Upload
lovey
View
97
Download
1
Embed Size (px)
DESCRIPTION
POBOLJŠANJE SLIKE U FREKVENCIJSKOJ DOMENI. SADRŽAJ PREDAVANJA. Uvod – općenito o poboljšanju slike Fourier-ova transformacija (osnove) Filtriranje slike (linearno, korjenom i homomorfno) Konvolucija i konvolucijske maske. POBOLJŠANJE SLIKE. - PowerPoint PPT Presentation
Citation preview
1
Uvod – općenito o poboljšanju slike Fourier-ova transformacija (osnove) Filtriranje slike (linearno, korjenom i
homomorfno) Konvolucija i konvolucijske maske
2
Obrada slike pri kojoj je dobiveni rezultat prikladniji (bolji) od orginala za određenu specifičnu svrhu
Npr. Prepoznavanje osoba, uočavanje grešaka...
Prostorna i frekvencijska domena Prednost filtriranja u frekv. domeni je niža
računska složenost (relativno!) Za razumjevanje ovog područja potrebno je
osnovno znanje o Fourierovoj transformaciji
3
naglasak na osnovama i značaju kod digitalne obrade slike
proizvoljnu periodičnu funkciju možemo zapisati kao zbroj sinusoida različitih amplituda i frekvencija (koje je lakše analizirati jer su svojstva sinusoida dobro poznata)- Fourierov red
Funkcije koje nisu periodične (ali čija površina ispod krivulje je konačna)-Fourierova transformacija
4
5
Rekonstruiranje početne funkcije bez gubitka informacija-najvažnija karakteristika
FT kontinuirane funkcije s jednom varijablom f(x) dana je jednadžbom:
6
Inverzna FT:
Te dvije jednadžbe zajedno tvore Fourierov transformacijski par.
7
Diskretna Fourierova transformacija funkcije f(x) dana je jednadžbom:
Inverzna DFT:
8
F(u) se može izraziti i u polarnim koordinatama:
gdje je spektar FT-a
i fazni kut.
U svrhu poboljšanja digitalnih slika, najviše se radi sa svojstvima spektra.
Također radi se i sa spektralnom gustoćom koja je definirana kao kvadrat Fourierovog spektra.
9
M=1024A=1K=8
M=1024A=1K=16
10
Analogno DFT se proširuje na 2 dimenzije. DFT funkcije (slike) f(x,y) veličine MxN dana je jednadžbom:
I njezin inverz:
11
Fourierov spektar, fazni kut i spektralna gustoća definiraju se kao i kod1-D:
12
Vrijednost DFT pri (u,v)=(0,0) je
što je srednja vrijednost f(x,y) – ako je f(x,y) slika, vrijednost DFT-au ishodištu jednaka je srednjem “gray level-u” slike.
13
14
Postupak se sastoji od slijedećih koraka:1.Pomnožiti ulaznu funkciju (sliku) sa (-1)^x+y. 2. Izračunati F(u,v), DFT slike iz točke 1.3.Pomnožiti F(u,v) sa funkcijom filtera H(u,v).4. Izračunati inverznu DFT rezultata iz 3.5. Izdvojiti realni član rezultata iz 4.6.Pomnožiti rezultat iz 5 sa (-1)^x+y
15
Filter – ne propušta određene frekvencije, dok ostale ostaju nepromjenjene
Filtriranje se izvodi pomoću slijedećeg izraza:
Filtrirana slika se dobija inverzom FT-a od G(u,v):
16
17
niske frekvencije u FT – opći(prosječni) “grey level” glatkih površina
visoke frekvencije u FT – detalji, nagli prijelazi (rubovi, šum...)
nisko propusni filter – propušta niske frekv., a “reže”(attenuate) visoke frekv.-smoothing filteri
visoko propusni filter – propušta visoke frekv., a “reže” niske frekv.-sharpening filteri
18
19
Idealni NP filter Butterworth-ov NP filter Gauss-ov NP filter
20
Najjednostavniji NP filter “odrezuje” sve visokofrekvencijske
komponente koje imaju veću udaljenost od D0
od ishodišta (centrirane) transformacije
21
Udaljenost točke od ishodišta
22
Cutoff frequency
Total image power:
Krug radijusa r sa ishodištem u sredini frekvencijskog kvadrata zatvara α posto “snage”(power):
23
24
25
Prijenosna funkcija BNPF n-tog reda sa cutoff frekvencijom na udaljenosti D0 od ishodišta:
26
27
Prijenosna funkcija:
28
29
S obzirom da su rubovi i ostale nagle promjene gray level-a povezane sa visokofrekvencijskim komponentama, izoštravanje slike izvodi se sa VP filterima.
Funkcija im je suprotna on NP filtera pa prijenosnu funkc. pišemo:
Biti će prikazani idealni, Butterworth-ov i Gauss-ov VP filter
30
31
32
Slika f(x) može se izraziti kao umnožak osvijetljenja i reflektancije:
Osvijetljenje ima NF a reflektancija VF karakter
Smanjenjem intenziteta smanjuje se dinamički opseg slike a povećanjem reflektancije povećava se kontrast
33
Problem: osvjetljenje i reflektancija su u formi produkta-”nemoguće” nezavisno filtriranje obje funkcije
Rješenje: logaritmiranjem f(x,y) osvjetljenje i reflektancija pojavljuju se u formi zbroja, te se mogu nezavisno linearno filtrirati
34
Nakon filtriranja antilogaritmiranjem se rekonstruira originalna slika
Na taj način vrši se povećanje kontrasta
35
36
• Obratiti pažnju na detalje u unutrašnjosti.
Ako su v(k,l) DFT koeficjenti neke slike:
Kod filtriranja operacijom korjena nova se vrijednost dobiva kao:
37
Vađenje korjena naglašava visoke frekvencije relativno u odnosu na niske frekvencije
Filtriranje korjenom (engl. Alpha rooting) se koristi za naglašavanje viših frekvencija u slici
38
Svi frekvencijski filteri se teoretski mogu implementirati i u vremenskoj domeni, jer je
množenje u frekvencijskoj domeni ekvivalentno konvoluciji u vremenskoj domeni. Vrijedi
konvolucijski teorem:
G(u, v) = H(u, v)F(u, v) ⇔ g(x, y) = h(x, y) ∗ f (x, y)
39
Dvodimenzionalna diskretna konvolucija je dana s:
Filtriranje je računski manje zahtjevno u vremenskom području ako se radi o malim
konvolucijskim maskama, te se u takvim slučajevima uglavnom provodi sa prostornim
konvolucijskim maskama.
40
Za cilj prevođenja frekvencijskih filtera u konvolucijske maske može se postaviti da se dobije aproksimacija s najmanjom kvadratnom greškom.
U općem slučaju su članovi kompleksni, ali ako je frekvencijski filter realan i simetričan, onda će i konvolucijska maska biti takva.
Ako se ne može odrediti dovoljno dobra maska za aproksimaciju filtera ili ako aproksimacija filtera rezultira velikom konvolucijskom maskom, provodi se filtriranje u frekvencijskom području.
41
42