You are on page 1of 11

1. Opérateurs ponctuels : principes de base, influence de la pente de l’opérateur.

Operatii punctuale : prin care se realizeaza o corespondenta de tip „unu la unu” intre valoarea initiala a
unui nivel de gri si noua valoare a acestuia, pentru fiecare pixel al imaginii. Operatiile punctuale de
modificare a contrastului (numite si transformari ale nivelului de gri) sunt asocieri ce leaga nivelul de gri
original u de noua sa valoare v. O asemenea asociere nu este altceva decat o functie: v = T(u).
Daca pe un interval aceasta panta este subunitara, atunci diferenta intre nivelele alaturate de gri se
micsoreaza si deci contrastul scade; daca din contra, panta dreptei este supraunitara, diferenta dintre
nivelele de gri alaturate se mareste si contrastul va creste.

2. Operateurs ponctuels : l’opérateur linéaire par portions, l’opérateur non-linéaire et non-
linéaire à point fixe.

Tehnica de modificare liniara a contrastului cea mai des folosita este o transformare liniara pe portiuni.
Pentru functia liniara pe portiuni este evident ca derivata va fi constanta pe aceleasi intervale, avand
valoarea egala cu panta segmentului de dreapta. Daca pe un interval aceasta panta este subunitara, atunci
diferenta intre nivelele alaturate de gri se micsoreaza si deci contrastul scade; daca din contra, panta
dreptei este supraunitara, diferenta dintre nivelele de gri alaturate se mareste si contrastul va creste.
Principalul dezavantaj al tehnicii liniare pe portiuni este faptul ca modificarea contrastului este aceeasi
pe un intreg interval de nivele de gri, si nu este posibila o modificare neuniforma a contrastului pe intregul
interval de nivele de gri sau in jurul unui anume nivel de gri. Tehnicile neliniare au aceste proprietati.

O prima proprietate este compandarea domeniului definita de o curba logaritmica si cu punctele fixe
((0; 0) si (M-1; M-1)). Contrastul va varia neuniform de-a lungul scalei de gri, marindu-se la capatul
inferior (negru) si micsorandu-se la capatul superior (alb). In mod reciproc se poate defini expandarea
domeniului, ca transformare inversa celei de compandare, si deci avand o alura exponentiala. Contrastul
va varia neuniform de-a lungul scalei de gri, marindu-se la capatul superior (alb) si micsorandu-se la
capatul inferior (negru). Alte transformari neliniare pot fi obtinute prin folosirea unor functii de tip putere;
si acestea au nivelele de gri extreme ca puncte fixe ((0; 0) si (M-1; M-1)).
Dupa valorile parametrului-putere r se pot obtine doua comportari diferite: pentru r < 1
comportarea este de acelasi tip cu al functiei de compandare logaritmice, iar pentru r > 1
comportarea este de tipul functiei de expandare-prea luminoasa. Trebuie remarcat ca legile de variatie
ale contrastului vor fi insa diferite. Functiei putere i se adauga si un punct fix, functia devenind cu doua
intervale de definitie.

3. Opérateurs ponctuels automatiques.

Egalizarea de histograma este o tehnica de imbunatatire a imaginilor prin cresterea contrastului.
Transformarea este adaptiva si automata, descrierea continutului imaginii fiind realizat prin histograma
imaginii, iar imbunatatirea propriu-zisa fiind rezultatul operatiei de egalizare (sau uniformizare) a acestei
histograme. Valorile histogramei imaginii sunt probabilitatile de aparitie in imagine a diferitelor nivele
de gri din intervalul posibil de valori ([0; M-1]). Histograma imaginii este functia de densitate de
probabilitate de ordinul unu, determinata experimental, a variabilei aleatoare cu valori discrete „nivel de
gri”.
Scopul egalizarii de histograma este obtinerea unei distributii uniforme a nivelelor de gri; imaginea
rezultata va prezenta cea mai mare imbunatatire a contrastului, contrast distribuit regulat in intreaga gama
de valori posibile a nivelelor de gri.

