Фильтрация изображений

Содержание

Слайд 2

Содержание

Фильтрация
Линейные фильтры
Сглаживающие фильтры
Шумоподавление при помощи прямоугольного фильтра
Гауссовский фильтр
Контрастоповышающие фильтры
Разностные фильтры
Лапласиан
Нелинейные фильтры
Морфологические операторы

Содержание Фильтрация Линейные фильтры Сглаживающие фильтры Шумоподавление при помощи прямоугольного фильтра Гауссовский

Слайд 3

Фильтрация

Правила, задающие фильтрацию (их называют фильтрами ), могут быть самыми разнообразными.
Фильтрация изображений является

Фильтрация Правила, задающие фильтрацию (их называют фильтрами ), могут быть самыми разнообразными.
одной из самых фундаментальных операций компьютерного зрения, распознавания образов и обработки изображений.
Фактически, с той или иной фильтрации исходных изображений начинается работа подавляющего большинства методов.
Фильтры имеют, таким образом, чрезвычайную важность с точки зрения их применения в различных приложениях.

Слайд 4

Линейные фильтры

Линейные фильтры представляют собой семейство фильтров, имеющих очень простое математическое описание.
Вместе

Линейные фильтры Линейные фильтры представляют собой семейство фильтров, имеющих очень простое математическое
с тем они позволяют добиться самых разнообразных эффектов. Будем считать, что задано исходное полутоновое изображение A, и обозначим интенсивности его пикселей A(x, y).
Линейный фильтр определяется вещественно значной функцией F, заданной на растре.
Данная функция называется ядром фильтра, а сама фильтрация производится при помощи операции дискретной свертки (взвешенного суммирования)
( 1)
Результатом служит изображение B.
Обычно ядро фильтра отлично от нуля только в некоторой окрестности N точки (0, 0). За пределами этой окрестности F(i, j) или в точности равно нулю, или очень близко к нему, так что можно им пренебречь.

Слайд 5

Ядро фильтра

Суммирование в (1) производится по i,j , и значение каждого пикселя B(x, y) определяется

Ядро фильтра Суммирование в (1) производится по i,j , и значение каждого
пикселями изображения A, которые лежат в окне N, центрированном в точке (x, y) (мы будем обозначать это множество N(x, y) ).
Ядро фильтра, заданное на прямоугольной окрестности N, может рассматриваться как матрица m на n, где длины сторон являются нечетными числами. При задании ядра матрицей Mkl, ее следует центрировать:
( 2)
Также нуждается в дополнительном прояснении ситуация, когда пиксель (x, y) находится в окрестности краев изображения. В этом случае A(x + i, y + j) в определении (1) может соответствовать пикселю A, лежащему за пределами изображения A

Слайд 6

Данную проблему (в окрестности краев изображения) можно разрешить несколькими способами

Не проводить фильтрацию

Данную проблему (в окрестности краев изображения) можно разрешить несколькими способами Не проводить
для таких пикселей, обрезав изображение B по краям или закрасив их, к примеру, черным цветом.
Не включать соответствующий пиксель в суммирование, распределив его вес F(i, j) равномерно среди других пикселей окрестности N(x, y).
Доопределить значения пикселей за границами изображения при помощи экстраполяции. Например, считать постоянным значение интенсивности вблизи границы (для пикселя (-2, 5) имеем A(-2, 5) = A(0, 5) ) или считать постоянным градиент интенсивности вблизи границы ( A(-2, 5) = A(0, 5) + 2(A(0, 5) - A(1, 5)) ).
Доопределить значения пикселей за границами изображения, при помощи зеркального отражения ( A(-2, 5) = A(2, 5) ).
Выбор конкретного способа нужно производить с учетом конкретного фильтра и особенностей конкретного приложения.

