Лекция 16. Методы улучшение визуального качества изображений
Все основное множество методов, которые решают задачу преобразования изображений с целью улучшения их визуального качества и повышения информативности, можно разделить на методы обработки в частотной и пространственной областях. Для обработки изображений в пространственной области наибольшее распространение получили методы пяти классов:
1) методы растяжения;
2) гистограммные методы;
3) ранговые методы;
4) разностные методы;
5) методы преобразования локальных контрастов.
Наиболее развитыми средствами для реализации систем обработки изображений в настоящее время обладает система MATLAB. В среде MATLAB реализованы многие известные методы обработки изображений.
MATLAB предоставляет средства интерактивной работы с изображениями в различных графических форматах, включая:
Изменение масштаба изображения;
Изменение яркости и контрастности;
Поворот изображения;
Многие виды фильтрации;
Конвертирование графического формата.
а также предоставляет средства кросс-корреляционной обработки изображений, что необходимо при получении количественной оценки степени близости объектов на изображениях с их эталонными описаниями.
Существенно, что MATLAB не только дает возможность воспользоваться готовыми функциями для обработки изображений, но дорабатывать их и разрабатывать собственные, т.к. пользователю доступны исходные тексты функций.
Для улучшения визуального качества изображений в MATLAB предусмотрены программные средства регулировки яркости и контрастности, ранговый фильтр (ordfilt2), адаптивный фильтр (wiener2), фильтр Лапласа (laplacian), фильтр повышения резкости (unsharp). Для выделения границ областей изображений предназначена функция edge, которая реализует 6 методов: Собеля (log), Превита (prewitt), Робертса, Гаусса-Лапласа, пересечения по нулям, Канни.
Средства регулировки яркости и контрастности
Улучшение изображения может быть получено путем регулировки яркости и контрастности. Функция J = imadjust(I) приводит диапазон яркостей исходного изображения к максимально возможному, например, 0-1 для массивов типа double или 0-255 для массивов типа unit8. Функция J = imadjust(I,[low_in; high_in],[low_out; high_out]) преобразует диапазон яркостей [low_in; high_in] исходного изображения в диапазон [low_out; high_out]. Можно в качестве параметров функции задать пустые скобки []. Это эквивалентно заданию диапазона [0;1]. Диапазон представленных на изображении яркостей пикселов определяет контрастность изображения.
На рис.2.5 приведен пример улучшения визуального качества изображения путем увеличения яркости и контрастности и программа, обеспечивающая увеличение яркости и контрастности.
А Б В
Рис.2.5. Исходное изображение с низкой яркостью и контрастностью (А), улучшенное изображение с увеличенной яркостью (Б) и контрастностью (В).
I=imread ('mtest.tif');
figure;
subplot(1,3,1);
imshow (I);
title('Исходное изображение');
J=imadjust(I,[0 0.6],[]);
subplot(1,3,2);
imshow (J);
title('Яркость+')
J=imadjust(I,[0.4 0.6],[]);
subplot(1,3,3);
imshow (J);
title('Контрастность+')