transformarea T fiind combinatia liniara ponderata a valorilor selectate de vecinatatea utilizata. avand ca efect secundar incetosarea contururilor si pierderea detaliilor (efect numit bluring). datorate in principal zgomotului suprapus imaginii si neuniformitatii intrinseci a obiectelor din scena.4. n) fata de originea ce le este atasata). Vecinatatea V (multimea de puncte din plan definite de coordonatele (m. puternice ale intensitatii luminoase (corespunzand contururilor obiectelor din imagine) si variatii relativ mici. Le filtrage linéaire d’image. Efectele de margine sunt caracteristice pixelilor marginali ai imaginii. Variatiile prezente in imagine pot fi considerate ca fiind de doua tipuri: variatii reale. Pentru o imagine de dimensiune L x C si o masca de filtrare avand K puncte (Card(V) = K). prin masurarea si marirea diferentelor de valoare dintre pixelii vecini. impreuna cu multimea de ponderi wmn asociate punctelor din vecinatate formeaza masca de filtrare (nucleul / functia pondere a filtrului). numarul de operatii necesare unei filtrari liniare este de LCK inmultiri si LC(K-1) adunari. c) de plasament al originii vecinatatii. Filtrarea liniara de accentuare Contrastarea unei imagini are ca obiectiv imbunatatirea perceperii vizuale a contururilor obiectelor (imbunatatirea detectabilitatii componentelor scenei de-a lungul frontierelor acestora). pentru anumite pozitii (l. fereastra de filtrare. in care. Din punctul de vedere al implementarii practice a filtrelor liniare trebuie luate in considerare doua aspecte: complexitatea de calcul a operatiei de filtrare liniara si problema aparitiei efectelor de margine. unele pozitii din vecinatatea astfel deplasata nu au corespondent in suportul fizic al imaginii. O filtrare de netezire va reduce toate aceste categorii de variatii. . Prima observatie ce se poate face cu privire la forma de definire a operatiei de filtrare liniara este ca folosirea unor ponderi wmn nule este echivalenta cu eliminarea din vecinatatea folosita a punctelor ce le corespund. fara a modifica in vreun fel rezultatul filtrarii. apropiindu-se astfel de idealul unei regiuni in care toti pixelii ce o compun au aceeasi valoare. Filtrarea liniara de netezire Netezirea unei imagini are ca scop reducerea variatiei nivelelor de gri din imagine si. adica complexitatea de calcul este O(N2). parazite. Scalarii individuali wmn poarta numele de coeficienti ai filtrului. putem modifica in mod arbitrar forma vecinatatii prin adaugarea unor puncte carora le alocam pondere nula. acest deziderat se poate realiza prin modificarea valorilor pixelilor aflati de o parte si de alta a unei frontiere comune. o asemenea tehnica va folosi o operatie de derivare. La baza. avand dimensiunea √K). In principiu.CartePAI-2007 – pag 35 Operatia de prelucrare liniara de vecinatate a imaginilor (sau Filtrare liniara a imaginilor) are o unica forma. atat fata de dimensiunile imaginii cat si fata de dimensiunile ferestrei de filtrare(considerand ca fereastra de filtrare ar fi patrata. cresterea uniformitatii. "debordeaza" in afara imaginii. adica. Aceasta inseamna ca regiunile din imagine vor capata un caracter mai constant. plasata cu originea in unul dintre acestia. IPA_04_linFilt_2016 . In mod echivalent. implicit.

