POOS P05a Transformacije Intenziteta I Filtriranja

PREPOZNAVANJE OBLIKA
I OBRADA SLIKE
(PATTERN RECOGNITION
AND IMAGE PROCESSING, RIO POOS 4755 )
Doc. dr. Samir Omanovi, dipl.ing.el.
PREDAVANJE 5A
k.god. 2015/2016
TRANSFORMACIJE INTENZITETA I
Neke
osnovne funkcije
Linearna
(negativna i identina),
Logaritamska
Stepena
i inverzna stepena (n-ti stepen i n-ti korijen)
Funkcija
u vidu izlomljene linije
Razvlaenje
Sjeenje
i inverzna logaritamska,
kontrasta
intenziteta
Histogram
Ujednaavanje
Specificiranje
Lokalni
histograma
histograma
histogram
Upotreba
statistika histograma za poboljavanje slike
Prepoznavanje oblika i obrada slike,

k.god.2015/2016
FILTRIRANJA
NEKE OSNOVNE FUNKCIJE

ZA TRANSFORMACIJU INTENZITETA
Imaju oblik s=T(r).
Tri tipa koja se najee koriste u poboljavanjima slike:
linearna (negativna i identina),

logaritamska i inverzna logaritamska,
stepena i inverzna stepena (n-ti stepen i n-ti korijen).
Negativna transformacija se najee koristi pri isticanju bijelih i

svijetlo-sivih regiona okruenih tamnim regionima. Ima oblik s =
L-1-r, gdje je r[0,L-1].
Logaritamska transformacija se koristi da se smanji broj nijansi
svijetlog a povea tamnog. Obrnuto je kod inverzne logaritamske
transformacije. Ima oblik: s = clog(1+r), gdje je c konstanta a
r0.
Stepena transformacija se koristi slino kao i logaritamska, s tim
da ona smanjuje broj nijansi tamnog i poveava svijetlog.
Inverzna stepena ima obrnut efekat.
Ima oblik s = cr ili s = c (r+), gdje su c i pozitivne
konstante.

k.god.2015/2016

Izlazni nivo intenziteta (s)
Negativn
Negativna
a
Log
n-ti
n-ti
korije
korijen
n
s = c(r+)
m-ti
stepen

k.god.2015/2016
s = L-1-r
oblik s=T(r)
s = clog(1+r)
Identite
Identitet
t
Inverzni
log
Ulazni nivo intenziteta (r)
Sve krive su
preskalirane da bi se
4
uklopile u domen!

s = L-1-r
k.god.2015/2016
Rezultat je
poboljana
slika koja je
puno vie
prilagoena
naem vidu.
5
Originalni digitalni
mamogram
Slika nakon primjene

negativne transformacije

s = clog(1+r)

k.god.2015/2016
Fourierov spektar
Slika nakon primjene log

transformacije sa c=1

Matlab primjer transformacije:

Uitati grayscale sliku:
moon = imread('moon.tif');
imshow(moon);
Kreirati negativ:
moon1 = 255-moon;
imshow(moon1);
50
50
100
100
150
150
200
200
250
250
300
300
350
350
400
400
450
450
500
500
50
100
150
200
250
300
350

k.god.2015/2016
50
100
150
200
250
300
350


k.god.2015/2016
Dosta ureaja za akviziciju, printanje i prikaz slike, zbog svojih

unutranjih transformacija, izazivaju greke na slikama koje se
mogu korigovati upotrebom stepene transformacije. Ovo se
najee naziva gama korekcija zbog parametra gama koji se
koristi u stepenoj transformaciji.
Npr. katodna cijev (CRT) ima ovaj efekat, pri emu se gama
nalazi u rasponu 1,8 2,5. To u praksi znai da prikazuju slike
koje su tamnije nego u stvarnosti.


k.god.2015/2016
Crtei krive s =
cr za razliite
vrijednosti pri
emu je c=1.
Sve krive su
preskalirane da bi se
9
uklopile u domen!


