MATLAB.Exponenta
MATLAB и Simulink на русском
Технологии разработки и отладки
		сложных технических систем

Обработка сигналов и изображений\image Processing Toolbox

И.М.Журавель "Краткий курс теории обработки изображений"

В оглавление \ К следующему разделу \ К предыдущему разделу

Некоторые подходы к улучшению визуального качества изображений с затемненными участками.

Как уже не раз отмечалось, изображение является одной из наиболее удобных форм представления информации. Однако, довольно часто, эти данные не обладают нужным уровнем визуального качества. Это затрудняет проведение их анализа и принятие на его основе достоверных решений. Поэтому актуальной является задача повышения визуального качества такого рода изображений. В этой работе рассмотрим вопросы повышения качества изображений с затемненными участками. Эту задачу можно обобщить на улучшение визуального качества тех изображений, в которых интенсивности пикселей информационных областей сосредоточены в узком динамическом диапазоне.

Подходы, которые применяются для решения этой задачи, могут быть самыми разнообразными. Стандартной методики, определяющей какой метод и когда применять, не существует. В большинстве случаев выбор того или другого метода делают на основе анализа гистограммы исследуемого изображения. Также следует отметить, что рассмотренные методы разрабатывались для обработки полутоновых изображений и применять их для обработки цветных изображений следует очень осторожно, поскольку это может привести к нарушению соотношений между составляющими цвета.

Шаг 1. Считывание исходного изображения.

Считаем исходное изображение (рис.1) в рабочее пространство Matlab и выведем его на экран монитора.

L=imread('krepost.bmp');

figure, imshow(L);

Также определим основные параметры (размерности) этого изображения.

[N M s]=size(L);

Рис. 1. Исходное изображение.

Шаг 2. Построение гистограммы исходного изображения.

Выбор того или другого метода обработки базируется на анализе его гистограммы. Построим гистограмму исходного изображения. Поскольку данное изображение является многомерным, то следует строить гистограмму по каждой цветовой составляющей.

imhist(L(:,:,1)); %красная составляющая.

Рис. 2. Гистограмма исходного изображения (красная составляющая).

imhist(L(:,:,2)); %зеленая составляющая.

Рис. 3. Гистограмма исходного изображения (зеленая составляющая).

imhist(L(:,:,3)); %синяя составляющая.

Рис. 4. Гистограмма исходного изображения (синяя составляющая).

Анализ гистограммы подтверждает тот факт, что основную часть изображения составляют темные и светлые области. Количество элементов изображения со средними значениями интенсивности существенно меньше. Известно, что наиболее приемлемым, с точки зрения визуального восприятия, являются изображения, гистограмма которых является равномерной. Из этого следует, что нужно провести такие преобразования, которые привели бы к растяжению диапазона интенсивностей темных и светлых областей. Теперь, исходя из своего опыта и знаний, исследователь подбирает нужный метод. Рассмотрим несколько подходов к решению данной задачи, а также проанализируем их преимущества и недостатки.

Шаг 3. Арифметические операции с изображениями.

Наиболее простой метод, который приведет к увеличению детализации темных областей, заключается в реализации арифметических операций с исследуемым изображением.

Lvyh=L+64/255; % гистограмма сдвинута на 64 градации вправо.

Рис. 5. Обработка с использованием арифметических операций.

Такие операции приводят к тому, что гистограмма исследуемого изображения сдвигается на некоторое значение в среднюю часть диапазона, которая является наиболее приемлемой с точки зрения визуального восприятия.

Исходное изображение и гистограммы его цветовых составляющих

Исходное изображение

Красная составляющая

Зеленая составляющая

Синяя составляющая

Результирующее изображение и гистограммы его цветовых составляющих

Результат применения
арифметических операций

Красная составляющая

Зеленая составляющая

Синяя составляющая

Рис. 6. Сравнение гистограмм цветовых составляющих исходного и результирующего изображений.

Как видно с рис. 6 применением арифметических операций можно достигать определенного уровня качества визуального восприятия. Однако данный метод имеет очень сильный недостаток, который заключается в том, что, улучшая одну область (в данном случае темную), интенсивности пикселей светлых областей сдвигаются к максимуму, что приводит к утере информации. Поэтому применять этот метод следует с учетом информативности тех или иных областей.

Шаг 4. Растяжение динамического диапазона интенсивностей пикселей изображения.

Если интенсивности пикселей потенциально информационных областей сосредоточены в узком динамическом диапазоне, тогда можно использовать еще один подход. Он заключается в растяжении динамического диапазона интенсивностей пикселей изображения. Проводятся эти преобразования согласно выражению

(1)

где , - массив значений соответственно исходного и результирующего изображений;

, - соответственно минимальное и максимальное значения исходного изображения.

Напомним, что преобразования по формуле (1) эффективны в том случае, если интенсивности пикселей потенциально информационных областей сосредоточены в узком динамическом диапазоне. Если применить эти преобразования к исходному выражению (рис. 1), то желаемого эффекта не достигнем, поскольку гистограммы его цветовых компонент занимают весь возможный диапазон.

Улучшения визуального качества исходного изображения можно достигнуть, если модифицировать выражение (1), т.е. сделать растяжение динамического диапазона интенсивностей пикселей изображения нелинейным

, (2)

где α - коэффициент нелинейности.

Реализуем такое преобразование исходного изображения (рис.1) при α=0.5.

for k=1:3;

Lmin=min(min(L(:, :, k)));Lmax=max(max(L(:, :, k)));

for i=1:N; for j=1:M;

Lvyh(i, j, k)=(((L(i, j, k)-Lmin)/(Lmax-Lmin)))^.5; % реализация преобразований за выражением (2)

if Lvyh(i, j, k)>1; % защита от выхода за диапазон [0, 1]

Lvyh(i, j, k)=1;

end;

if Lvyh(i, j, k)<0;

Lvyh(i, j, k)=0;

end;

end; end;

end;

figure, imshow(Lvyh);

Рис. 7. Результат нелинейного растяжения динамического диапазона интенсивностей пикселей изображения.

Из приведенной части программы видно, что нелинейные преобразования проводятся для каждой цветовой составляющей. В цикле программы реализована также защита от выхода значений интенсивностей пикселей за пределы диапазона [0, 1].

В этой работе были рассмотрены наиболее простые методы повышения визуального качества изображений с затемненными участками. Эти методы служат основой для построения более сложных и эффективных методов обработки данных.

В оглавление \ К следующему разделу \ К предыдущему разделу


Поиск по сайту:

Система Orphus

Яндекс.Метрика