c) al imaginii. Prin procesul de adaptare. IPA_06_adaptFilt_2016 . Implementarea acestei categorii de filtre foloseste un "comutator" intre mai multe valori posibile de dupa filtrare. Atata timp cat in fiecare punct al imaginii operatia este diferita (deoarece se face cu un filtru diferit). Se remarca faptul ca imaginea este cu atat mai clara cu cat parametrii de dispersie a functiilor gaussiene ce genereaza ponderile de similaritate a valorilor si de apropiere cu centrul ferestrei de filtrare sunt mai mici. 6. chiar daca structura filtrului se bazeaza in fiecare punct pe o combinatie liniara a valorilor selectate de fereastra de filtrare. avantages et désavantages par rapport aux filtres linéaires. sau modificarea coeficientilor unei ferestre de filtrare de forma fixata.eroarea patratica medie dintre imaginea originala f0 si rezultatul filtrarii g. acesta este calculat local impunand optimizarea unei masuri de calitate obiective . In cazul folosirii structurii de filtru liniar ca structura de baza a unui filtru adaptiv.CartePAI-2007 – pag 47 Termenul de adaptiv se refera la capacitatea filtrului de a-si ajusta comportarea (care este determinata de caracteristicile sale de definitie) in functie de anumite cerinte ce definesc conceptul de calitate a imaginii filtrate (de exemplu in sensul apropierii ei de imaginea nedegradata din care provine). adaptarea nu poate urmari decat doua variante: modificarea formei ferestrei de filtrare. adica filtru local liniar ce minimizeaza eroarea patratica medie. Ceea ce defineste filtrul adaptiv este coeficientul α. Le filtre bilatéral. corespunzand unor praguri de acceptare a variatiilor. la care s-a adaugat un zgomot alb. filtrarea globala nu mai este liniara. Coeficientul α de mixare a imaginii zgomotoase f si a variantei sale filtrate f̅ va trebui determinat in fiecare punct (l. pe baza unei duble ponderari gaussiene: in functie de pozitia spatiala a fiecarui pixel in fereastra de filtrare si in functie de similaritatea valorii fiecarui pixel cu valoarea pixelului curent prelucrat (centrul ferestrei de filtrare). in fiecare nou punct prelucrat structura filtrului este alta. luand in considerare caracteristicile locale pixelului curent prelucrat. Imaginea zgomotoasa f provine dintr-o imagine corecta f0. ce pastreaza contururile din imagine si care grupeaza local valorile selectate de fereastra de filtrare intr-o combinatie liniara.Filtrul LLMMSE Acronimul LLMMSE provine de la denumirea engleza "Locally Linear Minimal Mean Squared Error". IPA_06_adaptFilt_2016 . aditiv (f = f0 + z). Adaptarea ponderilor .5. daca diferentele dintre imaginea filtrata si cea dinainte de filtrare sunt prea mari este posibil ca filtrul de netezire sa fi incetosat contururi din imagine. Le filtrage adaptatif de lissage : principes. . Adaptarea formei vecinatatii Filtrarea de netezire este evaluata prin diferentele introduse fata de imaginea care se filtreaza. Presupunerea colaterala este ca zgomotul este mai slab decat contururile imaginii si ca variatiile datorate zgomotului sunt mai mici decat variatiile dintre valorile regiunilor alaturate.CartePAI-2007 – pag 53 Filtrul bilateral este un mod de a realiza o filtrare de netezire adaptiva. de medie nula z (z̅ = 0) si necorelat cu imaginea (z̅f = zf = 0). Ponderile combinatiei liniare sunt insa calculate in fiecare pixel.

fiind statistica de ordin central. care selecteaza din imaginea de prelucrat un numar de vecini ai pixelului curent. Aceasta inseamna ca daca fereastra de filtrare are 3 puncte. CartePAI-2007 – pag 73 Termenul de transformata unitara se refera la o clasa de matrici unitare folosite pentru reprezentarea imaginilor. iesirea filtrului median. 8.CartePAI-2007 – pag 42 Filtrele de ordine sunt operatori locali: filtrul este definit de o fereastra (masca). acesta este un avantaj atat in ceea ce priveste pastrarea valorilor originale din imagine. 2D. séparabilité. si deci nu se creeaza la iesire valori noi (asa cum se intampla la filtrarea liniara). . aceasta pozitie centrala nu exista. Efectele de filtrare a zgomotului impulsiv (de tip sare si piper) sunt evidente. Les filtres d’ordre : principe. in cazul secventelor (ferestrelor de filtrare) de dimensiune para. Proprietatile deterministe ale filtrelor de ordine se refera la comportamentul acestora in zonele tipice ale unei imagini: portiuni netede si contururi. Filtru median Filtrul median este un filtru de ordine a carui iesire este statistica de ordine de ordin central a setului de valori selectate de fereastra de filtrare. cat si din punctul de vedere al simplificarii calculelor (nu mai sunt necesare operatii cu numere reale. Filtrele de ordine nu sunt liniare din cauza operatiei de ordonare (ce nu respecta principiul superpozitiei). In practica. filtrul median se foloseste doar cu ferestre de filtrare de dimensiune impara. valorile punctelor de zgomot sunt 0 sau 255 si deci. este situata departe de valorile extreme. medianul este statistica de ordinul 2. ce trebuie apoi rotunjite sau truncheate la numere naturale). medianul este statistica de ordinul 13. IPA_05_nonlinFilt_2016 . se vor afla la "capetele" sirului de valori. Probabilitatea de strapungere a unui filtru median este dependenta de procentul de puncte de zgomot din imagine si de dimensiunea ferestrei de filtrare folosite. 7. pentru o fereastra filtrare cu 9 puncte. Aceste comportari au fost extinse la investigarea clasei mai generale de semnale radacina-semnale ce nu sunt modificate prin filtrare. Transformées unitaires : principes de base 1D. Iesirea filtrului median este deci valoarea din centrul secventei ordonate. iar pentru o fereastra de filtrare de 25 de puncte. Iesirea unui filtru de ordine este una dintre valorile selectate de fereastra de filtrare. filtre médian. dupa ordonare. caracterizat de faptul ca valoarea fiecarui pixel din imaginea finala (transformata) depinde de valorile tuturor pixelilor din imaginea originala. Filtrele de ordine nu afecteaza contururile (zonele de panta abrupta) si pastreaza valoarea zonelor uniforme. si atunci este definita ca media aritmetica a valorilor vecine centrului imaginar. Strapungerea filtrului median se produce atunci cand in fereastra de filtrare avem mai mult de (K+1)=2 impulsuri de zgomot de acelasi fel. Principiul pe care se bazeaza functionarea filtrului bilateral este de a folosi pentru calculul noii valori a unui pixel doar acele valori din vecinatatea acestuia care au valori suficient de apropiate cu valoarea sa. medianul este statistica de ordinul 5. astfel se evita medierea valorilor situate de o parte si alta a contururilor. O transformata unitara este un operator de tip integral.

