετε την επόμενη σας ενέργεια, δλδ να φορτώσετε κάποια εικόνα, να την αποθηκεύσετε, να την εκτυπώσετε, καθώς και να μάθετε στοιχεία του κατασκευαστή του προγράμματος ή να βγείτε από το πρόγραμμα. Εικόνα 5 - Η menu μπάρα FILE: Εμφανίζει τις επεξεργασίες που υπόκειται η εικόνα που επιλέγουμε. PRINT: Εάν έχετε εκτυπώσει την γκρι εικόνα επιλέγοντας από το μενού το Print (εικόνα 5), σαρώσετε την και αποθηκεύστε την σε αντίστοιχο φάκελο. Επιλέξτε να Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 54

55 φορτώσετε την εικόνα αυτήν από το μενού πατώντας File ->Gray Image Load (εικόνα 10). Η επεξεργασία της γκρι εικόνας αναφέρεται παρακάτω. ABOUT: Εμφανίζεται ένα παράθυρο με πληροφορίες του κατασκευαστή του προγράμματος. EXIT: Επιλογή εξόδου ή όχι από το πρόγραμμα. Επιλέγετε από το μενού File->Color Image Load ή κάνετε αριστερό click στο κουμπί Load image και διαλέγετε την έγχρωμη εικόνα που θέλετε να επεξεργαστείτε. Επίσης μπορείτε να επιλέξετε μια γκρι εικόνα για επεξεργασία από το μενού, File->Gray Image Load.!!Κατά προτίμηση διαλέγουμε εικόνες ίδιων διαστάσεων.!! Εικόνα 6 load image Εικόνα 7 Στο menu, File->Gray Image Load Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 55

56 Επιλέγετε την μέθοδο την οποία θα χρησιμοποιήσετε καθώς και τον τύπο του κυματιδίου, με τα οποία θα γίνει η μετατροπή της εικόνας εάν επιθυμείτε ως εξής. Εικόνα 8 Επιλογή Μεθόδου Εικόνα 9 Επιλογή τύπου κυματιδίου Μετατρέπετε την έγχρωμη εικόνα σε αποχρώσεις του γκρι πατώντας το κουμπί Convert to Gray και στην συνέχεια την αποθηκεύετε εάν επιθυμείτε File-> Gray Image Save. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 56

57 Εικόνα 10 - Convert to Gray Εικόνα 11 Αποθήκευση γκρί εικόνας Αν θέλετε μπορείτε να επεξεργαστείτε την γκρι εικόνα, ενσωματώνοντας σε αυτήν κάποιο είδος θορύβου, επιλέγοντας τύπο και την κλίμακα. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 57

58 Εικόνα 12 Εισαγωγή θορύβου Εικόνα 13 Κλίμακα θορύβου Κάνετε ανάκτηση της αρχικής εικόνας πατώντας το κουμπί Recovery Image και συγκρίνετε την ομοιότητά της με την αρχική. Αυτό μπορείτε να το παρατηρήσετε και από τον δείκτη PSNR, όσο μεγαλύτερος ο δείκτης τόσο καλύτερη η αποτύπωση της τελικής εικόνας. Τέλος, μπορείτε εάν επιθυμείτε να αποθηκεύσετε την τελική έγχρωμη εικόνα File->Recovery Image Save. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 58

59 Εικόνα 14 Δείκτης PSNR Εικόνα 15 - Aποθήκευση recovery image GUI-Προγραμματισμός Ο ΟΔΗΓΟΣ δημιουργεί αυτόματα ένα αρχείο που περιέχει το πρόγραμμα MATLAB, συναρτήσεις που ελέγχουν τον τρόπο με τον οποίο το GUI λειτουργεί. Αυτό το αρχείο κώδικα παρέχει κώδικα για να προετοιμαστεί το γραφικό περιβάλλον και περιέχει ένα πλαίσιο για τις GUI callbacks(συναρτήσεις επιστροφής)-οι ρουτίνες που εκτελούνται όταν ένας χρήστης αλληλεπιδρά με ένα συστατικό GUI. Χρησιμοποιήστε τον Επεξεργαστή MATLAB(Editor) ώστε να προσθέσει πηγαίο κώδικα στις callbacks(συναρτήσεις επιστροφής) για να εκτελέσει τις ενέργειες που θέλετε το γραφικό περιβάλλον να εκτελέσει. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 59

