DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης



Σχετικά έγγραφα
DIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά

Digital Image Processing

Advances in Digital Imaging and Computer Vision

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων

Παρουσίαση Νο. 5 Βελτίωση εικόνας

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

ΚΑΤΑΝΟΜΗ ΠΥΚΝΟΤΗΤΑΣ ΠΙΘΑΝΟΤΗΤΑΣ

Advances in Digital Imaging and Computer Vision

ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ

ΕΡΓΑΣΤΗΡΙΟ ΙV. ΤΜΗΜΑ ΙΕΘΝΟΥΣ ΕΜΠΟΡΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΟΙΚΟΝΟΜΙΚΗΣ ΑΝΑΛΥΣΗΣ Ι Μονοβασίλης Θεόδωρος

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Βιοϊατρική τεχνολογία

ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ

IV.11 ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ

Διάλεξη 2 - Σημειώσεις

ΜΕΘΟΔΟΣ ΕΛΑΧΙΣΤΩΝ ΤΕΤΡΑΓΩΝΩΝ

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων

Εργαστήριο ADICV3. Image filtering, Point Processing and Histogram Equalisation. Κώστας Μαριάς 20/3/2017

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

T 4 T 4 T 2 Τ Τ Τ 3Τ Τ Τ 4

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

Κεφάλαιο 6 Ιστογράμματα δορυφορικών εικόνων

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΣΤΑΤΙΣΤΙΚΗ ΤΩΝ ΕΠΙΧΕΙΡΗΣΕΩΝ. Κεφάλαιο 8. Συνεχείς Κατανομές Πιθανοτήτων

Τηλεπισκόπηση - Φωτοερμηνεία

ΑΡΧΕΣ ΤΗΛΕΠΙΣΚΟΠΗΣΗΣ (Y2204) Βασιλάκης Εµµανουήλ Λέκτορας Τηλεανίχνευσης

A2. ΠΑΡΑΓΩΓΟΣ-ΚΛΙΣΗ-ΜΟΝΟΤΟΝΙΑ

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

ΤΕΣΤ Α2 ΟΜΑΔΑ Ι. παράγωγος είναι αρνητική: f (x) = 1 2x, f

Διάστημα εμπιστοσύνης της μέσης τιμής

ΠΑΡΟΥΣΙΑΣΗ ΣΤΑΤΙΣΤΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

A6. ΕΛΑΣΤΙΚΟΤΗΤΑ-ΡΥΘΜΟΣ ΑΝΑΠΤΥΞΗΣ

Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας

dy df(x) y= f(x) y = f (x), = dx dx θ x m= 1

Σ ΤΑΤ Ι Σ Τ Ι Κ Η. Statisticum collegium Iii

Τίτλος Μαθήματος: Μαθηματική Ανάλυση Ενότητα Β. Διαφορικός Λογισμός

ΣΗΜΑΣΙΑ ΤΗΣ ΕΛΑΣΤΙΚΟΤΗΤΑΣ

I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

II.6 ΙΣΟΣΤΑΘΜΙΚΕΣ. 1. Γραφήματα-Επιφάνειες: z= 2. Γραμμική προσέγγιση-εφαπτόμενο επίπεδο. 3. Ισοσταθμικές: f(x, y) = c

ΣΥΝΟΠΤΙΚΕΣ ΣΗΜΕΙΩΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ ΜΑΘΗΜΑΤΙΚΑ Ι.Ι (τεύχος-1-)