care permite recuperarea vectorului original u din cel transformat v se scrie. Pentru a pastra. vom considera cele N4 elemente organizate sub forma a N2 matrici de dimensiune N x N fiecare..l)}k.. akl(m. 4.1. pot fi calculate pornind de la elementele unei singure matrici A = {a(k.n = 0.1.. Calculul transformatei unei imagini prin succesiunea de operatii: 1. 2. Prin definitie. si anume cea formata din coloanele matricii A*T. mai precis. sa fie ortonormata.N-1. In plus. formata din cele N2 matrici Akl.. reprezentarea bidimensionala a imaginilor. din cauza numarului foarte mare de calcule necesitat .. daca cele N4 elemente care o definesc.1. CartePAI-2007 – pag 77 Fie U = {u(m. O prima consecinta a echivalentei cu cazul unidimensional este faptul ca o transformata unitara a unei imagini reprezinta scrierea imaginii respective intr-o alta baza. este necesar ca noua baza de reprezentare a imaginii. obtinut ca: v = Au..l=0. Insa.. considerand ca date de pornire un vector coloana avand ca elemente cele N2 valori ale matricii U. Caz unidimensional Se defineste transformata lui u ca fiind vectorul coloana v = [v(0) v(1) . Inmultirea la stanga a matricii imagine cu matricea unitara A. Transformata inversa. care sunt de complexitate O(N3). v(N-1)]T. 3. ca o combinatie liniara a unor vectori/imagini "de baza".transformatele unitare sunt rareori folosite. n)}m.. si anume asa numitele transformate separabile. Transpunerea rezultatului. Transpunerea rezultatului..N-1 ale carei elemente sunt calculate dupa: ..n).. La transformée de Fourier discrète. pentru ca transformata sa fie unitara. Inmultirea la stanga a matricii rezultate cu matricea unitara A. tinand cont de: u = A*T v.l=0. Semnificatia unei transformate unitare poate fi inteleasa punand in evidenta coloanele matricii A*T ..n=0. Caz bidimensional Fie U = {u(m. o transformata unitara bidimensionala se numeste separabila. Se defineste transformata Fourier bidimensionala a imaginii U ca fiind matricea V = {v(k.. l)}k.. O a doua consecinta a acestei echivalente este faptul ca transformata unitara a imaginii U necesita specificarea a N4 elemente..N-1 o imagine de dimensiuni N x N.complexitatea algoritmului de calcul al transformatei unitare a unei imagini N x N este O(N4) .. scriind-o pe aceasta sub forma: A*T = [a0 a1 . Ce se foloseste este o forma particulara de transformate unitare.. 9.N-1 un semnal cu suport bidimensional (o imagine). Calculul lui u se interpreteaza ca o descompunere a acestuia intr-o alta baza a lui CN. a N-1]..n)}m. insa. Am putea trata cazul transformatei unitare a lui U prin reducere la cazul unidimensional.

