- •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
47. Нелинейные методы контрастирования изображений
В нелинейных системах обнаружения перепадов для контрастирования перед пороговым ограничением используются нелинейные комбинации значений яркости элементов изображения. Среди существующих нелинейных методов можно выделить алгоритмы: Робертса, Превитта, Собела, Кирша и Уоллиса.
Ряд нелинейных операторов выделения контуров использует вычисление модуля градиента яркости:
где X и Y – частные производные, характеризующие скорость изменения яркости по двум направлениям.
Роберт для выделения перепадов предложил следующую операцию нахождения величин X и Y :
При построении оператора Робертса используется тот факт, что для определения перепада яркости можно использовать производные (разности) в любых двух взаимно перпендикулярных направлениях. Отмечая тот из четырех элементов изображения, расположенных около обнаруженной точки, который имеет наибольшее значение яркости, можно получить информацию о приблизительной ориентации перепада.
Реализация масок размером 2 × 2 неудобна, так как у них нет четко выраженного центрального элемента. Метод, при котором используется маски размером 3 × 3 предложил Превитт. Алгоритм используется модуль вектора градиента и для нахождения величин X и Y.
Собел модифицировал данный алгоритм и предложил использовать весовой коэффициент 2 для средних элементов, что позволяет уменьшить эффект сглаживания за счет придания большего веса средним точкам.
Представленные маски применяются для получения составляющих градиента X и Y . Для вычисления величины градиента эти составляющие, а, соответственно, и маски, необходимо использовать совместно. Для уменьшения объема вычислений можно применять другие приближенные выражения:
Для оператора Робертса приближенные выражения не являются одинаково чувствительными к границам с любой ориентацией. Для строго вертикальных или горизонтальных линий все выражения дают одинаковые результаты, но для линий с наклоном 45º приближенные значении могут отличаться от точного. Для операторов Превитта и Собела вопрос изотропности не возникает, так как сами маски инвариантны лишь для поворотов на углы, 90º.
Уоллис предложил нелинейный метод обнаружения перепадов, основанный на гомоморфной обработке изображения. Согласно этому методу, точка находится на перепаде, если величина логарифма от яркости в этой точке превосходит среднее значение логарифмов яркостей четырех ближайших соседних элементов на некоторое фиксированное значение.
Существуют три основных типа ошибок, связанных с определением положения перепадов яркости: 1) пропуск истинных перепадов; 2) ошибка в определении их положения; 3) принятие шумовых выбросов за перепад (ложное обнаружение).
Некоторые детекторы позволяют определять высоту, крутизну и ориентацию перепада. Для этих детекторов полезно определить среднеквадратическое отклонение этих параметров от их истинных значений, усредненное по всем истинным точкам перепадов, которые совпадают с обнаруженными точками.