Beeldverwerking. Beeldverwerking

Maat: px

Weergave met pagina beginnen:

Download "Beeldverwerking. Beeldverwerking"

Godelieve Molenaar
9 jaren geleden
Aantal bezoeken:

1 Beeldvererking Beeldverbetering, -beerking en -analyse Johan Baeten Beeldvererking Deel - Beeldvererking Beeldverbetering - Basisbegrippen Voorbeerking Filteren Segmentatie Randdetectie modellering Beeldanalyse Interpretatie Johan Baeten Beeldvererking Deel - 2

Basisbegrippen Voorbeerking Filteren Segmentatie Randdetectie

2 Beeldvererking Deel Beeldverbetering - Basisbeerkingen Johan Baeten Beeldvererking Deel - 3 Beeldverbetering Doel: Ongeenste distorties onderdrukken Kenmerken benadrukken of verscherpen voor eergave of analyse Probleemgericht Methode: Spatial domein Bronbeeld Frequentiedomein Verbetering Resultaatbeeld Applicatiegerichte Terugkoppeling Johan Baeten Beeldvererking Deel - 4 2

voor eergave of analyse Probleemgericht Methode: Spatial domein Bronbeeld Frequentiedomein

3 Beeldverbetering - Overzicht Referentiebeeld: R(x,y) = B(x,y) B ref (x,y) Verschillen benadrukken, vaak in medische toep. Uitmiddelen: R(x,y) = n Σ B i (x,y) i Niet-gecorreleerde ruis elimineren. Ruimtelijk-domein methode: R(x,y) = T{B(x,y)} met T een locale pixeloperator Punt- of maskeroperaties Linair of niet-linenair Frequentie-domein filtering: R(x,y) = B(x,y) * H(x,y) (= conv.) FFT: R(u,v) = B(u,v). H(u,v) met F(u,v)=FFT{F(x,y)} Johan Baeten Beeldvererking Deel - Ruimtelijk-domein methodes: Puntoperaties B(x,y) R(x,y) y T R(x,y) = T{B(x,y)} x Resultaataarde voor pixel (intensiteit of kleur) is afhankelijk van bronaarde op gelijke positie Inversie Contrastaanpassing Histogrambeerking Kleurenfilter Drempel ( Thresholding ) Johan Baeten Beeldvererking Deel - 6 3

Ruimtelijk-domein methode: R(x,y) = T{B(x,y)} met T een locale pixeloperator Punt- of maskeroperaties Linair of niet-linenair Frequentie-domein filtering: R(x,y) = B(x,y) * H(x,y) (= conv.

4 R(x,y) = 2 - B(x,y) Inversie R L- T{} L- B Johan Baeten Beeldvererking Deel - 7 Contrastaanpassing Benadrukken Grijsaardenhelling >. Onderdrukken Grijsaardenhelling <. R L- T{} L- B Johan Baeten Beeldvererking Deel - 8 4

5 Histogramgerelateerde Operaties Histogram geeft het aantal pixels met gelijke grijsaarden (absoluut of relatief) Algemeen (relatief): Bijvoorbeeld: { # R(x,y) = } = { # R(x,y) = 2 } = 7 { # R(x,y) = 3 } = { # R(x,y) = 4 } =... # B L- Johan Baeten Beeldvererking Deel - 9 Histogramgerelateerde Operaties (cont.) # Donker Beeld # Helder Beeld grijsaarde L- grijsaarde L- # Weinig contrast # Hoog contrast grijsaarde L- L- Johan Baeten Beeldvererking Deel - grijsaarde

# R(x,y) = 4 } =... # B L- Johan Baeten Beeldvererking Deel - 9 Histogramgerelateerde Operaties (cont.

6 # Histogramequilibratie # lineair grijsaarde L- grijsaarde L- # In extremus L- Johan Baeten Beeldvererking Deel - grijsaarde Quantisatie - Drempeloperatie Quantisatie en thresholding Speciaal gevallen van contrastaanpassing Ook voor datacompressie R L- T{} L- B Johan Baeten Beeldvererking Deel - 2 6

