И.М.Журавель "Краткий курс теории обработки изображений"

В оглавление книги\ К следующему разделу \ К предыдущему разделу

Обзор методов цифровой обработки изображений: Разностные методы

Психофизические эксперименты показывают, что фотографическое или телевизионное изображение с подчеркнутыми границами часто воспринимается субъективно лучше, чем фотометрически совершенная продукция. Процедуру подчеркивания границ реализуют с использованием методов нечеткого маскирования (разностных методов) [1, 2].

Суть этих методов состоит в следующем. Исходное изображение сканируют двумя апертурами с различной разрешающей способностью. В одной апертуре разрешающая способность отвечает норме, а во второй - ниже нормы. В результате образуются два массива: массив элементов изображения и массив элементов нечеткого изображения . Результат формируется путем вычитания изображений по алгоритму:

,                (1)

где - коэффициент пропорциональности (в большинстве случаев - ) [3].

Более распространенным вариантом этого метода является выражение [4, 5, 6]

,                      (2)

где - коэффициент усиления контрастности;
- среднеарифметическое значение яркостей элементов скользящей апертуры с центром в элементе с координатами размером элементов

,                     (3)

- константа (часто ).

В зависимости от размеров апертуры скользящего окна результат действия разностных методов находится в пределах от локального усиления контуров до выравнивания общего фона на изображении.

В пространственной области усиление высоких частот осуществляет также алгоритм, представленный формулой

,                    (4)

где S - заданная окрестность элемента изображения, которая окружает центральный элемент с координатами , включая его самого;
- среднеарифметическое значение элементов -окрестности, которая состоит из элементов.

Недостатком метода нечеткого маскирования, представленного выражением (4), является то, что коэффициент усиления - константа. Это приводит к одинаковому усилению слабоконтрастных участков и участков с достаточным контрастом. В работе [7] предложено адаптивное определение коэффициента усиления :

,                         (5)

где

,                           (6)

- "желательная", изначально заданная дисперсия,
- дисперсия в локальном скользящем окне размером элементов

,

а параметр - "желательное", изначально заданное значение среднего (корректирующие слагаемое). Однако этот метод имеет недостаток: рядом с усилением мелких деталей изображения, он искажает участки с одинаковыми уровнями яркостей [3].

В работе [8] предложен метод, который позволяет формировать коэффициент усиления адаптивно относительно локальных участков изображения. Предложенный алгоритм усиления локальных контрастов обобщает рассмотренный выше метод (4)-(6) и представляется следующим выражением:

,                   (7)

где

,                           (8)

- нормирующий множитель, ;
- среднее значение яркости всего изображения размером элементов

,                                    (9)

- стандартное среднеквадратическое отклонение

.                         (10)

Существуют другие, более сложные модификации метода нечеткого маскирования. К таким методам можно отнести методы коррекции фоновой составляющей, на которую накладывается высокочастотная текстура объектов и деталей изображения [2]. Использование этого подхода приводит к усилению локальных контрастов деталей различных размеров и улучшению визуального восприятия изображений. Известны также методы представления детальной составляющей изображения через локальный контраст [9]. Они позволяют создавать новые классы методов нечеткого маскирования, базирующиеся на нелинейных преобразованиях локальных контрастов. Это в свою очередь говорит об общности различных методов преобразования контрастности изображений [9, 10, 11].

1. http://www.iva.cs.tut.fi/HomePage/publications.html
2. Воробель Р.А. Повышение эффективности обработки изображений с использованием методов нечеткого маскирования // Вестник Государственного университета “Львовская политехника” "Автоматика, измерения и управление". – 1998. – N 356. – С. 125 – 134.
3. Мирошников М.М. Теоретические основы оптикоэлектронных приборов. – Л.: Машиностроение, 1983. – 696 с.
4. Беликова Т.П., Кронрод М.А., Чочиа П.А., Ярославский Л.П. Цифровая обработка фотоснимков поверхности Марса, переданных АМС "Марс-4" и "Марс-5". - Косм. Исслед., 1975. - Т.13, вып. 6. - С. 898-906.
5. Кронрод М.А. Несколько задач обработки изображений / Вопросы кибернетики. - Вып. 38 : Иконика. Цифровая обработка и фильтрация изображений. - М.: ВИНИТИ, 1978. - С. 49-59.
6. Чочиа П.А. Применение цифровой обработки изображений для реестрации архивных документов // Иконика. Теория и методы обработки изображений. - М.: Наука, 1983. - С. 115-125.
7. Wallis R. An approach to the space variant restoration and еnhancement of images. Proc. Symp. on Current mathematical problems in image Science. Naval Postgraduate Schol, Monterey, CA, Nov.1976.
8. Narendra P.M., Fitch R.S. Real-time adaptive contrast enhancement. IEEE Trans. pattern anal. and machine intell. - 1981. - V.PAMI-3, N 6. - P. 655-661.
9. Беликова Т.П., Ярославский Л.П. Использование адаптивных амплитудных преобразований для препарирования изображений // Вопросы радиоэлектроники, сер. Общетехническая. - 1974, вып.14. - С. 88-98.
10. Гранит Р. Электрофизические исследования рецепции. - М.: ИЛ, 1957. - 153 c.
11. Polesel A., Ramponi G., Mathews V.J. Adaptive unsharp masking for contrast enhancement // International Conference on Image Processing. Santa Barbara, California, October 26-29, 1997. Vol. 1. - P. 267-270.

