digitaalinen kuvank sittely
Download
Skip this Video
Download Presentation
Digitaalinen kuvankäsittely

Loading in 2 Seconds...

play fullscreen
1 / 23

Digitaalinen kuvankäsittely - PowerPoint PPT Presentation


  • 88 Views
  • Uploaded on

Digitaalinen kuvankäsittely. 4. harjoitus: S uodatus paikkatasossa. Käytännön järjestelyistä. K äytä unix-konetta Siirry hakemistoon: / p/edu/Maa-57.231/Dkk/H7/ Käynnistä MatLab: ensin ” use matlab ” - sitten ” matlab ”

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about ' Digitaalinen kuvankäsittely' - talon


An Image/Link below is provided (as is) to download presentation

Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
digitaalinen kuvank sittely

Digitaalinen kuvankäsittely

4. harjoitus:

Suodatuspaikkatasossa

k yt nn n j rjestelyist
Käytännön järjestelyistä
  • Käytä unix-konetta
  • Siirry hakemistoon: /p/edu/Maa-57.231/Dkk/H7/
  • Käynnistä MatLab: ensin ”use matlab” - sitten ”matlab”
  • Jos kyseiseen koneeseen ei ole asennettu MatLabia, niin ota yhteys johonkin toiseen koneeseen.
k yt nn n j rjestelyist1
Käytännön järjestelyistä
  • MatLab - Image Processing Toolbox - Demos!
  • Raportit palautetaan huoneen M225 vieressä olevaan laatikkoon
  • DL: kahden viikon päästä
  • Vastailen s-postiin, jos tulee kysymyksiä
  • Palautettakin saa antaa
ehostaminen
Ehostaminen
  • Ehostamisessa kuva muokataan paremman näköiseksi
  • Signaalista ja sen virheistä ei tarvita ennakkotietoa
  • Virheitä ei suoranaisesti korjata, kuten entistämisessä tehdään
suodatus paikkatasossa
Suodatus paikkatasossa
  • Kuvaa muokataan paremmaksi tulkintaa varten
  • Kuvan yksityiskohtia voidaan vahvistaa tai hävittää
  • Kuvapikseleille lasketaan uudet arvot vanhan pikselin ja sen ympäristön avulla
  • Maski määrittää pikselin ympäristön (esim. 3x3 tai 5x5)
  • Vain maskin keskimmäisen pikselin arvo muuttuu
  • Maskilla käydään läpi kaikki kuvan pikselit
kuvan pehment minen ja kohinan poisto
Kuvan pehmentäminen ja kohinan poisto
  • Signaalin näytteenotossa tai lähetyksessä syntyy virheitä (kohina)
  • Näitä virheitä voidaan korjatapehmentämällä kuvaa
  • Samalla kuva kuitenkin sumenee
keskiarvosuodatus
Keskiarvosuodatus
  • Lineaarinen suodatus
  • Yksityiskohdat häviävät
  • Kuvan reunat hämärtyvät
  • Käytetään maskia (esim. 3x3)
  • Mitä isompi maski, sitä suurempi vaikutus
esimerkki k eskiarvosuodatus
Esimerkki: keskiarvosuodatus
  • Käsiteltävänä olevan pikselin arvoksi annetaan maskinkeskiarvo:
  • (191+118+134+151+138+134+132+157+115) / 9 = 141
  • Seuraavaksi siirretään maskia seuraavalle pikselille jne...
  • Kaikki kuvan pikselit käydään läpi
mediaanisuodatus
Mediaanisuodatus
  • Epälineaarinen suodatus
  • Mediaanisuodatus poistaa tehokkaasti kohinaa (salt & pepper)
  • Toimii hyvin, jos kohina koostuu pienistä pisteistä, joiden harmaasävyarvot poikkeavat merkittävästi kuvan oikeiden pikselien arvoista
  • Ei hämärrä kuvan reunoja
esimerkki mediaanisuodatus
Esimerkki: mediaanisuodatus
  • Käsiteltävänä olevan pikselin arvoksi valitaan maskin arvojen mediaani
  • Järjestetään arvot ja valitaan niistä keskimmäinen:

(115, 118, 132, 134, 134, 138, 151, 157, 191)

kuvan ter v itt minen
Kuvan terävöittäminen
  • Kuva sumenee esimerkiksi kuvattaessa tai skannattaessa (alipäästösuodatus)
  • Terävöittämisessä korostetaan kuvan viivoja ja yksityiskohtia
  • Myös kohina korostuu
ter v itt minen ensimm isen derivaatan eli gradientin avulla
Terävöittäminen ensimmäisen derivaatan eli gradientin avulla
  • Gradienttia voidaan approksimoida käyttäen Sobelinmenetelmää
  • Sobel-maskit:

x:

y:

  • Maskien arvot kerrotaan vastaavilla kuvapikselien arvoilla
  • Maskin keskellä olevan pikselin uudeksi arvoksi annetaan näiden summa
  • Sitten siirretään maskia
ter v itt minen toisen derivaatan eli laplace operaattorin avulla
Terävöittäminen toisen derivaatan eli Laplace-operaattorin avulla
  • Rotaatioinvariantti
  • Laplacen-operaattorilla on samat ominaisuudet joka suuntaan
  • Laplace-maski:
esimerkki
Esimerkki:
  • Alkuperäinen kuva
slide18
Saadaan tumma kuva, jossa reunat näkyy kirkkaina
  • Muiden piirteiden, kuin reunojen tulkinta vaikeaa
  • Nämä kuvat voidaan yhdistää alkuperäisen kuvan kanssa (High Boost –suodatus)
unsharp masking menetelm
Unsharp masking -menetelmä
  • Toinen tapa terävöittää kuvaa
  • Ylipäästösuodatettu kuva saadaan myös vähentämällä alipäästösuodatettu kuva alkuperäisestä kuvasta
  • Toisin sanoen:

Terävöitetty = Alkuperäinen – Alipäästö

esimerkki unsharp masking
Esimerkki: Unsharp masking

-

=

Ylipäästösuodatettu Alkuperäinen Alipäästösuodatettu

high boost suodatus
High-boost suodatus
  • Unsharp masking –menetelmän yleistys
  • Pyritään vähentämään terävöittämisestä johtuvaa kuvien tummumista
  • Alkuperäistä kuvaa vahvistetaan kertoimella K:

High-boost = K x Alkuperäinen – Alipäästö

= (K-1) x Alkuperäinen + Ylipäästö

esimerkki high boost
Esimerkki: High-boost

-

=

K x

High-boost Alkuperäinen Alipäästösuodatettu

(K = 1.7)

slide23

=

(K-1) x

+

High-boost Alkuperäinen Ylipäästökuva

(K = 1.7)