Добавил:
Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Скачиваний:
19
Добавлен:
04.09.2023
Размер:
3.05 Mб
Скачать

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Линейные фильтры. Градиентный фильтр

–1

–1 0

–1

–1 0

0

0

0

–1

1 1

= –1

0

1

+ 0

1

0

0

1

1

0

1

1

0

0

0

Фильтрация с применением второго ядра свертки с правой стороны равенства воспроизводит исходное изображение.

Размер границ отфильтрованного изображения изменяется в зависимости от размера ядра свертки: чем больше элементов содержит ядро, тем шире выделенные границы.

3 × 3

5 × 5

7 × 7

К градиентным фильтрам относятся фильтры Превитта и Собела, вид ядер свертки которых представлен в Приложении к Учебному пособию.

Автоматизированный анализ изображений

21

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Линейные фильтры. Фильтр лапласиан

Фильтр лапласиан осветляет изменения яркости, окружающие пиксель, выделяет контур объектов и подчеркивает детали изображения. В отличие от градиентного фильтра он действует по всем направлениям.

Ядро свертки:

 

 

 

a

d

c

 

 

 

 

 

 

b

X

b

 

 

 

 

 

c

d

a

 

 

 

 

a, b, c и d – целые (отрицательные или ноль).

Исходное

Выделение границ

Осветление границ

изображение

 

 

Автоматизированный анализ изображений

22

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Линейные фильтры. Фильтр лапласиан

Фильтр лапласиан производит два различных эффекта в зависимости от

того, равен или больше его центральный коэффициент x сумме модулей

окружающих его коэффициентов: x 2(

 

a

 

+

 

b

 

+

 

c

 

+

 

d

 

)

 

 

 

 

 

 

 

 

Исходное

 

 

 

Отфильтрованное

 

 

 

 

Если центральный коэффициент равен

изображение

Лапласиан # 1

изображение

 

 

 

 

 

 

 

 

 

этой сумме, лапласиан выделяет пиксели

 

–1

–1

–1

 

 

 

 

 

при обнаружении значительных различий

 

 

 

 

 

 

в яркости. Эти различия могут быть

 

 

 

 

 

 

 

 

 

 

–1

8

–1

 

 

 

 

 

обусловлены присутствием острых краев,

 

 

 

 

 

 

резких границ между объектами,

 

 

 

 

 

 

 

 

 

 

–1

–1 –1

 

 

 

 

 

изменений в текстуре фона, шумов и

 

 

 

 

 

 

других эффектов. Преобразованное

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

изображение содержит белые контуры на

 

Лапласиан # 2

черном фоне.

 

Если центральный коэффициент больше

 

 

 

 

 

 

 

 

 

 

–1

–1

–1

этой суммы, лапласиан выделяет те же

 

 

 

 

 

 

 

 

 

изменения, которые упомянуты ранее, но

 

–1

9

–1

накладывает их на исходное

 

 

 

 

 

 

 

 

 

изображение. Преобразованное

 

–1

–1

–1

изображение выглядит как исходное

 

 

 

 

 

 

 

 

 

изображение с осветленными областями

 

 

 

 

 

 

 

 

 

со значительными изменениями яркости.

Автоматизированный анализ изображений

23

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Линейные фильтры. Фильтр лапласиан

–1

–1

–1

–1

–1

–1

0

0

–1

9 –1

= –1

8 –1

+ 1

0

–1

–1

–1

–1

–1

–1

0

0

Больший центральный коэффициент соответствует осветлению фильтром менее выдающихся деталей изображения. Фильтр, в основе которого лежит второе ядро с правой стороны равенства, воспроизводит исходное изображение.

Размер ядра: Чем больше ядро фильтра, тем шире выделенные границы.

3 × 3

5 × 5

7 × 7

Вид ядер свертки лапласианов представлен в Приложении к Учебному пособию.

Автоматизированный анализ изображений

24

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Нелинейные фильтры

Нелинейные фильтры заменяют каждое значение яркости пикселя нелинейной функцией значений яркости окружающих его пикселей. Как и линейные фильтры, нелинейные фильтры оперируют с окрестностью пикселя.

Нелинейный фильтр Превитта – это фильтр высоких частот, который выделяет внешние контуры объектов. Он осветляет значительные перепады яркости вдоль вертикальной и горизонтальной осей изображения. Каждому пикселю ставится в соответствие максимальное из значений его горизонтального и вертикального градиентов, полученных при помощи следующих ядер свертки Превитта:

Kernel # 1

–1 0 1

–1 0 1

–1 0 1

Kernel # 2

–1 –1 –1

0 0 0

1 1 1

Bi, j = max{ Bi+1, j1 Bi1, j1 + Bi+1, j Bi1, j + Bi+1, j+1 Bi1, j+1 , Bi1, j+1 Bi1, j1 + Bi, j+1 Bi, j1 + Bi+1, j+1 Bi+1, j1}.