Codarea sursei de informatie S ale carei mesaje sunt {s1. Le codage de Huffman CartePAI-2007 – pag 196 Este metoda optimala de codare a unei surse de informatie. si deci. diferenta intre cele doua definitii ale transformatei Fourier discrete (cea neunitara si cea unitara) este strict cantitativa. de probabilitati {p(s1).. 10. la nivel de factor de scalare. . s2.1..... neuitand insa ca absolut toate concluziile pe care le tragem sunt valabile si pentru transformata Fourier neunitara.. .n = 0. n)}k. Lungimea medie a cuvintelor de cod este data de raportul dintre entropia H(S) sursei primare si entropia alfabetului codului: l = H(X) Se doreste obtinerea unei lungimi medii minime a cuvintelor de cod.sN}... marirea H(S) entropiei alfabetului codului: lmin = log D Procedeul practic prin care se realizeaza alocarea simbolurilor din alfabetul codului astfel incat entropia acestuia sa fie maximizata (metoda Huffman) se bazeaza pe reducerea iterativa a numarului de simboluri ale sursei de codat si construirea unei surse restranse. Pentru o potrivire perfecta...N-1 este matricea cu elemente date de: Evident. echivalent. Transformata inversa este data de: 1 Din cauza factorului de scalare ce apare numai in transformarea inversa. . p(sN)} prin alfabetul X cu D simboluri inseamna a asocia fiecarui mesaj si al sursei primare de informatie un sir de simboluri din alfabetul codului. p(s2). se poate defini transformata Fourier discreta unitara dupa relatiile: relatii ce pot fi scrise sub forma matriciala ca: V = FUF U = F*VF* unde F = {f (k. vom considera cazul unitar. definitia transformatei 𝑁2 Fourier discrete de mai sus nu se potriveste perfect cu cadrul general al transformatelor unitare. In continuare.

fie tabela de codare este "golita" si se continua cu procedeul initial. Decorelarea completa este dependenta de proprietatile statistice ale imaginii (matrice de covariatie) deci. 13. care nu se suprapun. inaintea terminarii simbolurilor din sirul de codat. a carei semnificatie este de apartenenta a punctului la obiectul respectiv. Tabela de codare(dictionarul) este creata pe masura parcurgerii sirului de simboluri de intrare.11. iar cei 64 de coeficienti ai transformarii sunt copiati intr-un vector prin baleierea pe diagonala a blocului de 8 x 8 pixeli. exista doua variante de continuare: fie restul sirului de intrare se codeaza conform tabelei de codare existente prin cautarea celor mai lungi cuvinte de cod. 12. li se asociaza o eticheta comuna. Coeficientii sunt cuantizati in conformitate cu un numar prestabilit de nivele de cuantizare (stabilit prin standard. trebuie gasita transformarea optimala. Daca sirul nu se regasaste in dictionar. atunci sirul este trecut in dictionar. numite praguri de segmentare. Daca. Le codage Ziv-Lempel CartePAI-2007 – pag 201 Se bazeaza pe tehnica dictionar LUT (folosita si la reprezentarea imaginilor indexate): cuvintele de cod asociate unor siruri de simboluri ale sursei de intrare sunt indicii (numerele de ordine) pozitiilor la care se gasesc respectivele siruri de simboluri in dictionarul codului (tabela de codare). asigurand astfel si compactarea maxima a energiei si cea mai buna eroare de aproximare prin trunchierea frecventelor inalte. La segmentation par seuillage. tabela se creaza din cuvintele de cod deja transmise. IPA_08_Segmentation_2016 . si. Dictionarul initial are doua cuvinte: cuvantul 0. se mai adauga un bit din sirul de intrare. Factorii de compresie ce rezulta sunt cuprinsi in mod tipic intre 10 si 100. Daca sirul se regasete in dictionar. Aspectul de compresie cu pierderi (diferentele fata de imaginea originala) se manifesta prin efectul de blocking: sublinierea frontierelor de separatie a blocurilor de baza. avand indicele 0 si cuvantul 1. . Imaginea este divizata in blocuri de 8 x 8 pixeli. in sirul codat se scrie codul (indicele) prefixului sirului nou adaugat (deci pozitia la care se gaseste in dictionar cuvantul la care adaugand ultimul bit al sirului de intrare se obtine un cuvant nou) si ultimul bit din sir devine primul bit al urmatorului sir de intrare. tabela de codare (cu numar fixat de intrari) se umple. Din sirul de intrare (presupus binar) se extrage cate un bit si se verifica daca sirul de biti deja extras se regaseste sau nu in dictionar. pentru fiecare imagine in parte. si proportional cu factorul de calitate dorit pentru imaginea refacuta). Exemplul cel mai des folosit de compresie cu transformate este standardul de compresie JPEG. Tuturor punctelor din imagine al caror nivel de gri corespunde aceluiasi mod (deci care au un nivel de gri situat in intervalul dintre doua praguri succesive).CartePAI-2007 – pag 105 Histogram segmentation = Thresholding Finding “thresholds” that separates the modes of the image histogram. Le principe de la compression avec des transformées unitaires CartePAI-2007 – pag 197 Principiul compresiei cu transformate a imaginilor se bazeaza pe proprietatile de compactare a energiei si decorelare a componentelor spectrale pe care le prezinta majoritatea transformarilor integrale unitare. Segmentarea pe histograma Urmareste determinarea unor nivele de gri ce separa modurile histogramei. Transformarea optimala trebuie sa decoreleze complet componentele spectrale. Fiecarui bloc i se aplica o transformata cosinus bidimensionala. pentru decodare. avand indicele 1.

