Αρχές Ψηφιακής Επεξεργασίας Εικόνας

Ιωάννης Πήτας Αρχές Ψηφιακής Επεξεργασίας Εικόνας Κεφάλαιο 1 Βασικές ασκήσεις επεξεργασίας εικόνας µε το πρόγραµµα ΕΙΚΟΝΑ Θεσσαλονίκη 1998 1

Κεφάλαιο 1: Βασικές ασκήσεις επεξεργασίας εικόνας µε το πρόγραµµα EIKONA. Άσκηση 1: Φόρτωση και επίδειξη ενός αρχείου εικόνας. Στην άσκηση αυτή χρησιµοποιούµε το ΕΙΚΟΝΑ για να φορτώσουµε ένα αρχείο εικόνας και στη συνέχεια να το επιδείξουµε στην οθόνη. Συγκεκριµένα, εξετάζουµε πως γίνεται η φόρτωση και η επίδειξη αρχείων εικόνας των τύπων RAW, TIFF, TARGA, GIF, BMP και JPEG. Ενότητα 1: Φόρτωση ενός αρχείου εικόνας τύπου JPEG. Ας υποθέσουµε ότι στον τρέχοντα κατάλογο του EIKONA βρίσκεται µια εικόνα τόνων του γκρι (grayscale), διαστάσεων 256Χ256, αποθηκευµένη στο αρχείο BABOON.JPG. H διαδικασία φόρτωσης της εικόνας αυτής είναι η ακόλουθη: Επιλέγουµε File Open από το µενου του προγράµµατος, Στην οθόνη εµφανίζεται ένα πλαίσιο διαλόγου στο οποίο επιλέγουµε την εικόνα που θέλουµε να φορτώσουµε. Σε αυτό, είτε επιλέγουµε το αρχείο BABOON.JPG και στη συνέχεια πατούµε το πλήκτρο Open, είτε κάνουµε διπλό κλικ στο BABOON.JPG. Μετά τη συµπλήρωση των παραπάνω βηµάτων, το ΕΙΚΟΝΑ θα φορτώσει και θα επιδείξει την εικόνα αυτόµατα. Η ίδια διαδικασία χρησιµοποιείται για τη φόρτωση και επίδειξη αρχείων εικόνας των τύπων TIFF, Targa, GIF και BMP. Ενότητα 2: Φόρτωση και επίδειξη ενός αρχείου εικόνας τύπου RAW. Στην περίπτωση αρχείων εικόνας RAW, χρησιµοποιείται µια διαφορετική διαδικασία προκειµένου να φορτωθούν και να επιδειχθούν. Αυτό συµβαίνει διότι το ΕΙΚΟΝΑ δε µπορεί να υπολογίσει αυτόµατα τις διαστάσεις µιας εικόνας τύπου RAW - µπορεί απλά να κάνει µια πρόβλεψη για αυτές. Υποθέτουµε ότι το αρχείο εικόνας BABOON.RAW µεγέθους 256Χ256 βρίσκεται στον τρέχοντα κατάλογο του EIKONA. Η διαδικασία φόρτωσης του είναι η ακόλουθη: Επιλέγουµε File Open από το µενου του προγράµµατος, Κάνουµε διπλό κλικ στο BABOON.RAW. Εµφανίζεται το πλαίσιο διαλόγου Open RAW. Τα πεδία Width και Height του πλαισίου αυτού περιέχουν τις εκτιµήσεις του ΕΙΚΟΝΑ για το πλάτος και το ύψος της εικονας αντίστοιχα. Στο σηµείο αυτό έχουµε τις εξής δυνατότητες: 2

