1.2. Загальна характеристика методів покращення цифрового зображення;

Якщо зображення об'єктів на сцені не є однорідними, містять тіні, бліки, текстури. Зауважимо, що фон за реальних умов також є неоднорідним. Це не дає змоги ефективно цілісно відділяти згадані об'єкти від фону. Отже, актуальною постає задача отримання таких цифрових зображень сцени, на яких можна ефективно цілісно відділити об'єкти від неоднорідного фону. Крім того, за реальних умов часто необхідно вирішити і багато інших задач: підвищення чіткості зображень; компенсація спотворень, отриманих в результаті вібрацій, яким може піддаватися сенсор, компенсація неоднорідності чутливості ПЗЗ матриці,компенсація дефектів сенсора, компенсація спотворень, отриманих внаслідок аналогово-цифрового перетворення; компенсація турбулентності тощо. Для розв'язання цих та інших задач пропонується спосіб, що полягає у специфічній комбінації операцій фільтрації і вирівнювання гістограми зображення.

До існуючих способів вирішення проблеми цифрового опрацювання зображень для ефективного відділення об'єктів від фону належать способи, що ґрунтуються на фільтрації у частотній чи просторовій областях, відніманню зображень, вирівнюванню гістограм зображень тощо .Проте вони не дають змоги отримати зображення сцени, що придатні для коректного автоматичного відділення силуетів об'єктів з складною структурою від фону.

Для дослідження лінійних систем у частотній області використовують частотну характеристику H(jw). Частотна H(jw) і імпульсна h(х) характеристики лінійної системи пов’язані між собою парою перетворень Фур’є.

Частотна характеристика має просту інтерпретацію – вона являє коефіцієнт передачі гармонійного сигналу з частотою w із входу лінійної системи на її вихід .У загальному випадку H(jw) має комплексні значення і пов'язує спектральні щільності вхідного і вихідного сигналів простою залежністю.Відповідно до теореми згортки перетворення Фур'є від двох згорнутих функцій дорівнює добуткові їхніх фур'є-перетворень.Це перемножування в частотній області відповідає фільтрації вхідної функції передатною функцією. Поняття фільтрації в техніці обробки зображень часто застосовується і в просторовій області.

Таким чином, система, поводження якої описане в часовій (просторовій) області, може бути описана і в частотній області.

1.2.1. Методи просторової області;

Методи просторової області - це методи операцій з масками,результат перетворення зображення залежить не тільки від рівнів сірого в точці (х,у),але і від рівнів сірого її сусідів.Маска-це малий,наприклад 3х3 двовимірний масив,показаний на рис. 1,б. Коефіцієнти маски записують у вигляді матриціі підбирають для виявлення певних властивостей зображень.Для позначення масок також використовують терміни:фільтр,фільтруюча маска ,ядро,шаблон або вікно.

	r1	r2	r3
…	r4	r5	r6	…
	r7	r8	r9

а

w1	w2	w3
w4	w5	W6
w7	w8	w9

б

Рис.1.Ділянка зображення із значенням пік селів від r1 до r9 (а);

Маска 3х3 з коефіцієнтами wі, і=1,2,…,9 (б)

Ідея операції з сусідами полягає в тому,що пікселу призначається значення функції від маски і його сусідів.якщо wі (і=1,2,…,9) є коефіцієнтами, а rі(і=1,2,…,9) – рівні сірого для центральногопвксела околу 3х3 (х5,у5) та його 8 сусідів,то перетворює зображення g(х,у) може бути отримано за формулою

g(х,у)=

Далі центр маски пересувається від піксела до піксела вздовж зображення.При кожній локалізації маски і відповідні рівні сірого тону можна записати як вектори-стовпці:

= і =

Тому праву частину рівняння можна подати скалярним добутком:

де Т означає векторне транспонування.

Якщо припустити wi=1/9, i=1,2,…,9(рис.2,а)то ця операція дає середнє значення пік селів в області 3х3 з центром у r5.Належно підбираючи коефіцієнти і застосовуючи маску до кожної позиції піксела у зображенні, можна виконати різноманітні корисні операції над зображенням, такі як зменшення шуму,визначення ізольованих точок,ліній тощо.

1/9	1/9	1/9		-1	-1	-1
1/9	1/9	1/9		-1	8	-1
1/9	1/9	1/9		-1	-1	-1

а б

Рис.2.Маска для знаходження середнього значення (а);

Маска для виявлення ізольованих точок(б)

Зауважимо.що запис є узагальнюючий і його можна застосувати для масок довільного розміру.Наприклад,для масок nхn ми маєму справу з n² – мірним вектором.

Задача виявлення ізольованих точок застосовується під час усунення шуму і дослідження частинок на зображенні. Основна маска для виявлення ізольованих точок показана на Рис.2,б. Ізольована точка знайдена,якщо

де Т – невід'ємний поріг. Значення Т встановлює відносний рівень сірого тону, з якого ми вважаємо точку частинкою у зображенні.

Маска для виявлення ліній

Наступний рівень складності – це виявлення ліній у зображенні. Розглянемо маски на рис.3, а – г. Якщо перша маска рухається вздовж зображення ,то це відповідає лінія орієнтованим горизонтально,товщиною в один піксел. За умови постійного фону,максимальне значення отримується, якщо лінія проходить через середній рядок маски.

Якщо – вектори, сформовані з 4 – х масок на рис.3,то обчислюємо значення

× ×

-1	-1	-1		-1	2	-1		-1	-1	2		2	-1	-1
2	2	2		-1	2	-1		-1	2	-1		-1	2	-1
-1	-1	-1		-1	2	-1		2	-1	-1		-1	-1	2

а б в г

Рис.3.Маски для виявлення ліній:

а – горизонтальних; б – вертикальних, в – (+45°); г – під (-45°)

для всіх значень крім . Наприклад, якщо × більше ніж × , 2,3,4, то область зображення ,задана вектором ,характеризується горизонтальною лінією,адже перша маска дає найбільшу реацію.