Dividere spazialmente l'immagine in piccole aree (pixel), ogni pixel ha una coordinata bidimensionale (intera)

Influenza

La luminosità o il valore di grigio di ciascun pixel viene mappato al livello di grigio corrispondente e ciascun livello di grigio è generalmente rappresentato da un numero intero.

Se il numero di livelli di scala di grigio quantizzati L=256, l'intervallo di valori è un numero intero compreso tra 0 e 255 e è possibile utilizzare 8 bit per rappresentare il valore di scala di grigio del pixel dell'immagine in scala di grigio, operazione denominata quantizzazione a 8 bit.

Il numero di pixel dell'immagine si riferisce al numero di pixel contenuti nell'immagine bitmap in orizzontale e verticale. Il semplice aumento del numero di pixel non può migliorare l'effetto di visualizzazione dell'immagine. L'effetto di visualizzazione dell'immagine è determinato dal numero di pixel e dalla risoluzione dello schermo.

La risoluzione dell'immagine si riferisce al numero di pixel distribuiti nell'immagine per unità di lunghezza di stampa. Viene utilizzata principalmente per caratterizzare la densità delle informazioni dell'immagine digitale, che determina la chiarezza dell'immagine. Su un'area di dimensione unitaria, maggiore è la risoluzione dell'immagine, maggiore è il numero di pixel che contiene, più densi sono i pixel e maggiore è la chiarezza dell'immagine digitale.

La dimensione dell'immagine determina lo spazio di archiviazione richiesto per archiviare il file immagine, che generalmente viene misurato in byte (B). La formula di calcolo è: numero di byte = (altezza bitmap × larghezza bitmap × profondità immagine) / 8. Dalla formula di calcolo si può vedere che la dimensione di archiviazione del file immagine è direttamente correlata al numero di pixel.

Il colore dell'immagine si riferisce al maggior numero di tipi di colore possibili in un'immagine digitale. Modificando le proporzioni dei tre colori primari rosso, verde e blu, può essere facilmente miscelato con qualsiasi colore.

La profondità dell'immagine, nota anche come profondità di bit dell'immagine, si riferisce al numero di bit occupati da ciascun pixel nell'immagine. I dati corrispondenti a ciascun pixel dell'immagine possono solitamente essere rappresentati da 1 o più byte Maggiore è la profondità dei dati, maggiore è il numero di bit richiesti e più ricca è la rappresentazione del colore corrispondente.

La tonalità dell'immagine si riferisce alla luminosità e all'oscurità dei vari colori dell'immagine corrispondenti ai colori primari (ad esempio, i colori primari delle immagini digitali in formato RGB includono rosso, verde e blu). la brillantezza dei colori primari. La tonalità varia da 0 a 255, includendo un totale di 256 tonalità. Ad esempio, l'immagine in scala di grigio più semplice divide la tonalità in 256 tonalità dal bianco al nero. Nelle immagini RGB, è necessario caratterizzare la luminosità e l'oscurità dei tre colori rosso, verde e blu. Ad esempio, se il tono rosso è intenso, l'immagine tenderà ad essere rosso scuro, mentre se il tono verde lo è approfondito, l'immagine tenderà ad essere verde scuro.

La saturazione dell'immagine indica la purezza dei colori nell'immagine. La saturazione di una foto di una scena naturale dipende dalle proprietà riflettenti o proiettate dell'oggetto. Nell'elaborazione delle immagini digitali, la saturazione viene generalmente misurata dalla proporzione di luce bianca mescolata a un colore solido. Maggiore è la quantità di luce bianca mescolata a un colore solido, minore è la saturazione e, viceversa, maggiore è la saturazione.

La luminosità dell'immagine si riferisce alla luminosità e all'oscurità dei colori contenuti nelle immagini digitali. È la percezione dell'occhio umano della luminosità e dell'oscurità dell'oggetto stesso. L'intervallo di valori è generalmente compreso tra 0% e 100%.

