Методы цифровой обработки изображений. Обработка изображений: основные методы
Цифровая обработка изображений
Обработка изображений - любая форма обработки информации, для которой входные данные представлены изображением, например, фотографиями или видеокадрами. Обработка изображений может осуществляться как для получения изображения на выходе (например, подготовка к полиграфическому тиражированию, к телетрансляции и т. д.), так и для получения другой информации (например, распознание текста, подсчёт числа и типа клеток в поле микроскопа и т. д.). Кроме статичных двухмерных изображений, обрабатывать требуется также изображения, изменяющиеся со временем, например видео.
История
Основные методы обработки сигналов
Если обработка применяется к данным, представленным в цифровой форме (в частности, если сигнал переводится перед обработкой в цифровую форму), то такая обработка называется цифровой.
Обработка изображений для воспроизведения
Типичные задачи
- Геометрические преобразования, такие как вращение и масштабирование.
- Цветовая коррекция: изменение яркости и контраста , квантование цвета, преобразование в другое цветовое пространство .
- Сравнение двух и более изображений. Как частный случай - нахождение корреляции между изображением и образцом, например, в детекторе банкнот.
- Комбинирование изображений различными способами.
- Разделение изображения на области.
- Редактирование и ретуширование.
- Расширение динамического диапазона путём комбинирования изображений с разной экспозицией.
- Компенсация потери резкости, например, путём нерезкого маскирования .
Обработка изображений в прикладных и научных целях
Типичные задачи
- Распознавание текста
- Обработка спутниковых снимков
- Машинное зрение
- Обработка данных для выделения различных характеристик
- Обработка изображений в медицине
- Идентификация личности (по лицу, радужке, дактилоскопическим данным)
- Автоматическое управление автомобилями
См. также
Wikimedia Foundation . 2010 .
Смотреть что такое "Цифровая обработка изображений" в других словарях:
- (ЦОС, DSP англ. digital signal processing) преобразование сигналов, представленных в цифровой форме. Любой непрерывный (аналоговый) сигнал может быть подвергнут дискретизации по времени и квантованию по уровню (оцифровке), то… … Википедия
Монохромное черно белое изображение. Обработка изображений любая форма обработки информации, для которой входные данные представлены изображением, например, фотографиями или видеокадрами. Обработка изображений может осуществлятьс … Википедия
У этого термина существуют и другие значения, см. Сигнал (значения). Обработка сигналов область радиотехники, в которой осуществляется восстановление, разделение информационных потоков, подавление шумов, сжатие данных, фильтрация, усиление… … Википедия
- (ЦФС) представляет собой набор специальных программных и аппаратных средств, предназначенных для фотограмметрической обработки данных аэросъёмки и космической съёмки. Обработка цифровых растровых снимков обычно производится в стереоскопическом… … Википедия
- (цифровая карта местности) цифровая модель местности, созданная путем цифрования картографических источников, фотограмметрической обработки данных дистанционного зондирования, цифровой регистрации. ГОСТ 28441 99 даёт такое определение: «Цифровая… … Википедия
В Википедии есть п … Википедия
Сжатие изображений применение алгоритмов сжатия данных к изображениям, хранящимся в цифровом виде. В результате сжатия уменьшается размер изображения, из за чего уменьшается время передачи изображения по сети и экономится пространство для… … Википедия
Цифровая обработка сигналов (англ. digital signal processing, DSP), ЦОС преобразование сигналов, представленных в цифровой форме. Любой непрерывный (аналоговый) сигнал s(t) может быть подвергнут дискретизации по времени и квантованию по уровню… … Википедия
Дизеринг, дитеринг (англ. dither от староанглийского didderen дрожать) при обработке цифровых сигналов представляет собой подмешивание в первичный сигнал псевдослучайного шума со специально подобранным спектром. Применяется при… … Википедия
Разрешение: измеряется обычно в dpi (dot per inch – количество точек на дюйм). Например, на экране монитора разрешение обычно 72 dpi, при выводе на бумагу – 600 dpi, при регистрации на ПЗС-матрице с размером одного элемента 9 мкм разрешение составит почти 3000 dpi. В процессе обработки разрешение можно изменить: на само изображение это не повлияет, но изменится его отображение устройством визуализации.
Количество цветов (глубина цвета) : точнее количество бит, отводимое для хранения цвета, определяется упрощением электронных схем и кратно степени 2. Изображение для хранения информации о цветах которого необходим 1 бит называется бинарным. Для хранения полутоновых (gray scale, gray level) изображений используется обычно 8 бит. Цветные изображения хранятся обычно с использованием 24 бит по 8 на каждый из трех цветовых каналов.