imshow(moon);
Kreirati gama transform. i primijetiti saturaciju na slici kada je

> 1:
moon2 =
cast(round(cast(moon,'double').^(0.8)),'uint8');
moon3 =
cast(round(cast(moon,'double').^(1.1)),'uint8');
imshow(moon2); imshow(moon3);
moon2
moon
moon3
50
50
50
100
100
100
150
150
150
200
200
200
250
0.8
250
1.1
300
350
350
350
400
400
400
450
450
500
500
100
150
200
250
300
350
Saturacija
250
300
50

k.god.2015/2016
300
10
450
500
50
100
150
200
250
300
350
50
100
150
200
250
300
350
=2.5
NEKE OSNOVNE
FUNKCIJE ZA
TRANSFORMACIJU
INTENZITETA
Gama
korekcija
Originalna slika
prikazana na monitoru

k.god.2015/2016
Originalna
slika
11
Slika nakon
gama korekcije
Gama korigovana slika

prikazana na monitoru
Slika magnetne
rezonance loma kime
Rezultat stepene
transformacije
sa c=1 i =0.6
NEKE OSNOVNE
FUNKCIJE ZA
TRANSFORMACIJU
INTENZITETA

k.god.2015/2016
Originalna slika je tamna pa

su zbog toga odabrane
transformacije kojima bi se
ista posvijetlila.
12
Rezultat stepene
transformacije
sa c=1 i =0.4
Rezultat stepene
transformacije
sa c=1 i =0.3
Slika iz aviona
Rezultat stepene
transformacije
sa c=1 i =3.0
NEKE OSNOVNE
FUNKCIJE ZA
TRANSFORMACIJU
INTENZITETA

k.god.2015/2016
Originalna slika je svijetla

pa su zbog toga odabrane
transformacije kojima bi se
ista potamnila.
13
Rezultat stepene transformacije
sa c=1 i =4.0
Rezultat stepene transformacije

sa c=1 i =5.0

Matlab primjer gama korekcije:
Uitati sliku:
[X,map] = imread('forest.tif');
imshow(X,map)
Konvertovati u gray-scale:
I = ind2gray(X,map);
Kreirati gama transformaciju (=0.5) i primijeniti je:

J = imadjust(I,[],[],0.5);
figure, imshow(I), figure, imshow(J)
Original
Nakon gama
korekcije
Grayscale
50
50
50
100
100
100
150
150
150
200
200
200
250
250
250
300
300
50
100
150
200
250
300
350
400

k.god.2015/2016
14
300
50
100
150
200
250
300
350
400
50
100
150
200
250
300
350
400

U primjeru desno,
broj 5 u mrei piksela
znai da se uzme 5-ta
boja u mapi boja.

k.god.2015/2016
Indexed image objanjenje: Indexed image se sastoji od mree piksela

i matrice sa mapom boja (colormap matrix). U prethodnom primjera, a
to je i konvencija, X predstavlja mreu piksela, a map matricu sa
mapom boja (odvojeno za tri komponentne boje R, G i B, u rasponu
[0,1]).
15


k.god.2015/2016
Osim pomenutih tipova transformacija postoje i

transformacije u kojima je funkcija u vidu izlomljene
linije
(piecewise-linear
transformation
function).
Prednost upotrebe ovakvih funkcija za transformaciju su
vee mogunosti, ali je mana tea specifikacija istih.
Razvlaenje kontrasta (contrast stretching) je jedna
od situacija gdje se ovakve funkcije upotrebljavaju. Radi
se razvlaenje raspona intenziteta slike tako da se
upotrijebi puni raspon intenziteta medija na koji se slika
snima ili ureaja na kome se slika prikazuje.
IZLOMLJENA
LINIJA
16
Transformaciona
funkcija
Originalna slika slabog