Моделирование разностных методов в среде MATLAB

%Глобальная реализация метода нечеткого маскирования
clear;
fid=fopen('F:\MATLAB\gory.img','r');
[A,count]=fread(fid,'char');
fclose(fid);
M=input(' M=');
N=input(' N=');
A=A(9:length(A));
A=A(1:N*M);
L=reshape(A,N,M);
k=2;
LS=mean(mean(L));
Lvyh=LS+k.*(L-LS);
for i=1:N;
disp(i);
for j=1:M;
if Lvyh(i,j)>255; Lvyh(i,j)=255;
end;
if Lvyh(i,j)==0; Lvyh(i,j)=0; end;
end;
end;
Lvyh=round(Lvyh);
fid=fopen('F:\MATLAB\unshr2.img','wb');
count=fwrite(fid,Lvyh,'char');
fclose('all');
colormap(gray(255));
subplot(221);
image(L');
subplot(222);
image(Lvyh');

а) исходное изображение	б) изображение а, обработанное глобальным методом нечеткого маскирования при к=1,1
в) изображение а, обработанное глобальным методом нечеткого маскирования при к=1,5	г) изображение а, обработанное глобальным методом нечеткого маскирования при к=2

Рис. 1. Глобальная реализация метода нечеткого маскирования.

Из рис. 1 видно, что увеличение коэффициента приводит к увеличению контрастности изображения. Возможна также скользящая реализация метода (рис.2).

clear;
fid=fopen('F:\MATLAB\gory.img','r');
[A,count]=fread(fid,'char');
fclose(fid);
M=input('M=');N=input('N=');
A=A(9:length(A));
A=A(1:N*M);
L=reshape(A,N,M);
m=15;n=15;n1=fix(n/2);m1=fix(m/2);
a=L(1,1);b=L(1,M);c=L(N,1);d=L(N,M);
for i=1:n1;
for j=1:m1;
L1(i,j)=a; L3(i,j)=b; L6(i,j)=c; L8(i,j)=d;
end;
end;
L2=L(1,1:M); L02=L2;
for i=1:n1-1;
L2=[L2;L02];
end;
L7=L(N,1:M); L07=L7;
for i=1:n1-1;
L7=[L7;L07];
end;
L4=L(1:N,1); L4=L4'; L04=L4;
for i=1:m1-1;
L4=[L4;L04];
end;
L4=L4'; L5=L(1:N,M); L5=L5';
L05=L5;
for i=1:m1-1;
L5=[L5;L05];
end;
L5=L5'; L1=[L1;L4]; L1=[L1;L6]; L1=L1'; L2=[L2;L]; L2=[L2;L7];
L2=L2'; L3=[L3;L5]; L3=[L3;L8]; L3=L3'; L1=[L1;L2]; L1=[L1;L3]; Lroshyrena=L1';
clear L2;clear L3;clear L4;clear L5;clear L6;clear L7;clear L8;
clear L02;clear L04;clear L05;clear L07;clear L1;clear L;
k=2;
for i=1+n1:N+n1;
disp(i)
for j=1+n1:M+m1;
if j==1+m1;
D=0;
for a=-n1:n1;
for b=-m1:m1;
D(n1+1+a,m1+1+b)=Lroshyrena(i+a,j+b);
end;
end;
end;
if j>1+m1;
for a=-n1:n1;
D(n1+1+a,m+1)=Lroshyrena(i+a,j+m1);
end;
D=D(1:n,2:m+1);
end;
LS=mean(mean(D));
Lvyh(i,j)=LS+k.*(Lroshyrena(i,j)-LS);
if Lvyh(i,j)>255;
Lvyh(i,j)=255;
end;
if Lvyh(i,j)==0;
Lvyh(i,j)=0;
end;
end;
end;
Lvyh=round(Lvyh);
Lvyh=Lvyh(1+n1:n1+N,1+m1:m1+M);
L=Lroshyrena(1+n1:n1+N,1+m1:m1+M);
fid=fopen('F:\MATLAB\ unshrl4.img','wb');
count=fwrite(fid,Lvyh,'char');
fclose('all');
colormap(gray(255));
subplot(221);
image(L');
subplot(222);
image(Lvyh');

а) исходное изображение	б) изображение а, обработанное глобальным методом нечеткого маскирования при к=1,1
в) изображение а, обработанное глобальным методом нечеткого маскирования при к=1,5	г) изображение а, обработанное глобальным методом нечеткого маскирования при к=2

Рис. 2. Скользящая реализация метода нечеткого маскирования.

В оглавление книги \ К следующему разделу \ К предыдущему разделу