Il contrasto dell'immagine si riferisce al contrasto tra diversi colori o al contrasto tra luce e buio in un'immagine. Maggiore è il contrasto, maggiore è la differenza di luminosità tra i colori o maggiore la differenza tra bianco e nero. Ad esempio, aumentando il contrasto di un'immagine in scala di grigi, la differenza tra bianco e nero nell'immagine sarà più netta, facendo apparire l'immagine più nitida. Quando il contrasto viene aumentato al massimo, l'immagine in scala di grigi diventa un'immagine in bianco e nero.

Nei sistemi di progettazione computerizzata, per elaborare i materiali immagine in modo più conveniente ed efficace, questi vengono solitamente posizionati in diversi strati e l'immagine può essere considerata composta da diversi strati di immagini sovrapposte. Utilizzando il software di elaborazione delle immagini, ogni livello può essere elaborato in modo indipendente senza influenzare il contenuto dell'immagine degli altri livelli. Quando crei un nuovo file immagine, il sistema creerà automaticamente un livello di sfondo, che equivale a una tela su cui è possibile eseguire altri lavori di elaborazione delle immagini. Se un'immagine ha più livelli, ogni livello avrà lo stesso numero di pixel, canali e formato.

Se è soddisfatta una delle due condizioni seguenti

Allora i due punti p e q si dicono m adiacenti.

La trasformazione delle coordinate comunemente utilizzata nell'elaborazione delle immagini è la trasformazione affine

trasformazione dell'identità

trasformazione della traduzione

trasformazione della rotazione

trasformazione di scala

trasformazione di taglio

Il valore di grigio del pixel di input più vicino alla posizione su cui è mappato viene selezionato come risultato dell'interpolazione.

Svantaggi: quando il valore di grigio dei pixel adiacenti cambia in modo significativo, la sua struttura fine diventerà ruvida.

In base al valore di grigio di quattro punti adiacenti, l'interpolazione viene eseguita due volte nelle direzioni xey. La funzione di interpolazione è l'equazione paraboloide iperbolica

Si tratta di un miglioramento rispetto al metodo del vicino più vicino, in base al quale un paraboloide iperbolico è adattato a quattro punti noti adiacenti.

Svantaggi: Il metodo di calcolo dell'interpolazione bilineare può generalmente ottenere risultati soddisfacenti perché è stata considerata l'influenza di quattro punti adiacenti. Tuttavia, questo metodo ha proprietà di filtraggio passa-basso, che causano la perdita di componenti ad alta frequenza e offuscano il contorno dell'immagine. Se desideri ottenere un effetto di interpolazione in scala di grigi più accurato, puoi utilizzare la correzione di interpolazione di ordine superiore.

Interpolare in base al valore di grigio di 16 punti adiacenti

Trasformata di Fourier dell'immagine. Invece di ottenere un’onda, questo converte l’immagine dal dominio spaziale (cioè la rappresentazione originale dei pixel) al dominio della frequenza. Nel dominio della frequenza, un'immagine è rappresentata come una serie di combinazioni di onde di frequenze diverse. Questa trasformazione ci consente di vedere la distribuzione delle diverse componenti di frequenza nell'immagine, comprese le componenti a bassa frequenza (che rappresentano parti dell'immagine che cambiano lentamente, come aree uniformi) e componenti ad alta frequenza (che rappresentano parti che cambiano rapidamente, come i bordi e dettagli).

Nel dominio della frequenza è possibile scegliere di applicare all'immagine un filtro ad alta frequenza o un filtro a bassa frequenza.