60 4 ΠΡΟΣΟΜΟΙΩΣΕΙΣ Σε αυτήν την πτυχιακή μελετήσαμε πέντε διαφορετικούς αλγορίθμους/μεθόδους για την επεξεργασία μιας εικόνας από έγχρωμη σε αποχρώσεις του γκρι και αντίστροφα. Όλοι οι αλγόριθμοι είναι λειτουργικοί, άλλοι λιγότερο και άλλοι περισσότερο. Στο κεφάλαιο αυτό θα παρουσιαστούν κάποια παραδείγματα μετατροπής έγχρωμων εικόνων (true color) σε αποχρώσεις του γκρι (gray scale) και αντίστροφα, οι οποίες έχουν επεξεργαστεί σύμφωνα με τις προαναφερόμενες μεθόδους. Στην διαδικασία από έγχρωμη σε γκρι, μετατρέπουμε την αρχική εικόνα σε γκρι χωρίζοντας την φωτεινότητα (Y) σε υποεπίπεδα και χρησιμοποιώντας τον διακριτό μετασχηματισμό κυματιδίου (discrete wavelet transform, DWT). Τα συστατικά της χρωματικότητας (Cb, Cr) τροποποιούνται ανάλογα στον κάθε αλγόριθμο και σαν αποτέλεσμα παίρνουμε την επιθυμητή γκρι εικόνα, η οποία εκτυπώνεται και σαρώνεται. Αρχικά οι εικόνες θα επεξεργαστούν χωρίς την προσθήκη θορύβου με τους διάφορους τύπους κυματιδίου (wavelet types), οι οποίοι είναι οι εξής: haar,db1, db2, db3, db4, db5. Ενδεικτικά παρακάτω θα δοθούν κάποια παραδείγματα εικόνων χρησιμοποιώντας κυρίως τον τύπο κυματιδίου haar, ο οποίος είναι και πιο λειτουργικός σε όλες τις μεθόδους απ ότι παρατηρείται. Έπειτα η επεξεργασία των εικόνων θα γίνει με την προσθήκη θορύβου, εδώ θα εφαρμοστούν οι παρακάτω θόρυβοι: Gaussian, Poisson, Salt & Pepper και Speckle. Η κλίμακα των θορύβων που χρησιμοποιείται στην παρούσα πτυχιακή είναι από 0 έως 0.7 db, ώστε να μην υπάρχει απόλυτη αλλοίωση της γκρι εικόνας και έτσι θα είναι δύσκολη η ανάκτηση της χρωματικής της πληροφορίας στη συνέχεια. Συγκεκριμένα θα εφαρμοστεί θόρυβος db κατά τον οποίο παρατηρούμε παραμόρφωση στις εικόνες, αλλά όχι μη αναστρέψιμη. Στη διαδικασία από γκρι σε έγχρωμη, η σαρωμένη γκρι εικόνα χωρίζεται στα αντίστοιχα υποεπίπεδα, σύμφωνα με τον κάθε αλγόριθμο και χρησιμοποιώντας τον αντίστροφο διακριτό μετασχηματισμό κυματιδίου (inverse discrete wavelet transform, IDWT) προσπαθούμε να ανακτήσουμε την κρυμμένη χρωματική πληροφορία. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 60

61 Κατά την διάρκεια εκτέλεσης του προγράμματος θα εμφανίζεται ο δείκτης Peak Signalto-Noise Ratio (PSNR), ο οποίος χρησιμοποιείται για την μέτρηση της ποιότητας ανασυγκρότησης της εικόνας. Παρακάτω, Σχήμα 28, παρουσιάζονται 3 δοκιμαστικές έγχρωμες εικόνες, οι οποίες θα χρησιμοποιηθούν στις προσομοιώσεις. (α) images (β) peppers (γ) colors Σχήμα 28 - Οι τρείς έγχρωμες αρχικές εικόνες (α) images.jpg, (β) peppers.jpg, (γ) colors.jpg. Επεξεργασία εικόνων χωρίς θόρυβο Παραδείγματα. Ακολουθεί η επεξεργασία των τριών αρχικών εικόνων και η ανάκτηση της χρωματικής τους πληροφορίας σε όλες τις μεθόδους, χωρίς την προσθήκη θορύβου. Στην πρώτη εικόνα(images) χρησιμοποιείται τύπος κυματιδίου haar, στην δεύτερη εικόνα(peppers) ο db1 και στην τρίτη εικόνα(colors) ο db2. Τ.Ε.Ι. ΚΑΒΑΛΑΣ ΤΜΗΜΑ ΒΙΟΜΗΧΑΝΙΚΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ 61