Bài giảng Xử lý ảnh số: Chương 5 (phần 1) – ThS. Võ Quang Hoàng Khang

Chia sẻ: Star Star | Ngày: | Loại File: PDF | Số trang:40

Thêm vào BST

Báo xấu

58
lượt xem 4
download

Download Vui lòng tải xuống để xem tài liệu đầy đủ

Chương 5 (phần 1) - Tiền xử lý ảnh. Nội dung chính trong chương này gồm có: Các biến đổi trên mức xám, biến đổi trên Geometry, tiền xử lý sử dụng dữ liệu cục bộ, biến đổi Fourier, biến đổi Wavelets. Mời các bạn cùng tham khảo.

Chủ đề:

Bình luận(0) Đăng nhập để gửi bình luận!

Lưu

Nội dung Text: Bài giảng Xử lý ảnh số: Chương 5 (phần 1) – ThS. Võ Quang Hoàng Khang

Chương 5: TIỀN XỬ LÝ ẢNH Võ Quang Hoàng Khang TPHCM - 2016
1. Các biến đổi trên mức xám 2. Biến đổi trên Geometry 3. Tiền xử lý sử dụng dữ liệu cục bộ 4. Biến đổi Fourier 5. Biến đổi Wavelets 6. Tổng kết 2
 Ứng dụng các phép biến đổi trên mức xám để điều chỉnh chất lượng ảnh.  Mô tả được các phép biến đổi hình học trên ảnh.  Áp dụng các kỹ thuật dựa trên dữ liệu cục bộ để làm mịn ảnh, làm nổi biên ảnh, xác định cạnh.  Áp dụng các kỹ thuật phân tích trên miền tần số để phân tích các đặc điểm của ảnh.  Mô tả được mục đích sử dụng các bộ lọc. 3
 Làm ảnh “tốt” hơn cho mục đích nhất định  Do đó: rất phụ thuộc vào từng ứng dụng cụ thể  Phương pháp:  Xử lý trên miền không gian ▪ Xử lý trên điểm ảnh ▪ Xử lý mặt nạ  Xử lý trên miền tần số ▪ Các phép lọc 4
 Thay đổi giá trị không phụ thuộc vào tọa độ các điểm ảnh: g(x, y) = T[ f(x, y)]  Tăng giảm độ sáng, âm bản, biến đổi log, thống kê tần suất, biến đổi tần suất, v.v.  Sử dụng biểu đồ tần suất, còn gọi là histogram.  Tần suất mức xám g của ảnh I là số điểm ảnh có giá trị g. Histogram là biểu đồ các mức xám có trong ảnh. Ví dụ cho ảnh I, histogram h(g) của I là: 9
 “Trắng” chuyển thành ”đen” và ngược lại Original Negative Image Image  Ảnh âm của ảnh I có [0,L-1] mức xám được xác định bởi, với r là mức xám cụ thể: s  L 1 r 10
11
 Nhằm giãn các mức xám thấp của ảnh input có được mức xám cao hơn. Nhằm làm cho bớt tối.  Mức xám s mới được xác định bởi s  c log(1  r ) 12
 Power-law: s  cr ,hoặc s  c ( r   )   Với c,  là hằng dương  Dùng  cho trường hợp r=0.  Thay đổi giá trị  sẽ tạo ra nhiều hiệu ứng. Còn gọi là hiệu chỉnh gamma (gamma correction) trên ảnh.  Gamma correction rất quan trọng trong tạo ảnh trung thực trên màn hình.  Sinh viên đọc thêm “Digital Image Processing-3rd Edition” của Rafael C. Gonzalez từ 130-137. Thực hiện với Matlab những biến đổi này. 13
 Hình dạng histogram thể hiện độ sáng (brightness) của ảnh 14
 Hình dạng histogram thể hiện độ tương phản (contrast) của ảnh 15
 Dùng để tăng độ tương phản toàn cục của ảnh. Những vùng có tương phản thấp sẽ được cải thiện  Thay đổi cường độ xám của từng pixel để có được ảnh mới có histogram chuẩn hơn.  Cần một hàm biến đổi trên mức xám. 16
 Ảnh I được gọi là cân bằng "lý tưởng" nếu với mọi mức xám g, g’ ta có h(g) = h(g’). Nghĩa là các mức xám trong ảnh có số lượng pixel “tương đương” nhau. ni n j  Nghĩa là:  , i  j n n với ni là số pixel có mức xám i, và nj số pixel có mức xám j, n là tổng số pixel có trong ảnh.  Tuy nhiên, không tự nhiên để cân bằng “lý tưởng”Tạo ra một phân phối xác suất trên biến ngẫu nhiên mức xám và chuẩn hóa phân phối này 17
 Cân bằng histogram là phương pháp tiếp cận để xác định một hàm biến đổi T(.) giá trị độ sáng phân bố đồng đều (uniformly distributed) trong khoảng [0,1].  Giả sử ảnh đầu vào có độ sáng liên tục [0, 1], với r=0 cho màu đen và r = 1 cho màu trắng  Cần xác định một hàm biến đổi s = T(r), trên histogram ảnh đầu vào  Kỹ thuật “cân bằng histogram” có thể cải thiện chất lượng ảnh tự động mà không cần làm thủ công với chức năng co/giãn mức xám. 18
 Phần trình bày sau chỉ là một cách cân bằng histogram.  T(r) là hàm đơn điệu tăng ánh xạ từ [0,1] vào [0,1] (miền mức xám đã chuẩn hóa).  Chọn T đơn điệu tăng đảm bảo cho pixel có cường độ cao hơn pixel khác vẫn giữ nguyên tính chất đó trong ảnh đầu ra 19
 Dựa trên lý thuyết xác suất với pin(r) và pout(s) lần lượt là hàm mật độ mức sáng trên ảnh đầu vào và đầu ra  Mục tiêu là thực hiện biến đổi sao cho pout(s) “tiến tới” phân phối chuẩn. Nghĩa là đạt cực đại ở giữa lược đồ và giảm đều về hai bên.  Nếu pin(r) và T(r) biết trước, và r  T -1(s) tăng đơn điệu, theo lý thuyết xác suất có thể viết :  dr  pout ( s)   pin (r )   ds  r T 1 ( s ) 20