Слайд 7

Сглаживающие фильтры

Сглаживающие фильтры действуют на изображение аналогично мутному стеклу и: изображение становится

Сглаживающие фильтры Сглаживающие фильтры действуют на изображение аналогично мутному стеклу и: изображение
нерезким, размытым. Простейший прямоугольный сглаживающий фильтр радиуса r задается при помощи матрицы размера (2r + 1) x (2r + 1), все значения которой равны
а сумма по всем элементам матрицы равна, таким образом, единице. При фильтрации с данным ядром значение пикселя заменяется на усредненное значение пикселей в квадрате со стороной 2r+1 вокруг него.
Пример фильтрации при помощи прямоугольного фильтра приведен на рис. 1.
Рассмотрим особенности сглаживания при помощи прямоугольного фильтра. Характерной чертой этого фильтра, отличающей его, к примеру, от эффекта расфокусировки линз в реальной жизни, является то, что образом белой точки на черном фоне будет равномерно серый квадрат.
Проявления этого эффекта хорошо заметны и на нижнем правом изображении рис. 1: длинные узкие объекты "размазываются" в прямоугольники равномерной интенсивности.

Слайд 8

Слева вверху - пример изображения, справа верху- результат фильтрации для r =

Слева вверху - пример изображения, справа верху- результат фильтрации для r =
1, слева внизу - результат фильтрации для r = 3,справа внизу - результат фильтрации для r = 5.

Слайд 9

Для чего сглаживающие фильтры

Одним из их возможных применений является шумоподавление, т.е.

Для чего сглаживающие фильтры Одним из их возможных применений является шумоподавление, т.е.
задача восстановления исходного изображения, к пикселям которого добавлен случайный шум.
Шум меняется независимо от пикселя к пикселю и, при условии, что математическое ожидание значения шума равно нулю, шумы соседних пикселей будут компенсировать друг друга.
Чем больше окно фильтрации, тем меньше будет усредненная интенсивность шума, однако при этом будет происходить и существенное размытие значащих деталей изображения.

Слайд 10

Шумоподавление при помощи прямоугольного фильтра

Естественным предположением об исходном незашумленном изображении будет схожесть

Шумоподавление при помощи прямоугольного фильтра Естественным предположением об исходном незашумленном изображении будет
значений интенсивности пикселей, находящихся рядом.
Причем чем меньше расстояние между пикселями, тем больше вероятность их похожести.
Это и отличает исходное незашумленное изображение от шумовой компоненты, для которой схожесть пикселей никак не зависит от расстояния между ними.
Исходя из вышесказанного можно предположить, что шумоподавление при помощи прямоугольного фильтра имеет существенный недостаток: пиксели на расстоянии r от обрабатываемого оказывают на результат тот же эффект, что и соседние.

Слайд 11

Гауссовский фильтр

Более эффективное шумоподавление можно, таким образом, осуществить, если влияние пикселей друг на

Гауссовский фильтр Более эффективное шумоподавление можно, таким образом, осуществить, если влияние пикселей
друга будет уменьшаться с расстоянием.
Этим свойством обладает гауссовский фильтр с ядром:
( 3)
Гауссовский фильтр имеет ненулевое ядро бесконечного размера.
Однако ядро фильтра очень быстро убывает к нулю при удалении от точки (0, 0), и потому на практике можно ограничиться сверткой с окном небольшого размера вокруг (0, 0) (например, взяв радиус окна равным  3 сигма).

Слайд 12

Гауссовская фильтрация

Гауссовская фильтрация также является сглаживающей. Однако, в отличие от прямоугольного фильтра,

Гауссовская фильтрация Гауссовская фильтрация также является сглаживающей. Однако, в отличие от прямоугольного
образом точки при гауссовой фильтрации будет симметричное размытое пятно, с убыванием яркости от середины к краям, что гораздо ближе к реальному размытию от расфокусированных линз.
Как и следовало ожидать, гауссовская фильтрация более эффективна при шумоподавлении (рис. 2): влияние пикселей друг на друга при гауссовой фильтрации обратно пропорционально квадрату расстояния между ними.
Как видно из (3), коэффициент пропорциональности, а следовательно, и степень размытия, определяются параметром сигма.

Слайд 14

Контрастоповышающие фильтры

Если сглаживающие фильтры снижают локальную контрастность изображения, размывая его, то контрастоповышающие

Контрастоповышающие фильтры Если сглаживающие фильтры снижают локальную контрастность изображения, размывая его, то
фильтры производят обратный эффект. Ядро контрастоповышающего фильтра имеет значение, большее 1, в точке (0, 0), при общей сумме всех значений, равной 1. Например, контрастоповышающим фильтром является фильтр с ядром, задаваемым матрицей:
( 4)
или матрицей
( 5)
Эффект повышения контраста достигается за счет того, что фильтр подчеркивает разницу между интенсивностями соседних пикселей, удаляя эти интенсивности друг от друга (рис. 3).
Этот эффект будет тем сильней, чем больше значение центрального члена ядра.
Характерным артефактом линейной контрастоповышающей фильтрации являются заметные светлые и менее заметные темные ореолы вокруг границ.

