Metody poprawy jakości obrazu (image enchancement)



Podobne dokumenty
Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1)

AKWIZYCJA I PRZETWARZANIE WSTĘPNE

AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU

WYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego

POB Odpowiedzi na pytania

Proste metody przetwarzania obrazu

Przetwarzanie obrazów wykład 2

Rozpoznawanie Twarzy i Systemy Biometryczne

Przetwarzanie obrazów rastrowych macierzą konwolucji

Operator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości

Metody komputerowego przekształcania obrazów

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska.

3. OPERACJE BEZKONTEKSTOWE

Analiza obrazów - sprawozdanie nr 2

Przekształcenia punktowe

Diagnostyka obrazowa

Diagnostyka obrazowa

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Komputerowe obrazowanie medyczne

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Metrologia: miary dokładności. dr inż. Paweł Zalewski Akademia Morska w Szczecinie

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.

Elementy modelowania matematycznego

Przekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu

Filtracja obrazu operacje kontekstowe

będą niezależnymi zmiennymi losowymi z rozkładu jednostajnego na przedziale ( 0,

Statystyka opisowa. () Statystyka opisowa 24 maja / 8

Filtracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej

Rozciąganie histogramu

Przetwarzanie obrazu

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 3 AiR III

Filtracja obrazu operacje kontekstowe

Parametryzacja obrazu na potrzeby algorytmów decyzyjnych

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

Charakterystyki liczbowe zmiennych losowych: wartość oczekiwana i wariancja

Parametryzacja rozwiązań układu równań

Rekonstrukcja obrazu (Image restoration)

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

PODSTAWY OPRACOWANIA WYNIKÓW POMIARÓW Z ELEMENTAMI ANALIZY NIEPEWNOŚCI POMIAROWYCH

Detekcja twarzy w obrazie

POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement)

PRZETWARZANIE SYGNAŁÓW

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 10 AiR III

Przekształcenia punktowe i geometryczne

Przetwarzanie obrazu

Ćwiczenie 6. Transformacje skali szarości obrazów

PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń. Ćwiczenie 2. Korekcja zniekształceń radiometrycznych

Histogram obrazu, modyfikacje histogramu

STATYSTYKA OPISOWA PODSTAWOWE WZORY

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

Segmentacja przez detekcje brzegów

Estymacja przedziałowa

Operacje przetwarzania obrazów monochromatycznych

Analiza obrazów. Segmentacja i indeksacja obiektów

Przetwarzanie obrazów. Grupy metod przetwarzania obrazu. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe

POLITECHNIKA OPOLSKA

Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT

P = 27, 8 27, 9 27 ). Przechodząc do granicy otrzymamy lim P(Y n > Y n+1 ) = P(Z 1 0 > Z 2 X 2 X 1 = 0)π 0 + P(Z 1 1 > Z 2 X 2 X 1 = 1)π 1 +

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.

Ćwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015

Miary rozproszenia. Miary położenia. Wariancja. Średnia. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.

Miary położenia. Miary rozproszenia. Średnia. Wariancja. Dla danych indywidualnych: Dla danych indywidualnych: s 2 = 1 n. (x i x) 2. x i.

Zbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5

Filtracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):

OPERACJE NA MACIERZACH DODAWANIE I ODEJMOWANIE MACIERZY

Podprzestrzenie macierzowe

KADD Metoda najmniejszych kwadratów

Podprzestrzenie macierzowe

STATYSTYKA OPISOWA PODSTAWOWE WZORY

Obraz i komputer. Trzy dziedziny informatyki. Podział przede wszystkim ze względu na dane wejściowe i wyjściowe

ZAGADNIENIE ESTYMACJI. ESTYMACJA PUNKTOWA I PRZEDZIAŁOWA

Anna Fabijańska. Algorytmy segmentacji w systemach analizy ilościowej obrazów

ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.