Размер: этот параметр может быть любым, но часто выбирается исходя из особенностей регистрации изображения (например, видеостандарты PAL (625, 4:3), SECAM (625, 4:3), NTSC (525, 4:3)), особенностей последующей обработки (алгоритмы быстрого преобразования Фурье предъявляют особые требования) и т.п. Хотя в последнее время фреймграбберы интерполируют изображение до любых размеров, библиотеки БПФ справляются с изображением любых размеров.
Основные характеристики изображения
Обычно физический сигнал, возникающий в точке, является функцией зависящей от многих параметров (- глубина, – длина волны, – время). Однако мы будем рассматривать статические, и чаще монохроматические изображения.
Для обработки на компьютере изображение должно быть дискретизировано и квановано. Дискретизованное и квантованное изображение называется цифровым. Цифровое изображение представлено в дискретном двумерном пространстве, где – номер строки, а – номер столбца. Элемент, расположенный на пересечении -ой строки и -го столбца называется пиксел (pixel – picture element). Интенсивность пиксела может описываться либо вещественным или целым числом. Относительная интенсивность в вещественных числах обычно изменяется от 0 до 1, а в целых числах от 0 до 255.
Необходимо отметить, что мы будем манипулировать с двумерными изображениями. Под изображением будем понимать функцию двух вещественных переменных, где – это интенсивность (яркость) в точке с координатами.Иногда обработке будет подвергаться не всё изображение, а некоторая его часть,которую в англоязычной литературе принято называть region-of-interest, ROI (область представляющая интерес, ОПИ).
Определение цифрового изображения
Задачи
Цели
Обработка изображений может производиться в различных целях:
- Изменение (искажение) изображения с целью достижения каких-либо эффектов (художественное улучшение). Эти преобразования не будут рассматриваться в рамках данного курса;
- Image Processing – визуальное (заметное глазом) улучшение качества изображения (коррекция яркости и контраста, цветокорреция и т.п.); объективное улучшение качества изображения (устранение искажений типа дисторсия, смаз, расфокусировка и т.п.);
- Image Analysis – проведение измерений на изображении (анализ интерферограмм, гартманограмм, ФРТ и т.п.);
- Image Understanding – распознавание образов (распознавание символов, отпечатков пальцев, лиц, приборы наведения и т.п.)
Для достижения поставленных целей рассмотрим решение следующих задач:
- Дискретизация, квантование и кодирование изображений.
- Геометрические преобразования изображений.
- Логические и арифметические операции над изображениями.
- Фильтрация изображений.
- Препарирование изображений.
Среди характеристик цифровых изображений следует выделить:
В основе алгоритмов обработки изображений положены в основном интегральные преобразования: cвертка, преобразование Фурье и др. Также используются статистические методы.
Частотные методы - основываются на модификации сигнала, «работают» непосредственно с функцией яркости точек.
методы поэлементной обработки изображения -
градационные, (напр. в негатив), логарифмические, степенные преобразования, кусочно-линейные, гистограммные и др.- результат обработки в любой точке зависит только от значения исходного значения в этой же точке;
методы обработки скользящим окном –
фильтрация, оконтуривание и др.– результат зависит от окружающей окрестности.
преобразования Фурье, Адамара и т.п.
Пространственные методы – подходы, основанные на прямом манипулировании пикселями изображении и их характеристиками (поворот, растяжение (сжатие), отражение, перенос – так называемые аффинные преобразования).
Поэлементная обработка изображений.
Сущность поэлементной обработки
изображений сводится к следующему.
Пусть
,
– значения яркости исходного и получаемого
после обработки изображений соответственно
в точке кадра, имеющей декартовы
координаты
(номер строки) и
(номер столбца). Поэлементная обработка
означает, что существует функциональная
однозначная зависимость между этими
яркостями
, (1.1)
позволяющая по значению исходного
сигнала определить значение выходного.
В общем случае, как это учтено в данном
выражении, вид или параметры функции
,
описывающей обработку, зависят от
текущих координат. При этом обработка
являетсянеоднородной.
Однако в
большинстве практически применяемых
процедур используетсяоднородная
поэлементная обработка. В этом случае
индексы
иj
в выражении (1.1)
могут отсутствовать. При этом зависимость
между яркостями исходного и обработанного
изображений описывается функцией:
(1.2)
одинаковой для всех точек кадра.