1. Να πατήσουµε το πλήκτρο Guess, µε αποτέλεσµα µια καινούρια εκτίµηση των διαστάσεων της εικόνας, 2. Να πατήσουµε το πλήκτρο Swap, µε αποτέλεσµα την αντιµετάθεση τιµών µεταξύ των πεδίων Width και Height, 3. Να εισάγουµε απ ευθείας τις διαστάσεις. Αν το αρχείο εικόνας RAW περιέχει µια τετράγωνη εικόνα (όπως στο παράδειγµα µας), τότε η πρόβλεψη διαστάσεων που κάνει το ΕΙΚΟΝΑ είναι πάντοτε σωστή. Μετά την περάτωση της παραπάνω διαδικασίας, η RAW εικόνα φορτώνεται και επιδεικνύεται αυτόµατα. Άσκηση 2: Βασικές λειτουργίες επεξεργασίας εικόνας. Στην άσκηση αυτή, δίνουµε παραδείγµατα ορισµένων βασικών λειτουργιών επεξεργασίας εικόνας. Συγκεκριµένα, εξετάζουµε πως µπορούµε να χρησιµοποιήσουµε το ΕΙΚΟΝΑ προκειµένου να: µεταβάλλουµε τη φωτεινότητα µια εικόνας (brightening), υπολογίσουµε το αρνητικό µιας εικόνας, κατωφλιώσουµε (threshold) µια εικόνα, δηµιουργήσουµε µια εικόνα ως αποτέλεσµα της µίξης (mix) δύο άλλων εικόνων, δηµιουργήσουµε µια εικόνα ως αποτέλεσµα της πρόσθεσης δύο άλλων εικόνων, περικόψουµε (clip) µια εικόνα. Ενότητα 1: Μεταβάλλοντας τη φωτεινότητα µιας εικόνας. Ας υποθέσουµε ότι το αρχείο εικόνας BABOON256. RAW µεγέθους 256Χ256 βρίσκεται ήδη στον ασπρόµαυρο αποµονωτή εικόνας (BW buffer) 0. Υποθέτουµε ότι δεν έχουν φορτωθεί άλλες εικόνες. Για να φωτίσουµε τη BABOON, προσθέτουµε µια σταθερά στο επίπεδο τόνων του γκρι κάθε εικονοστοιχείου της. Αυτό µπορεί να γίνει επιλέγοντας Black and white Basic Addc από το µενου του προγράµµατος. Το πλαίσιο διαλόγου που εµφανίζεται είναι παρόµοιο µε αυτά που εµφανίζει το ΕΙΚΟΝΑ στις περισσότερες λειτουργίες, οπότε κρίνεται σκόπιµο να το περιγράψουµε σύντοµα. Μπορεί να χωριστεί σε τρία τµήµατα: Το τµήµα αποµονωτών (Buffers) το οποίο χρησιµοποιείται για να καθορίσουµε τους αποµονωτές εισόδου (Source) και εξόδου (Destination). To EIKONA εµφανίζει στο τµήµα αυτό µόνο τους αποµονωτές εκείνους οι οποίοι µπορούν να χρησιµοποιηθούν στην τρέχουσα λειτουργία. Στις περισσότερες περιπτώσεις υπάρχει και µια επιλογή δηµιουργίας νέου αποµονωτή για τοποθέτηση των αποτελεσµάτων. Το Τµήµα Σµίκρυνσης (Thumbnail View) το οποίο επιτρέπει στο χρήστη να βλέπει µια σµίκρυνση των περιεχοµένων του αποµονωτή που διαλέγει. Η λειτουργία αυτή ειναι χρήσιµη ιδιαίτερα σε περιπτώσεις που ένας αποµωνωτής περιέχει µια εικόνα, αλλά δεν επιδικνύεται τη στιγµή της συµπλήρωσης των δεδοµένων µιας λειτουργίας. 3