I.3 ΔΕΥΤΕΡΗ ΠΑΡΑΓΩΓΟΣ-ΚΥΡΤΟΤΗΤΑ

ΗΛΕΚΤΡΟΝΙΚΗ Ι ΔΙΑΓΡΑΜΜΑΤΑ BODE ΣΥΜΠΛΗΡΩΜΑΤΙΚΟ ΤΕΥΧΟΣ ΣΗΜΕΙΩΣΕΩΝ

I.1 ΣΥΝΑΡΤΗΣΕΙΣ-ΕΞΙΣΩΣΕΙΣ: {f(x), y= f(x), y= y(x), F(x, y) = c}

Πανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

Νόμοι της κίνησης ΙΙΙ

Advances in Digital Imaging and Computer Vision

ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ Μ.ΠΗΛΑΚΟΥΤΑ ΓΡΑΦΙΚΕΣ ΠΑΡΑΣΤΑΣΕΙΣ

ΕΡΓΑΣΙΕΣ 4 ου ΚΕΦΑΛΑΙΟΥ. 1 η Ομάδα: Ερωτήσεις πολλαπλής επιλογής

ΚΕΦΑΛΑΙΟ 4 Ο ΕΚΘΕΤΙΚΗ ΛΟΓΑΡΙΘΜΙΚΗ ΣΥΝΑΡΤΗΣΗ ΣΤΟΙΧΕΙΑ ΘΕΩΡΙΑΣ - ΑΣΚΗΣΕΙΣ

Κίνηση σε μια διάσταση

Ασκήσεις Γενικά Μαθηµατικά Ι Λύσεις ασκήσεων Οµάδας

Ελλιπή δεδομένα. Εδώ έχουμε Στον πίνακα που ακολουθεί δίνεται η κατά ηλικία κατανομή 1275 ατόμων

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ

ΕΡΓΑΣΙΕΣ 4 ου ΚΕΦΑΛΑΙΟΥ. 1 η Ομάδα: Ερωτήσεις πολλαπλής επιλογής

5. ΤΟ ΓΕΝΙΚΟ ΓΡΑΜΜΙΚΟ ΜΟΝΤΕΛΟ (GENERAL LINEAR MODEL) 5.1 Εναλλακτικά μοντέλα του απλού γραμμικού μοντέλου: Το εκθετικό μοντέλο

Α) Αν η διάμεσος δ του δείγματος Α είναι αρνητική, να βρεθεί το εύρος R του δείγματος.

7.2.1 Εκτίμηση της Καμπύλης Παλινδρόμησης της Μεταβλητής Υ πάνω στην Μεταβλητή Χ

ΜΑΘΗΜΑΤΙΚΑ & ΣΤΟΙΧΕΙΑ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΝ. ΠΑΙΔΕΙΑΣ - Γ ΛΥΚΕΙΟΥ

Σ ΤΑΤ Ι Σ Τ Ι Κ Η ΤΜΗΜΑ ΔΙΟΙΚΗΣΗΣ ΕΠΙΧΕΙΡΗΣΕΩΝ

Θωμάς Ραϊκόφτσαλης 01

Ψηφιακή Επεξεργασία Εικόνας

Ασκήσεις Επεξεργασίας Εικόνας

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Τμήμα Διοίκησης Επιχειρήσεων (Γρεβενά) Μάθημα: Στατιστική II Διάλεξη 1 η : Εισαγωγή-Επανάληψη βασικών εννοιών Εβδομάδα 1 η : ,

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46

ΣΤΑΤΙΣΤΙΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΓΙΑ ΤΗΝ ΑΠΟΤΙΜΗΣΗ ΤΩΝ ΑΠΟΤΕΛΕΣΜΑΤΩΝ

ΤΕΣΤ ΣΤΑΤΙΣΤΙΚΗΣ ΕΦΑΡΜΟΣΜΕΝΗΣ ΣΤΑΤΙΣΤΙΚΗΣ ΓΕΩΡΓΙΚΟΥ ΠΕΙΡΑΜΑΤΙΣΜΟΥ. Τεστ 1 ο Κατανοµή Συχνοτήτων (50 βαθµοί)

Μηχανική ΙI. Μετασχηματισμοί Legendre. διπλανό σχήμα ότι η αντίστροφη συνάρτηση dg. λέγεται μετασχηματισμός Legendre της f (x)

Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση

ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

Κύματα Εξισώσεις Μεθοδολογία

Σχεδιασμός συγκοινωνιακών έργωνοικονομικά

ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΣΧΟΛΗ ΤΜΗΜΑ. Μαθηματικά 2. Σταύρος Παπαϊωάννου

Ακαδημαϊκό έτος ΘΕΜΑ 1. Η κινητική εξίσωση της αντίδρασης Α + Β = Γ είναι: r = k[a] α [B] β

Κεφάλαιο 11. Συναρτήσεις με δύο συντελεστές. Συναρτήσεις παραγωγής. τεχνολογικά σύνολα

Κατάτµηση εικόνας σε οµοιόµορφες περιοχές

4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER

ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ

Digital Image Processing

ΤΜΗΜΑΕΠΙΧΕΙΡΗΜΑΤΙΚΟΥ ΣΧΕΔΙΑΣΜΟΥ& ΠΛΗΡΟΦΟΡΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ

Επίλυση Συστήματος Γραμμικών Διαφορικών Εξισώσεων

z = c 1 x 1 + c 2 x c n x n

Ευαιθησιομετρία Sensitometry ΑΚΤΙΝΟΛΟΓΙΑ Ι-6

Έγχρωµο και Ασπρόµαυρο Φως

Εισαγωγή στις Ηλεκτρικές Μετρήσεις

1.1 ΒΑΣΙΚΕΣ ΤΡΙΓΩΝΟΜΕΤΡΙΚΕΣ ΣΥΝΑΡΤΗΣΕΙΣ 1.2 ΒΑΣΙΚΕΣ ΤΡΙΓΩΝΟΜΕΤΡΙΚΕΣ ΕΞΙΣΩΣΕΙΣ

Τμήμα Μηχανικών Πληροφορικής ΤΕ Η μέθοδος Simplex. Γκόγκος Χρήστος ΤΕΙ Ηπείρου Επιχειρησιακή Έρευνα. τελευταία ενημέρωση: 19/01/2017

Περιορισμοί στο R. ln x,log. Β= ln Α Β Α Β Α. Σύνοψη γραφικών παραστάσεων

Ανάλυση διακύμανσης (Μέρος 1 ο ) 17/3/2017

ΥΔΡΟΛΟΓΙΑ. Ενότητα 3:Στατιστική και πιθανοτική ανάλυση υδρομετεωρολογικών μεταβλητών- Ασκήσεις. Καθ. Αθανάσιος Λουκάς

Παρεµβολή και Προσέγγιση Συναρτήσεων

Transcript:

DIP_04 Σημειακή επεξεργασία ΤΕΙ Κρήτης

ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός μιας τέτοιας τεχνικής μπορεί να είναι: η βελτιστοποίηση της οπτικής εμφάνισης μιας εικόνας όπως την αντιλαμβάνεται ο άνθρωπος, η τροποποίηση των εικόνων με τέτοιο τρόπο ώστε να είναι αποτελεσματικότερη η παραπέρα ανάλυση ή χρησιμοποίησή τους. Η σημειακή επεξεργασία εφαρμόζεται σε εικονοστοιχεία (σε κάθε σημείο της εικόνας) όλα τα 2

ΕΠΕΞΕΡΓΑΣΙΑ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Το ιστόγραμμα μιας εικόνας αποχρώσεων του γκρι περιέχει σημαντικές πληροφορίες για την εικόνα και για το λόγο αυτό είναι ένα από τα σημαντικότερα εργαλεία στην επεξεργασία ψηφιακών εικόνων. Μπορεί να χρησιμοποιηθεί για τη βελτιστοποίηση της εικόνας, την τροποποίηση των χαρακτηριστικών της, την μετατροπή της σε εικόνα με λιγότερες αποχρώσεις, την εξαγωγή χαρακτηριστικών της εικόνας κ.α. 3

ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ Εκφράζει τη κατανομή των απoχρώσεων του γκρι στην εικόνα και στις περισσότερες περιπτώσεις απόλυτα καθορίζει την εικόνα. Ένα ιστόγραμμα είναι ένα γράφημα που στον οριζόντιο άξονα έχει τις φωτεινότητες από 0-255 και στον κατακόρυφο άξονα το πλήθος των εικονοστοιχείων που έχουν κάθε φωτεινότητα. Ο κατακόρυφος άξονας μπορεί να κανονικοποιηθεί με βάση τη μέγιστη τιμή του ιστογράμματος. 4

ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ (α) Η εικόνα, (β) το ιστόγραμμά της. 5

ΤΟ ΙΣΤΟΓΡΑΜΜΑ ΜΙΑΣ ΕΙΚΟΝΑΣ Αρχική εικόνα και το ιστόγραμμα της εικόνας. 6

ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Η τεχνική της εξισορρόπησης ιστογράμματος (histogram equalization) μετασχηματίζει τις γκρι φωτεινότητες μιας εικόνας έτσι ώστε αυτές να κατανέμονται ομοιόμορφα σ όλη την κλίμακα φωτεινοτήτων. Η εικόνα που προκύπτει με τον τρόπο αυτό είναι αυξημένης αντίθεσης σε σχέση με την αρχική. 7

ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Για την ανάπτυξη της μεθόδου έστω ότι έχουμε μια γκρι εικόνα Α(k,m), διαστάσεων Ν Μ έτσι ώστε Α(k,m) παίρνει τιμές από το {0,...,L-1}. 1}.Έστω, h(g), το ιστόγραμμα της εικόνας g = 0,...,L-1. Κάθε φωτεινότητα Α(k,m) της αρχικής εικόνας Α μετασχηματίζεται στη φωτεινότητα Β(k,m) της νέας εικόνας με B( k, m) = T( A( k, m)), k = 0,..., N 1/ m = 0,..., M 1 8

ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Ως παράδειγμα, εφαρμόζουμε την εξισορρόπηση ιστογράμματος στην προηγούμενη εικόνα. Η συνάρτηση μετασχηματισμού Τ(g) έχει τη μορφή: Η συνάρτηση μετασχηματισμού Τ(g). Η τελική εικόνα μετά την εξισορρόπηση ιστογράμματος 9

ΕΞΙΣΟΡΡΟΠΗΣΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Η διαδικασία εξισορρόπησης ιστογράμματος που περιγράψαμε αναφέρεται ως ολική εξισορρόπηση ιστογράμματος (global histogram equalization) σε αντίθεση με τεχνικές τοπικής εξισορρόπησης ιστο- γράμματος (local histogram equalization). Το ιστόγραμμα της τελικής εικόνας σε σύγκριση με το αρχικό. 10

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ Ως φωτεινότητα (brightness) μιας εικόνας μπορεί να ορισθεί η μέση φωτεινότητα των εικονοστοιχείων της. ηλαδή, για μια εικόνα διαστάσεων Ν Μ η φωτεινότητά της ισούται με: B 1 N M = NM n = 1 m = 1 I( n, m) 11

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ Επειδή η επεξεργασία κάθε εικονοστοιχείου μιας εικόνας εξαρτάται από τη φωτεινότητα του ίδιου του εικονοστοιχείου, οι τεχνικές αυτής της κατηγορίας αναφέρονται και ως τεχνικές σημειακής επεξεργασίας (point processing). 12

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΦΩΤΕΙΝΟΤΗΤΑΣ

ΑΡΝΗΤΙΚΗ ΕΙΚΟΝΑ Το αρνητικό μιας εικόνας παράγεται χρησιμοποιώ- ντας τη συνάρτηση μετασχηματισμού η οποία είναι ίση με: Tg ( ) = 255 g Η βασική ιδέα είναι η αντιστροφή των φωτεινοτήτων. 14