Per i dettagli, vedere Filtraggio nel dominio della frequenza per il miglioramento delle immagini

I dati filtrati nel dominio della frequenza vengono quindi riconvertiti nel dominio spaziale tramite la trasformata di Fourier inversa. Il risultato di questa trasformazione inversa è un'immagine modificata che riflette l'effetto del filtraggio nel dominio della frequenza.

metodo del dominio spaziale

metodo nel dominio della frequenza

liscio

Affilare

Secondo l'analisi delle caratteristiche di frequenza dell'immagine, si ritiene generalmente che il contrasto e la gamma dinamica dell'intera immagine dipendano dalla parte a bassa frequenza delle informazioni dell'immagine (riferita all'immagine complessiva), mentre i contorni dei bordi e i dettagli locali nell'immagine dipendono dalla parte ad alta frequenza.

Pertanto, per l'elaborazione delle immagini vengono utilizzati metodi di filtraggio digitale bidimensionale. Ad esempio, l'utilizzo di un filtro passa alto può aiutare a evidenziare i contorni dei bordi e i dettagli dell'immagine, mentre l'utilizzo di un filtro passa basso può attenuare l'immagine e ridurre il rumore.

I valori della scala di grigio vengono invertiti, il nero diventa bianco

Le operazioni di inversione dell'immagine vengono spesso utilizzate per migliorare le aree poco grigie di un'immagine, rendendole più luminose o più prominenti.

Se il corpo principale dell'immagine è più chiaro in scala di grigi, l'operazione di inversione potrebbe rendere il corpo principale più scuro.

Per migliorare i soggetti dell'immagine con scale di grigio più chiare, è spesso necessario utilizzare altre tecniche di miglioramento dell'immagine, come l'equalizzazione dell'istogramma o il miglioramento del contrasto. L'operazione di inversione è più adatta per migliorare i dettagli scuri nell'immagine.

Migliora il contrasto di ogni parte dell'immagine e aumenta effettivamente la gamma dinamica tra due valori di grigio nell'immagine.

Al contrario, a volte la gamma dinamica dell'immagine originale è troppo ampia e supera la gamma dinamica consentita di alcuni dispositivi di visualizzazione. In questo caso, se l'immagine originale viene utilizzata direttamente, alcuni dettagli potrebbero andare persi.

Regola il valore della scala di grigi di ciascun pixel dell'immagine applicando una funzione matematica

trasformazione lineare

trasformazione non lineare

Istogramma già uniforme: se l'istogramma di un'immagine è già distribuito uniformemente o la distribuzione della luminosità è molto vicina all'uniforme, l'esecuzione dell'equalizzazione dell'istogramma potrebbe non modificarne il contrasto.

Distribuzione speciale della luminosità: in alcune situazioni speciali di distribuzione della luminosità, l'equalizzazione dell'istogramma può causare una perdita di dettaglio in alcune aree, con conseguente riduzione del contrasto in queste aree.

Concentrazioni estreme di valori di luminanza: se una grande percentuale di pixel in un'immagine è concentrata alle estremità estreme dell'intervallo di luminanza (molto luminoso o molto scuro), l'equalizzazione dell'istogramma potrebbe comportare una riduzione del contrasto in queste aree.

C(x,y)=A(x,y) B(x,y)

La media delle immagini M è definita come

applicazione

C(x,y) = A(x,y) - B(x,y)

applicazione

C(x,y) = A(x,y) * B(x,y)

applicazione

C(x,y) = A(x,y)/ B(x,y)

applicazione

AND (AND): scritto come p AND q (può anche essere scritto come p·q o pq)

Oppure (OR): scritto come p OR q (può anche essere scritto come p q)

COMPLEMENTO (COMPLEMENTO, spesso chiamato anche negazione o no): scritto come NOT q (può anche essere scritto come )

Fondamentale

effetto principale

Processo di implementazione

modulo modello

Principio dell'algoritmo

Caratteristiche dell'algoritmo

Metodo della media di quartiere

filtro mediano

concetto di base

Idee per algoritmi

Operatore differenziale del primo ordine

operatore differenziale del secondo ordine

alta frequenza e bassa frequenza

Il filtraggio nel dominio della frequenza può essere utilizzato per migliorare o eliminare selettivamente determinati contenuti di un'immagine. È possibile utilizzare il filtraggio passa-basso per ridurre i componenti ad alta frequenza e ottenere un'immagine più uniforme.