kontrasta (polen snimljen
elektronskim mikroskopom
sa uveanjem od oko 700x)
NEKE OSNOVNE
FUNKCIJE ZA
TRANSFORMACIJU
INTENZITETA

k.god.2015/2016
Na slici je prikazana
funkcija u vidu izlomljene
linije, pri emu je za r1=s1
i r2=s2 ona linearna i
nema nikakav efekat na
intenzitet sivog. Za r1=r2,
s1=0 i s2=L-1 se ona
pretvara u funkciju praga
(threshold function) to
sliku pretvori u crnobijelu. Za sve ostale
meuvrijednosti se
dobivaju slike sa
razliitim kontrastima.
17
Rezultat razvlaenja
kontrasta
Rezultat primjene
funkcije praga

Matlab primjer za contrast stretch:

I = imread('pout.tif');
Funkcijom stretchlim se odredi donja i gornja granica

intenziteta, koju ova funkcija vrati kao vektor LOW_HIGH sa
dvije vrijednosti.
L = stretchlim(I);
J = imadjust(I,L,[]);
Poslije
imshow(I), figure, imshow(J)
Prije
50
50
100
100
150
150
200
200

k.god.2015/2016
18
250
250
50
100
150
200
50
100
150
200


k.god.2015/2016
Sjeenje intenziteta (intensity-level slicing) je isticanje

specifinih raspona intenziteta.
Primjenjuje se dosta kod poboljavanja satelitskih i
rendgenskih snimaka.
Jedan pristup je generisanje crno-bijele slike, a drugi
pristup je da se samo interesantno podruje intenziteta
postavi na neku boju a ostalo ostavi kakvo jeste.
19
Naglaava se raspon intenziteta
[A,B] a ostali se reduciraju na
nisku vrijednost.
Naglaava se raspon
intenziteta [A,B] a
ostali se ouvavaju.


k.god.2015/2016
Angiogram aorte
Rezultat primjene sjeenja

intenziteta naglaava se jedan
raspon intenziteta a reduciraju se
ostali.
Rezultat primjene sjeenja

intenziteta naglaava se jedan
raspon intenziteta a ouvavaju se
ostali.
20


k.god.2015/2016
Sjeenje na nivou bita (bit-plane slicing). Intenzitet je

predstavljen nizom bita pa je mogue mijenjati uticaj bita
na pojedinim pozicijama.
Pojedine pozicije bita ne moraju imati veliki znaaj za sliku
pa se ovakve analize koriste kada se razmatra kompresija
slike npr. ili restauracija slike iz poznatih bita.
U ovakvim operacijama, manje znaajni biti imaju manji
uticaj jer niz bita predstavlja broj koji odreuje intenzitet
boje, a manje znaajni biti imaju manji uticaj na broj.
Na slikama koje slijede vidimo dekompoziciju slike koja
je u 8 nijansi sivog i restauraciju slike. Sa slika
dekompozicije se vidi da je najvie informacije ouvano sa
pozicijom najznaajnijeg bita. Sa slika integracije se vidi da
upotrebom vie nivoa se dobiva bolja slika. Upotrebom
samo slojeva 8 i 7 se slika formira na nain da se intenzitet
rauna kao bit8x128+bit7x64.
21

Jedan bajt (8
bita)

k.god.2015/2016
Ploha bita 8
(najznaajnija)
Ploha bita 1
(najmanje
znaajna)
22

2
8-bitna siva slika veliine 500x1192 piksela i povrine pojedinih bita (od 1 do 8)

k.god.2015/2016
23

Da li se primijete
razlike?

