Uasal Görüntü İileştirme/Filtreleme Doç. Dr. Fevi Karslı karsli@ktu.edu.tr
İileştirme Herhangi bir ugulama için, görüntüü orijinalden daha ugun hale getirmek Ugunluğu her bir ugulama için sağlamak. Bir görüntü için ugun olan iileştirme metodu bir başka görüntü için ugun olmaabilir.
İki Alan domains) Uasal Alan Spatial Domain ) görüntü dülemi): Ugulanan teknikler direk olarak görüntüdeki piksel değerlerinin değişimini içerir. Frekans Alanı Frequenc Domain): Ugulanan teknikler görüntünün Fourier dönüşümündeki değişimleri içerir. Her iki alanı içeren kombine baı tekniklerde mevcuttur. 3
Uasal Alan Spatial Domain) Prosedür direk olarak piksellerle apılır. g,) = T[,)] burada,): giriş görüntüsü g,): işlenmiş görüntü T : tanımlanan operatör 4
Maske/Filtre,) Bir, ) noktasının komşuluğu, anı merkeli kare, dikdörtgen vea dairesel bir alt görüntü ile tanımlanır. Alt görüntünün maske/iltre) merkei tepeden başlaarak piksel piksel kadırılır. 5
Nokta İşleme Komşuluk = 11 piksel g sadece onksionunun, ) noktasındaki değeridir. T = gri düe transormason onksionu s = Tr) Burada r =,) in gri değeri s = g,) in gri değeri 6
Kontrast Germe Contrast Stretching) Orijinalden daha üksek kontrast elde etmek için, Orijinal görüntüde pikseller belli bir değer m) altına itilerek, karartma Belli bir değer m) üerine itilerek parlatma apılır. 7
Eşikleme Thresholding) İki düeli görüntü üretme binar) 8
Maske İşleme/Filtreleme Komşuluk 11 pikselden daha büüktür.,) değerlerini g,) e dönüştürmek için, tanımlanan bir onksion kullanılır. Kullanılan teknikler Görüntü keskinleştirme Image Sharpening) Görüntü umuşatma Image Smoothing) 9
3 temel gri-düe dönüşüm onksionu Negati Log Birim n. kök n. kuvvet Ters Log Giriş gri düe, r Lineer onksion Negati ve birim transormason Logaritmik onksion Log ve ters-log transormason Kuvvet onksionu n. Kuvvet ve n. Kök transormasonları 10
Negati Görüntü s = L-1-r L=56 Küçük bir doku boulmasını gösteren orijinal mammogram Negati Görüntü: daha ii analii sağlar. 11
Logaritmik Görüntü s = c log 1r) Fourier Spektrum Log transormason ugulanmış görüntü 1
Kontrast Germe Contrast Stretching) c) b) d) Görüntüdeki dinamik aralığı ükseltme b) düşük kontrastlı görüntü c) kontrast sonucu üretilen görüntü r 1,s 1 ) = r min,0) ve r,s ) = r ma,l- 1) d) eşiklenmiş görüntü 13
Gri-düe dilimleme Görüntü üerindeki spesiik aralıktaki gri değerlerin değiştirilmesi 14
Histogram İşleme Gri düe aralığı [0,L-1] olan bir görüntünün histogram onksionu Burada hr k ) = n k r k : k. Gri değer n k : ilgili r k ) gri değere sahip olan piksel saısı hr k ) : görüntü histogramı 15
Histogram İşleme Temel uasal alan işleme tekniğidir. Eekti olarak görüntü iileştirme için kullanılır. Histogram bilgileri kullanılarak görüntü sıkıştırma ve segmentasonda apılabilir. 16