ιάφορα πεδία, στα οποία ο χρήστης εισάγει τιµές οι οποίες χρειάζοντια για την εκτέλεση κάποιας διαδικασίας. Υπάρχουν επίσης τα συνηθισµένα πλήκτρα OK και Cancel που επιτρέπουν στο χρήστη να περατώσει ή να ακυρώσει κάποια λειτουργία. Ας επιστρέψουµε στο παράδειγµα µας. Στο πλαίσιο διαλόγου που περιγράφηκε παραπάνω, επιλέγουµε τον αποµονωτή που περιέχει το αρχείο BABOON256.RAW ως αποµονωτή εισόδου (Source buffer), δηµιουργούµε ένα καινούριο αποµονωτή για το αποτέλεσµα της διαδικασίας, και θέτουµε στο πεδίο Constant την τιµή 50. To τελευταίο έχει ως αποτέλεσµα την πρόσθεση του 50 στην τιµή φωτεινότητας κάθε εικονοστοιχείου της εικόνας. Στη συνέχεια πατούµε το πλήκτρο OK, οπότε δηµιουργείται ένας καινούριος αποµονωτής που περιέχει τη φωτισµένη εικόνα BABOON. Οι δύο εικόνες φαίνονται στο Σχήµα 1. Σχήµα 1: Η αρχική και η φωτισµένη εικόνα BABOON. Ενότητα 2: Υπολογισµός του αρνητικού µιας εικόνας. Ας υποθέσουµε ότι θέλουµε να υπολογίσουµε το αρνητικό της εικόνας BABOON και να το αποθηκεύσουµε στον αποµονωτή στον οποίο βρίσκεται η φωτισµένη εικόνα BABOON. Για να γίνει αυτό, επιλέγουµε την ακολουθία "Black and white Basic Neg από το µενού του προγράµµατος. Στο πλαίσιο διαλόγου που εµφανίζεται, επιλέγουµε την εικόνα BABOON και τη φωτισµένη έκδοσή της ως αποµονωτες εισόδου και εξόδου αντίστοιχα και πατούµε το πλήκτρο OK. Μετά το τέλος της διαδικασίας, το παράθυρο που περιέχει τη φωτισµένη BABOON ανανεώνεται επιδυκνύοντας το αποτέλεσµα που φαίνεται στο Σχήµα 2. 4

Σχήµα 2: Το αρνητικό της εικόνας BABOON. Ενότητα 3: Κατωφλίωση εικόνας. Αν θέλουµε να κατωφλιώσουµε µια εικόνα, επιλέγουµε Black and white Analysis Region Segmentation Threshold. Υποθέτουµε ότι η εικόνα BABOON είναι ήδη φορτωµένη στον ασπρόµαυρο αποµονωτή 0. Στο πλαίσιο διαλόγου που εµφανίζεται επιλέγουµε 0 και <New Βuffer> ως αποµονωτές είσοδου και εξόδου αντίστοιχα και 150 ως το όριο κατωφλίωσης. Το αποτελεσµα της λειτουργίας αυτής είναι η κατωφλίωση της BABOON: κάθε εικονοστοιχείο της µε τιµή ίση η µεγαλύτερη του 150 εµφανίζεται στην κατωφλιωµένη εικόνα ως λευκό-αλλιώς ως µαύρο. Σχήµα 3: Το αποτέλεσµα της κατωφλίωσης στην εικόνα BABOON. 5

