МИНИСТЕРСТВО НАУКИ И ВЫСШЕГО ОБРАЗОВАНИЯ РОССИЙСКОЙ ФЕДЕРАЦИИ
федеральное государственное автономное образовательное учреждение высшего образования
«САНКТ-ПЕТЕРБУРГСКИЙ ГОСУДАРСТВЕННЫЙ УНИВЕРСИТЕТ АЭРОКОСМИЧЕСКОГО ПРИБОРОСТРОЕНИЯ»
ИНСТИТУТ НЕПРЕРЫВНОГО И ДИСТАНЦИОННОГО ОБРАЗОВАНИЯ
КАФЕДРА 41 |
ОЦЕНКА
ПРЕПОДАВАТЕЛЬ
доц., канд. техн. наук, доц. |
|
|
|
О. О. Жаринов |
должность, уч. степень, звание |
|
подпись, дата |
|
инициалы, фамилия |
ЛАБОРАТОРНАЯ РАБОТА №5
|
ИЗУЧЕНИЕ МЕТОДОВ УПРАВЛЕНИЯ КОНТРАСТНОСТЬЮ ИЗОБРАЖЕНИЙ |
по дисциплине: Мультимедиа технологии |
РАБОТУ ВЫПОЛНИЛ
СТУДЕНТ гр. № |
Z9411 |
|
|
|
Р. С. Кафка |
|
номер группы |
|
подпись, дата |
|
инициалы, фамилия |
Студенческий билет № |
2019/3603 |
|
|
|
|
Шифр ИНДО |
|
Санкт-Петербург 2024
Цель работы: изучить методологию управления контрастностью изображений с целью улучшения их визуального восприятия. Реализовать типовые методы контрастирования изображений в среде Matlab.
Краткие теоретические сведения о цифровых изображениях и методах улучшения их визуальных характеристик, описание применяемых функций обработки изображений.
Цифровые изображения обычно представлены в виде двумерных прямоугольных массивов чисел, где каждый элемент массива соответствует пикселю изображения. Для полутоновых изображений (монохромных) используются одноканальные матрицы, где значение каждого элемента соответствует уровню яркости, обычно в диапазоне от 0 до 255. Цветные изображения кодируются тремя матрицами, соответствующими интенсивностям красного, зеленого и синего цветов.
Методы улучшения визуальных характеристик изображений
Основными методами обработки изображений для улучшения их визуального восприятия являются:
Изменение яркости и контрастности:
Это достигается путем анализа статистических характеристик изображения, особенно гистограммы распределения яркостей.
Эквализация гистограммы (HISTEQ):
Процесс выравнивания гистограммы яркости по всему изображению или его частям для достижения равномерного распределения яркостей, что делает изображение визуально более приятным.
Линейное контрастирование (IMADJUST):
Увеличение контраста за счет растяжения диапазона интенсивностей исходного изображения, включая возможность гамма-коррекции для более тонкой настройки контрастности.
Адаптивное выравнивание гистограммы (ADAPTHISTEQ):
Контрастно-ограниченное адаптивное выравнивание гистограммы, улучшающее контрастность на локальном уровне, полезно для подчеркивания деталей в низкоконтрастных участках.
Описание применяемых функций обработки изображений
HISTEQ:
Выполняет эквализацию гистограммы, что может значительно улучшить контраст, особенно в слабоконтрастных изображениях.
IMADJUST:
Позволяет изменять яркость и контрастность изображений, преобразуя диапазон яркостей изображения с возможностью применения гамма-коррекции.
ADAPTHISTEQ:
Реализует адаптивное выравнивание гистограммы с множеством настраиваемых параметров, таких как ClipLimit и NumTiles, которые влияют на степень и масштаб контрастирования.
Эти методы позволяют не только корректировать изображения, делая их более удобными для восприятия человеком, но и создавать различные визуальные эффекты для художественной обработки.
Индивидуальный вариант
Вариант №8 приведён в таблице 1.
Таблица 1 – Индивидуальный вариант задания
Вариант |
Функция MatLAB |
Параметр |
8 |
adapthisteq(L,'NumTiles',[A B],'ClipLimit',C) |
B |
Ход работы:
Первая часть работы.
Выполнил преобразования исходного изображения с теми же настройками, что и в программе, приведённые в указаниях к выполнению лабораторной работы. Код представлен в листинге 1.
Листинг 1 – MATLAB-программа в виде mat-файла, посредством которой осуществляется обработка выбранного изображения с использованием функций IMADJUST, HISTEQ и ADAPTHISTEQ
I=imread('image.jpg'); figure('Name','Исходное изображение'); imshow(I); figure('Name','Гистограмма исходного изображения'); imhist(rgb2gray(I)); % 1) функция HISTEQ: h=64; % количество столбцов желаемой гистограммы % 1.1) простейший вариант применения: % J1 = histeq(I,h); % 1.2) вариант с выделением матрицы яркости: I_hsv = rgb2hsv(I); % перевод в цветовое пр-во HSV J_hsv = I_hsv; % подготавливаем данные вых. изображения V = I_hsv(:,:,3); % выделение матрицы яркости V_out = histeq(V,h); % эквализация гистограммы J_hsv(:,:,3) = V_out; % изменяем матрицу яркости J1 = im2uint8(hsv2rgb(J_hsv)); % формируем изображение figure('Name','Изображение после эквализации (HISTEQ)'); imshow(J1); figure('Name','Гистограмма после эквализации (HISTEQ)'); imhist(im2uint8(V_out)); imwrite(J1, 'output_image1.jpg') % 2) функция IMADJUST: MinMaxValues = stretchlim(I); J2 = imadjust(I,MinMaxValues,[]); figure('Name','Линейно-контрастированное изображение'); imshow(J2); figure('Name','Гистограмма после IMADJUST'); imhist(J2); imwrite(J2, 'output_image2.jpg') % 3) функция ADAPTHISTEQ: % у функции есть особенность: исходные данные д.б. от 0 до 1 LAB = rgb2lab(I); L = LAB(:,:,1)/100; % нормировка под диапазон от 0 до 1 L = adapthisteq(L,'ClipLimit',0.02,'Distribution','rayleigh'); LAB(:,:,1) = L*100; % денормировка J3 = lab2rgb(LAB); % обратное преобразование в изображение figure('Name','adapthisteq_Image'); imshow(J3); figure('Name','histogram_adapthisteq_Image'); imhist(uint8(L.*255)); % построение гистограммы imwrite(J3, 'output_image3.jpg'); |
Результаты обработки тестового изображения программой представлены на рисунке 1.
|
|
|
|
|
|
|
|
Рисунок 1 – Результаты обработки тестового изображения программой, текст которой представлен в листинге 1 (слева – изображения, справа – соответствующие им гистограммы яркостей): а) исходное изображение, б) после HISTEQ, в) после IMADJUST, г) после ADAPTHISTEQ
Наблюдаемые визуальные эффекты в изображениях после обработки:
Функция HISTEQ (Эквализация Гистограммы):
Контрастность изображения увеличилась, особенно заметно в темных участках. Детали стали более различимыми без радикального изменения общих цветов.
Функция IMADJUST (Регулировка Контрастности):
Изображение стало ярче и чётче, контраст увеличился, визуально более привлекательным, «живым».
Функция ADAPTHISTEQ (Адаптивное Выравнивание Гистограммы):
Максимально увеличило локальный контраст, очень хорошо стали видны детали в низкоконтрастных областях. При этом стали появляться небольшие артефакты в виде гало вокруг тёмных объектов на светлом фоне.