Www.imageprocessingbook.com © 2004 R. C. Gonzalez, R. E. Woods, and S. L. Eddins Digital Image Processing Using MATLAB ® Chapter 3 Intensity Transformations

www.imageprocessingbook.com© 2004 R. C. Gonzalez, R. E. Woods, and S. L. Eddins

Digital Image Processing Using MATLAB®Digital Image Processing Using MATLAB®

Chapter 3Intensity Transformations

and Spatial Filtering



• O capítulo trata-se de transformações no domínio espacial:

transformações de intensidade e

filtragem espacial.





• Função imadjust

A função imadjust é uma ferramenta básica em IPT para transformações de imagens em escala de cinza.

Sintaxe: g = imadjust (f, [low_in high_in], [low_out high_out], gamma)

• Como mostrado na Fig. 3.2 essa função mapeia os valores de intensidade da imagem f para novos valores em g, tal que os valores entre low_in e high_in mapeiem entre low_out e high_out.

• Valores abaixo de low_in e acima de high_in são cortados; isto é, valores abaixo de low_in mapeiam em low_out, e valores acima de high_in mapeiam em high_out.

• A imagem de entrada pode ser da classe uint8, uint16, ou double, e a imagem de saída tem a mesma classe da imagem de entrada.









• Todos os valores dos parâmetros, exceto f, são especificados como valores entre 0 e 1, independente da classe de f.

• Se f é da classe uint8, imadjust multiplica os valores por 255 para determinar o valor a ser usado;

• Se f é da classe uint16 os valores são multiplicados por 65535.

• Usando a matriz vazia [ ] para [ low_in high_in] ou para [ low_out high_out] resulta nos valores default [0 1].

• Se high_out é menor que low_out, a intensidade de saída é invertida.

• O parâmetro gamma especifica a forma da curva que mapeia os valores de intensidade. Se gamma é menor que 1, o mapeamento clareia os valores de saída; se gamma é maior que 1, o mapeamento escurece os valores de saída; e se o argumento gamma é omitido, o valor default é 1, mapemento linear.



• Fig. 3.3a é uma imagem de mamograma, f.

• A Fig. 3.3b mostra o negativo, obtido usando o comando:

g1 = imadjust(f,[0 1],[1 0]);

útil para detalhe branco ou cinza no meio de uma região predominantemente escura.

• O negativo de uma imagem pode ser obtido também com a função:

g = incomplement(f).

• A Fig. 3.3c mostra o resultado usando o comando

g2 = imadjust(f, [0.5 0.75],[0 1]), que aumenta o contraste para o intervalo de interesse.

• Finalmente o comando

g3 = imadjust(f,[], [], 2);

produz um resultado similar ao da Fig.3.3c, comprimindo o low end e expandindo o high end da escala de cinza (Fig. 3.3d).









• TRANSFORMAÇÕES LOGARITMICAS E DE EXTENSÃO DE CONTRASTE

• A transformação logaritmica é implementada por

g = c* log(1 + double(f)), onde c = constante.

• Um dos principais usos dessa transformação é comprimir o intervalo dinâmico.

• Por exemplo, o espectro de Fourier pode ter valores no intervalo [0, 106] ou maior.

• Quando mostrado num monitor a imagem é mapeada linearmente para 8 bits, e os maiores valores dominam a tela, resultando em detalhes perdidos para os valores baixos. Computando o logaritmo 106 é reduzido para aproximadamente 14, que é muito mais manipulável.

• Quando é feita uma transformação logaritmica, é desejável trazer o resultado de volta para o intervalo completo do display. Para 8 bits, a forma mais fácil é

gs = im2uint8(mat2gray(g));



• A função da Fig. 3.4a é chamada de transformação de extensão de contraste (contrast stretching), porque o resultado é um alto contraste.

• No caso limite da Fig. 3.4b a saída é uma imagem binária.

• A função da Fig. 3.4a tem a forma

onde r representa a intensidade da imagem de entrada e E controla a inclinação da função. Essa função é implementada usando o comando

g = 1./(1+(m./(double(f) + eps)).^E)

• Nota-se o uso do eps (ver Tabela 2.10) que corresponde à precisão relativa da representação ponto-flutuante, para prevenir o overflow se f for zero.

• Como valor limite de T(r) é 1, os valores de saída estão mapeados no intervalo [0,1]. A forma da Fig. 3.4a foi obtido com E = 20.

ErmrTs

)/(1

1)(









• EXEMPLO

• A Fig. 3.5a é um espectro de Fourier com valores no intervalo de 0 a 1.5x106, mostrado num sistema de mapeamento linear de 8 bits.

• A Fig. 3.5b mostra o resultado obtido usando o comando

g= im2uint8(mat2gray(log(1+ double(f))));









• ALGUMAS M-FUNCTIONS PARA TRANSFORMAÇÕES DE INTENSIDADE

• Manipulando um número variável de entradas e/ou saídas:• para verificar o número de argumentos que entram numa M-function usar

a função nargin n = nargin• Similarmente a função nargout é usada como número de saídas de uma M-

function. n = nargout• Por exemplo, supondo que a seguinte M-function foi executada: T = testhv(4,5);• O uso do nargin deve retornar 2, enquanto que o uso de nargout deve

retornar 1.



• A função nargchk pode ser usada no corpo de uma M-function para verificar se o número correto de argumentos foi passado. A sintaxe é

msg=nargchk (low, high, number)

• A função retorna a mensagem Not enough input parameters se o número é menor que o low ou Two many input parameters se o número é maior que high.