appartiene a liscio

Filtro passa basso ideale (ILPF)

Filtro passa basso Butterworth (BLPF)

Filtro passa basso esponenziale (ELPF)

Filtro passa basso ladder (TLPF)

Confronto degli effetti del filtro

I bordi dell'immagine corrispondono ai componenti ad alta frequenza nello spettro, quindi è possibile utilizzare filtri passa-alto per estrarre i bordi dell'immagine.

Sovrapponendolo all'immagine originale è possibile rendere i bordi più chiari, rendendo così più nitida l'immagine.

Appartiene all'affilatura

Per il filtro passa basso corrispondente alla parte liscia dell'immagine, è possibile ottenere il corrispondente filtro passa alto.

Un filtro passa-alto può essere espresso come (1 filtro passa-basso)

La tecnologia di filtraggio omomorfico è un metodo di filtraggio basato sul principio dell'imaging con riflessione dell'illuminazione dell'immagine.

Nel dominio della frequenza è possibile comprimere contemporaneamente la gamma di luminosità dell'immagine e aumentare il contrasto, il che è particolarmente adatto per immagini causate da un'illuminazione non uniforme.

L'immagine ottenuta dall'osservatore o dal sistema di imaging dipende generalmente dalla luce riflessa sul bersaglio, che è divisa in ① la quantità di luce visibile incidente sulla scena; ② la quantità di luce riflessa dal bersaglio nella scena

L'immagine è rappresentata come il prodotto della componente di illuminazione e della componente di riflessione

La componente di illuminazione e la componente di riflessione si trovano in bande di frequenza diverse. È possibile utilizzare il metodo logaritmico per modificare la loro moltiplicazione in addizione, quindi utilizzare trattamenti diversi per queste due parti.

La componente di illuminazione è a bassa frequenza e la bassa frequenza può essere soppressa per eliminare un'illuminazione non uniforme. Allo stesso tempo, i componenti ad alta frequenza possono essere migliorati per evidenziare i dettagli dell'immagine.

Allo stesso tempo riduce le basse frequenze ed esalta le alte frequenze, comprime la gamma dinamica dell'immagine e migliora il contrasto tra le varie parti.

La somma (unione) di tutte le sottoregioni dovrebbe includere tutti i pixel dell'immagine, oppure la segmentazione dovrebbe dividere ciascun pixel dell'immagine in una determinata sottoregione.

Ciascuna sottoregione non si sovrappone all'altra oppure un pixel non può appartenere a due regioni contemporaneamente.

I pixel appartenenti alla stessa area dovrebbero avere le stesse caratteristiche e i confini dell'area dovrebbero essere chiari.

I pixel appartenenti a regioni diverse dovrebbero avere caratteristiche diverse.

È necessario che i pixel nella stessa sottoregione siano collegati.

Metodo: in base alla somiglianza del valore di grigio dei pixel dell'immagine, selezionando una soglia, trovare l'area con valore di grigio simile. Il contorno esterno dell'area è il bordo dell'oggetto target.

Metodo: in base alla discontinuità del valore di grigio del pixel dell'immagine, trovare prima i punti, le linee e i bordi, quindi determinare l'area.

metodo di segmentazione della soglia

crescita regionale

unione divisa

Segmentazione morfologica

metodo di segmentazione del rilevamento dei bordi

Hough trasforma

L'immagine contiene: target e sfondo; ci sono differenze nelle caratteristiche della scala di grigi tra i due; selezione di una soglia appropriata; determinazione della proprietà di ciascun pixel nell'immagine e infine segmentazione per generare un'immagine binaria.