hr k ) Örnek r k Kou görüntü Parlak görüntü 17
Örnek Düşük kontrastlı görüntü Histogram dar Yüksek kontrastlı görüntü Histogram geniş 18
Histogram Eşitleme önce sonra Histogram eşitleme 19
Örnek önce sonra Histogram eşitleme Görüntü kalitesi değişmemektedir, çünkü orijinal görüntüde histogram geniş bir aralıktadır. 0
Örnek Piksel saısı 3 3 6 5 4 4 3 4 3 3 5 3 4 4 44 görüntü Gri düe = [0,9] 1 0 1 3 4 5 6 7 8 9 histogram Gri düe 1
Gri Değ. j) s Piksel saısı j= 0 = k k n j j= 0 n j n 0 1 3 4 5 6 7 8 9 0 0 6 5 4 1 0 0 0 0 0 0 6 11 15 16 16 16 16 16 0 0 s 9 0 0 6 / 16 3.3 3 11 / 16 6.1 6 15 / 16 8.4 8 16 / 16 16 / 16 16 / 16 16 / 16 16 9 9 9 9 9 / 16
Örnek 3 6 6 3 8 3 8 6 6 3 6 9 3 8 3 8 Çıkış görüntü Gri düe = [0,9] Piksel saısı 6 5 4 3 1 0 1 3 4 5 6 7 8 9 Gri düe Histogram eşitleme 3
Aritmetik/Mantıksal Operasonlarla İileştirme Aritmetik/Mantıksal operasonlar iki vea daha ala görüntü üerindeki pikselleri kullanarak iileştirme apar. Sadece DEĞİL NOT) operasonu tek görüntü üerinde çalışır. 4
Mantıksal Operasonlar Mantıksal operason sadece gri düeli görüntülere ugulanır, piksel değerleri ikili saılardır. 1 bea ve 0 siahdır. DEĞİL NOT) operasonu, negati transormasondur. 5
Örnek: VE AND) Operasonu orijinal görüntü VE görüntü maskesi VE operason sonucu 6
Örnek: VEYA OR) Operasonu orijinal görüntü VEYA görüntü maskesi VEYA operason sonucu 7
Uasal Filtreleme iltre maske/kernel/template vea pencere) Filtre alt görüntüdeki değerleri katsaı olarak kullanılır. Genelde tek rakamla iade edilirler, örneğin 33, 55, 8
Uasal Filtre İşlemi Görüntü üerinde maskenin noktadan noktaa hareket ettirilmesi. Her bir, ) noktada iltre değerinin hesaplanması. R = w w... = 1 mn i= i 1 w i i w mn mn 9
Yumuşatma Uasal Filtreleri Bulanıklaştırma blurring) ve gürültü aaltmada kullanılır. Bulanıklaştırma görüntüden küçük detaların giderilmesi ve çigi ada eğirler arasındaki boşlukları gidermek için kullanılır. Gürültü aaltma lineer ve lineer olmaan iltrelerle apılır. 30
Yumuşatma Lineer Filtreler Ortalama iltre gibi sonuçlar verir. Ortalama iltre vea alçak geçişli iltre olarak isimlendirilirler. 31
33 Yumuşatma Lineer Filtreleri Kutu iltre Ağırlıklı ortalama Merke piksel daha önemli olup arklı ağırlıkta dikkate alınır. 3
Örnek a c e b d a). orijinal görüntü 500500 piksel b). - ). 3, 5, 9, 15 ve 35 iltre boutu kullanılarak değişik ortalama iltresi ile elde edilmiş sonuç görüntüler. 33
Örnek orijinal görüntü Yumuşatma ortalama maskesi 1515) sonucu Eşikleme sonucu Burada görüntü üerinde umuşatma işleminden sonra eşikleme ile küçük boutlu objelerin ok edildiğini görmektei. 34
Lineer Olmaan Nonlinear) Filtreler Sonuç, görüntü üerindeki piksellerin iltre kuralına göre sıralanması temeline daanır. örnek median iltre : R = median{ k k = 1,,,n n} ma iltre : R = ma{ k k = 1,,,n n} min iltre : R = min{ k k = 1,,,n n} n n: iltre boutu 35