Ενότητα 4: Αναµιγνύοντας δυο εικόνες. Ας υποθέσουµε οτι οι εικόνες PEPPER και ΒΑΒΟΟΝ έχουν φορτωθεί στους ασπρόµαυρους αποµονωτές εικόνας 0 και 1 αντίστοιχα. Για να αναµίξουµε τις δύο αυτές εικόνες επιλέγουµε Black and white Basic Mix από το µενού του EIKONA. Στο πλαίσιο διαλόγου που εµφανίζεται, επιλέγουµε 0 και 1 ως αποµονωτές εισόδου, <New Βuffer> ως αποµονωτή εξόδου και ορίζουµε τα ποσοστά ανάµιξης. Τελικά, πατούµε το πλήκτρο OK για την περάτωση της διαδικασίας. Στο Σχήµα 4 φαίνεται το αποτέλεσµα της διαδικασίας αυτής για δύο διαφορετικά ζεύγη ποσοστών ανάµίξης. Σχήµα 4: α)αποτέλεσµα της ανάµιξης των εικόνων PEPPER και BABOON µε ποσοστά ανάµιξης 0.5 και 0.5 αντιστοίχως. β)αποτέλεσµα της ανάµιξης των εικόνων PEPPER και BABOON µε ποσοστά ανάµιξης 0.3 και 0.7 αντιστοίχως. Ενότητα 5: Πρόσθεση δυο εικόνων. Ας υποθέσουµε οτι οι εικόνες PEPPER και ΒΑΒΟΟΝ έχουν φορτωθεί στους ασπρόµαυρους αποµονωτές εικόνας 0 και 1 αντίστοιχα. Μπορούµε να προσθέσουµε τις δύο αυτές εικόνες επιλέγοντας Black and white Basic Add από το µενού του EIKONA. Στο πλαίσιο διαλόγου που εµφανίζεται, επιλέγουµε τους ασπρόµαυρους αποµονωτές εικόνας 0 και 1 ως αποµονωτές εισόδου και <New Βuffer> ως αποµονωτή εξόδου. Πατώντας το πλήκτρο OK δηµιουργείται ένας καινούριος ασπρόµαυρος αποµονωτής εικόνας που περιέχει το αποτέλεσµα της διαδικασίας. Το αποτέλεσµα της πρόσθεσης των δύο εικόνων φαίνεται στο Σχήµα 5. 6

Σχήµα 5: Αποτέλεσµα της πρόσθεσης των εικόνων PEPPER και BABOON. Ενότητα 6: Περικοπή (clipping) εικόνας. Για να περικόψουµε µια εικόνα επιλέγουµε Black and white Basic Clip από το µενού του EIKONA. Υποθέτοντας οτι η εικόνα BABOON βρίσκεται ήδη στον ασπρόµαυρο αποµονωτή εικόνας 0, επιλέγουµε τον τελευταίο και <New Βuffer> ως αποµωνωτές εισόδου και εξόδου αντιστοίχως, 50 ως ελάχιστη τιµή περικοπής (Μinimum clip value), 150 ως µέγιστη τιµή περικοπής (Μaximum clip value) και πατούµε το πλήκτρο OK. Το αποτέλεσµα φαίνεται στο Σχήµα 6. Σχήµα 6: Αποτέλεσµα περικοπής της εικόνας BABOON. 7

Άσκηση 3: Γεωµετρικοί µετασχηµατισµοί. Στην άσκηση αυτή, χρησιµοπούµε το ΕΙΚΟΝΑ για να εφαρµόσουµε γεωµετρικούς µετασχηµατισµούς πάνω σε εικόνες. Συγκεκριµένα, εξετάζουµε πως µπορύµε να περιστρέψουµε (rotate) και να µεγενθύνουµε (zoom) µια εικόνα. Ενότητα 1: Περιστροφή εικόνας. Για να περιστρέψουµε µια εικόνα, επιλέγουµε Black and white Basic Rotate από το µενού του προγράµµατος. Υποθέτοντας οτι η εικόνα BABOON βρίσκεται ήδη φορτωµένη σε κάποιο ασπρόµαυρο αποµονωτή, επιλέγουµε τον τελευταίο και <New Buffer> ως αποµονωτές εισόδου και εξόδου αντίστοιχα. Στη συνέχεια ορίζουµε το 45 ως τη γωνία περιστροφής σε µοίρες της εικόνας και πατούµε το πλήκτρο OK. Στο τέλος της διαδικασίας αυτής, δηµιουργείται ένας καινούριος αποµονωτής ο οποίος περιέχει την περιστραµµένη εικόνα BABOON. Πρέπει να σηµειωθεί ότι η περιστροφή γίνεται µε φορά αντίθετης αυτής των δεικτών του ρολογιού. Το αποτέλεσµα της περιστροφής φαίνεται στο Σχήµα 7. Σχήµα 7: Αποτέλεσµα περιστροφής της εικόνας BABOON κατά 45 µοίρες. Ενότητα 2: Μεγέθυνση εικόνας. Για να πραγµατοποιήσουµε µεγένθυση µιας εικόνας, επιλέγουµε Black and white Proccessing Zoom ή Color Proccessing Zoom ανάλογα µε το αν θέλουµε να µεγενθύνουµε εικόνα τόνων του γκρι ή έγχρωµη εικόνα αντίστοιχα. Στη συνέχεια τοποθετούµε τιµές στα πεδία του πλαισίου διαλόγου που εµφανίζεται: Επιλέγουµε αποµονοτές εισόδου και εξόδου, ποσό µεγέθυνσης (αριθµός κινητής υποδιαστολής, µεγαλύτερος του 1), και στη συνέχεια τρόπο παρεµβολής (interpolation order - Zero order, Linear, Bell shaped, Cubic B - spline ). 8

