- •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
48. Подчеркивание границ на полутоновых изображениях
Повышение резкости изображений может быть достигнуто путем численного дифференцирования. Дифференцирование изображения позволяет усилить перепады яркости и другие разрывы (шумы, помехи) и не подчеркивать области с медленными изменениями яркостей.
Для вычисления двумерной второй производной и наложение результата на изображение (высокочастотная фильтрация) используются три маски:
Одной из задач фильтрации изображений с подъемом высоких частот является случай, когда исходное изображение темнее, чем требуется. В этом случае можно варьировать коэффициент усиления высоких частот U > 1 для увеличения общей яркости изображения.
Высокочастотная фильтрация не только улучшает детальность объектов на изображении, но и подчеркивает высокочастотные шумы.
16. Глобальные методы улучшения контраста полутоновых изображений
Слабый контраст – дефект фотографических, сканированных и телевизионных изображений, обусловленный ограниченностью диапазона воспроизводимых яркостей. Путем цифровой обработки контраст можно повысить, изменяя яркость каждого элемента изображения и увеличивая диапазон яркостей/
Предположим, что минимальная и максимальная яркости исходного изображения равны fmin и fmax соответственно. Если эти параметры или один из них существенно отличаются от граничных значений яркостного диапазона, то визуализированная картина выглядит как слабоконтрастная.
Видоизменение гистограммы предусматривает преобразование яркостей исходного изображения с тем, чтобы гистограмма распределения яркостей обработанного изображения приняла желаемую форму.
Одним из методов улучшения контраста является линейная растяжка гистограммы, когда уровням исходного изображения, лежащим в интервале [fmin, fmax], присваиваются новые значения с тем, чтобы охватить весь возможный интервал изменения яркости, в данном случае [0, 255]. При линейном контрастировании используется линейное поэлементное преобразование вида:
параметры которого a и b определяются желаемыми значениями минимальной gmin и максимальной gmax выходной яркости. Решая систему уравнений:
При нормализации гистограммы на весь максимальный интервал уровней яркости [0, 255] растягивается не вся гистограмма, лежащая в пределах [fmin, fmax], а ее наиболее интенсивный участок [fmin’, fmax’], из рассмотрения исключаются малоинформативные начальный и конечный участки.
Кроме этого существует метод видоизменения гистограмм, который обеспечивает экспоненциальную или гиперболическую форму распределения яркостей улучшенного изображения.
17. Линейные методы контрастирования изображений
Принято различать три типа границ (контуров) – вертикальные, горизонтальные и диагональные. Для каждого из этих видов существуют фильтры, которые особенно эффективно выделяют соответствующие контуры. Здесь основной целью является не улучшение изображения, а наоборот, контуры должны быть отделены от всего изображения так, чтобы выходное изображение состояло только из контуров.
Подчеркивание вертикальных перепадов осуществляется горизонтальным (построчным) дискретным дифференцированием (вычислением дискретных производных). В результате формируется некоторое изображение – массив элементов:
Аналогично осуществляется подчеркивание горизонтальных перепадов. В результате получается массив элементов:
Диагональное подчеркивание можно получить путем вычисления разностей уровней диагональных пар элементов изображения.
Горизонтальное подчеркивание перепада также можно выполнить, вычисляя разности яркостей элементов вдоль строки изображения по формуле:
Подобные выражения можно записать и для изменения яркости по вертикали и диагонали.
Для выделения всех линий заданного направления необходимо применить маску к изображению в целом сравнивая абсолютное значение результата отклика маски с заданным порогом. Таким образом, решение о наличии элемента линии на изображении принимается на основе выражения:
где R – результат отклика маски; T – заданный порог.
Оставшиеся при этом точки на изображении и соответствуют наибольшим значениям отклика, которые в случае наличия на изображении линий толщиной в один пиксель наиболее близки к направлению, определяемому маской.
Метод усиления края по Лапласу отличается тем, что он не зависит от направления границы, т.е. края определяются независимо от их типа. Усиление края по Лапласу образует более резкий край, чем при других алгоритмах усиления. Дополнительно определяются края, имеющие как положительное, так и отрицательное изменение яркости.
Функция Лапласа в общем виде записывается следующим образом:
- вторые частные производные по x и y соответственно