Слайд 15

Рис. 3. Контрастоповышающая фильтрация
На рисунке 3 сверху - исходное изображение. Среднее - эффект

Рис. 3. Контрастоповышающая фильтрация На рисунке 3 сверху - исходное изображение. Среднее
от применения фильтра с ядром ,
последнее - эффект от применения фильтра с ядром 

Слайд 16

Разностные фильтры

Рассмотрим линейные фильтры, задаваемые дискретными аппроксимациями дифференциальных операторов (по методу конечных разностей 
Простейшим

Разностные фильтры Рассмотрим линейные фильтры, задаваемые дискретными аппроксимациями дифференциальных операторов (по методу
дифференциальным оператором является взятие производной по x -координате . Данный оператор определен для непрерывных функций.
Существует множество способов определить аналогичный оператор для дискретных изображений при помощи линейного фильтра.
В частности, распространенными вариантами являются фильтры Прюита (Prewitt) и Собеля (Sobel).

Слайд 17

Разностные фильтры

Фильтр Прюита задается матрицей
( 6)
Фильтр Собеля задается матрицей
( 7)
Фильтры, приближающие оператор

Разностные фильтры Фильтр Прюита задается матрицей ( 6) Фильтр Собеля задается матрицей
производной по y -координате , получаются путем транспонирования матриц.

Слайд 18

Фильтры, находящие границы 

В отличии от сглаживающих и контрастоповышающих фильтров, не меняющих среднюю

Фильтры, находящие границы В отличии от сглаживающих и контрастоповышающих фильтров, не меняющих
интенсивность изображения (сумма элементов ядра равна единице), в результате применения разностных операторов получается, как правило, изображение со средним значением пикселя близким к нулю (сумма элементов ядра равна нулю).
Вертикальным перепадам (границам) исходного изображения соответствуют пиксели с большими по модулю значениями на результирующем изображении. Поэтому разностные фильтры называют также фильтрами, находящими границы (рис. 4).

Слайд 19

Пример

На верхнем рисунке - нахождение производной при помощи фильтра Собеля с ядром  , нижний

Пример На верхнем рисунке - нахождение производной при помощи фильтра Собеля с
- нахождение производной по у при помощи фильтра Собеля с ядром  . Серый цвет соответстует значению 0.

Слайд 20

Лапласиан

Аналогично вышеприведенным фильтрам, по методу конечных разностей можно составить фильтры для других

Лапласиан Аналогично вышеприведенным фильтрам, по методу конечных разностей можно составить фильтры для
дифференциальных операторов.
В частности, важный для многих приложений дифференциальный оператор Лапласа ( лапласиан ) 
 можно приблизить для дискретных изображений фильтром с матрицей (один из вариантов):
( 8)
Как видно на рис. 5, в результате применения дискретного лапласиана большие по модулю значения соответствуют как вертикальным, так и горизонтальным перепадам яркости.  является, таким образом, фильтром, находящим границы любой ориентации.
Нахождение границ на изображении может производиться путем применения этого фильтра и взятия всех пикселей, модуль значения которых превосходит некоторый порог.

Слайд 21

Задача нахождения границ на изображении является, как мы видим, весьма непростой.

Однако такой

Задача нахождения границ на изображении является, как мы видим, весьма непростой. Однако
алгоритм имеет существенные недостатки.
Главный из них - неопределенность в выборе величины порога.
Для разных частей изображения приемлемый результат обычно получается при существенно разных пороговых значениях.
Кроме того, разностные фильтры очень чувствительны к шумам изображения.