Ως παράδειγµα, µεγενθύναµε ένα τµήµα της BABOON µε ποσό µεγένθυσης ίσο µε 2 και γραµµικό τρόπο παρεµβολής. Το αποτέλεσµα του παραδείγµατος αυτού φαίνεται στο Σχήµα 8. Σχήµα 8: Μεγέθυνση τµήµατος της εικόνας BABOON. Άσκηση 4: Προσθήκη θορύβου. Στην άσκηση αυτή, χρησιµοποιούµε το ΕΙΚΟΝΑ για να πραγµατοποιήσουµε προσοµοιώσεις της επίδρασης διαφόρων ειδών θορύβου σε µια εικόνα. Συγκεκριµένα, θα προσθέσουµε κρουστικό, προσθετικό και πολλαπλασσιαστικό θόρυβο σε µια εικόνα. Ενότητα 1: Πρόσθεση κρουστικού θορύβου σε εικόνα. Για να προσθέσουµε κρουστικό θόρυβο, επιλέγουµε Black and white Processing Impulsive από το µενού του προγράµµατος. Στο πλαίσιο διαλόγου που εµφανίζεται, ορίζουµε τον αποµονωτή που περιέχει τη BABOON ως αποµονωτή εισόδου και <New Buffer> ως αποµονωτή εξόδου. Στη συνέχεια τοποθετούµε τιµές στα υπόλοιπα πεδία. Τα πεδία αυτά περιγράφονται παρακάτω: Το πεδίο πιθανότητας θορύβου (noise probability), όπου µπορούµε να εισάγουµε ένα αριθµό κινητής υποδιαστολής µεταξύ 0 και 1. Οσο πιο µεγάλη είναι η τιµή που εισάγουµε, τόσο µεγαλύτερη είναι η παραµόρφωση στην εικόνα εξόδου. Το γεγονός αυτό γίνεται φανερό από τη µαθηµατική σχέση που ορίζει τον κρουστικό θόρυβο: z( x, y), f ( x, y) = µε πιϑανοτητα p i( x, y), µε πιϑανοτητα 1- p όπου µε z(x, y) συµβολίζονται οι παλµοί του θορύβου και µε i(x, y) οι τιµές της αρχικής εικόνας. 9