prin inspectia histogramei.rezultatul transformarii . intrucat imaginea rezultata este caracterizata de numai doua valori. c) = E1 daca T ≤ f (l. Germenii se aleg astfel incat nivelul lor de gri sa fie reprezentativ pentru obiectele prezente local si plasamentul lor spatial sa se faca in interiorul regiunilor si nu pe frontiera acestora. imaginea etichetata g va fi data de: E0 daca 0 ≤ f (l. operatie ce necesita determinarea unui singur nivel de gri de separatie T. al caror plasament spatial este aleator (germenii se distribuie uniform pe suprafata ferestrelor si a imaginii). in minimele locale ale acesteia. eliminand germenii plasati in interiorul aceluiasi obiect. Pentru a preveni efectul unor neuniformitati de iluminare pe suprafata imaginii. deci obiecte individuale. Pragurile Tk pot fi alese manual. Acest tip de segmentare se numeste binarizare. In acest caz. in fiecare astfel de fereastra se alege un numar de germeni. In principiu. corespunzand unei imagini in care regasim obiecte de interes si fundal. IPA_08_Segmentation_2016 . este de dorit ca fiecare obiect individual aflat in imagine sa fie marcat de cate un germene unic. Astfel. sau 0 si 255) sau pot fi siruri de simboluri. ce au aceleasi proprietati (in particular acelasi nivel de gri sau aceeasi culoare). ceea ce face ca obiectul initial sa fie impartit artificial prin segmentare in mai multe regiuni. Cazul cel mai simplu de segmentare pe histograma este acela in care histograma imaginii este bimodala. Acest prag de segmentare poate fi ales pe minimul histogramei ce separa modurile acesteia (daca separatia este evidenta). aceasta este impartita in ferestre nesuprapuse. Alegerea germenilor Este evident ca numarul final de regiuni rezultate este egal cu numarul de germeni initiali. 1. O verificare suplimentara incearca sa previna o eventuala suprasegmentare (deci impartirea artificiala a unui acelasi obiect in mai multe regiuni).CartePAI-2007 – pag 97 Principiul pe care se bazeaza cresterea regiunilor este simplu: se aleg in imagine puncte reprezentative pentru fiecare obiect individual si/sau categorie de obiecte. unde T0 = 0. Procesul se opreste in momentul in care toate punctele imaginii au fost alocate fiecarei regiuni... de aceea se verifica doar caile formate din segmente .. Segmentarea imaginii originale f dupa setul de praguri {Tk} produce imaginea etichetata g. In practica. segmentarea revine la impartirea pixelilor imaginii in obiecte/fundal. In urma acestui proces de aglomerare (adaugare de puncte) se obtin zone (regiuni) de pixeli cu aceleasi caracteristici. examinarea tuturor drumurilor (cailor) ce unesc perechi de germeni este costisitoare din punctul de vedere al timpului de calcul. 14. Etichetele E0 si E1 pot fi valori numerice (0 si 1. K-1.. c) = Ek. c) < T g (l. Tk = M si k = 0. La segmentation par croissance de régions. descrisa de: g (l. Verificarea se face pe baza calculului variatiei nivelelor de gri de-a lungul drumurilor arbitrare ce unesc perechi de germeni. pentru fiecare dintre ei va fi crescuta o regiune. c) < M Imaginea etichetata g . pornind de la imaginea initiala f.va fi descrisa de cele doua etichete: eticheta E0 pentru punctele al caror nivel de gri este mai mic decat pragul T si eticheta E1 pentru punctele al caror nivel de gri este mai mare decat pragul T. Daca in interiorul unui aceluiasi obiect se gasesc mai multi germeni. in jurul carora are loc un proces de aglomerare a pixelilor vecini.

