Bài giảng Xử lý ảnh số: Tiền xử lý

Xử lý ảnh số Ts.NGÔ VĂN SỸ ĐẠI HỌC BÁCH KHOA ĐẠI HỌC ĐÀ NẴNG Chương 3 Tiền xử lý „ Khôi phục ảnh „ Mô hình giảm cấp „ Lọc ngược „ Lọc Wiener „ Lọc thích nghi „ Làm nổi thuộc tính ảnh „ Histogram „ Các toán tử xử lý điểm „ Các toán tử Histogram „ Các toán tử không gian „ Các toán tư biến đổi „ Xử lý ảnh đa phổ „ Xử lý ảnh màu Khôi phục ảnh Mô hình giảm cấp Khôi phục ảnh Mô hình giảm cấp Khôi phục ảnh Lọc ngược Khôi phục ảnh Lọc ngược Khôi phục ảnh Lọc Wiener Khôi phục ảnh Lọc Wiener Khôi phục ảnh Lọc thích nghi Khôi phục ảnh Lọc thích nghi Làm nổi thuộc tính ảnh „ Khái niệm: „ Trong một bức ảnh có nhiều thông tin mà người sử dụng quan tâm, mỗi loại thông tin khác nhau được tiềm ẩn dưới một thuộc tính khác nhau, và để trích chọn một cách chính xác các thông tin này cần phải làm nổi thuộc tính tương ứng. „ Việc làm nổi thuộc tính nói chung không làm giàu thêm thông tin trong bức ảnh mà chỉ giúp cho nó lộ rõ. Khi làm nổi thuộc tính này thì các thuộc tính khác có thể mờ nhạt, thậm chí mất đi, vì vậy kết quả xử lý đôi khi làm cho bức ảnh xấu đi. „ Phân loại : „ Các thuộc tính histogram „ Các thuộc tính không gian „ Các thuộc tính hình học „ Các thuộc tính biến đổi „ Các thuộc tính phổ „ Các thuộc tính màu sắc Làm nổi thuộc tính ảnh Histogram „ Khái niệm: „ Histogram của một bức ảnh biểu thị tần suất xuất hiện của các giá trị pixel trong bức ảnh „ Là hình ảnh của hàm mật độ xác suất xuất hiện các giá trị pixel. „ Biểu diễn theo 3 cách: „ Xác suất xuất hiện các pixel : Pu( xi). „ Tỷ lệ phần trăm (100xPu( xi)) „ Số pixel có giá trị xi : h( xi). Làm nổi thuộc tính ảnh Histogram 34440266 53201157 44400557 32010505 53444005 75320105 65344432 77532011 Pu(0) = 3/16, Pu(1) =3/32 Pu(2) = 3/32, Pu(3) =1/8 Pu(4) =3/16 , Pu(5) =3/16 Pu(6) =3/64 , Pu(7) =5/64 h(0)=12; h(1)=6; h(2)=6; h(3)=8; h(4)=12; h(5)=12; h(6)=3; h(7)=5; Pu( xi) xi 0 1 2 3 4 5 6 7 Đánh giá độ chói và độ tương phản dựa vào histogram „ Độ tương phản „ Histogram hẹp độ tương phản thấp „ Histogram càng rộng độ tương phản càng cao „ Histogram phân bố đều, độ tương phản là cực đại. „ Độ chói (0 trắng, L-1 đen) „ Historam dồn về bên trái, độ chói cao (thừa sáng) „ Historam dồn về bên phải, độ chói thấp (thiếu sáng) Làm nổi thuộc tính ảnh Các toán tử xử lý điểm „ Kéo dãn histogram „ Cắt ngưỡng „ Khử nhiễu „ Chia mức cường độ „ Tạo âm bản số F(.) u v = F(u) Các toán tử xử lý điểm Kéo dãn histogram „ Đặc tuyến vào ra v u Pu(xi) Pv(xi) 0 a b L-1 xi. 0 L - 1 x i . 