k.god.2015/2016
Rekonstrukcija slike:
-koristei povrine 8 i 7 bita
-koristei povrine 8, 7 i 6 bita
-koristei povrine 8, 7, 6 i 5 bita
24


imshow(moon);
Uzeti neki od bita kao sloj koji elimo prikazati:

moon1 = bitand(moon,bin2dec(01000000'));
imshow(moon1);
50
50
100
100
150
150
200
200
250
250
300
300
350
350
400
400
450
25
450
500
500
50
100
150
200
250
300

k.god.2015/2016
350
50
100
150
200
250
300
350
HISTOGRAM

k.god.2015/2016
Histogram digitalne slike iji su intenziteti u rasponu

[0,L-1] je diskretna funkcija h(rk) = nk, gdje je rk k-ti
intenzitet a nk je broj piksela na slici koji imaju
intenzitet rk.
Uobiajena je praksa da se koristi normalizovani
histogram koji glasi: p(rk) = rk/MN. Na taj nain
formirani p(rk) predstavlja vjerovatnou pojave
intenziteta rk na slici.
Histogram je osnova za razne obrade slike. Jednostavno
se rauna pa se esto koristi u sistemima u realnom
vremenu.
26
HISTOGRAM

k.god.2015/2016
4 osnovne vrste slika:

-tamna
-svijetla
-slab kontrast
-visok kontrast
i njihovi odgovarajui
histogrami.
27
HISTOGRAM
s T ( r ) ( L 1) pr ( w)dw

k.god.2015/2016
Ujednaavanje histograma (histogram equalization).

Razliite nivoe intenziteta na slici moemo posmatrati kao
sluajne varijable u rasponu [0,L-1]. Osnovni nain opisa
sluajnih varijabli je preko funkcije raspodjele
vjerovatnoe (probability density function).
Neka imamo pr(r) i ps(s) funkcije raspodjela vjerovatnoe za
sluajne varijable r i s. Iz teorije vjerovatnoe imamo da,
ako nam je poznato pr(r) i T(r), pri emu je T(r) kontinualna
i diferencijabilna u rasponu vrijednosti koji posmatramo,
onda se raspodjela vjerovatnie transformisane varijable s
moe dobiti kao: ps(s) = pr(r)|dr/ds|.
Posebno je znaajna sljedea transformacija:
gdje je desni
vjerovatnoe.
dio
kumulativ
funkcije
raspodjele
28
HISTOGRAM
Dalje moemo dobiti:
( L 1) pr ( r )
dr
1
p s ( s ) pr ( r )
pr ( r )
ds
( L 1) pr ( r )
1
L 1
0 s L 1
odakle se vidi da je ps(s) u obliku uniformne raspodjele

vjerovatnoe, bez obzira na T(r) i pr(r).

k.god.2015/2016
ds dT ( r )
d
( L 1) pr ( w)dw
dr
dr
dr 0
29
HISTOGRAM
Proizvoljna funkcija
raspodjele vjerovatnoe.

k.god.2015/2016
Prethodna
formua
Rezultat transformacije na sve nivoe

intenziteta r. Rezultujui intenziteti s imaju
uniformnu funkciju raspodjele
vjerovatnoe bez obzira na oblik funkcije
30
raspodjele vjerovatnoe r-ova.
HISTOGRAM
U sluaju diskretnih vrijednosti se umjesto integrala

koristi suma pa je formula u obliku:
sk T ( rk ) ( L 1) pr ( rj )
j 0
( L 1) k
nj
MN j 0
k 0,1,2,..., L 1
Dakle, transformacijom je ulazna slika pretvorena

u izlaznu mapiranjem svakog ulaznog piksela sa
intenzitetom rk u izlazni piksel sa intenzitetom sk.
Navedena
transformacija
T(rk)
se
naziva
ujednaavanje histograma (histogram equalization;
histogram linearization).