in urma modificarii alocarii unor unitati. pana cand toti pixelii imaginii sunt repartizati unei regiuni. formand un grup. pentru fiecare vector al setului. ceea ce poate fi interpretat si ca o eroare de aproximare a vectorilor din clase prin centrul respectivei clase). repetand testarea unor conditii pentru fiecare vector al multimii. Iteratiile se repeta pana cand nici un vector nu mai poate fi mutat. IPA_08_Segmentation_2016 . verticale si orizontale de lungime maxima. Principalul dezavantaj al acestei abordari este faptul ca mediile claselor sunt recalculate dupa fiecare schimbare ce implica fiecare vector al multimii considerate. partitia existenta la un moment dat este declarata corespunzatoare sau. ceea ce induce partitionarea completa a suportului spatial al imaginii. Cvasi- simultaneitatea cresterii poate fi realizata cu un algoritm serial. Clustering net Metodele de clustering iterativ distribuie vectorii intr-un numar predefinit de clase. Metoda urmareste sa determine. si deci segmentarea acesteia. prin alocarea pixelilor ce sunt adiacenti (vecini) zonelor deja segmentate. Aceasta alocare trebuie sa tina seama de criteriul ca regiunile crescute sa fie uniforme: nivelul de gri al pixelului ce se adauga nu trebuie sa difere cu mai mult de un prag prestabilit fata de nivelul de gri al germenului regiunii la care se aloca. Determinarea coeficientilor de apartenenta uij este insa o problema de optimizare combinatoriala. care nu poate fi rezolvata analitic. Dupa fiecare asemenea mutare. Reprezentarea numerica a conceptelor de variatie semnificativa a nivelelor de gri de-a lungul unei cai sau in jurul unui punct necesita definirea unor praguri de comparatie. este necesara actualizarea mediilor claselor intre care s-a facut schimbul. Avantajele pe care le are tehnica de crestere a regiunilor sunt acelea ca nu mai este necesara nici o informatie privind continutul imaginii. Calitatea partitiei (a clasificarii) este masurata de suma variantelor claselor wj (adica suma distantelor de la fiecare vector la centrul clasei in care apartine. 15. Alegerea pragului (a diferentei maxim admise de nivele de gri) dintre pixelii ce se adauga unei regiuni si germene este o problema ce nu are o solutie universala: diferenta maxim admisa poate varia de la o imagine la alta. calea reprezentata de segmentul dreapta ce uneste cele doua puncte. astfel ca suma variantelor claselor sa scada. regiunile sunt obtinute printr-un proces de crestere aproape simultan. o eticheta de apartenenta la una dintre clasele ce rezulta prin gruparea vectorilor similari. Toti vectorii de date ce au valori asemanatoare vor capata o aceeasi eticheta de apartenenta. daca acesta poate fi mutat dintr-o clasa in alta. si eventual. La segmentation par clustering. si chiar ar putea fi diferita de la o regiune la alta a aceleiasi imagini. a caror alegere se face pe baza conditiilor particulare din imagine si a experientei utilizatorului. Rezulta astfel o partitionare completa a setului de vectori de trasaturi asociati pixelilor imaginii. ceea ce are ca efect un volum mare de calcul. Pentru rezolvarea acestei probleme sunt necesare metode iterative. Cresterea propriu-zisa Pornind de la germenii alesi. regiunile crescute sunt conexe. in functie de indeplinirea sau nu a respectivelor conditii. O simplificare a metodei provine din observatia intuitiva ca este normal ca un . inceput de la acestia. nu exista puncte neetichetate (nealocate vreunei regiuni) si pozitia frontierelor dintre diferitele regiuni corespunde pozitiei frontierelor percepute subiectiv in imagine.CartePAI-2007 – pag 117 Tehnicile de clustering (sau de auto-organizare a datelor multidimensionale) sunt metode algoritmice prin care se atribuie fiecarui vector de date din multimea considerata. procedeul de verificare se reia.