Τα πεδία ελάχιστης και µέγιστης τιµής θορύβου (Minimum and Maximum impulse value) όπου εισάγουµε ακεραίους αριθµούς. ToΕΙΚΟΝΑ χρησιµοποιεί αυτό το διάστηµα τιµών για την επιλογή της τιµής του θορυβώδους εικονοστοιχείου στην εικόνα εξόδου. Συγκεκριµένα, η τιµή του z(x, y) της προηγούµενης εξίσωσης επιλέγεται µεταξύ των δύο αυτών τιµών. Στη συνέχεια ακολουθούν τέσσερα πραδείγµατα πρόσθεσης κρουστικού θορύβου στην εικόνα BABOON. Τα αποτελέσµατα καθώς και οι παράµετροι κάθε παραδείγµατος, φαίνονται στο Σχήµα 9: Σχήµα 9: α)πιθανότητα θορύβου: 0.2, Ελάχιστη τιµή: 20, Μέγιστη τιµή: 100 β)πιθανότητα θορύβου: 0.2, Ελάχιστη τιµή: 150, Μέγιστη τιµή: 250 γ)πιθανότητα θορύβου: 0.2, Ελάχιστη τιµή: 0, Μέγιστη τιµή: 250 δ)πιθανότητα θορύβου: 0.9, Ελάχιστη τιµή: 150, Μέγιστη τιµή: 250 10

Ενότητα 2: Προσθήκη προσθετικού θορύβου σε εικόνα. Για να προσθέσουµε σε µια εικόνα προσθετικό θόρυβο, επιλέγουµε από το υποµενού Black and White Processing Add Uni, Add Gauss ή Add Laplace για να προσθέσουµε αθροιστικό θόρυβο κανονικής, Gauss και Laplace κατανοµής αντίστοιχα. Παρακάτω φαίνονται ορισµένα παραδείγµατα προσθήκης αθροιστικού θορύβου: Κανονικός προσθετικός θόρυβος. Αφού επιλέξουµε Black and White Processing Add Uni, εµφανίζεται ένα πλαίσιο διαλόγου µε πεδία που πρέπει να συµπληρωθούν. Ορίζουµε ως είσοδο και έξοδο τον ασπρόµαυρο αποµονωτή εικόνας στον οποίο βρίσκεται η εικόνα BABOON και <New Buffer> αντίστοιχα. Στη συνέχεια επιλέγουµε τιµή για το πεδίο εύρους θορύβου (Noise Range), και πατούµε το πλήκτρο OK. Στο Σχήµα 10 φαίνονται δυο εικόνες έξοδου της λειτουργίας αυτής για τιµές εύρους θορύβου 100 και 200 αντίστοιχα. Η επίδραση του εύρους θορύβου είναι φανερή: όσο µεγαλύτερη τιµή εισάγουµε, τόσο περισσότερη πληροφορία της αρχικής εικόνας αλλοιώνεται. Σχήµα 10: α)η εικόνα BABOON αλλοιωµένη από προσθετικό θόρυβο εύρους 100. β)η εικόνα BABOON αλλοιωµένη από προσθετικό θόρυβο εύρους 200. Gaussian προσθετικός θόρυβος. Αφού επιλέξουµε Black and White Processing Add Gauss, εµφανίζεται ένα πλαίσιο διαλόγου. Σε αυτό, ορίζουµε ως είσοδο και έξοδο τον ασπρόµαυρο αποµονωτή εικόνας στον οποίο βρίσκεται η εικόνα BABOON και <New Buffer> αντίστοιχα. Στη συνέχεια επιλέγουµε τιµή για το πεδίο της Τυπικής Απόκλισης του Θορύβου (Noise Standard Deviation), και πατούµε το πλήκτρο OK. Στο Σχήµα 11 φαίνονται δυο παραδείγµατα για τιµές τυπικής απόκλισης 30 και 100 αντίστοιχα. Προσέξτε την επίδραση της παραµέτρου τυπικής απόκλισης στο αποτέλεσµα. 11