Median Filtreler Orijinal pikselin değerini komşu piksellerin orta değeri ile değiştirir. Oldukça popüler iltredir, çünkü anı bouttaki lineer iltrelere oranla rastgele gürültüleri tu ve biber gürültüsü) daha güçlü bir şekilde aaltır. 36
Örnek: Median Filtreler 37
Keskinleştirme Uasal Filtreleri Görüntüdeki detaları daha da belirginleştirirler. Vea bulanık ve görüntü alım sisteminde kanaklı hata ve detaları iileştirirler 38
Bulanıklaştırma Blurring) X Keskinleştirme Sharpening) Bulanıklaştırma komşu piksellerin ortalaması alınarak apılır. Keskinleştirme uasal dieransielle arkla) spatial dierentiation) gerçekleştirilir. 39
Türev Operetörü Türev operatorünün gücü, operatörün ugulandığı görüntü noktasındaki süreksiliğin derecesi ile doğru orantılıdır. Görüntü dieransieli Kenarları belirginleştirir ve gürültüleri giderir Gri düe değişimini a olduğu alanları ortaa çıkarır. 40
1. derece türev First-order derivative) Tek boutlu bir ) onksionun 1. derece türevi ark alma işlemidir. = 1) ) 41
. derece türev Secondorder derivative) Bener şekilde tek boutlu bir ) onksionunun. derece türevi ine ark işlemi ile tanımlanır. = 1) 1) ) 4
43, ) in 1. ve. derece türevi Görüntü üerinde iki değişkenli bir, ) onksionu düşünüldüğünde, iki önde kısmi türevlerin alınması gerekir. = = ), ), ), ), ), = lineer operatör) Laplacian operatörü Eğim Gradient) operatörü
44 Laplacian Arık Formu ), ) 1, ) 1, = ), 1), 1), = den elde edilir. )], 4 1), 1), ) 1, ) 1, [ =
Laplacian maske sonucu 45
Köşegen komşulara genişletilmiş Laplacian maske 46
Diğer Laplacian maskeleri Bu iltrelerde anı sonuçları verir, ancak birinde toplama işlemi apılırken diğerinde çıkarma işlemi gerçekleştirilir. 47
Örnek a). A kue kutbu görüntüsü b). Laplacian-iltreli görüntü 1 1 1 1-8 1 1 1 1 c). Laplacian ölçeklenmiş görüntü d). Orijinal görüntü ile toplanmış iltreli görüntü sonucu 48
49 Laplacian maske orijinal görüntü eni bir maske) 1)], 1), ) 1, ) 1, [ ), 5 )], 4 1), 1), ) 1, ) 1, [ ), ), = = g 0-1 0-1 5-1 0-1 0
Örnek 50
51 Eğim Gradient) Operatörü 1. türevler eğim büüklüğü magnitude o the gradient) ile gerçekleştirilir. = = G G 1 1 ] [ ) = = = G G mag Büüklük lineer değildir. G G aklaşık olarak
5 Eğim Maskesi Basit aklaşıklıkla, 1 3 4 5 6 7 8 9 and ) ) 5 6 5 8 G G = = 1 5 6 5 8 1 ] ) ) [ ] [ G G = = 5 6 5 8
53 Eğim Maskesi Roberts çapra-eğim operatörleri, 1 3 4 5 6 7 8 9 ) and ) 6 8 5 9 G G = = 1 6 8 5 9 1 ] ) ) [ ] [ G G = = 6 8 5 9
54 Eğim Maskesi Sobel operatörleri, 33 1 3 4 5 6 7 8 9 ) ) ) ) 7 4 1 9 6 3 3 1 9 8 7 G G = = G G
Örnek 55
Örnek: Uasal İileştirme Metotlarının Birlikte Kullanımı çöüm: 1. Laplacian detaları iileştirir. Eğim operatörü belirgin kenarları iileştirir 3. Gri-düe dönüşümü gri değerlerin dinamik aralığı artırır. 56
57
58