Линейное контрастирование изображения. Если для цифрового представления каждого отсчета изображения отводится 1 байт (8 бит) запоминающего устройства, то входной или выходной сигналы могут принимать одно из 256 значений. Обычно в качестве рабочего используется диапазон 0...255; при этом значение 0 соответствует при визуализации уровню черного, а значение 255 – уровню белого. Предположим, что минимальная и максимальная яркости исходного изображения равныx min иx max соответственно. Если эти параметры или один из них существенно отличаются от граничных значений яркостного диапазона, то визуализированная картина выглядит как ненасыщенная, неудобная, утомляющая при наблюдении. Пример такого неудачного представления приведен на рис. 1.1а, где диапазон яркостей имеет границыx min = 180,x max = 240.
При линейном контрастировании используется линейное поэлементное преобразование вида
, (1.3)
параметры которого и определяются желаемыми значениями минимальнойy min и максимальной иy max выходной яркости. Решив систему уравнений
относительно параметров преобразования и , нетрудно привести (1.3) к виду:
.
Результат линейного контрастирования исходного изображения, представленного на рис. 1.1а, приведен на рис. 1.1б приy min = 0 иy max = 255. Сравнение двух изображений свидетельствует о значительно лучшем визуальном качестве обработанного изображения. Улучшение связано с использованием после контрастирования полного динамического диапазона экрана, что отсутствует у исходного изображения.
Преобразование гистограмм, эквализация.
Все поэлементные преобразования
изображений можно рассмотреть с точки
зрения изменения плотности вероятности
распределения яркостей исходного и
получаемого изображений. Очевидно, что
ни при одном из них плотность вероятности
выходного продукта не будет совпадать
с плотностью вероятности исходного
изображения (за исключением преобразования
).
Определение вероятностных характеристик
изображений, прошедших нелинейную
обработку, является прямой
задачей
анализа. При решении практических задач
обработки изображений может быть
поставленаобратная задача
: поизвестному
виду плотности вероятности
ижелаемому
виду
определитьтребуемое
преобразование
,
которому следует подвергнуть исходное
изображение. В практике цифровой
обработки изображений часто к полезному
результату приводит преобразование
изображения к равновероятному
распределению. В этом случае
(1.4)
где y min иy max – минимальное и максимальное значения яркости преобразованного изображения.
Определим характеристику преобразователя,
решающего данную задачу. Пусть x
иy
связаны функцией
(1.2), а
и
–интегральные законы распределения
входной и выходной величин. Учитывая
(1.4), находим:
Подставляя это выражение в условие вероятностной эквивалентности
=
,
после простых преобразований получаем соотношение
представляющее собой характеристику
(1.2) в решаемой задаче. Согласно (1.5)
исходное изображение проходит нелинейное
преобразование, характеристика которого
определяется интегральным законом
распределения самого исходного
изображения. После этого результат
приводится к заданному динамическому
диапазону при помощи операции линейного
контрастирования.
Таким образом, преобразование плотности вероятности предполагает знание интегрального распределения для исходного изображения. Как правило, достоверные сведения о нем отсутствуют. Использование для рассматриваемых целей аналитических аппроксимаций также малопригодно, т.к. их небольшие отклонения от истинных распределений могут приводить к существенному отличию результатов от требуемых. Поэтому в практике обработки изображений преобразование распределений выполняют в два этапа.
На первом этапе измеряется гистограмма
исходного изображения. Для цифрового
изображения, шкала яркостей которого,
например, принадлежит целочисленному
диапазону 0...255, гистограмма представляет
собой таблицу из 256 чисел. Каждое из них
показывает количество точек в кадре,
имеющих данную яркость. Разделив все
числа этой таблицы на общий размер
выборки, равный числу используемых
точек изображения, получаютоценку
распределения вероятностей яркости
изображения. Обозначим эту оценку
0 j
255.
Тогда
оценка интегрального распределения
получается по формуле:
.
На втором этапе выполняется само нелинейное преобразование (1.2), обеспечивающее необходимые свойства выходного изображения. При этом вместо неизвестного истинного интегрального распределения используется его оценка, основанная на гистограмме. С учетом этого все методы поэлементного преобразования изображений, целью которых является видоизменение законов распределения, получили названиегистограммных методов . В частности, преобразование, при котором выходное изображение имеет равномерное распределение, называетсяэквализацией (выравниванием) гистограмм.
