®¹i häc B¸ch khoa Hanoi Khoa C«ng nghÖ th«ng tin Ch−¬ng 5 C¶i ThiÖn ¶nh 1. BiÕn ®æi ®é t−¬ng ph¶n BiÕn ®æi ®é t−¬ng ph¶n b»ng c¸c phÐp to¸n ®iÓm ¶nh : Y (m, n) = f (X (m, n)) , ∀m, n ∈[1, N ] BiÕn ®æi biÓu ®å ph©n bè møc x¸m (histogram) BiÕn ®æi tuyÕn tÝnh : gi·n histogram − . − Y (m, n) = l max l min . X (m, n) + l min s1 l max s0 s1 − s 0 s1 − s0 C©n b»ng (san b»ng) histogram k bk = T (a k ) = (bmax − bmin ) ∑ pi + bmin i = a min Xö lý ¶nh NguyÔn ThÞ Hoµng Lan ®¹i häc B¸ch khoa Hanoi Khoa C«ng nghÖ th«ng tin 2. Läc nhiÔu lµm tr¬n, c¶i thiÖn ¶nh • M« h×nh biÓu diÔn ¶nh bÞ nhiÔu NhiÔu céng: NhiÔu nh©n : NhiÔu nh©n chËp: X=S+N X = S.N X = S*N Läc nhiÔu lµm tr¬n ¶nh b»ng kü thuËt läc tuyÕn tÝnh Î Gi¶i ph¸p läc tÇn sè : läc nhiÔu céng b»ng bé läc th«ng thÊp Y(u,v) = X(u,v)H(u,v) Î Mét sè bé läc th«ng thÊp FIR : Bé läc trung b×nh, bé läc Gauss, bé läc hµm mò ... ⎡1 ⎢ 1⎢ H ( k , l ) = ⎢1 H ( k , l ) = ⎢2 16 ⎢ ⎢⎣1 1 ⎤⎥ ⎥ 4 2⎥ ⎥ 2 1⎥ ⎦ 2 ⎡1 1 1 ⎤ H (k , l ) = ⎢1 2 1⎥ 10 ⎢ ⎥ ⎢1 1 1 ⎥ ⎣ ⎦ Läc nhiÔu, c¶i thiÖn ¶nh b»ng kü thuËt läc phi tuyÕn Î Läc nhiÔu xung b»ng bé läc phi tuyÕn Î Mét sè bé läc phi tuyÕn : C¸c bé läc h¹ng : bé läc trung vÞ, c¸c bé läc co, gi·n, läc h¹ng r, bé läc K l¸ng giÒng gÇn nhÊt ... Xö lý ¶nh NguyÔn ThÞ Hoµng Lan ®¹i häc B¸ch khoa Hanoi Khoa C«ng nghÖ th«ng tin Qu¸ tr×nh thùc hiÖn läc h¹ng : X(m,n) Cöa sæ läc W a(k) k = 1, ....L S¾p xÕp c¸c gi¸ trÞ ®iÓm ¶nh Y(m,n) TÝnh gi¸ trÞ cña ®iÓm ¶nh k = 1, ....L theo phÐp läc a(k) Läc nhiÔu nh©n, läc nhiÔu nh©n chËp b»ng kü thuËt läc Homomorphic Nguyªn t¾c loc Homomorphic : ln X → läc tÇn sè Y = X*H → eY Bé läc thÝch nghi 3. Läc t¨ng c−êng ®é nÐt, c¶i thiÖn biªn Kü thuËt läc tuyÕn tÝnh Läc t¨ng c−êng biªn ¶nh : c¸c bé läc th«ng cao, bé läc ®¹o hµm Läc t¹o bãng ®−êng biªn. Mét sè bé läc th«ng cao : ⎡1 1 ⎢ ⎢ H (k , l ) = ⎢1 − 9 ⎢ ⎢1 1 ⎢0 − 1 0 ⎥ ⎥ ⎢ H (k , l ) = ⎢− 1 4 − 1 ⎥ ⎥ ⎢ ⎢0 − 1 0 ⎥ ⎥⎦ ⎢⎣ bé läc Laplace Kü thuËt läc phi tuyÕn Xö lý ¶nh NguyÔn ThÞ H

… Download the original file to read the full document.