KAM-TECH sklep internetowy Utworzono : 09 listopad 2014

Parametryczne Testy Istotności

Wektory Funkcje rzeczywiste wielu. Matematyka Studium doktoranckie KAE SGH Semestr letni 2008/2009 R. Łochowski

d wymiarowy wektor losowy Niech (Ω, S, P) przestrzeń probabilistyczna Definicja Odwzorowanie X: Ω R nazywamy 1-wymiarowym wektorem

Adam Korzeniewski p Katedra Systemów Multimedialnych

Ćwiczenie nr 14. Porównanie doświadczalnego rozkładu liczby zliczeń w zadanym przedziale czasu z rozkładem Poissona

z przedziału 0,1. Rozważmy trzy zmienne losowe:..., gdzie X

Trzeba pokazać, że dla każdego c 0 c Mc 0. ) = oraz det( ) det( ) det( ) jest macierzą idempotentną? Proszę odpowiedzieć w

Wartość netto (zł) (kolumna 3x5)

maska 1 maska 2 maska 3 ogólnie

Diagnostyka obrazowa

Techniki wizualizacji. Ćwiczenie 4. Podstawowe algorytmy przetwarzania obrazów

KARTA PRZEDMIOTU. W5/1;W16/1 W5 Zna podstawowe metody przetwarzania wstępnego EP WM K_W9/3; obrazów barwnych.

STATYSTYKA MATEMATYCZNA

Histogram: Dystrybuanta:

Automatyczne rozpoznawanie mowy - wybrane zagadnienia / Ryszard Makowski. Wrocław, Spis treści

EGZAMIN MATURALNY Z INFORMATYKI MAJ 2011 POZIOM ROZSZERZONY WYBRANE: CZĘŚĆ I. Czas pracy: 90 minut. Liczba punktów do uzyskania: 20 WPISUJE ZDAJĄCY

Wykład III. Granice funkcji. f : R A R, A przedział. f określona w x. K M x. lim. lim. Granice niewłaściwe:

KOREKTA ROZKŁADU JASNOŚCI (obrazy monochromatyczne i barwne)

X i. X = 1 n. i=1. wartość tej statystyki nazywana jest wartością średnią empiryczną i oznaczamy ją symbolem x, przy czym x = 1. (X i X) 2.

Cyfrowe Przetwarzanie Obrazów. Karol Czapnik

Egzamin maturalny z informatyki Poziom rozszerzony część I

Wykład 11 ( ). Przedziały ufności dla średniej

Kongruencje Wykład 4. Kongruencje kwadratowe symbole Legendre a i Jac

Transkrypt:

Metody poprawy jakości obrazu imae echacemet) Są to metody wstępeo przetwarzaia obrazu. Celem tych metod jest oóla poprawa jakości obrazu poprzez modyikację jeo jasości, kotrastu lub historamu.

Metody poprawy jakości obrazu Metody poprawy jakości obrazu oparte są o kryteria subiektywe wrażeia wzrokowe człowieka). W tych metodach ie są wykorzystywae obiektywe kryteria matematycze.

METODY POPRAWY JAKOŚCI OBRAZU OPERACJE PUNKTOWE MODELOWANIE HISTOGRAMU OPERACJE PRZESTRZENNE NADAWANIE KOLORÓW POPRAWA KONTRASTU ELIMINACJA ZNIEKSZTAŁCEŃ POPRAWA KONTRASTU POPRZEZ MODELOWANIE HISTOGRAMU FILTRACJA LINIOWA FILTRACJA NIELINIOWA DETEKCJA KRAWĘDZI PSEUDOKOLORY NADAWANIE KOLORÓW FAŁSZYWYCH WYRÓWNYWANIE JASNOŚCI TŁA ZOOMING

Metody poprawy jakości obrazu Jasość J MN M N i j i, j) Kotrast C MN M N i j [ i, j) J ] M, N - wymiary obrazu, i,j) - poziom jasości w pukcie i,j)

Wpływ jasości i kotrastu a wyląd obrazu J94, C9 J9, C38 J, C47

Historam obrazu 8 6 4 5 5 5 Imae : array[..m,..n]o byte; Hist : array[..l-]o loit;... Hist:; or i: to M do or j: to N do Ic Hist[ Imae[i, j] ] );...

8 oryialy Wpływ jasości i kotrastu a historam obrazu 6 4 5 ciemy 5 5 5 8 6 4 jasy 5 5 5 5 5 5 5

Liiowe odwzorowaie poziomów jasości L- m i,j) m i,j) + d d L- m ~ kotrast d ~ jasość OBRAZ WYNIKOWY OPERACJA PUNKTOWA OBRAZ ŹRÓDŁOWY

MATLB Demo zmiaa kotrastu i jasość

Rozciąaie historamu obrazu To jest rówież odwzorowaie liiowe???) M I N M A X L- i,j) i,j)< MIN L- MAX - i,j)- MIN ), MIN i,j) MAX MIN L- i,j)> MAX

Rozciąaie historamu obrazu - przykład 5 4 3 5 5 5 MIN, MAX 5 5 4 3 5 5 5

Iwersja poziomów jasości obrazu L- L- Jak zaimplemetować iwersję???

