LR5 / Z9411_КафкаРС_ММТ_ЛР5
.pdfПоявление |
Когда B велико, плитки меньше, это |
С меньшим B, плитки становятся |
|||||
артефактов |
приводит |
к |
более |
частому |
больше, и артефакты могут |
||
|
появлению артефактов, таких как |
проявляться |
как общее размытие |
||||
|
"зернистость" или "мозаичность", |
деталей, поскольку |
эквализация |
||||
|
особенно |
в однородных |
областях |
становится |
менее |
способной к |
|
|
изображения. Это происходит из-за |
адаптации |
к мелким локальным |
||||
|
переусердствования в |
попытке |
изменениям яркости. |
|
|||
|
адаптировать гистограмму в малых |
|
|
|
|||
|
областях, |
что |
неестественно |
|
|
|
|
|
усиливает шумы или мелкие детали. |
|
|
|
|||
Общее |
Идеальное значение B зависит от конкретного изображения и задачи. В |
||||||
качество |
нашем случае самый аккуратный и приемлемый результат получился при |
||||||
изображения |
значении B равным 16. Для портретных фотографий меньшее B может |
||||||
|
предпочтительнее для сохранения естественности кожных тонов, в то |
||||||
|
время как для пейзажей с большим количеством деталей (например, |
||||||
|
листья, трава) большее B может лучше подчеркнуть текстуры. |
||||||
11
ВЫВОД
В ходе выполнения лабораторной работы я изучил три основных метода обработки цифровых изображений с помощью MATLAB, включая эквализацию гистограммы (HISTEQ), регулировку контрастности
(IMADJUST), и адаптивное выравнивание гистограммы (ADAPTHISTEQ).
Каждый из этих методов позволил мне исследовать различные аспекты улучшения визуальных характеристик изображений. Вот ключевые выводы и наблюдения, сделанные в ходе работы:
Эквализация Гистограммы (HISTEQ): Применение HISTEQ
значительно улучшило контрастность изображения, особенно в темных и светлых участках. Это сделало детали более различимыми, что особенно ценно для изображений с плохим исходным освещением. Вариант обработки с выделением канала яркости в HSV позволил сохранить оригинальную цветовую палитру, предотвращая искажения цвета, которые часто сопровождают стандартную эквализацию гистограммы по всем каналам.
Регулировка Контрастности (IMADJUST): IMADJUST с автоматически определенными пределами через stretchlim привела к усиленному контрасту,
делая изображение ярче и четче. Этот метод был особенно эффективен для коррекции изображений, страдающих от недостаточной экспозиции. Однако,
важно отметить, что сильное увеличение контраста может подчеркнуть шум и привести к потере деталей в очень темных или светлых областях.
Адаптивное Выравнивание Гистограммы (ADAPTHISTEQ): ADAPTHISTEQ продемонстрировал наиболее значительные улучшения в локальном контрасте, делая его идеальным для детализации изображений с низким контрастом. Однако, для редактирования портретных фотографий данный метод не очень подходит. Несмотря на его эффективность в улучшении детализации, этот метод может интродуцировать артефакты,
такие как гало вокруг контрастных объектов, что может быть нежелательным в некоторых применениях.
12
Все три метода показали свою эффективность в улучшении визуальных характеристик изображений, но каждый имеет свои особенности применения в зависимости от контекста задачи и характеристик исходного материала.
Например, HISTEQ и ADAPTHISTEQ более подходят для ситуаций, когда необходимо максимально усилить контраст и детализацию, в то время как
IMADJUST лучше использовать для общего улучшения яркости и контраста без значительных изменений в цветовой гамме.
На основании проделанной работы я могу заключить, что выбор метода обработки изображений должен основываться на специфических требованиях к визуальным характеристикам конечного результата.
Экспериментирование с различными параметрами и методами позволяет оптимально адаптировать процесс обработки под любые условия и задачи.
13
СПИСОК ИСПОЛЬЗУЕМЫХ ИСТОЧНИКОВ
1.Основы цифровой обработки изображений: учеб. пособие / Жаринов О.О. ГУАП. СПб, 2023. 122 с.
2.Улучшение качества растровых изображений: Учеб. пособие. /
Н.В.Соловьев, А.М.Сергеев. СПб: СПбГУ ИТМО, 2010. 158 с.
3. Обработка изображений в среде Matlab с использованием Image Processing Toolbox: лабораторный практикум / Н.П. Семичевская, Л.А.
Соловцова. Благовещенск: Амурский гос. ун-т, 2005. 32 с.
4.Contrast-limited adaptive histogram equalization (CLAHE) // URL: https://www.mathworks.com/help/images/ref/adapthisteq.html (дата обращения: 11.04.2024)
5.Список функций Image Processing Toolbox // URL:
https://hub.exponenta.ru/post/spisok-funktsiy-image-processing-
toolbox152?ysclid=l8vjnq87jn578408698 (дата обращения: 11.04.2024)
14