- •Обобщенная схема цифровой обработки сигналов
- •3. Основные типы сигналов и их математическое описание
- •2. Типовые дискретные сигналы
- •4. Дискретные экспоненциальные функции
- •Основные свойства дэф
- •5. Дискретное преобразование Фурье и его свойства
- •Свойства дпф[8]:
- •19. Линейная свертка
- •6. Циклическая свертка
- •22. Вычисление сверток при помощи дискретных преобразований
- •10. Корреляция и ее вычисление прямым методом и с помощью дискретных преобразований
- •Вычисление с помощью дискретных преобразований.
- •11. Алгоритм бпф с прореживанием по времени
- •13. Алгоритм бпф с прореживанием по частоте
- •14. Преобразование Уолша-Адамара и его свойства
- •2. Инвариантность к диадному сдвигу.
- •3. Теорема о свертке и корреляции.
- •28. Быстрое преобразование Уолша-Адамара
- •8. Преобразование Хаара
- •9. Вейвлет – преобразование
- •34. Рекурсивные и нерекурсивные цф
- •12. Передаточная функция цф
- •39. Структуры рцф
- •41. Структуры нцф
- •43. Частотные характеристики ких-фильтров и бих-фильтров
- •45. Параметры анализаторов спектра
- •33. Базовая структура анализатора спектра на основе дпф и бпф
- •36. Частотная характеристика анализатора спектра на основе дпф
- •35. Основные параметры весовых функций при спектральном анализе
- •21. Улучшение качества бинарных изображений
- •23. Утоньшение бинарных изображений
- •25. Связность в изображениях
- •26. Бинаризация полутоновых изображений
- •46. Логарифмическое и степенное преобразования для обработки полутоновых и цветных изображений
- •37. Кусочно-линейные функции преобразования для обработки полутоновых изображений
- •18. Принципы и особенности пространственной фильтрации изображений
- •15. Низкочастотная фильтрация изображений в пространственной области
- •48. Подчеркивание границ на полутоновых изображениях
- •16. Глобальные методы улучшения контраста полутоновых изображений
- •17. Линейные методы контрастирования изображений
- •47. Нелинейные методы контрастирования изображений
- •24. Обработка бинарных изображений на основе математической морфологии
- •27. Обработка полутоновых изображений на основе математической морфологии
- •31. Фильтрация изображений в частотной области
- •32. Требования к алгоритмам компрессии
- •2. Высокое качество изображений.
- •4. Высокая скорость декомпрессии.
- •44. Основные шаги стандарта сжатия jpeg
- •Квантование
- •Преобразование 8×8 матрицы дкп-спектра в линейную последовательность.
- •Получившиеся цепочки нулей подвергаются кодированию длин повторений.
- •Кодирование получившейся последовательности алгоритм Хаффмена.
- •49. Требования к мерам, вычисляющим сходство изображений
- •1. Метричность:
- •2. Нормализованность значений:
- •38. Функции схожести корреляционного типа
- •40. Обнаружение повернутых объектов на изображениях
- •50. Методы обнаружения движения в динамических изображениях
- •29. Классификация методов распознавания объектов изображений
- •30. Структурные методы распознавания объектов изображений
- •42. Нейронные сети и распознавание изображений на основе нейронных сетей
- •20. Сегментация изображений с помощью преобразования Хафа
37. Кусочно-линейные функции преобразования для обработки полутоновых изображений
Преобразование с пороговой характеристикой а переводит полутоновое изображение в бинарное.
Преобразование б выполняет яркостный срез изображения, выделяя те его участки, где яркость соответствует выделенному интервалу. При этом остальные участки оказываются полностью “погашенными” (имеют яркость, соответствующую уровню черного). Перемещая выделенный интервал по яркостной шкале и изменяя его ширину, можно детально исследовать содержание картины.
Преобразование в повышает яркость точек из выбранного диапазона, однако сохраняет яркости других уровней.
Преобразование на г позволяет повысить детальность наблюдаемой картины в выбранном диапазоне яркостей, однако в отличие от предыдущего здесь выходное изображение использует полный динамический диапазон.
При д различные яркостные диапазоны одновременно подвергаются локальному яркостному контрастированию. Однако необходимо иметь в виду, что данное преобразование, как и некоторые другие, может сопровождаться появлением ложных контуров на получаемом препарате.
Главное преимущество кусочно-линейных функций заключается в том, что их форма может быть сколь угодно сложной, однако с увеличением их сложности необходимо задавать большее количество параметров, описывающих эти функции.
18. Принципы и особенности пространственной фильтрации изображений
Изображения, сформированные различными информационными системами, искажаются действием помех. Ослабление действия помех достигается фильтрацией. При фильтрации яркость (сигнал) каждой точки исходного изображения, искаженного помехой, заменяется некоторым другим значением яркости, которое признается в наименьшей степени искаженным помехой.
Задача заключается в том, чтобы найти эффективную вычислительную процедуру, которая позволяла бы достигать наилучших результатов.
Применяются различные критерии оптимальности, что также ведет к разнообразию методов фильтрации.
Масочная фильтрация. В качестве маски используется множество весовых коэффициентов, заданных во всех точках окрестности, обычно симметрично окружающих рабочую точку кадра.
Сущность процедуры фильтрации заключается в смещении маски фильтра по изображению с шагом один пиксель слева направо, сверху вниз. При этом отклик задается суммой произведений коэффициентов фильтра на соответствующие значения пикселей в области, покрытой маской фильтра.
Для обработки краев изображений используются следующие приемы:
– Дополнение средним значением. Все недостающие отсчеты считаются равными среднему значению отсчетов последовательности.
– Доопределение повторением крайних отсчетов последовательности.
– Экстраполяция более высокого порядка. Недостающие отсчеты определяются как взвешенная сумма крайних заданных отсчетов последовательности.
15. Низкочастотная фильтрация изображений в пространственной области
В спектре шума содержатся более высокие пространственные частоты, чем в спектре обычного изображения. Следовательно, простая усредняющая или сглаживающая пространственная фильтрация может служить эффективным средством подавления высокочастотных шумов.
П усть отсчеты полезного изображения мало меняются в пределах маски. На изображение накладывается аддитивный шум, отсчеты которого случайны и независимы. В этом случае механизм подавления шума с использованием фильтрации состоит в том, что при суммировании шумы компенсируют друг друга. Эта компенсация будет происходить тем успешнее, чем большее число членов в сумме. При импульсной помехе механизм подавления состоит в том, что импульс «расплывается» и становится менее заметным на общем фоне.
Часто в пределах апертуры значения полезного изображения все же изменяются заметным образом. Это бывает, когда в пределы маски попадают контуры. Маски H1-H3 являются фильтрами нижних частот, подавляющими высокочастотные гармоники и шума, и полезного изображения. Это приводит не только к ослаблению шума, но и к размыванию контуров на изображении.
Медианная фильтрация применяется для устранения эффекта размывания контуров при подавлении шума. При медианной фильтрации используется двумерное окно (апертура фильтра), обычно имеющее центральную симметрию, при этом его центр располагается в текущей точке фильтрации.
Обозначим рабочую выборку в виде одномерного массива
W= {w1, w2,..., wn }; число его элементов равняется размеру окна, а их расположение произвольно. Если упорядочить последовательность по возрастанию, то ее медианой будет тот элемент выборки, который занимает центральное положение в этой упорядоченной последовательности. Полученное таким об-
р азом число и является продуктом фильтрации для текущей точки кадра. Формальное обозначение описанной процедуры представляется в виде: