Professional Documents
Culture Documents
Restauracija Slike
Restauracija Slike
Degradacija slike
periodini um (smetnja): Ova smetnja nastaje usle interferencije sa nekim izvorom periodine
prirode,Sinusne i kosinusne 2D funkcije se superponiraju na sliku,Uticaj ove smetnje moe se
lako uoiti u spektru slike.
Filtriranje uma
a)Filteri usrednjivai (mean filters)
- Aritmetiki usrednjiva:um se uklanja ublaavanjem,Linearan filtar konvolucija),pogodan za
Gausov um
-Geometrijski usrednjiva:Nelinearan filtar,Slian efekat kao aritmetiki,Bolje uva detalje slike
-Harmonijski usrednjiva: Pogodan za Gausov um i bijele impulse (so)
-Kontraharmonijski usrednjiva.
Aritmetiki i geometrijski usrednjivai pogodniji su za uklanjanje uma sa Gausovom ili
uniformnom raspodelom .Kontraharmonijski filtri vie odgovaraju ukalnjanje impulsnog uma,
ali samo ako taj um ima jednu vrstu impulsa bijeli ili crni (so ili biber).
b) Adaptivni filtri (prostorno-varijantni filtri)
-Filetri koji menjaju svoje karakteristike u prostoru u zavisnosti od parametara okoline datog
piksela
-Gausov um: U zavisnosti od odnosa lokalne i globalne varijanse, izlaz filtra je kombinacija
originalnog piksela i srednje vrednosti njegove okoline
-Impulsni um :U zavisnosti od toga da li je piksel detektovan kao impuls, izlaz e biti
originalni piksel ili median njegove okoline
c)Frekvencijsko filtriranje uma
Osnovna primena je uklanjanje periodinog uma.Ovo se vrlo teko ostvaruje u prostornom
domenuKoriste se 2D pojasni filtri (bandpass ili bandstop). Bandstop filtrom potiskuju se
komponente 2D spektra u opsezima koji odgovaraju periodinim komponentama smetnje.
Bandpas filtrom moe se izolovati smetnja od
ostatka slike
Pojasni filtri: idealni, Batervortov, Gausov
Uklanjanje degradacije
Estimacija funkcije degradacije
Opservacijom
Eksperimentom
Matematikim modelovanjem
Uklanjanje funkcije degradacije na osnovu estimirane funkcije naziva se blind deconvolution
(dekonvolucija na nevieno).
a)Estimacija funkcije degradacije opservacijom slike
Pomou malog uzorka slike koji sadri deo pozadine i objekta od interesa koji moemo
generisati (rekonstruisati), mogue je proceniti karakteristiku dekonvolucionog filtra
Na osnovu toga moe se konstruisati filtar za itavu sliku koji e imati slinu karakteristiku
kao i filtar za deo slike
b) Estimacija na osnovu eksperimenta
Ako je dostupan isti ili slian ureaj kojim je izvrena akvizicija ili prenos slike koji je izazvao
degradaciju
Na osnovu impulsa na ulazu sistema mogue je na izlazu dobiti impulsni odziv PSF (Point
Spread Function)
Tada se prenosna karakteristika moe jednostavno dobiti deljenjem FT izlaznog signala sa
konstantom koja odgovara amplitudi impulsa
c) Estimacija modelovanjem
Formira se model sistema za prenos, pa se na osnovu pretpostavljene prenosne
karakteristike vri restauracija
Omoguava uvid u problem restauracije
Inverzno filtriranje
-Uklanjanje degradacije deljenjem Furijeove transformacije slike pretpostavljenom prenosnom
karakteristikom sistema
- ak iako je funkcija degradacije poznata nije mogue u potpunosti ukloniti njen uticaj zbog
prisustva uma sluajan signal ija Furijeova transformacija nije poznata
- Ako funkcija degradacije ima vrednosti bliske nuli, komponenta uma dominira u
restauriranoj slici ( )
-H(u,v) je uglavnom NF prirode, pa e male vrednosti biti u VF podruju ograniavanjem
analize samo na NF domen izbegava se katastrofalan uticaj vrednosti bliskih nuli.
Wiener-ov filtar
Inverzno filtriranje ne uzima u obzir prisustvo uma
Wiener-ov filtar objedinjuje funkciju degradacije i statistike karakteristike uma u procesu
restauracije
I slika i um posmatraju se kao sluajni procesi
Cilj je pronalaenje procene originalne slike koja minimizuje srednju kvadratnu greku
Ako nema uma svodi se na inverzno filtriranje
Geometrijske transformacije
Modifikuju prostorne relacije izmeu piksela slike
Rubber-sheet transformations
Dva simultana procesa
Prostorna transformacija
Transformacija koja preslikava lokacije piksela iz ravni originalne slike u ravan degradirane
(izobliene) slike