Determinare le soglie di segmentazione appropriate

Confronta ciascun valore di pixel con una soglia per assegnare la proprietà del pixel

Il calcolo è semplice

Particolarmente efficace per la segmentazione delle immagini con forte contrasto tra target e sfondo.

Le regioni non sovrapposte possono sempre essere definite con confini chiusi e connessi

Può essere generalizzato ad altre caratteristiche, come struttura, colore, ecc.

I valori della scala di grigio dei pixel all'interno del target e dello sfondo sono molto simili, mentre i valori della scala di grigio dei pixel su entrambi i lati della loro giunzione sono molto diversi. L'istogramma dell'immagine può essere sostanzialmente considerato come la sovrapposizione di due istogrammi unimodali del target e lo sfondo. Se la differenza nella scala di grigi tra il target e lo sfondo è relativamente ampia, l'istogramma dell'immagine dovrebbe essere bimodale.

Prendi il valore grigio nella parte inferiore (valore minimo) dell'istogramma come soglia T.

Suscettibile alle interferenze del rumore, il valore minimo non è la soglia desiderata.

Migliorare

L'istogramma dell'immagine non presenta un doppio picco e un fenomeno di valle, o anche se la soglia ha un doppio picco e un fenomeno di valle, il punto di valle non è un punto di soglia accurato;

Ridurre al minimo la probabilità di errore di segmentazione, nota anche come soglia di probabilità di errore minimo.

Impostare la probabilità del bersaglio e dello sfondo e la relativa funzione di densità di probabilità della distribuzione del grigio;

Data una soglia t, trovare la probabilità di errore di segmentazione di ciascuna classe;

Trovare la probabilità totale dell'errore di segmentazione e(t) sotto questa soglia;

La soglia ottimale T è calcolata dal valore minimo della probabilità totale di errore di segmentazione e(t).

La soglia selezionata, ecc., massimizza la differenza complessiva tra l'obiettivo della segmentazione e l'area dello sfondo. In una certa misura, si può considerare che il risultato della segmentazione abbia raggiunto il livello ottimale. Questa differenza tra le regioni è spesso descritta dalla varianza.

La varianza è una funzione della soglia k. Quando k cambia, cambia anche la varianza tra le regioni Selezionare il k che massimizza la varianza, chiamata anche soglia massima della varianza interclasse.

Il processo di risoluzione della soglia massima di varianza interclasse non richiede l'impostazione manuale di altri parametri ed è selezionato in modo completamente automatico dal computer. Non è applicabile solo alla segmentazione di due regioni, ma può essere esteso anche alla situazione di più regioni.

passaggio

La raccolta di quei pixel in un'immagine che presentano un gradino o un cambiamento del tetto in scala di grigi.

La segmentazione dell'immagine si ottiene trovando i confini di diverse aree nell'immagine. Si tratta di una vasta classe di metodi di segmentazione delle immagini basati sui confini.

Elevata precisione: contiene più bordi veri e meno bordi falsi;

Elevata precisione: i bordi rilevati dovrebbero trovarsi sui confini effettivi;

Larghezza singolo pixel: altamente selettivo, reattivo in modo univoco ai bordi.

Uguale a "Algoritmo di differenziazione incrociata"

Operatori come Roberts, Prewitt e Sobel contengono solo modelli in due direzioni e possono rilevare poche direzioni dei bordi. Più direzioni ha il modello differenziale, più bordi in più direzioni possono essere rilevati.

Operatore Kirsch

Operatore astuto

Caratteristiche

effetto

modello

L'immagine viene prima smussata, quindi i bordi vengono rilevati utilizzando l'operatore di Laplace per superare il problema relativo alla sensibilità dell'operatore differenziale del secondo ordine al rumore.

Lo scopo dell'unione dei bordi è collegare i bordi discontinui per formare un confine chiuso.