ΑΡΝΗΤΙΚΗ ΕΙΚΟΝΑ Ησυνάρτηση μετασχηματισμού για το αρνητικό της εικόνας, (β) μια αρχική εικόνα, (γ) το αρνητικό της. 15

ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Εικόνες χαμηλής αντίθεσης μπορούν να προκύψουν είτε από ανεπαρκή φωτισμό, λόγω της μικρής δυναμικής περιοχής του οπτικού αισθητήρα λόγω λανθασμένης ρύθμισης των παραμέτρων λήψης των εικόνων. 16

ΑΝΤΙΘΕΣΗ ΣΤΗΝ ΕΙΚΟΝΑ Για μια εικόνα αποχρώσεων του γκρι διαστάσεων Ν Μ και φωτεινότητας Β, η αντίθεση της εικόνας ισούται με: N M 1 C = I n m B NM n = 1 m = 1 [ (, ) ] 2 Σύμφωνα με έναν δεύτερο ορισμό, η αντίθεση σε μια εικόνα μπορεί να εκφρασθεί ως C = max{ I} min{ I} max{ I} + min{ I} Ο ορισμός αυτός δίνει μια τιμή μεταξύ μηδέν και ένα. Όταν C = Ο η εικόνα έχει μηδενική αντίθεση 17

ΤΟΠΙΚΗ ΑΝΤΙΘΕΣΗ Σε πολλές περιπτώσεις μας ενδιαφέρει η αντίθεση τοπικά του κάθε εικονοστοιχείου. Για τον ορισμό της τοπικής αντίθεσης έχουν προταθεί επίσης διάφοροι ορισμοί. Σύμφωνα με έναν ορισμό, η αντίθεση σε ένα εικονοστοιχείο (n, m) εκφράζεται από τη σχέση: I( n, m) I I( n, m) B Cnm (, ) = = Im ax 0 255 18

Ένας δεύτερος ορισμός, για την τοπική αντίθεση σε μια εικόνα αποχρώσεων του γκρι ή γενικά για την αντίθεση μεταξύ δύο περιοχών Α και Β, δίδεται από τη σχέση: I ΑΝΤΙΘΕΣΗ ΠΕΡΙΟΧΩΝ I C AB = I I A A + όπου A και B οι μέσες φωτεινότητες των περιοχών. Η σχέση αυτή στην περίπτωση υπολογισμού της τοπικής αντίθεσης σε μια εικόνα Ι παίρνει τη μορφή: Cnm (, ) = όπου το Ι Ν αναφέρεται σε μια προκαθορισμένη γειτονιά του εικονοστοιχείου (n, m). I I B B I( n, m) I I( n, m) + I N N 19

ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Αύξηση της αντίθεσης: (α) Η αρχική εικόνα, (β) ησυνάρτηση μετασχηματισμού, (γ) η εικόνα μετά την αύξηση της αντίθεσης, και (δ) με αντίθεση κατωφλίου (Τ=150). 20

ΤΕΧΝΙΚΗ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΤΟΠΙΚΗ ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Με τον τρόπο αυτό θα γίνει αύξηση της αντίθεσης μόνον στις περιοχές που χρειάζεται και όχι σε ολόκληρη την εικόνα. Για παράδειγμα μπορούμε να επιβάλουμε την μη αλλαγή των φωτεινοτήτων σε περιοχές ομοιογενείς από πλευράς φωτεινότητας καθώς επίσης και σε περιοχές υψηλής αντίθεσης. Σ όλα τα υπόλοιπα εικονοστοιχεία της εικόνας, η αντίθεση αυξάνεται σύμφωνα με έναν προκαθορισμένο μετασχηματισμό. 21

