Скачать 59.73 Kb.
|
Анализ и синтез гистограмм как инструмент обработки серий изображений. Расширение понятия подобия изображений В. А. Аринин1 1 Институт физики взрыва Российского НИИ экспериментальной физики Российского Федерального ядерного центра. 607190, Нижегородская обл., г. Саров, п т Мира 37. VA.Arinin@gdd.vniief.ru В данной работе описаны специфические поэлементные операции с изображениями, основанные на анализе и синтезе гистограмм. Под изображением понимается участок существенно двумерной непрерывной функции, заданной на дискретной решетке, нормированной на интервал [0;1]. Здесь не рассматриваются изображения с вырожденной гистограммой, то есть, содержащие большие константные участки или малое число уровней квантования. Под гистограммой подразумевается распределение функции изображения, в нашем случае дискретное, сумма (или площадь) которого нормирована на 1. Подобная нормировка делает операции инвариантными относительно пиксельных размеров изображения и разрешает без потери общности изменение размеров решетки дискретизации (ресемплирование) в случае плохо обусловленных гистограмм. ^ Анализ и синтез гистограмм позволяет производить специфические поэлементные функциональные преобразования изображений. Данные преобразования легко автоматизируются, что делает возможным их применение к большим сериям. Вводится новое понятие схожести изображений, основанное на их гистограммном анализе. Новый критерий существенно шире корреляционного подобия, в частности пара изображений, связанная взаимооднозначным функциональным преобразованием, в том числе класса негатив-позитив, считается эквивалентной. Перечислим основные действия над изображениями, связанные с анализом и синтезом гистограмм. ^ Если не принято специальных мер, анализ гистограммы изображения позволяет определить аппаратную разрядность АЦП устройств ввода изображений (камер, сканеров, видеокарт) и факт функционального преобразования квантованных данных. ^ Применяется для устранения влияния точек, царапин, бликов на общий контраст изображения. Сущность подрезки следующая. Пусть в светах участок гистограммы в 0,01 (1% от суммы гистограммы) соответствует амплитуде изображения в 0,15 от общей (15% от самого яркого до амплитуды, отсекающей 0,01 гистограммы). Потребуем, чтобы этот участок гистограммы занимал меньший диапазон по амплитуде, например 0,01. Тогда амплитуда малых ярких участков изображения, например, бликов, уменьшится в 15 раз, а полный контраст изображения увеличится в 1(0,150,01)1,16 раз. В отличие от обычной амплитудной подрезки, такое преобразование взаимнооднозначно, более того, существует однотипное обратное преобразование: 0,01 гистограммы в светах необходимо преобразовать к 0,15 амплитуды. Отметим, что подрезка определена не только по краям (в тенях и светах), но и для любого участка изображения и легко поддается автоматизации. Основное назначение подрезки косметические операции с изображениями и их сериями, улучшающие их восприятие. ^ Часто серии изображений необходимо провести к единой амплитуде, например для суммирования. В случае, если на изображениях имеются разнородные артефакты (проколы, царапины и другие точечные дефекты), простое приведение амплитуд не приводит к желаемому эффекту. Пользуясь тем, что однородные изображения имеют схожие гистограммы, можно выбрать два далеко отстоящих по амплитуде характерных участка гистограммы (например, ярко выраженные экстремумы) и использовать разность амплитуд между ними для определения нормировочных коэффициентов. На рисунке 1 нормировка по амплитуде двух изображений производится по крайним максимумам их гистограмм. Отметим, что реальные гистограммы весьма «рыхлые», поэтому экстремум необходимо искать через аппроксимацию гладкими функциями по критерию МСКО (правая и левая колонки рисунка 1). ![]() Рис. 1. Приведение амплитуд изображений через анализ их гистограмм ^ Если гистограмма изображения не вырождена, то ее можно привести к любой другой невырожденной гистограмме взаимноодноз начным преобразованием функции изображения. Понятно, что это утверждение не совсем точно для дискретных изображений, но ошибка преобразования может быть уменьшена до любого наперед заданного значения за счет увеличения размера решетки дискретизации. Это позволяет приводить (синтезировать) гистограмму одного изображения к гистограмме другого. Пусть имеются два изображения. Для определения передаточной функции, преобразующей гистограмму первого изображения к гистограмме второго, воспользуемся тем, что если отсечь от обеих гистограмм равную долю площади, то пара амплитуд, соответствующая этим точкам разбиения гистограмм, принадлежат передаточной кривой: амплитуда первого изображения (преобразуемого) абсциссе, второго изображения (образца) ординате. Изменяя отношение площадей разбиения от минимального до максимального, получим искомую переходную характеристику. Отметим, что в дискретном случае точки не ложатся на кривую точно, поэтому собственно кривую следует получать аппроксимацией, для чего хорошо подходят параметрические кубические сплайны с дополнительным условием взаимооднозначности получаемой функции. Синтез гистограмм и связанное с ним функциональное преобразование позволяет решать множество прикладных задач массовой обработки изображений одной и той же сцены. Так, можно привести к одному функциональному виду изображение, полученное на фотопленке и на ПЗС матрице, стандартизировать изображения, получаемые с камер длительного наблюдения, корректировать грубые ошибки в цветопередаче по образцу, восстанавливать старые фильмы с плавными изменениями яркости и контраста от кадра к кадру. Отметим, что изображение-образец может быть виртуальным, ведь преобразование определяется не его контекстом, а его гистограммой. Это позволяет производить весьма гибкое управление контрастом и применять более эффективные алгоритмы раскраски монохромных изображений в технических приложениях. На рисунке 2 показано, как гистограмма контрастного изображения «гриб» приведена к гистограмме малоконтрастного изображения «ребенок». В результате получено малоконтрастное изображение «гриб_2» с хорошей проработкой деталей в тенях. ![]() «гриб» исходное изображение ![]() ![]() Рис. 2. Приведение гистограммы одного изображения к гистограмме другого Различие и эквивалентность изображений Н «ребенок» образец «гриб_2» результат приведения гистограмм азовем два изображения эквивалентными, если одно из них есть результат взаимнооднозначного функционального преобразования другого. Тогда для изображений A, B и C верно следующее утверждение: если A эквивалентно C и B эквивалентно C, то A эквивалентно B. Пользуясь этим, определим меру различия двух изображений следующим образом. Пусть A и B сравниваемые изображения, приведенные к интервалу [0;1], а C изображение, значения которого есть независимая от координат случайная величина с равномерным распределением в том же интервале. Так как гистограмма по определению неотличима от функции распределения, то гистограмма изображения C равномерна, то есть g(c)const (здесь c значения изображения C). Построив, как описано выше, функции преобразования изображения A к C, и B к C и выполнив эти преобразования, получим изображения A' и B', гистограммы которых так же равномерны. Абсолютной мерой различия исследуемых изображений d будем считать среднее значение величины d', вычисляемой следующим образом: ![]() ![]() ![]() Выводы Несмотря на простоту, экспертиза, сравнение и преобразование изображений, основанные на анализе и синтезе их гистограмм, позволяют решать широкий круг прикладных задач в изобразительной, технической и аналитической областях цифровой обработки изображений. |
![]() | Обработка изображений Цель дисциплины – изучение современных алгоритмов интеллектуального анализа и обработки изображений | ![]() | Задача оценивания параметров геометрических деформаций последовательностей... В работе анализируются достоинства и недостатки псевдоградиентного подхода к решению указанной задачи. Рассмотрены возможности преодоления... |
![]() | Тхе Чуен разработка методов и технологии обработки трехмерных изображений... Специальность 05. 13. 01 – Системный анализ, управление и обработка информации (промышленность) | ![]() | Методика оптимизации параметров для алгоритмов обработки изображений... Методика оптимизации параметров для алгоритмов обработки изображений сканированных страниц1 |
![]() | Анализа и синтеза у дошкольников с нарушениями речи. Нарушение речи... Таким узловым образованием, ключевым моментом в системе коррекции общего речевого недоразвития являются фонематическое восприятие... | ![]() | Таблицы оригиналов и изображений Таблица оригиналов и изображений дискретных функций для модифицированного дискретного преобразования Лапласа |
![]() | Методы оценивания цвето-текстурных параметров биомедицинских диагностических изображений Целью работы является разработка признаков для классификации изображений лейкоцитов. Рассматриваются классы: эозинофилы, базофилы,... | ![]() | 1, С. В. Дегтярев 1 1 Метод предварительной обработки аэрокосмических ортотрансформированных изображений |
![]() | Предоперационное планирование хирургии таза и нижних конечностей... Предоперационное планирование хирургии таза и нижних конечностей с использованием обработки изображений компьютерной томографии | ![]() | Построчное агрегирование переменных в алгоритме динамического программирования... |