Σχήµα 11 α)η εικόνα BABOON αλλοιωµένη από Gaussian προσθετικό θόρυβο τυπικής απόκλισης 30. β)η εικόνα BABOON αλλοιωµένη από Gaussian προσθετικό θόρυβο τυπικής απόκλισης 100. Laplacian προσθετικός θόρυβος. Η προσθήκη Laplacian προσθετικού θορύβου γίνεται ακολουθώντας την επιλογή Black and white Processing Add Laplace από το µενού του προγράµµατος. Επιλέγουµε ως είσοδο και έξοδο τον αποµονωτή εικόνας που περιέχει την εικόνα BABOON και <New Buffer> αντίστοιχα. Στη συνέχεια επιλέγουµε µια τιµή για το Συντελεστή Laplace (Laplace coefficient) και πατούµε το πλήκτρο OK. Στο Σχήµα 12 φαίνονται τα αποτελέσµατα της προσθήκης Laplacian προσθετικού θορύβου για τιµές του συντελεστή 30 και 100 αντίστοιχα. Σχήµα 12: α )Η εικόνα BABOON αλλοιωµένη από προσθετικό θόρυβο κατανοµής Laplace (Συντελεστής Laplace=30). β)η εικόνα BABOON αλλοιωµένη από προσθετικό θόρυβο κατανοµής Laplace 12

(Συντελεστής Laplace=100). Ενότητα 3: Προσθήκη πολλαπλασιαστικού θορύβου σε εικόνα. Για να προσθέσουµε πολλαπλασιαστικό θόρυβο σε µια εικόνα χρησιµοποιούµε το υποµενού Black and White Processing. Επιλέγουµε Mult Uni ή Mult Gauss για να προσθέσουµε πολλαπλασιαστικό θόρυβο κανονικής ή Gauss κατανοµής αντίστοιχα. Παρακάτω φαίνονται ορισµένα παραδείγµατα προσθήκης πολλαπλασιαστικού θορύβου: Κανονικός πολλαπλασιαστικός θόρυβος. Αφού επιλέξουµε Black and White Processing Mult Uni, συµπληρώνουµε ως είσοδο και έξοδο τον ασπρόµαυρο αποµονωτή εικόνας στον οποίο βρίσκεται η εικόνα BABOON και <New Buffer> αντίστοιχα. Στη συνέχεια επιλέγουµε τιµή για το πεδίο Εύρους Θορύβου (Noise Range) και πατούµε το πλήκτρο OK. Στο Σχήµα13 φαίνονται δυο εικόνες έξοδου της λειτουργίας αυτής, για τιµές εύρους θορύβου 0.5 και 2 αντίστοιχα. Σχήµα 13 α)η εικόνα BABOON αλλοιωµένη από κανονικό πολλαπλασιαστικό θόρυβο εύρους 0.5. β)η εικόνα BABOON αλλοιωµένη από κανονικό πολλαπλασιαστικό θόρυβο εύρους 2. Gaussian πολλαπλασιαστικός θόρυβος. Αφού επιλέξουµε Black and White Processing Mult Gauss, εµφανίζεται ένα πλαίσιο διαλόγου στο οποίο ορίζουµε ως είσοδο και έξοδο τον ασπρόµαυρο αποµονωτή εικόνας στον οποίο βρίσκεται η BABOON και <New Buffer> αντίστοιχα. Στη συνέχεια επιλέγουµε τιµή για το πεδίο της Τυπικής Απόκλισης Θορύβου (Noise Standard Deviation) και πατούµε το πλήκτρο OK. 13