Drempeloperatie Quantisatie en thresholding Speciaal gevallen van

7 Ruimtelijk-domein methode: Maskeroperaties B(x,y) R(x,y) y T R(x,y) = T{B(x ±d,y±d)} x x3 masker Resultaataarde voor pixel (intensiteit of kleur) is afhankelijk van bronaarde van omliggende pixels R(x,y) =.B(x-,y+) + 2.B(x,y+) + 3.B(x +,y+) + 4.B(x-,y) +.B(x,y) + 6.B(x +,y) + 7.B(x-,y-) + 8.B(x,y-) + 9.B(x +,y-) Johan Baeten Beeldvererking Deel - 3 Maskeroperaties Voorbeelden Afvlakfilter 9 Uitmiddelen van 9 pixelaarden Laplacefilter of ook Verschil tussen centraal pixel en omliggende benadrukken zie verder Johan Baeten Beeldvererking Deel - 4 7

8 Verscherpen m.b.v. gradiënt () Afgeleiden van een beeld zorgt voor scherper beeld Gradiënt als basis voor afgeleide grad( f ) = x y, is een vector met Amplitude en Richting Amplitude = Richting = bgtan 2 + x y 2 y x, is een maat voor helling v. rand, staat loodrecht op rand Johan Baeten Beeldvererking Deel - Verscherpen m.b.v. gradiënt (2) Discrete implementatie van afgeleide: x y geeft als maskers: - Welke discrete implementatie hoort bij = = f (x+ x, y) - f (x, y) x = f (x+, y) - f (x, y) ( x = ) f (x, y+ y) - f (x, y) y = f (x, y+) - f (x, y) ( y = ) - of? - of - (van 6 of 8) Johan Baeten Beeldvererking Deel - 6 8

Amplitude = Richting = bgtan 2 + x y 2 y x, is een maat voor helling v.

9 Gradiënt 3bij3 maskers Uitbreiding naar 3bij3 gradiëntmaskers levert: Verticale Rand Rand onder 4º Horizontale Rand (c = 2, c 2 =, c 3 =, c 4 =-) (c =, c 2 =, c 3 =, c 4 = ) Of ook door samenstellen van 4 basismaskers (resp. 4 resultaten) c. - + c c c 4. - m m 2 m 3 m 4 Johan Baeten Beeldvererking Deel - 7 Maskeroperaties Voorbeeld gradiënt Verticale rand Resultaatbeeld evt. terug scaleren Johan Baeten Beeldvererking Deel - 8 9

- + c 4. - m m 2 m 3 m 4 Johan Baeten Beeldvererking Deel - 7 Maskeroperaties Voorbeeld gradiënt Verticale rand Resultaatbeeld evt.

10 Teede afgeleide Laplaciaan Laplaciaan = 2 f = 2 f x 2 2 f y 2 Benadering: (horizontaal verctiaal) 2 f x 2 2 f y 2 + = f (x-, y) 2f (x, y)+ f (x+, y) = f (x, y -) 2f (x, y)+ f (x, y +) Voeg ook onder 4º en 4º toe Johan Baeten Beeldvererking Deel - 9 Gradiënt Laplaciaan Ook Laplace-masker is samenstelling van 8 gradiënt filters = Johan Baeten Beeldvererking Deel - 2

4 6 7 8 9-4 -8 Johan Baeten Beeldvererking Deel - 9 Gradiënt Laplaciaan Ook Laplace-masker is samenstelling

11 Eigenschappen Laplaciaan enkel masker Isotrope operator Geen richtingsinformatie Hogere gevoeligheid (2x afleiden) Afvlakken met laagdoorlaatfilter noodzakelijk Johan Baeten Beeldvererking Deel - 2 Maskeroperaties Voorbeeld Laplaciaan Laplaciaan: = Origineel Laplaciaan Lapl. +origineel Johan Baeten Beeldvererking Deel - 22

