- •2. Типовые дискретные сигналы
- •3.Дискретные экспоненциальные функции
- •4. Дискретное преобразование Фурье и его свойства
- •5. Циклическая и линейная свертка
- •6. Преобразование Хаара
- •7. Корреляция, вычисление прямым методом и с помощью дискретных преобразований
- •8. Алгоритм бпф с прореживанием по времени
- •10.Алгоритм бпф с прореживанием по частоте
- •9. Передаточная функция цф
- •11. Преобразование Уолша-Адамара и его свойства
- •12. Низкочастотная фильтрация изображений в пространственной области
- •13. Глобальные методы улучшения контраста полутоновых изображений
- •14. Линейные методы контрастирования изображений
- •15. Принципы и особенности пространственной фильтрации изображений
- •16. Улучшение качества бинарных изображений
- •17. Вычисление сверток при помощи дискретных преобразований
- •18. Обработка бинарных изображений на основе математической морфологии
- •19. Связность в изображениях
- •20. Глобальная бинаризация полутоновых изображений
- •21. Обработка полутоновых изображений на основе математической морфологи
- •22. Быстрое преобразование Уолша-Адамара
- •23. Классификация методов распознавания объектов изображений
- •24. Структурные методы распознавания объектов изображений
- •25. Фильтрация изображений в частотной области
- •26. Базовая структура анализатора спектра на основе дпф
- •27. Цифровые фильтры, их математическое описание, особенности рекурсивных и не рекурсивных
- •28. Основные шаги стандарта сжатия jpeg
- •29. Параметры анализаторов спектра
- •30. Нелинейные методы контрастирования изображений
19. Связность в изображениях
Основной этап при формировании символического описания изображения по массиву элементов или набору простейших признаков заключается в определении геометрических соотношений и связности между элементами, относительно которых предполагается, что они принадлежат одному классу.
Определения
связных элементов изображения. а
-
обозначения элементов окрестности; б
-
изолированный элемент; в
-
внутренний элемент; г
-
граничный элемент; д
-
элемент дуги.
По определению четырехсвязности (под четырехсвязностью здесь понимается связность по четырем направлениям: вверх, вниз и влево, вправо) элемент А и элемент В связаны, если оба обладают свойством S. Аналогично четырехсвязность можно установить между элементом А и элементами Е, С и D, граничащими с А по ребру, при условии, что оба члена пары обладают одним и тем же свойством. Восьмисвязность позволяет связывать элемент А с одним из его соседей по диагонали, например с элементом F, граничащим с А в точке, если оба они обладают одинаковым свойством.
В зависимости от выбранного типа метрики, существуют 8-связные линии (рис.5.32а) и 4-связные линии (рис.5.32б), а также линии со смешанным типом связности (рис.5.32в).
20. Глобальная бинаризация полутоновых изображений
Бинаризация – это преобразование полутонового изображения к одноцветному Преобразование цветного изображения в полутоновое заключается в получении яркости каждой точки по формуле:
Y = 0,3R + 0,59G + 0,11B
и последующем копировании на все три канала полученной величины (R = B = G = Y). где R, G, B – значение красного, зеленого и синего цветов в обрабатываемой точке. Пусть fij – полутоновое изображение, t – порог и b0, b1 – два бинарных значения (для бинарного черно-белого b0 = 0, b1 = 255). Результат порогового разделения – бинарное изображение gij, полученное следующим образом:
Как
видно, основной задачей является выбор
значения t
с
помощью некоторого критерия. Использование
единственного значения порога для всех
пикселей изображения называется
глобальным пороговым разделением.
Существует много способов выбора
порогового значения. Один из наиболее
популярных и широко используемых - метод
мод, в котором используется гистограмма
яркостей пикселей на изображении. Для
изображения с хорошо отличимымиmобъектами
и фоновым режимом гистограмма будет
иметь два различных пикаn
т.е.бимодальную форму. Впадина между
пиками может быть найдена как минимум
между двумя максимумами, а соответствующее
ему значение интенсивности
выбирается как порог, который лучше
всего разделяет два пика.
Однако, имеется ряд недостатков в методе
глобального порогового разделения,
основанном на форме распределения
яркостей: 1. Изображение не всегда
содержит хорошо различимые объект и
фон из-за недостаточного контраста и
наличия шума. 2. В случае редко расположенных
графических объектов, каковыми и являются
графические изображения, пик,
соответствующий объектам, будет значитель
но меньше пика, соответствующего фону.
Локальное
пороговое разделение Методика
локального порогового разделения
основана на разделе первоначального
изображения на меньшие части и определении
порога для каждой части изображения.