Nieliiowe odwzorowaie poziomów jasości L- lx) i,j) T i,j)) sqrtx) x expx) Korekcja γ L- OBRAZ WYNIKOWY OBRAZ ŹRÓDŁOWY Normalizacja! OPERACJA PUNKTOWA

Nieliiowe odwzorowaie poziomów jasości - przykłady Obraz oryialy 8 6 4 5 5 5

Nieliiowe odwzorowaie poziomów jasości - przykłady Tx 5 5 Tsqrtx) 8 6 4

Nieliiowe odwzorowaie poziomów jasości - przykłady Te x 5 5 Tlox) 5 5

Nieliiowe odwzorowaie poziomów jasości - alorytm Przykład: ukcja kwadratowa ormalizacja: doly przedział - -> óry przedział - 55 -> 55 współczyik ormalizacji: orm/55... or i: to M do or j: to N do [i,j]:roudsqr[i,j])*orm);...

Nieliiowe odwzorowaie poziomów jasości - alorytm Przykład: ukcja kwadratowa lut : array[..55]o byte;... or k: to 55 do lut[k]:roudk*k*orm) or i: to M do or j: to N do [i,j]:lut[[i,j])];...

Poprawa jakości zdjęć z teleskopu - przykład Tb loax)

Wyrówywaie historamu obrazu celem wyrówaia historamu jest uzyskaie maksymalie rówomiereo rozkładu poziomów jasości obrazu dla całeo jeo zakresu skutkiem wyrówaia historamu jest poprawa kotrastu obrazu ormalizacja obrazu

Wyrówywaie historamu obrazu p) p ) /L-) L- L- p )hist[]/mn p )/L-)

] [ ) ] [ ) ) ) ),...,L -,,, ), ) ) ) hists L MN i hist L i p L L i p L L u L du L dh h p du u p dh h p i i i Wyrówywaie historamu obrazu

Obliczaie historamu skumulowaeo %hist day historam obrazu %hists wyzaczay historam skumuloway % M,N liczba wierszy i kolum obrazu % L liczba poziomów jasości, p. L56 histszeros,56); hist)hists); or i:56, hci)hci-)+hi); ed; histshists/m*n);

Historam oraz historam skumuloway.5 8 6 4.5 5 5 5 5 5 5

Wyróway historam Wyrówywaie historamu obrazu.8.6 Historam skumuloway.4. 5 5 5 Maxhisteq)maxhist) 8 Historam 6 4 L ) histc[ ] 5 5 5

Procedura wyrówywaia historamu obrazu -przykład

Wyrówywaie historamu obrazu 4 35 3 5 5 5 5 5 5 6 5 4 3 5 5 5

Wyrówywaie historamu obrazu 7 6 5 4 3 5 5 5 7 6 5 4 3 5 5 5

MATLB Demo zmiaa kotrastu i jasość

Elimiacja ziekształceń - sumowaie obrazów + + K l l K l l j i K j i j i j i K j i ), ), )], ), [ ), l i,j) - szum ieskoreloway z obrazem o wartości średiej i wariacji v l K + +...+ UWAGA! - kotrola zakresu zmieych

Sumowaie obrazów - przypadek l v v v j i MN j i MN E E E E E E V E E E E M i N j M i N j ) 4 )]), [ )], [ 4 ]) } [{ ] } [{ 4 ] } { } }{ { } [{ 4 }]) { } [{ })) { } { }) { })] { }) { [ }) { } { }) { }) { } { } { + + + + + + + + + { }, { } - szum o wartości średiej rówej i wariacji v v v, ieskoreloway z obrazem

Moża rówież wykazać, że średia wartość szczytowa szumu {} po uśredieiu) ulea zmiejszeiu K razy Sumowaie obrazów - przypadek l K v K v K K E E E V E K K E E K K l l K l l K l l K l l K l l }] { [ })) { } { }) { }) { }] { [ }) { } { } {

Elimiacja ziekształceń - przykład Szum aussowski, wartość średia, wariacja. Wyik sumowań Wyik 5 sumowań

Redukcja zakłóceń obrazu przez uśrediaie sekwecji obrazów N N N8 N6 Obraz mikroskopowy komórki