Xử lý ảnh số Các phương pháp cải thiện chất lượng ảnh Chương trình dành cho kỹ sư CNTT Nguyễn Linh Giang
Các phương pháp cải thiện chất lượng ảnh • Tổng quan các phương pháp cải thiện chất lượng ảnh; • Các phương pháp trên điểm; • Biến đổi Histogram; • Các phép toán trên miền không gian; • Lọc ảnh; • Giả màu.
Khái niệm tạp nhiễu • Ảnh thường chịu biến dạng do nhiễu ngẫu nhiên; • Nhiễu xuất hiện trong quá trình thu nhận ảnh, truyền tin hoặc trong quá trình xử lý; • Nhiễu có thể phụ thuộc hoặc độc lập với nội dung ảnh; • Nhiễu thường được biểu diễn bằng các thuộc tính thống kê;
Khái niệm tạp nhiễu • Nhiễu trắng: – Là nhiễu có phổ năng lượng không đổi; – Cường độ nhiễu trắng không đổi khi tần số tăng; – Thông thường nhiễu trắng được sử dụng để xấp xỉ thô tạp nhiễu trong nhiều trường hợp; – Hàm tự tương quan của nhiễu trắng là hàm del-ta. Như vậy nhiễu trắng không tương quan tại hai mẫu bất kỳ; – Sử dụng nhiễu trắng là mô hình nhiễu đơn giản nhất và có lợi về mặt tính toán.
Khái niệm tạp nhiễu – Nhiễu Gauss • Là trường hợp đặc biệt; • Nhiễu Gauss là dạng xấp xỉ nhiễu tốt trong nhiều trường hợp thực tế; • Mật độ phân bố xác suất của nhiễu được đặc trưng bằng hàm Gauss; • Trong trường hợp một chiều, nhiễu Gaussđược đặc trưng bằng giá trị trung bình μ và độ lệch tiêu chuẩn của biến ngẫu nhiên ( phương sai σ2 ) 1 (x−μ)2 − p(x) = e 2σ 2 2πσ 2
Khái niệm tạp nhiễu • Ảnh chịu ảnh hưởng của nhiễu Gauss với trị trung bình không và phương sai bằng 13:
Khái niệm tạp nhiễu – Một số dạng ảnh hưởng nhiễu: • Nhiễu cộng: f( m, n ) = g( m, n ) + ν( m, n ) trong đó nhiễu ν( m, n )độc lập thống kê với tín hiệu; • Nhiễu nhân: nhiễu là hàm của biên độ tín hiệu f( m, n ) = g( m, n ) + ν( m, n )g( m, n ) = = g( m, n )( 1+ ν( m, n ) ) = = g( m, n )n( m, n ) • Nhiễu xung: khi trên ảnh xuất hiện các điểm nhiễu riêng biệt có độ sáng khác biệt lớn so với các điểm lân cận; • Nhiễu dạng muối tiêu: xuất hiện khi ảnh bị bão hòa bởi nhiễu xung. Khi đó ảnh sẽ bị ảnh hưởng của các điểm nhiễu đen trắng.
Khái niệm tạp nhiễu • Ví dụ nhiễu dạng muối tiêu: với tỷ lệ nhiễu là 1% và 5% tương ứng. Giá trị của các điểm ảnh trong khoảng [0, 255].
Các phép lọc trên miền không gian • Các phép lọc: – Bộ lọc trên miền không gian: mặt nạ lọc; – Lọc làm trơn; • Lọc trung bình; • Lọc trung bình theo hướng • Lọc trung vị; – Lọc làm nét ảnh: • Lọc đạo hàm bậc 1; • Lọc đạo hàm bậc 2.