k.god.2015/2016
31
Raspodjela intenziteta i
vrijednosti histograma
za 3-bitnu sliku (64x64).
HISTOGRAM
0
j 0
1
s1 T ( r1 ) (8 1) pr ( rj ) 1,33 1,75 3,08 3

j 0
...
Originalni
histogram
Transformaciona
funkcija
Ujednaeni
histogram

k.god.2015/2016
s0 T ( r0 ) (8 1) pr ( rj ) 1,33 1
32
HISTOGRAM

J = histeq(I);
2000
3000
1800
1600
2500
imshow(I)
figure, imshow(J)
1400
2000
1200
1000
1500
800
figure; imhist(I,64)
1000
600
400
500
figure; imhist(J,64)
200
0
0
0
50
100
150
200
250
50
50
100
100
150
150
50
100
150
200

k.god.2015/2016
I = imread('tire.tif');
250
33
200
200
50
100
150
200
50
100
150
200
HISTOGRAM
Na prethodno opisani nain se
ujednaavaju intenziteti piksela.
k.god.2015/2016
Inverzna transformacija iz s u r je:

rk = T-1(sk), gdje je k=0,1,2,...,L-1
U primjeru na slici vidimo

konkretnu primjenu (lijeva kolona
polazne slike, srednja kolona slike
dobivene
ujednaavanjem
histograma i desna kolona
histogrami slika u srednjoj koloni),
s tim da je uoljivo da primjena na
sliku koja ve ima intenzitete u
cijelom rasponu nema znaajnog
efekta.
Primjetno je da slike imaju razliite

34
konane histograme, iako vizuelno
izgledaju vrlo slino.
HISTOGRAM

k.god.2015/2016
Specificiranje histograma (histogram matching;

histogram specification). Mada je ujednaavanje
histograma vrlo korisna transformacija za poboljavanje
slike koja se jednostavno realizuje, ponekad je potrebno
eksplicitno specificirati histogram.
Na prvom primjeru koji slijedi vidimo nain
izraunavanja prema specificiranoj raspodjeli, a na
drugom primjeru vidimo jednu konkretnu primjenu.
35
HISTOGRAM
Specificirani i
stvarni histogram
Specificirani
histogram
Histogram
3-bitne
slike

k.god.2015/2016
Rezultujui
histogram
Transformaciona
funkcija dobivena
iz specificiranog
histograma
s0 G ( z0 ) (8 1) p z ( z j ) 0,00 0
j 0
s1 0,00 0
s2 0,00 0
3
s3 G ( z3 ) (8 1) p z ( z j )
j 0
7( 0,00 0,00 0,00 0,17) 1,05 1

...
36

k.god.2015/2016
Broj piksela (x 104)
HISTOGRAM
Slika Marsovog
mjeseca Phobos
37
Intenzitet
Funkcija
transformacije
Ulazni intenzitet
Histogram
rezultujue
slike
Rezultujua slika dobivena

ujednaavanjem histograma

k.god.2015/2016
Izlazni intenzitet
HISTOGRAM
38
Intenzitet
Specificirani
histogram
HISTOGRAM
Transformacije
Ulazni intenzitet
Poboljana slika
dobivena koristei
mapiranje preko
krive (2)
isprekidana linija

k.god.2015/2016
Izlazni intenzitet
Intenzitet
Histogram
poboljane
slike
39
Intenzitet
HISTOGRAM

k.god.2015/2016
I = imread('tire.tif');
% Zadani hist.
hi1 = [zeros(10,1); max(hi(10:size(hi,1))-250,0)];
J = histeq(I, hi1);
imshow(I)
figure, imshow(J)
50
50
100
100
150
150
200
200
50
100
150
200
40
50
100
150
200
HISTOGRAM
1
m
MN
M 1 N 1
1