Beeldvererking Deel - 2 Maskeroperaties Voorbeeld Laplaciaan Laplaciaan: - - - - 8 - - - - + =

12 Niet-lineaire Ruimtelijke Filters Resultaat-pixel is bij NL-ruimtelijke filters geen geogen som van omliggende bron-pixels Bijvoorbeeld: Maximumfilter R(x,y) = max {B(x±,y±), B(x,y±), B(x±,y), B(x,y)} of B R(x,y) = max {B(x+k, y)} met k = -2, -,,, 2 R x x Johan Baeten Beeldvererking Deel - 23 Niet-lineaire Ruimtelijke Filters - Mediaan Mediaanfilter: ideaal om lokale uitschieters te elimineren Bijvoorbeeld: R(x,y) = med {B(x+k, y)} met k = -2, -,,, () Sorteren () () () (2) Mediaan nemen (2) (2) (2) Johan Baeten Beeldvererking Deel

Deel - 23 Niet-lineaire Ruimtelijke Filters - Mediaan Mediaanfilter: ideaal om lokale uitschieters te elimineren Bijvoorbeeld: R(x,y) = med {B(x+k,

13 Binaire Operaties: Erosie & Uitzetting Erosion, Dilation : beerkingen op binaire beelden Stel: object = it, achtergrond = zart Erosie: Indien min. zart pixel in masker zart Uitzetting: Indien min. it pixel in masker it Erosie Uitzetting Johan Baeten Beeldvererking Deel - 2 Frequentiedomeinfiltering Principe: Convolutie: R(x,y) = B(x,y) * H(x,y) FFT: R(u,v) = B(u,v). H(u,v) met F(u,v)=FFT{F(x,y)} Filter Laagdoorlaat, Hoogdoorlaat, Bandsper, Banddoorlaat. Origineel Freq. Inhoud FFT X Pixel bij pixel vermenigvuldiging Inverse FFT Resultaat Johan Baeten Beeldvererking Deel

it pixel in masker it Erosie Uitzetting Johan Baeten Beeldvererking Deel - 2 Frequentiedomeinfiltering Principe: Convolutie: R(x,y) = B(x,y) *

14 Laagdoorlaat Lage freq. behouden, hoge freq. verzakken H Ideaal LD H Doorlaatband d u Overgang Sperband d d 2 u maar veroozaakt doorschot bij afsnijfrequentie ( ringing-effect ) Johan Baeten Beeldvererking Deel - 27 Scherpe afsnijfrequenties slingering Produkt in freq. domein = convolutie in ruimtelijk domein B(x, y) origineel H Ideaal LD H(x, y) d d u h 2 dim. * convolutie resultaat x /d /d R(x, y) Johan Baeten Beeldvererking Deel

afsnijfrequentie ( ringing-effect ) Johan Baeten Beeldvererking Deel - 27 Scherpe afsnijfrequenties slingering

15 Voorbeelden ring- of slingeringeffect Johan Baeten Beeldvererking Deel - 29 Hoogdoorlaat Scherpe rand => geeft slingering in ruimtelijk domein Zachte rand => bv Butterorth => geen slingering in ruimtelijk domein Johan Baeten Beeldvererking Deel - 3

slingering in ruimtelijk domein Zachte rand => bv Butterorth

Vergelijkbare documenten

Beeldverwerking. Deel 2. Segmentatie. Segmentatie

Beeldverwerking. Deel 2. Segmentatie. Segmentatie Beeldverwerking Deel 2 Segmentatie Johan Baeten Beeldverwerking Deel2-1 Segmentatie Doel: Beeld opsplitsen in gebieden Objecten onderscheiden van achtergrond Sementatie is in het algemeen moeilijk Johan