Слайд 23

Нелинейные фильтры

Примеры нелинейных фильтров
Линейные фильтры, несмотря на разнообразие производимых ими эффектов, не

Нелинейные фильтры Примеры нелинейных фильтров Линейные фильтры, несмотря на разнообразие производимых ими
позволяют проделывать некоторые самые естественные операции. Хорошим примером служит пороговая фильтрация. Результатом пороговой фильтрации служит бинарное изображение, определяемое следующим образом:
( 9)
Величина гамма  является порогом фильтрации.
В приложениях используется еще целый ряд простейших нелинейных фильтров. Например, модуль изображения, содержащего пиксели с отрицательным значением, или фильтр, обнуляющий все значения пикселей, меньше данного порога.
Более сложным фильтром, задействующим в вычислениях окрестность пикселя, является медиана. Медианная фильтрация определяется следующим образом:
( 10)
т.е. результат фильтрации есть медианное значение пикселей окрестности1, форма которой выбирается произвольно. 

Слайд 24

Применение нелинейной фильтрации.
Слева вверху - пример изображения, справа вверху – изображение

Применение нелинейной фильтрации. Слева вверху - пример изображения, справа вверху – изображение
"загрязнено" большим количеством "битых" черных и белых пикселей, внизу слева - результат нелинейной медианной фильтрации с окрестностью 3 x 3 пикселя, внизу справа – для сравнения, результат применения линейного прямоугольного фильтра с той же окрестностью.

Слайд 25

Медианная фильтрация

 способна эффективно справляться с помехами в более общем случае, когда помехи

Медианная фильтрация способна эффективно справляться с помехами в более общем случае, когда
независимо воздействуют на отдельные пиксели.
Например, такими помехами являются "битые" и "горячие" пиксели при цифровой съемке, "снеговой" шум, когда часть пикселей заменяется на пиксели с максимальной интенсивностью, и т.п.
Преимущество медианной фильтрации перед линейной сглаживающей фильтрацией заключается в том, что "горячий" пиксель на темном фоне будет заменен на темный, а не "размазан" по окрестности

Слайд 26

Фильтры минимум и максимум

которые определяются по правилам
( 11)
( 12)
т.е. результат фильтрации есть

Фильтры минимум и максимум которые определяются по правилам ( 11) ( 12)
минимальное и максимальное значения пикселей окрестности.
Данные фильтры, как правило, применяются для бинарных изображений.
В применении к бинарным изображениям, минимум и максимум, а также еще несколько составных фильтров, построенных на их основе, называются морфологическими операторами

Слайд 27

Морфологические операторы

Морфологические операторы суть фильтры, применяемые для морфологического анализа бинарных изображений.
В

Морфологические операторы Морфологические операторы суть фильтры, применяемые для морфологического анализа бинарных изображений.
морфологическом анализе бинарное изображение рассматривается как вид задания формы двумерной геометрической фигуры (пиксели, равные 1, считаются лежащими внутри фигуры, а равные 0 - вовне).
Морфологический анализ активно применяется в таких приложениях, как векторизация изображений, оптическое распознавание символов и другие задачи распознавания образов.

Слайд 28

Сужающие и расширяющие фильтры

Базовыми морфологическими операторами являются, фильтры минимум и максимум.
В результате их

Сужающие и расширяющие фильтры Базовыми морфологическими операторами являются, фильтры минимум и максимум.
применения форма, задаваемая изображением, сужается и, соответственно, расширяется (рис. 7), поэтому в морфологическом анализе данные фильтры называют сужающим и расширяющим.
Окрестность пикселя (x, y), фигурирующая в определении (11), для морфологических операторов называется структурным элементом.
Часто применяемыми составными морфологическими операторами являются открывающий и замыкающий фильтры.
Первый состоит в последовательном применении сужающего и расширяющего операторов с одинаковым структурным элементом.
Его морфологический эффект заключается в удалении малых изолированных частей фигуры.
Применение сначала расширяющего, а затем сужающего оператора дает замыкающий фильтр.
Его эффект заключается в заполнении малых изолированных дырок фигуры.
В обоих случаях, "малость" объекта определяется размером и формой структурного элемента операторов.

Слайд 29

Рис 7

А б
В г д

Рис 7 А б В г д

Слайд 30

Рис. 7. Применение морфологических операторов.

Структурный элемент - квадратная окрестность 5x5.
а -

Рис. 7. Применение морфологических операторов. Структурный элемент - квадратная окрестность 5x5. а
исходное изображение,
б - сужающий фильтр,
в - расширяющий фильтр,
г - открывающий фильтр,
д - замыкающий фильтр
Имя файла: Фильтрация-изображений.pptx
Количество просмотров: 38
Количество скачиваний: 0