• Se o número estiver entre low e high (inclusive), nargchk retorna uma matriz vazia.

• Um uso frequente da função nargchk é para parar a execução via error function se o número incorreto de argumentos foi usado. O número de argumentos usados é determinado pela função nargin.



• Por exemplo, seja o código:

function G = testhv2(x, y, z)

.....

error (nargchk(2,3,nargin));

.....

Digitando

testhv2(6);

que tem tem apenas um argumento de entrada produz um erro

Not enough input arguments

e a execução termina.



• É útil poder escrever funções com número de argumentos de entrada e/ou saída variável.

• Para isso usa-se as variáveis varargin e varargout.

• Por exemplo: function [m,n] = testhv3(varargin)

aceita um número variável de entradas na função testhv3, e

function [varargout] = testhv4(m,n,p)

retorna um número variável de saídas da função testhv4.

• Se a função testhv3 tem um argumento fixo de entrada, x, seguido de um número variável de argumentos de entrada, então function [m,n] = testhv3(x, varargin)

faz com que o usuário inicie fornecendo o segundo argumento.

• Similar aplicação pode ser feito para varargout.



• UMA OUTRA M-FUNCTION PARA TRANSFORMAÇÃO DE INTENSIDADE

• Nesta seção é desenvolvida uma função que computa as transformações: negativo, log, gamma e extensão de contraste.

• Essas transformações foram selecionadas porque usamos posteriormente, e também para ilustrar os mecanismos envolvidos na escrita de uma M-function para transformações de intensidade.

• Para escrever essa função usamos a função changeclass, que tem a sintaxe

g = changeclass (newclass, f)

• Essa função converte a imagem f a uma classe especificada no parâmetro newclass e fornece a saída g. Os valores válidos de newclass são ‘uint8’, ‘uint16’ e ‘double’.



• Function g = intrans(f,varargin)

(ver o código no livro)

• A Fig. 3.6b mostra o resultado do uso da função

f = intrans (f,’stretch’, mean2(im2double(f)),0.9);

sobre a imagem da Fig. 3.6a.









• PROCESSAMENTO DE HISTOGRAMA E PLOTAGEM DE FUNÇÃO

• Geração de plotagem de histogramas de imagens:

• A função para manipular histogramas é imhist, que tem a sintaxe

h = imhist(f,b)

onde b é o número de subdivisões na escala de intensidade.

Se b é omitido, o valor default = 256.

• O histograma normalizado pode ser obtido usando

p = imhist(f,b)/numel(f)

• Considerando a imagem da Fig. 3.3a, a forma mais simples de plotar o seu histograma é:

imhist(f);

• A Fig. 3.7a mostra o resultado.



• Os histogramas são também plotadas em bar graphs. Para tanto devemos usar a função: bar (horz, v, width)

• Onde v é um vetor linha contendo os pontos a serem plotados, horz é um vetor de mesma dimensão que contem os incrementos na escala horizontal, e width é um número entre 0 e 1.

• Se horiz é omitido, o eixo horizontal é dividido em unidade de 0 a length(v).

• Quando width é 1, as barras se tocam; quando é zero, as barras são apenas linhas verticais, como na Fig. 3.7a. O valor default é 0.8.

• Quando o bar graph é usado, reduz a resolução horizontal dividindo em intervalos.



• O seguinte programa produz um bar graph, com o eixo horizontal dividido em 10 níveis.

h = imhist(f);

h1 = h(1:10:256);

horz = 1:10:256;

bar(horz, h1)

axis([0 255 0 15000])

set(gca, ‘xtick’, 0:50:255)

set(gca, ‘ytick’, 0:2000:15000)

• A Fig. 3.7b mostra o resultado.



• O seguinte programa produz o histograma da Fig. 3.7c.

h = imhist(f); h1 = h(1:10:256); horz = 1:10:256; stem(horz, h1, ‘fill’) axis([0 255 0 15000]) set(gca, ‘xtick’, 0:50:255) set(gca, ‘ytick’, 0:2000:15000)



• Finalmente o histograma da Fig.3.7d é obtido por:

h = imhist(f);

plot(h)

axis([0 255 0 15000])

set(gca, ‘xtick’, 0:50:255)

set(gca, ‘ytick’, 0:2000:15000)















• EQUALIZAÇÃO DE HISTOGRAMA

• A equalização de histograma é implementada usando a função histeq, com a sintaxe

g = histeq(f, nlev)

onde nlev é o número de níveis de intensidade especificado para a imagem de saída.

• Se nlev é igual a L (número total de possíveis níveis), o histeq implementa a função de transformação, T (rk), diretamente.

• Se nlev é menor que L, histeq tenta distribuir os níveis tal que eles se aproximem de um histograma achatado (flat).

• O valor default de nlev é 64.



• A Fig. 3.8 mostra o resultado da aplicação da equalização de histograma, passo a passo, usando o seguinte programa:

imshow(f)

figure, imhist(f)

ylim (‘auto’)

g = histeq (f, 256);

figure, imshow (g)

figure, imhist (g)

ylim(‘auto’)















• ESPECIFICAÇÃO DE HISTOGRAMA

• O seguinte comando implementa a especificação de histograma

• g = histeq(f, hspec)

• onde hspec é o histograma especificado ( um vetor linha de valores especificados).















• FILTRAGEM ESPACIAL





























































Documents

Www.imageprocessingbook.com © 2004 R. C. Gonzalez, R. E. Woods, and S. L. Eddins Digital Image Processing Using MATLAB ® Chapter 3 Intensity Transformations