Procesarea si Recunoasterea Imaginilor
Proiect
1111uiihfd;ghjd1112231
1.Introducere
Procesarea imaginilor este un d 636i87g omeniu al inteligentei artificiale care se ocupa cu reprezentarea, reconstituirea,Clasificarea ,recunoas -terea si analiza imaginilor cu ajutorul calculatorului
Sursa de provenienþa a imaginilor poate fi un dispozitiv
achizitie (camera video, scanner, captor radar), dar poate fi
la fel de bine si o ecuatie matematica, un ansamblu de date
statistice etc.Exista doua motive principale pentru care se apeleaza
la procesarea imaginilor:
· imbunatatirea calitatii unei imagini avand drept scop o
mai buna vizualizare pentru un operator uman. Aceasta
poate insemna: reducerea zgomotului si a altor defecte
care pot fi prezente in imagine (datorate, de exemplu,
dispozitivului de achizitie), evidentierea unor zone de
interes prin modificarea luminozitaþii, a contrastului, accentuarea
muchiilor etc.;
· extragerea de informatii dintr-o imagine, informatii care
pot reprezenta intrarea pentru un sistem automat de recunoa
stere si clasificare. Aceste informatii pot fi: diferite
distante si relatii dintre obiectele prezente in imagine,
momente statistice, parametri geometrici (arie, perimetru,
circularitate), coeficienti Fourier etc.
Exemple clasice de aplicaþii pentru procesarea imaginilor
(si recunoasterea formelor) includ: recunoasterea caracterelor,
recunoasterea amprentelor, prelucrarea imaginilor
medicale, a imaginilor satelit.
2. Notiuni de Baza.
In cele ce urmeaza se va considera
drept reprezentare a unei imagini un tablou bidimensional de numere intregi(pixeli).
Valoarea fiecarui pixel descrie nivelul de
straluciresau culoarea acestuia. In cel mai simplu caz, al
imaginilor binare, pentru reprezentarea fiecarui pi- xel este folosit un singur bit. In cazul imaginilor cu niveluri
de gri,
Cel mai comun format pentru aceste imagini are la baza repre- zentarea pixelilor pe 8 biþi. Astfel, gama de valoriposibile este 0 , 0 codificand culoarea negru alb, iar valorile intermediare repre -zentand nuanþe (niveluri)de gri. In cazul imaginilor color, pot fi folo- site diferite sisteme de culori (RGB, HSI, CMY etc.).
Modele de culori
Modelul RGB este un model aditiv, avand culorile fundamenta -le rosu, verde si albastru, celelalte culori constituindu-se din anumite procente ale culorilor de baza. Culoareaalb are prezente toate culori -le fundamentale, iar culoarea negru se caracterizeaza prin absenta lor. Modelul RGB este adesea reprezentat sub forma unui cub unita- te, ca in figura 1:
Figura 1
Originea (0, 0, 0) este considerata culoarea negru, iar coltul opus (1, 1, 1) corespunde culorii alb. Diagonala care uneste aceste doua puncte conþine nivelurile de gri obtinute prin utilizarea aceluiasi procent din culorile de baza.
3.Preprocesarea imaginilor.
Preprocesarea are drept scop realizarea unei imbunatatiri
a imaginii prin punerea in evidenta a anumitor regiuni, schimbarea luminozitatii, detectia muchiilor etc., pregatind imaginea in vederea operatiei de segmentare.
Transformarile aplicate in aceasta etapa unei imagini
pot fi de doua tipuri:
transformari punctuale (modificarea valorii unui pixel se
face independent de vecinatatea acestuia);
transformari locale (noua valoare a pixelului depinde de
valorile pixelilor inconjuratori).
Transformari locale:
Aceste transformari þin cont de o anumita vecinatate a pixelului
al carui nivel de gri va fi modificat. De obicei, vecinatatile cu care se lucreaza sunt patratice, de dimensiuni3 7, in general de forma (2p p+1),centrate pe pixelul supus transformarii.
Transformarile locale, in funcþie de scopul lor, se pot
clasifica in doua categorii:
transformari care vizeaza netezirea imaginii image smoothing
sau a unor regiuni din aceasta, avand drept scop
reducerea zgomotului sau a altor defecte ale imaginii;
transformari care vizeaza detecþia muchiilor edge detection
bazate pe derivatele funcþiei asociata imaginii.
O alta clasificare a transformarilor locale are in vedere
proprietaþile de liniaritate ale acestora. Astfel, putem vorbi
despre transformari liniare ºi transformari neliniare
Transformarile liniare se caracterizeaza prin faptul ca
valoarea rezultata reprezinta o combinaþie liniara a nivelurilor
de gri din vecinatatea utilizata pentru fiecare pixel.