ΤΕΧΝΙΚΗ ΓΙΑ ΠΡΟΣΑΡΜΟΣΤΙΚΗ ΚΑΙ ΤΟΠΙΚΗ ΑΥΞΗΣΗ ΤΗΣ ΑΝΤΙΘΕΣΗΣ Για την κατανόηση της μεθοδολογίας, ας δώσουμε ένα παράδειγμα εφαρμογής. Στην αρχική εικόνα εφαρμόζουμε τοπική και προσαρμοστική αύξηση της αντίθεσης ως εξής: Inm (, ) Cnm (, ) = A. Υπολογίζουμε, με βάση τη σχέση Inm (, ) την αντίθεση κάθε εικονοστοιχείου σε σχέση με τα οκτώ γειτονικά του. B. Θεωρούμε δύο κατώφλια Τ 1 και Τ 2 με τιμές στην περιοχή [0,1]. Η αντίθεση και κατά συνέπεια και η φωτεινότητα, του εικονοστοιχείου (m,n) αλλάζει μόνον όταν. Οπότε: T C ( m, n ) T 1 2 I + I N N I( m, n) T( Imn (, )), T Cmn (, ) T = I( m, n), διαφορετικά 1 2 22

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΥΝΑΜΗΣ Η πρώτη κατηγορία τέτοιων συναρτήσεων βασίζεται στη οικογένεια των συναρτήσεων δύναμης: T ( g) = 255 g όπου 0 g 1 και το p ο εκθέτης. Συνεπώς, για μία εικόνα Ι(i,j) ) [0,255] έχουμε: p p Ii (, j) = int((255 gi (, j) ), gi (, j) = I(, i j) 255 23

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΔΥΝΑΜΗΣ Μορφές της Τ(g) για διάφορες τιμές του εκθέτη p. Εφαρμογή των μετασχηματισμών δύναμης για διάφορες τιμές του p. 24

ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Βελτιστοποιεί σκοτεινές εικόνες Ο λογαριθμικός μετασχηματισμός έχει τη ακόλουθη γενική μορφή: T ( g) = b ln(1 + a g) και αν θεωρήσουμε ως προϋπόθεση ότι Τ(0) = 0 και Τ(255) = 255, τότε b = 255 ln(1 + 255 a) 25

ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Καμπύλες λογαριθμικού μετασχηματισμού για b=45.986 Καμπύλες λογαριθμικού μετασχηματισμού για b = 255 ln(1 + 255 a) 26

ΛΟΓΑΡΙΘΜΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Παράδειγμα εφαρμογής του λογαριθμικού μετασχηματισμού: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=1. 27

ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Βελτιστοποιεί φωτεινές εικόνες Σε αντιστοίχηση με τον λογαριθμικό μετασχηματισμό, ο εκθετικός μετασχηματισμός έχει την ακόλουθη g έκφραση: 1 b T ( g) = ( e 1) a Αν θέσουμε ως περιορισμό ότι Τ(0) = 0 και Τ(255) = 255, τότε το b μπορεί να υπολογισθεί πάλι από τη σχέση 255 b = ln(1 + 255 a) 28

ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Καμπύλες εκθετικού μετασχηματισμού για b = 255 ln(1 + 255 a) 29

ΕΚΘΕΤΙΚΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Παράδειγμα εφαρμογής του εκθετικού μετασχηματισμού: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=1. 30

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Η συνάρτηση μετασχηματισμού δίνεται από τις σχέσεις: g ( ) 0.5 255 0.5 erf ( ) + erf ( ) Tg ( ) = 255 2 a 2 a 0.5 2 erf ( ) 2 a όπου erf x x 2 2 ( ) = exp( ) π 0 y dy α 1 31

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Μορφή της συνάρτησης για διάφορες τιμές του α. 32

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ ΜΕ ΒΑΣΗ ΤΗ GAUSSIAN ΣΥΝΑΡΤΗΣΗ ΣΦΑΛΜΑΤΟΣ Παράδειγμα εφαρμογής: (α) Αρχική εικόνα. (β) Τελική εικόνα για α=0.02. Συμπεριφέρεται ως g 2 για χαμηλές φωτεινότητες και ως g 0.5 για υψηλές 33