Отметим, что процедуры преобразования гистограмм могут применяться как к изображению в целом, так и к отдельным его фрагментам. Последнее может быть полезным при обработке нестационарных изображений, содержание которых существенно различается по своим характеристикам на различных участках. В этом случае лучшего эффекта можно добиться, применяя гистограммную обработку к отдельным участкам.
Использование соотношений (1.4), (1.5), справедливых для изображений с непрерывным распределением яркости, является не вполне корректным для цифровых изображений. Необходимо иметь в виду, что в результате обработки не удается получить идеальное распределение вероятностей выходного изображения, поэтому полезно проводить контроль его гистограммы.
На рис. 1.2 приведен пример эквализации, выполненной в соответствии с изложенной методикой. Характерной чертой многих изображений, получаемых в реальных изображающих системах, является значительный удельный вес темных участков и сравнительно малое число участков с высокой яркостью.
Эквализация призвана откорректировать картину, выровняв интегральные площади участков с различными яркостями. Сравнение исходного (рис. 1.2а) и обработанного (рис. 1.2б) изображений показывает, что происходящее при обработке перераспределение яркостей приводит к улучшению визуального восприятия.
Для проведения анализа цифровых изображений и устранения с них различных технических изъянов, возникших при съемке, например, из-за неправильной настройки устройства захвата или дефектов (царапины, пылинки и т.д.) объектива видео- или фотокамеры, часто требуется обработка изображений с целью повышения информативности и качества полученных снимков.
Такие операции, как удаление/подавление шумов, настройка яркости, контраста, резкости фотографий, цветокоррекция, сглаживание, компенсация дисторсии и многие другие, позволяют отредактировать изображение и подготовить его к печати или публикации. Существуют и специальные операции для работы с изображениями: получение негатива, бинаризация (преобразование снимка в черно-белые цвета), конвертирование в серый и т. д.
Цифровая обработка изображений включает в себя также создание , полученных соединением нескольких кадров.
Программа для обработки изображений
Для ввода цифровых изображений с устройства захвата (видео-, веб- или фотокамеры) в компьютер и их последующего редактирования требуется определенная система для обработки изображений. В идеальном случае такая система должна также управлять параметрами съемки, как например, значением выдержки и экспозиции, такими настройками изображения, как яркость, контраст, гамма, насыщенность и др.
Программа разработана специально для управления устройствами (или ), а также для анализа и обработки полученных кадров. Это кроссплатформенное приложение, которое может работать с различными моделями в большинстве популярных операционных систем (например, с Canon PowerShot и Canon EOS в ОС линейки Windows, в ОС на базе ядра Linux, а также в Mac OS). Для обработки полученных кадров в программе имеется множество фильтров и операций, работающих как с формой изображений, так и с цветом. Все действия, выполняемые в данном приложении над статичной картинкой, можно также выполнять и в режиме реального времени.
Методы обработки изображений
Для редактирования цифровых изображений существуют различные алгоритмы обработки изображений, реализованные в современных программах. Их применение позволяет получить высокое качество изображения, а также устранить большинство возникших при съемке дефектов на фотографиях.
В программе Altami Studio разработаны такие методы обработки изображений, как: геометрические (например, поворот, масштаб, обрезание), морфологические (дилатация, эрозия), преобразования цветных изображений (негатив, гамма, сглаживание), изображений в градациях серого (преобразование Лапласа, пороговое, нахождение границ), а также операции по работе с измерениями (поиск контуров) и с фоном (выравнивание освещенности, восстановление, удаление фона). Кроме того, программное обеспечение для обработки изображений Altami Studio имеет такую функцию, как автоматический поиск объектов на изображении. Все операции могут быть последовательно применены к одному изображению, что позволяет откорректировать изображение.
Обработка рентгеновского изображения
Для анализа рентгеновского снимка часто требуется предварительно его отредактировать. В основном для этого настраивают яркость и контраст фотографии, используют операцию гамма-коррекции, а также алгоритмы обработки полутоновых изображений и многое другое.
Данные методы обработки изображений можно применить в программе Altami Studio. К тому же, с помощью преобразований для работы с фоном, предлагаемых этой системой, с рентгеновского изображения можно удалять артефакты, а фильтр Автоматический поиск объектов позволяет найти и выделить интересующие области на изображении. Помимо перечисленного, в программе Altami Studio реализовано такое преобразование, как Псевдоцвета, идеально подходящее для работы с рентгеновскими снимками. Применяя его, можно «раскрасить» изображение, присвоив пикселям те или иные цвета в результате квантования их по уровням яркости. Таким образом становятся различимы области с близкими по значению яркостями.