0 L-1 xi. 1 1, Lub )( ua )( au0 > < ⎪⎩ ⎪⎨ ⎧ <<+− <<+− << = β γα γ β α b a vbu bvau u v Các toán tử xử lý điểm Cắt ngưỡng „ Đặc tuyến vào ra v u Pu(xi) Pv(xi) 0 Th L-1 xi. 0 L - 1 x i . Các toán tử xử lý điểm Khử nhiễu „ Đặc tuyến vào ra v u Pu(xi) Pv(xi) 0 a b L-1 xi. 0 L - 1 x i . Các toán tử xử lý điểm Chia mức cường độ „ Đặc tuyến vào ra v u Pu(xi) Pv(xi) 0 a b L-1 xi. 0 L - 1 x i . Các toán tử xử lý điểm Tạo âm bản số „ Đặc tuyến vào ra: „ v = L-1-u 0 L - 1 x i . v u Pu(xi) Pv(xi) 0 L-1 xi. Làm nổi thuộc tính ảnh Các toán tử Histogram „ Cân bằng histogram „ Hiệu chỉnh histogram „ Sửa đổi theo histogram tiền định „ Sơ đồ chung U(m,n) F(u) Tái lượng tử đều Pu(xi) V'(m,n) V(m,n) Các toán tử histogram Cân bằng Histogram Tái lượng tử đềuPu(xi) V'(m,n) V(m,n) U(m,n) ∑ = −= u x iuu i xPLuF 0 )()1()( ⎥⎦ ⎤⎢⎣ ⎡ +−−− −= 5,0)1( '1 ''int min min L vL vvv Các toán tử histogram Hiệu chỉnh Histogram ∑ ∑ − = == 1 0 1 0 1 )( )( )( L xi nu u xi nu xiP xiP uF Các hàm phi tuyến thường dùng để hiệu chỉnh: f(u) = log(1+u) f(u) = u1/n. Các toán tử histogram Biến đổi theo histogram định trước „ Giả sử biến ngẫu nhiên u ≥ 0 với hàm mật độ xác suất Pu(u) được biến đổi thành v ≥ 0, sao cho v có hàm mật độ xác suất định trước Pv(v). Để thực hiện điều này, cần xác định một biến ngẫu nhiên phân bố đều : „ Sao cho thoả mãn quan hệ: „ Loại trừ w ta được ))(( )()( )()( 1 0 0 uFFv vFdyypw uFdxxpw uv v v v u u u −= == == ∫ ∫ Biến đổi theo histogram định trước „ Nếu u và v là hai biến ngẫu nhiên rời rạc nhận giá trị x và y tương ứng (i = 1ÆL-1),với các hàm mật độ xác suất Pu(x) và Pv(y). Thì công thức trên có thể viết lại „ Gọi w' là các giá trị ~wn sao cho ~wn-w ≥ 0 đối với giá trị nhỏ nhất của n, thì v' = yn là giá trị ra tương ứng với u. „ Sơ đồ xử lý 1-L 0 k )(w )( 0 ~ k 0 →=== ∑∑ == k i iv u x iu ypxpw i wu ∑ = u x iu i xP 0 )( 0}w-w{min n ~ ≥ n Fv-1(.) w'=~wn v'=yn Thí dụ „ Cho xi, yi = 0,1,2,3 với các hàm mật độ xác suất: „ p(xi) = 0,25 với mọi i và „ p(y0) = 0, p(y1) = p(y2) = 0,5 và p(y3) = 0 „ Quá trình xử lý như sau: 221,001,001,000,253 221,001,000,750,252 110,500,500,050,251 110,500,000,250,250 v'nw'~wkwp(xi)u Làm nổi thuộc tính ảnh Các toán tử không gian „ Lọc tuyến tính „ Lọc thông thấp (Lọc trung bình) „ Lọc thông cao „ Lọc thông dải „ Lọc phi tuyến „ Lọc trung vị (median) „ Lọc Gaussian ngược „ Lọc tương phản ngược Các toán tử không gian tuyến tính Lọc thông thấp LPF „ Còn gọi là lọc trung bình, phương trình lọc: „ Ví dụ lọc trung bình trong cửa sổ 3x3 „ Các mặt nạ lọc thông thấp 11111 11111 11111 11111 11111 25 1 111 111 111 9 1 )1,1(),1()1,1( )1,(),()1,( ),1(),1()1,1( 9 1),( l)-nk,-u(m1),( W,w ⎥⎥ ⎥⎥ ⎥⎥ ⎦ ⎤ ⎢⎢ ⎢⎢ ⎢⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ ⎥⎥ ⎥ ⎦ ⎤ ⎢⎢ ⎢ ⎣ ⎡ +++++−++ +++−+ −+−+−− = = ∑ ∈ nmunmunmu nmunmunmu nmunmunmu nmv N nmv lk Các toán tử không gian tuyến tính Lọc thông cao Sử dụng bộ lọc thông thấp hLPF(m,n) + _ + u v=u- v1v1 Các toán tử không gian tuyến tính Lọc thông dải „ Sử dụng hai bộ lọc thông thấp hLPF1(m,n) + _ + u v= v2 - v1 v1 hLPF2(m,n) v2 hBPF=hLPF2- hLPF1 Các toán tử không gian tuyến tính „ Lọc thông thấp và thông cao có trong số: -111121 -14-141/82421/16 -111121 Làm nổi thuộc tính ảnh Các toán tử không gian Làm nổi thuộc tính ảnh Các toán tử không gian Các toán tử không gian phi tuyến Lọc median „ Phương trình lọc „ Các bước thực hiện: „ Lấy các pixel trong cửa sổ định trước „ Sắp xếp các pixel theo thứ tự tăng hoặc giảm „ Lấy giá trị pixel đứng giữa (hoặc lấy TBC của hai giá trị đứng giữa) { }),(),( , lnkmumediannmv Wlk −−= ∈ Làm nổi thuộc tính ảnh Cửa sổ khe 16 hướng lượng tử 000000cxc 112c677 112345677 112345677 23456 23456 23456 23456 Các toán tử không gian phi tuyến Lọc Gausian ngược „ Nếu nhiễu được mô hình hoá bằng một trường ngẫu nhiên rời rạc tuân theo phân bố Gauss, thì bộ lọc có đáp ứng xung như sau sẽ khử nhiễu rất tốt „ Đây là mặt nạ lọc Gauss ngược ⎭⎬ ⎫ ⎩⎨ ⎧ += )( 2 1exp 2 1),( 2 22 σπσ lklkh Các toán tử không gian phi tuyến Lọc tương phản ngược Các toán tử không gian phi tuyến Các toán tử không gian phi tuyến Các toán tử không gian phi tuyến Làm nổi thuộc tính ảnh Các toán tư biến đổi „ Sơ đồ xử lý A.U.AT Zonal Mask A-1.V'. [AT]-1 U V V' U' Các cửa sổ tần số „ Miền tần số liên tục Miền tần số không gian rời rạc (DFT-2D) 0 1 2 k N-1 0 1 2 3 l M-1 LPF LPF LPFLPF BPF BPFBPF BPF HPF Miền biến đổi cosin rời rạc (DCT) 0 1 2 3 k N-1 LPF BPF HPF 0 1 2 3 l M-1 Làm nổi thuộc tính ảnh Các toán tư biến đổi Xử lý ảnh đa phổ „ Nguồn polylight „ Các bộ lọc chọn bước sóng thích hợp „ Thu nhận ảnh đối tượng bằng mỗi bước sóng „ Tổ hợp các bức ảnh đơn sắc (phổ hẹp) Xử lý ảnh đa phổ Xử lý ảnh đa phổ Xử lý ảnh đa phổ Xử lý ảnh đa phổ Xử lý ảnh màu Sơ đồ xử lý Biến đổi hệ toạ độ màu R G B Biến đổi ngược hệ toạ độ màu R' G' B' T1 T2 T3 T'1 T'2 T'3 Xử lý đơn sắc 1 Xử lý đơn sắc 2 Xử lý đơn sắc 3 Xử lý ảnh màu Xử lý ảnh màu Xử lý ảnh màu Xử lý ảnh màu Bài tập „ Viết chương trình con tính histogram „ Viết chương trình con hiển thị histogram trên cửa sổMxN „ Viết chương trình con xử lý điểm theo LUT (LookUpTable) „ Viết chương trình con lọc median „ Viết chương trình con thực hiện tổng chập 2D „ Viết chương trình con thực hiện tổ hợp các ảnh đa phổ „ Viết chương trình con thực hiện chuyển đổi hệ toạ độ màu. Chương trình con tính histogram „ Lưu đồ thuật toán tính histogram i=0; j=0 h[InImage[i] [j]]+=1 j +=1 i +=1 Begin Endj < N i < M F FT T Chương trình con tính Histogram „ Histogram(BYTE * InImage, int M, int N, BYTE *Histo) { int i, j; for(i=0; i<M; i++) for(j=0; j<N; j++) Histo[*(InImage + i*N +j)] += 1; /* Histo[InImage[i][j]] += 1; */ return 0; } Chương trình con xử lý điểm theo LUT (Look-Up-Table) „ Lưu đồ thuật toán i=0; j=0 OutImage[i] [j] = LUT[InImage[i] [j]] j +=1 i +=1 Begin Endj < N i < M F FT T Chương trình con xử lý điểm „ PixelProcessing(BYTE * InImage, int M, int N, BYTE *LUT, BYTE *OutImage) { int i, j; for(i=0; i<M; i++) for(j=0; j<N; j++) OutImage[i][j] = LUT[InImage[i][j]] ; return 0; }