Στο Σχήµα 14 φαίνονται δυο παραδείγµατα για τιµές τυπικής απόκλισης 0.5 και 2 αντίστοιχα. Προσέξτε την επίδραση της παραµέτρου τυπικής απόκλισης στο αποτέλεσµα. Σχήµα 14: α) Η εικόνα BABOON αλλοιωµένη από Gaussian πολλαπλασιαστικό θόρυβο εύρους 0.5 β) Η εικόνα BABOON αλλοιωµένη από Gaussian πολλαπλασιαστικό θόρυβο εύρους 2. Άσκηση 5: Μετασχηµατισµοί χρωµατικών µοντέλων. Στην άσκηση αυτή παρουσιάζουµε ορισµένα παραδείγµατα µετασχηµατισµών µιας έγχρωµης εικόνας από ένα χρωµατικό µοντέλο σε κάποια άλλο. Τα παραδείγµατα αυτά απαιτούν ως είσοδο µια έγχρωµη εικόνα. Υποθέτουµε λοιπόν ότι στον τρέχοντα κατάλογο του εικόνα βρίσκεται αποθηκευµένη µια έγχρωµη έκδοση της εικόνας BABOON στο αρχείο BABOON.JPG, την οποία και θα χρησιµοποιήσουµε στα παραδείγµατα. Ενότητα 1: Μετασχηµατισµός από RGB σε XYZ. Για να µεταχηµατίσουµε µια έγρωµη εικόνα από το χρωµατικό µοντέλο RGB στο XYZ επιλέγουµε Color Color Repr. To XYZ from. CIE RGB από το µενού του προγράµµατος.επιλέγουµε ως αποµονωτές εισόδου και εξόδου τον έγχρωµο αποµονωτή εικόνας στον οποίο βρίσκεται η εικόνα BABOON και <New Buffer> αντίστοιχα. Το αποτέλεσµα του µετασχηµατσµού αυτού φαίνεται στο Σχήµα 15. 14

Σχήµα 15: Η εικόνα BABOON σε RGB και XYZ χρωµατικό µοντέλο. Ενότητα 2: Μετασχηµατισµός από RGB σε CMY. H µετατροπή µιας εικόνας από το µοντέλο RGB στο µοντέλο CMY είναι επίσης απλή. Επιλέγουµε Color Color Repr. From RGB to CMY, επιλέγουµε αποµονωτές είσοδου και έξοδου και στη συνέχεια πατούµε OK. Το αποτέλεσµα φαίνεται στο Σχήµα 16. Σχήµα 16: Η εικόνα BABOON στο χρωµατικό µοντέλο CMY. Ενότητα 3: Μετασχηµατισµός από RGB σε HLS. Ο µετασχηµατισµός αυτός είναι λίγο διαφορετικός από τους δυο παραπάνω στην πραγµατοποίηση του, ιδιαίτερα σε σχέση µε τον τρόπο απεικόνισης των αποτελεσµάτων του στην οθόνη. Για να πραγµατοποιήσουµε το µετασχηµατισµό αυτό επιλέγουµε Color Color Repr. From RGB to.. HLS από το µενού του 15

ΕΙΚΟΝΑ. Στο πλαίσιο διαλόγου που εµφανίζεται παρατηρούµε ότι ως έξοδο πρέπει να ορίσουµε τρεις αποµονωτές αριθµών κινητής υποδιαστολής (float buffers). Αυτό συµβαίνει γιατί το πεδίο τιµών των αποτελεσµάτων που δίνει ο µετασχηµατισµός είναι πολύ µεγάλο για να αποθηκευτεί σε αποµονωτή εικόνας (ο αποµονωτής εικόνας περιέχει ακεραίους από 0 έως 255). Αν θέλουµε να δούµε τα αποτελέσµατα του µετασχηµατισµού µπορούµε να αντιγράψουµε τους πίνακες αυτούς σε αποµονωτές εικόνας. Η διαδικασία αντιγραφής είναι προσπελάσιµη διαλέγοντας Black and white Basic Image to matrix norm.. Η διαδικασία αυτή αντιγράφει τις τιµές του πίνακα κινητής υποδιαστολής σε αποµονωτή εικόνας και πραγµατοποιεί κανονικοποίηση σε αυτές. Στο Σχήµα 17 φαίνεται η εικόνα BABOON στο χρωµατικό µοντέλο HLS. Σχήµα 17: Η εικόνα BABOON στο χρωµατικό µοντέλο HLS (µετά από κανονικοποίηση). 16