Analizzare le caratteristiche di ciascun punto (x, y) nei risultati del rilevamento dei bordi; collegare tutti i punti simili in un piccolo quartiere (3x3 o 5x5) per formare il confine di una regione con caratteristiche comuni.

Utilizzando la relazione duale tra uno spazio e un altro spazio, il problema nello spazio originale viene convertito nel suo spazio duale da risolvere e il problema diventa relativamente semplice nello spazio duale.

fare un passo

Problemi esistenti e miglioramenti

Caratteristiche

Per il rilevamento del cerchio

Per il rilevamento delle ellissi

Alcuni metodi di segmentazione non tengono conto di determinate condizioni.

La crescita regionale è un metodo di segmentazione dal basso verso l'alto.

Determinare innanzitutto il numero di regioni e le relative caratteristiche; quindi trovare un seme rappresentativo per ciascuna regione; utilizzare il seme come centro di clustering per unire continuamente i pixel adiacenti con le stesse caratteristiche nell'immagine nella regione. Ripetere il processo di fusione fino a quando non è possibile essere accorpati, e infine formano regioni con caratteristiche diverse. Questo metodo di segmentazione è anche chiamato espansione della regione.

Selezione del punto di semina

Determinazione del criterio di somiglianza (criterio di crescita)

Determinazione delle condizioni di arresto della crescita

La crescita regionale è fortemente influenzata dai semi, dai criteri di somiglianza, ecc.

L'unione divisa è un metodo di segmentazione dall'alto verso il basso.

Partendo dall'immagine intera, essa viene continuamente frazionata passo dopo passo, e contemporaneamente si uniscono zone adiacenti con le stesse caratteristiche fino a quando non è più possibile dividerla, ed infine si ottiene ciascuna sottoregione.

approccio divisivo

La pratica della fusione

Operazioni specifiche

Caratteristiche interne: caratteristiche della scala di grigi, caratteristiche del colore, caratteristiche della trama,...

Caratteristiche esterne: area, perimetro, circolarità, ecc...

La lunghezza della linea di confine (spazio) tra l'area e lo sfondo

numero di punti di confine

Ao è l'area del bersaglio e AMER è l'area del rettangolo più piccolo. Il valore R è compreso tra 0 e 1.

Quando il bersaglio è un rettangolo, R assume un valore massimo pari a 1; quando il bersaglio è un cerchio, il valore di R è; per bersagli sottili e curvi, il valore R diminuisce e si avvicina a 0.

Assegnare a ciascun segmento di confine un codice di direzione

Seleziona il punto iniziale, inizia dal punto iniziale e codifica lungo il confine fino a tornare al punto iniziale e terminare la codifica.

Punto di partenza: punto rosso

Direzione: in senso orario

Codice 4 catene: 000033333322222211110011

Lascia che le coordinate del punto iniziale siano (5,5) e utilizza i codici a catena a 4 direzioni e i codici a catena a 8 direzioni in senso antiorario per rappresentare i confini dell'area.

Codice catena 4 vie: (5,5)111232323000

Codice catena 8 direzioni: (5,5)2224556000

Dalla definizione si può vedere che la selezione del punto iniziale, la traslazione, la rotazione e il ridimensionamento influenzeranno tutti la sequenza dei confini originale, influenzando così il risultato dopo la trasformata di Fourier.

Il descrittore di Fourier può essere migliorato e adattato per renderlo invariante alle trasformazioni geometriche. I metodi specifici sono i seguenti: 1) Il cambiamento e la rotazione del punto iniziale influenza solo la fase di F(u), non l'ampiezza, e può essere ignorato; 2) La traslazione influenzerà la componente continua di F(u), che può essere eliminata rimuovendo la continua; 3) I cambiamenti di scala causeranno l'allargamento o la riduzione complessiva di F(u), che può essere eliminato normalizzando dividendo per il coefficiente massimo. Dopo l'elaborazione di cui sopra, la foglia finale di Fourier presenta l'invarianza della trasformazione geometrica.