Các phép lọc trên miền không gian • Mặt nạ không gian – Mặt nạ không gian biểu diễn bộ lọc có đáp ứng xung hữu hạn hai chiều ( 2-D FIRF ); – Các dạng mặt nạ thông dụng có kích thước 2x2, 3x3, 5x5, 7x7; – Phép lọc được xác định bằng cách lấy tổng chập hàm lọc với hình ảnh v(m,n) = Σs(m-k, n-l) h(k,l) – Biểu diễn trên miền tần số: V( k, l ) = S( k, l ) x H( k, l ) – Các ứng dụng: • Lọc làm trơn: lọc thấp; • Lọc làm nét: lọc cao
Các phép lọc trên miền không gian • Phương pháp lọc trung bình – Mỗi điểm ảnh được thay thế bằng trung bình trọng số của các điểm lân cận: ∑ ∑ v(m,n) = a(k,l)s(m − k,n −l) (k,l)∈W – Nếu a( k, l ) = 1/NW, trong đó NW là số điểm trong cửa sổ, ta có phương pháp lọc trung bình: giá trị mới của điểm ảnh thay bằng trung bình cộng của các điểm rơi vào cửa sổ W 1 ∑ ∑ v(m,n) = s(m − k,n − l) N (k,l)∈W w – Nếu mỗi điểm ảnh được thay thế bằng trung bình cộng của điểm đó với trung bình cộng của 4 điểm lân cận kề, ta có 1 ⎡ 1{ }⎤ v(m,n) = ⎢s(m,n) + s(m −1,n) + s(m +1,n) + s(m,n −1) + s(m,n +1) ⎥ 2 ⎣ 4 ⎦
Các phép lọc trên miền không gian – Lọc trung bình là lọc làm trơn nhiễu: x(m,n) = s(m,n) + η(m,n) – η(m,n) - nhiễu trắng với giá trị trung bình không và phương sai ση2 . – Một số dạng mặt nạ bộ lọc: l -1 0 1 k k l -1 0 1 l 0 1 k -1 1 1 1 -1 0 1 0 0 1 1 1 1 1 0 1 1 1 0 1 2 1 1 4 1 1 9 8 1 1 1 1 0 1 0 1
Các phép lọc trên miền không gian – Lọc trung bình không gian có dạng: 1 ∑ ∑ η v(m,n) = s(m − k,n −l) + (m,n) N w (k,l)∈W – Thành phần⎯η(m, n) là trung bình không gian của nhiễu cộng và cũng có giá trị trung bình không, phương sai:⎯ση2= ση2/NW – Như vậy năng lượng nhiễu cũng giảm tỷ lệ với số điểm trong cửa sổ;
Các phép lọc trên miền không gian • Lọc trung bình theo hướng – Làm trơn nhiễu dọc theo các đường nét; – Ngăn chặn làm trơn cắt ngang đường nét; – Làm trơn theo hướng • Tính phép lọc trung bình dọc theo một số hướng; • Lấy kết quả theo hướng sinh ra sự biến đổi nhỏ nhất trước và sau khi lọc;
Các phép lọc trên miền không gian • Lọc trung vị – Dùng trong trường hợp: • Xuất hiện các điểm nhiễu cô lập ngẫu nhiên dàn trải trên ảnh; • Lọc trung bình có thể làm ảnh bị mờ; – Phương pháp lọc trung vị: • Lấy điểm trung vị trong dãy được sắp các giá trị trong cửa sổ; • Lọc trung vị là lọc phi tuyến: Median{ x(m) + y(m) } ≠ Median{x(m)} + Median{y(m)} • Thông thường cửa sổ có số điểm lẻ: 3x3, 5x5, 5 điểm +; • Cửa sổ có số điểm chẵn: lấy giá trị trung bình của 2 điểm ở giữa
Các phép lọc trên miền không gian Ảnh ban đầu Ảnh có nhiễu Ảnh sau khi lọc trung vị 3x3 Lọc trung bình 5x5 Lọc trung vị 3x3, lặp 3 lần Lọc trung vị 5x5
Các phép lọc trên miền không gian • Lọc làm nét: – Mục đích: • Làm tăng cường các thành phần chi tiết thanh mảnh của ảnh; • Làm nét các thành phần chi tiết bị mờ, nhòe. – Phương pháp: • Các thành phần chi tiết thanh mảnh – đường nét tương ứng với các thành phần tần số cao; • Dùng các bộ lọc thông cao để tìm các thành phần tần số cao trong ảnh và làm nét ảnh; • Nhược điểm: khi làm nét các chi tiết thanh mảnh, các thành phần nhiễu cũng được làm tăng cường.
显示前 20 页。下载资料查看完整内容。
暂无评论。快来抢沙发吧！
评论 (0)
暂无评论。快来抢沙发吧！