Санкт-Петербургский Государственный Электротехнический Университет «ЛЭТИ» Кафедра Биотехнических Систем
Автоматизированный анализ изображений
Анна Юрьевна Виллевальде
к.т.н., доц.
4.1. Признаки в пространственной области 4.1.2. Структурные (вероятностные) признаки изображений
Структурные (вероятностные) признаки изображения являются числовыми характеристиками изображения как двумерного случайного процесса, который описывается совместными распределениями вероятностей элементов этого изображения.
Структурные признаки изображений:
•яркостные характеристики изображения, такие, как гистограмма распределения значений яркости на изображении;
•текстурные характеристики изображения, к которым относятся характеристики случайного процесса, определяющие его корреляционные свойства, такие, как автокорреляционная функция изображения и др.;
•признаки стохастической геометрии и др.
Яркостная характеристика: Трехмерное представление двумерного изображения
Автоматизированный анализ изображений |
2 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Анализ изображений биоматериалов
На основании анализа профилей поверхности могут быть рассчитаны параметры шероховатости поверхности барьерного и пористого слоев анодных оксидных пленок
АСМ-изображения поверхности барьерного слоя оксида Al и пористого слоя оксида Ti (АСМ – атомный силовой микроскоп)
Автоматизированный анализ изображений |
3 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Гистограмма изображения
Гистограмма изображения отражает количественное распределение пикселей по значениям (уровням, градациям) яркости.
Она обеспечивает описание общего вида изображения и помогает идентифицировать различные компоненты изображения, такие, как фон, объекты и шумы.
Гистограмма изображения H – это функция, определенная на шкале уровней яркости таким образом, что количество пикселей, соответствующее значению яркости k, составляет
k – уровень яркости,
nk – количество пикселей в изображении с уровнем яркости k, n = Σ nk – полное число пикселей изображения.
В случае полутонового изображения, имеющего 256 градаций яркости (яркостное разрешение 8 бит), шкала уровней яркости задается от 0 до 255.
nk
255
Автоматизированный анализ изображений |
4 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Гистограмма изображения
Гистограмма отображает, какие уровни яркости встречаются на изображении чаще, а какие реже.
Диапазон тонов гистограммы делят на три части :
•тень (области низкой яркости);
•светлая область (области высокой яркости);
•средние тона (области средней яркости).
Автоматизированный анализ изображений |
5 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Гистограмма изображения
Автоматизированный анализ изображений |
6 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Гистограмма изображения
М. б. построены линейная и кумулятивная гистограммы. По горизонтальной оси в обоих случаях – уровень яркости. Для уровня яркости k вертикальная ось линейной гистограммы соответствует количеству пикселей nk со значением яркости k, а вертикальная ось кумулятивной гистограммы – проценту пикселей, значения яркости которых ≤ k.
|
Для линейной гистограммы функция плотности |
|||||
nk |
распределения вероятности |
|
|
|
|
|
Hlin |
(k) = nk |
|
||||
|
|
|
|
|||
|
Hlin(k) количество пикселей с яркостью k. |
|||||
|
Функция вероятности P |
(k) =n |
k |
/ n |
||
|
lin |
|
|
|
|
|
kPlin(k) вероятность того, что яркость пикселя равна k.
Для кумулятивной гистограммы функция плотности
распределения вероятности |
|
|
k |
||
Hcum(k) |
Hсum(k) = ∑nk |
|
|
0 |
|
Hcum(k) – количество пикселей, яркость которых |
||
меньше или равна k. |
k n |
|
Функция вероятности Pсum(k) = ∑ k
0 n
kPcum(k) – вероятность того, что яркость пикселя меньше или равна k.
Автоматизированный анализ изображений |
7 |
4.1.Признаки в пространственной области
4.1.2.Структурные (вероятностные) признаки изображений
Гистограмма изображения
Вертикальная ось гистограммы может иметь линейный или
логарифмический масштаб.
Log nk
nk
k |
k |
Применение логарифмического масштаба позволяет обнаружить значения яркости, которым соответствует небольшое число пикселей.
Эти значения могут казаться неиспользованными, если гистограмма представлена в линейном масштабе.
При логарифмическом масштабе вертикальная ось гистограммы представляет собой логарифм количества пикселей с определенным уровнем яркости.
Мало используемые значения яркости становятся более заметными за счет преобладающих уровней яркости.
Автоматизированный анализ изображений |
8 |