MN
2
f ( x, y )
x 0 y 0
M 1 N 1
f ( x, y ) m

k.god.2015/2016
Lokalni histogram. Prethodno opisane primjene

histograma su globalne i pogodne su za sveukupno
poboljavanje slike. Ponekad je potrebno poboljati detalje
na manjim podrujima slike.
Upotreba statistika histograma za poboljavanje
slike. Prosjean intenzitet i varijansa se na jednostavan
nain mogu izraunati direktno iz slike:
x 0 y 0
Postoje dvije primjene statistika. Na globalnom nivou se

koriste globalni prosjek i globalna varijansa, a na
lokalnom nivou se koristi lokalni prosjek i lokalna
varijansa.
41
HISTOGRAM

k.god.2015/2016
Originalna slika
Globalno ujednaavanje histograma
Lokalno ujednaavanje histograma
Uoiti na zadnjoj slici simbole u malim kvadratima,

koji na prethodne dvije slike nisu uoljivi.
42
HISTOGRAM
Uoiti na zadnjoj slici vie detalja u

odnosu na prethodne dvije slike.

k.god.2015/2016
Originalna slika
(tungestenska arna nit,
elektronski mikroskop 130x)
Globalno ujednaavanje histograma
43
Poboljanje na bazi statistika

lokalnog histograma.
PITANJA ZA PONAVALJANJE GRADIVA I

PRIPREMU ISPITA
ta su stepene transformacije i emu slue?
2.
ta je histogram i emu slui?
3.
ta je specificiranje histograma i emu slui?
4.
ta je lokalni histogram i emu slui?
5.
Pojasniti kako se vri ujednaavanje intenziteta preko histograma?

k.god.2015/2016
1.
44
KORITENO U PRIPREMI OVE PREZENTACIJE

Gonzales R., Woods R., Digital Image Processing, 3rd Edition, PrenticeHall, New-Jersey, USA, 2008
2.
MATLAB 2009a Help

k.god.2015/2016
1.
45

POOS P05a Transformacije Intenziteta I Filtriranja

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

POOS P05a Transformacije Intenziteta I Filtriranja

Uploaded by

Copyright:

Available Formats

PREPOZNAVANJE OBLIKA

AND IMAGE PROCESSING, RIO POOS 4755 )

Doc. dr. Samir Omanovi, dipl.ing.el.

i inverzna stepena (n-ti stepen i n-ti korijen)

u vidu izlomljene linije

statistika histograma za poboljavanje slike

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

linearna (negativna i identina),

Negativna transformacija se najee koristi pri isticanju bijelih i

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

Izlazni nivo intenziteta (s)

Prepoznavanje oblika i obrada slike,

Ulazni nivo intenziteta (r)

NEKE OSNOVNE FUNKCIJE

Slika nakon primjene

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,

Slika nakon primjene log

NEKE OSNOVNE FUNKCIJE

Matlab primjer transformacije:

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,

Dosta ureaja za akviziciju, printanje i prikaz slike, zbog svojih

NEKE OSNOVNE FUNKCIJE

Izlazni nivo intenziteta (s)

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

Uitati grayscale sliku:

Kreirati gama transform. i primijetiti saturaciju na slici kada je

Prepoznavanje oblika i obrada slike,

Prepoznavanje oblika i obrada slike,

Gama korigovana slika

Prepoznavanje oblika i obrada slike,

Originalna slika je tamna pa

Prepoznavanje oblika i obrada slike,

Originalna slika je svijetla

Rezultat stepene transformacije

NEKE OSNOVNE FUNKCIJE

Kreirati gama transformaciju (=0.5) i primijeniti je:

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,

Indexed image objanjenje: Indexed image se sastoji od mree piksela

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,

Osim pomenutih tipova transformacija postoje i

Ulazni nivo intenziteta (r)

Originalna slika slabog

Izlazni nivo intenziteta (s)

Prepoznavanje oblika i obrada slike,

Ulazni nivo intenziteta (r)

NEKE OSNOVNE FUNKCIJE

Matlab primjer za contrast stretch:

Funkcijom stretchlim se odredi donja i gornja granica

Prepoznavanje oblika i obrada slike,

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,

Sjeenje intenziteta (intensity-level slicing) je isticanje

NEKE OSNOVNE FUNKCIJE

Prepoznavanje oblika i obrada slike,