Автоматизированный анализ изображений

25

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Нелинейные фильтры

Нелинейный фильтр Собела – это фильтр высоких частот, который выделяет внешние контуры объектов. Он осветляет значительные перепады яркости вдоль вертикальной и горизонтальной осей.

Каждому пикселю ставится в соответствие максимальное из значений его горизонтального и вертикального градиентов, полученных при помощи следующих ядер свертки Собела:

Kernel # 1

–1 0 1

–2 0 2

–1 0 1

Kernel # 2

–1 –2 –1

0 0 0

1 2 1

Bi, j = max{ Bi+1, j1 Bi1, j1 + 2Bi+1, j 2Bi1, j + Bi+1, j+1 Bi1, j+1 , Bi1, j+1 Bi1, j1 + 2Bi, j+1 2Bi, j1 + Bi+1, j+1 Bi+1, j1}.

Автоматизированный анализ изображений

26

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Нелинейные фильтры

Вследствие наличия разных ядер нелинейный фильтр Превитта подчеркивает в основном криволинейные контуры, тогда как нелинейный фильтр Собела выделяет прямоугольные контуры. Эти различия лучше всего заметны на отдельных пикселях.

Исходное

Фильтр

Фильтр

изображение

Превитта

Собела

Автоматизированный анализ изображений

27

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Нелинейные фильтры

Нелинейный градиентный фильтр осветляет контуры, когда изменения яркости происходят вдоль вертикальной оси.

Новое значение яркости пикселя – максимум из значений модуля отклонения его яркости от яркости его верхнего соседа и модуля отклонения яркости двух его соседей слева:

Bi-1, j-1

Bi, j-1

Bi, j = max{ Bi, j1 Bi, j , Bi1, j1 Bi1, j }

 

Bi-1, j

Bi, j

 

Фильтр Робертса подчеркивает контуры, осветляя пиксели, когда изменение яркости происходит вдоль диагональной оси.

Новое значение яркости пикселя – максимум из модуля отклонения его яркости от яркости его верхнего левого соседа и модуля отклонения яркости двух других его соседей:

Bi-1, j-1

Bi, j-1

Bi, j = max{

 

Bi1, j1

Bi, j

 

,

 

Bi, j1

Bi1, j

 

}

 

 

 

 

 

 

 

 

 

 

Bi-1, j

Bi, j

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Автоматизированный анализ изображений

28

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация. Выделение контуров

Нелинейные фильтры

Дифференцирующий фильтр проводит контуры, осветляя пиксель, если изменение яркости происходит между ним самим и его тремя соседями справа.

Новое значение яркости пикселя – максимальное из отклонений его значения яркости от значений яркости его соседей справа:

Bi-1, j-1

Bi, j-1

Bi, j = max{

 

Bi1, j Bi, j

 

,

 

Bi1, j1

Bi, j

,

 

Bi, j1 Bi, j

}

 

 

 

 

 

 

 

 

 

 

Bi-1, j

Bi, j

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

 

Развитие представленных методов пространственной фильтрации изображений заключается в увеличении количества элементов сканирующей апертуры от 3 × 3 до 17 × 17 и более, если позволяют вычислительные средства, а также во введении дробных весовых коэффициентов, учитывающих значения яркостей элементов апертуры, окружающих центральный элемент.

Автоматизированный анализ изображений

29

5.1.Методы обработки в пространственной области

5.1.2.Амплитудные преобразования. Пространственная фильтрация

Низкочастотные сверточные фильтры

Низкочастотные фильтры уменьшают изменения яркости. Они размазывают изображение, стирая детали и размывая края.

Сглаживающий фильтр имеет ядро

a

d

c

 

 

 

b

X

b

 

 

 

c

d

a

 

 

 

a, b, с и d целые, x = 0 или 1.

Поскольку все коэффициенты сглаживающего ядра положительны, каждый центральный пиксель является взвешенной суммой своих соседей.

Чем больше вес соседних пикселей (окрестности), тем больше их влияние на новое значение центрального пикселя.

Исходное

Отфильтрованное

изображение

изображение

Автоматизированный анализ изображений

30

Соседние файлы в папке Лекционный материал