Reducerea zgomotului unei imagini.
Metodele privind reducerea zgomotului prezent in imagine(filtrare) pot fi liniare sau neliniare.
Filtrarea liniara se bazeaza pe inlocuirea nivelului de gri al unui pixel cu media (ponderata sau nu) a valorilor pixelilor din vecinatatea sa.
Filtrarea liniara
Operatia de filtrare liniara calculeaza noua valoare a unui pixel al imaginii (din pozitia (m, n)) ca o combinatie liniara (medie ponderata) a unui numar de valori din imaginea originala.
- y(m,n) este imaginea de intrare
- v(m,n) este imaginea de iesiere
- w este fereastra aleasa corespunzator numita masca de filtrare
- a(k,l) este ponderea filtrarii.
O clasa comuna de filtre spatiale mediane este cea la care ponderile sunt aceleasi:
Ferestrele utilizate pot fi de diferite dimensiuni, insa la dimensiunile mari ale ferestrei apare fenomenul de incetosare a imaginii.
In figura 2.1. imaginea afectata de zgomot gaussian (figura 2.1.a) este filtrata liniar cu o masca de filtrare w = [0 1/8 0; 1/8 1/2 1/8; 0 1/8 0] (figura b); (figura c) reprezinta filtrarea liniara cu masca de filtrare w = [1/9 1/9 1/9; 1/9 1/9 1/9; 1/9 1/9 1/9], (figura d) rezultatul aplicarii unei
masti de 5×5 w = [1/25 1/25 1/25 1/25 1/25;1/25 1/25 1/25 1/25 1/25; 1/25 1/25 1/25 1/25 1/25; 1/25 1/25 1/25 1/25 1/25; 1/25 1/25 1/25 1/25 1/25], iar (figura e) este rezultatul aplicarii unei masti de 7×7 de tipul w = [1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49; 1/49 1/49 1/49 1/49 1/49 1/49 1/49].
Se poate observa in (figura e), filtrata cu o masca de 7×7, fenomenul e estompare a imaginii.
Fig. 2.1 a) Fig. 2.1.(b)
Fig. 2.1 c) Fig. 2.1.(d)
Fig. 2.1 e)
Filtrarea neliniara.
Filtrul median.
Definitia . Filtrul median
Filtrul median cu fereastra de dimensiune N N
(N k este definit de:
y(i,j )=Med
unde operatorul MED realizeaza o ordonare a elementelor matriceiX i j si apoi retine valoarea centrala unde x i j este esantionul de coordonate i j din imaginea X
Vom filtra imaginile de test cu un filtru median cu o fereastra de
dimensiune 7x7.
Se observa ca filtrul median elimina complet detaliile foarte fine,cum ar fi liniile subtiri.
Apare efectul 'deplasarii marginilor' (edge jitter). Acesta apare in zonele unde liniile subtiri intalnesc marginile unor zone cu intensitatidiferite. Filtrul median nu atenueaza zonele de tip treapta din imagine.Astfel imaginea filtra -ta are un contrast foarte bun.
Imaginile filtrate cu filtrul median au o calitate superioara celor filtrate cu filtrul de mediere. Filtrul median elimina complet zgomotul de impulsuri. Filtrul de mediere modifica aproape toate esantioanele semnalului de la intrarea sa, indiferent daca acestea sunt afectate dezgomot sau nu.
In regiunile in care valorile esantioanelor se modifica incet, filtrul median introduce mici elemente de forma patrata. Acest fenomen este caracteristic filtrului median si se numeste 'umbrire'. Mecanismul producerii acestui fenomen este prezentat in continuare:
Imaginea filtrata cu filtrul median avand fereastra de
dimensiune 7x7
Concluzii.
Filtru median.
Filtrul median prezinta cateva inconveniente majore: eliminarea detaliilor foarte fine, fenomenul de schimbare de faza si efectul deumbrire.
Filtrul median nu da rezultate foarte bune daca imaginea este afectata si de zgomot gaussian. De aceea vom cauta alte filtre cuproprietati imbunatatit:
Filtru Gaussian.
Filtrul gaussian poate fi folosit pentru eliminarea zgomotului gaussian si zgomotului uniform.
Acest filtru produce in urma aplicarii sale asupra imaginilor un efect de voalare a acestora.
Filtrarea va fi cu atat mai puternica cu cat dimensiunea nucleului de convo -lutie Gaussian este mai mare.
|