16. Realocarea se poate face pentru toate obiectele considerate fara a fi nevoie de recalcularea mediilor claselor pentru fiecare obiect. IPA_10_Contour_2016 . harta de contururi e (l. si este folosita in general la prelucrarea suplimentara a contururilor (conectarea contururilor. este sensibilitatea importanta la zgomot.CartePAI-2007 – pag 135 Gasirea centrului tranzitiei poate fi realizata prin folosirea derivatelor de ordinul doi a functiei imagine. are trei rezultate de interes: harta de intensitati de tranzitie g (l. IPA_10_Contour_2016 . sunt asociative. recalcularea mediilor se va face dupa fiecare parcurgere completa a multimii de obiecte de partitionat. c) care este o imagine ce contine. valoarea maxima a gradientului pentru pozitia respectiva. Daca valoarea maxima a gradientului dintr-un punct este suficient de importanta si depaseste valoarea pragului. ce va fi apoi comparata cu un prag fixat. deci este posibila determinarea unei masti unice de filtrare. 17. urmarind simultan pastrarea profilurilor abrupte de tranzitie (introducerea unor efecte minime de incetosare). care este o imagine ce contine. L’utilisation de la dérivée seconde pour l’extraction du contour. In urma derivarii. Operatiile de filtrare liniara fiind realizate prin convolutii. si anume. obiect sa fie alocat (sa apartina) clasei de care este cel mai apropiat (in sensul distantei la media acesteia). Extragerea punctelor de contur este imediata: este suficient a calcula pentru fiecare punct al imaginii valoarea maxima a gradientului. verifica conditia de normare a filtrelor liniare derivative. care sa grupeze efectele de netezire si derivare dupa cele doua directii perpendiculare. atunci punctul respectiv este declarat punct de contur. suma coeficientilor de ponderare din masca sa fie nula. extragerea directionala a contururilor). grupate in operatorul laplacian: . un zgomot alb aditiv este amplificat de doua ori. pentru fiecare pixel. Pentru determinarea variatiei maxime a imaginii este necesara determinarea derivatelor pe directiile orizontala si verticala. orientarea gradientului de modul maxim in punctul respectiv. Schema de implementare a operatiei de extragere a punctelor de contur din imagini prin calculul gradientului dupa doua directii ortogonale.CartePAI-2007 – pag 126 Variatiile de valoare a functiei imagine pe o directie oarecare sunt masurate de operatorul gradient. pentru fiecare pixel. dupa oricare masca. ce implementeaza direct operatia de derivare directionala discreta. L’extraction des contours en utilisant le gradient. c). O metoda evidenta de compensare a acestei probleme este realizarea unei operatii de reducere a zgomotului (netezire) inaintea derivarii. Unul dintre principalele dezavantaje legate de folosirea mastilor derivative simple. ce implementeaza operatii derivative. Se remarca faptul ca toate mastile de filtrare liniara. c) care este o imagine binara in care punctele marcate(punctele-obiect) corespund pozitiei punctelor de contur (puncte al caror gradient maxim depaseste pragul fixat) si harta de orientari θ0 (l.

L’opérateur en « chapeau mexicaine » pour l’extraction des contours. Derivata secunda unidimensionala a nucleului gaussian poate fi pusa de asemenea si sub forma unei diferente de gaussiene cu dispersii diferite: . Unul dintre acesti operatori este LOG. combinati cu netezire. Determinarea punctelor de contur ca puncte de extrem ale laplacianului (maxime si minime. marcand limitele acesteia. sau maxime ale valorii absolute a laplacianului) produce muchii duble in harta de contururi. in practica se foloseste si constrangerea ca diferenta dintre valoarea maxima si cea minima sa fie semnificativa. ceea ce a dus la introducerea unor operatori de derivata secunda. Mijlocul tranzitiei este marcat de trecerea prin zero a laplacianului: pe acest comportament al laplacianului se bazeaza modelul de detector "zero- crossing" introdus de Marr si Hildreth. O varianta separabila a acestui operator (deci care combina filtrari numai pe linii si numai pe coloane) a fost propusa de Huertas si Medioni: h = h1(m) * hn(y) + h2(m) * h1(n). importanta contururilor extrase. Parametrul σ2 controleaza gradul de netezire al operatorului (deci gradul de reducere al zgomotului suprapus imaginii) si implicit. laplacian de gaussiana. 18. CartePAI-2007 – pag 136 Sensibilitatea la zgomot a laplacianului este mai mare decat a operatorilor de gradient. Suplimentar. Scalarul K este determinat din conditia de normalizare a coeficientilor mastii de filtrare liniara. Operatorul laplacian nu permite detectarea directiilor de tranzitie. Forma separabila a operatorului LOG pune in evidenta in mod clar operatiile de derivata secunda unidirectionala a unei gaussiene (h1) si de netezire pe directia ortogonala derivarii. dupa un nucleu gaussian (h2). Existenta trecerii prin zero este definita de existenta unui minim negativ si a unui maxim pozitiv printre cele patru valori medii. Avantajul formei separabile este posibilitatea implementarii cu un numar redus de operatii. deoarece informatia de orientare a tranzitiei este pierduta. deoarece aceste puncte de extrem sunt situate de o parte si de alta a regiunii de tranzitie.