8/17/2019 c6m.doc

1/52

6. Elemente privind procesarea deimagini

6.1. Elemente introductiveScopul procesării automate computerizate a imaginilort este considerat

în general de a oferi capabilităti asemănătoare cu cele umane. Printrecaracteristicile urmărite în vederea obţinerii unor sisteme inteligente avem:1. posibilitatea extragerii unor informaţii prelucrabile (pertinente) din detalii îngeneral irelevante!. posibilitatea de a invăţa din exemple "i de a generaliza cuno"tinţe astfel înc#tele să poată fi folosite în circumstanţe noi "i diferite$. posibilitatea de a efectua inferenţe din informaţii incomplete.

Structura generală a unui sistem cu viziune artificială este dată înFigura 6.1.

Figura 6.1. Structura generală a unui sistem cu viziune artificială

1

8/17/2019 c6m.doc

2/52

 %tapele urmărite de către un sistem cu viziune artificială sunt:

a) ac&iziţia imaginii care duce la digitizarea imaginii într'o memorie deimagini

 b) pretratarea prin metode de restaurare a imaginii "i eliminarea zgomotelor "i

a defectelor de iluminarec) determinarea de caracteristici din imagine prin extragere de atributedeterminare de primitive în vederea stabilirii unui procedeu de invăţare pentrusistemul cu viziuned) descrierea simbolică "i clasificarea care pregăte"te interpretarea finală pringăsirea zonelor de interes cu autorul te&nicilor de segmentare a imaginii "ieventual caracterizarea acestor zone de interes cu atribute sau descrieristructurale. Pe baza acestor date se face o clasificare a zonelor de interes careva fi validată de următoarea etapăe) interpretarea prin care scena de analizat va fi înţeleasă ceea ce implicăcunoa"terea domeniului de aplicabilitate.

n ultima perioadă un lucru tot mai important de care trebuie să ţinăseama un sistem de procesare a imaginilor îl reprezintă transmiterea datelor "i aimaginilor. Pentru a realiza o transmisie de date la distanţă cu autorulsistemelor de calcul datele trebuie codificate într'o formă adecvată at#tsistemelor de calcul c#t "i dispozitivelor prin care acestea sunt transmise.Sistemele de calcul înmagazinează datele ca semnale digitale exprimate în biţiîn timp ce dispozitivele de comunicare utilizează semnale analogice care suntexprimate sub forma unor frecvenţe.

6.2. Caracteristicile de bază ale domeniului procesăriide imagini

Procesarea imaginilor constă din utilizarea informaţiilor  bidimensionale sau tridimensionale de la un captor vizual utiliz#nd tratărinumerice cu autorul calculatoarelor în procesul de analiză.

Patru factori au influentat în mod decisiv dezvoltarea unor sisteme deanaliză a imaginilor de cost redus:

'larga disponibilitate a unor sisteme de calcul relativ ieftine(compatibile *+, P- sau ,acintos&) cu posibilităţi de calcul "i memorareridicate precum "i cu posibilităţi de interfaţare la dispozitive de stocare aimaginilor de tip frame'grabber sau plăci multimedia

'dezvoltarea unor circuite integrate care permit o conversie asemnalelor video de înaltă calitate "i la o rată de transfer ridicată

!

8/17/2019 c6m.doc

3/52

'cre"terea calitătii dispozitivelor de ac&iziţie de imagini combinată cureducea preţurilor de v#nzare "i apariţia în ultima vreme a camerelor digitale la

 preţuri accesibile'disponibilitatea at#t &ardare c#t "i softare pentru calculatoare

compatibile *+, P- sau ,acintos& a unor plăci de ac&iziţie de imagini

 precum "i a unor programe aplicative sau biblioteci de funcţii (/P*) la un preţdin ce în ce mai redus "i cu posibilităţi de calcul din ce în ce mai mari.

6.2.1. Achiziţia şi păstrarea imaginilor

Prin digitizare scena din realitate este convertită într'o imaginecompusă din unităţi digitizate (pixeli în cadrul spaţiului !0 voxeli în spaţiul$0) cărora în general le este asociată o valoare valoarea de gri cuprinsă uzualîntre "i !22 reprezent#nd intensitatea spotului luminos convertit.

Scena reprezintă acea zonă 3văzută3 de către captor formată dintr'omulţime de obiecte fizice într'o zonă a mediului iar imaginea reprezintă îngeneral o matrice de pixeli stocată într'o memorie de imagini care urmează a fi

 prelucrată de către un sistem de calcul reprezent#nd proiecţia scenei pe un plan bidimensional.

*n Figura 6.2. se prezintă definirea imaginii "i a scenei.

Figura 6.2. Definirea imaginii şi a scenei

$

8/17/2019 c6m.doc

4/52

6.2.1.1. Camerele video şi achiziţia imaginilor

Prima diferenţă importantă între vederea umană "i imaginea analizatăde sistemul de calcul este modul în care se ac&iziţionează imaginea. -ei maiobi"nuiţi senzori utilizaţi pentru a capta imagini sunt camera video "i scanerul.

*n general imaginile se memorează în calculator ca "i o matrice bidimensională de numere. /ceste numere corespund diferitelor informaţii cumar fi:

'intensitatea nivelelor de gri'luminanţa'crominanţa etc.Pentru a putea procesa o imagine ea trebuie trecută în calculator într'o

formă digitală. Pentru a digitiza imaginile analogice ele trebuie e"antionate "icuantizate.

%"antionarea presupune procesul de captură de e"antioane dinsemnalul analogic adică preluarea punctelor de informaţie aflate la diferitedistanţe unele de altele.

-uantizarea reprezintă procesul asignării unei valori binare pentrufiecarea valoare e"antionată.

4n digitizor (cameră sau scaner analogic) consideră iniţial imagineaanalogică "i continuă. 0igitizorul e"antionează imaginea convertind de faptlumina într'un semnal ce reprezintă strălucirea. /cest lucru se realizează cuautorul unor traductoare. 0upă aceea un convertor /50 cuantizează semnalul

 produs care apoi poate fi memorat digital în calculator. /ceste valori memoratereprezintă intensităţi astfel înc#t de obicei 6egru 7 "i /lb este valoareamaximă posibilă (de obicei !22).

-amerele de ac&iziţie a imaginilor pot fi împărţite în:a) -amere standard care utilizează cipuri care au o mulţime de senzori pentru

 pixeli (elemente de imagine) 8cca. 2. senzori 5cmp. Senzorii funcţioneazăca numărători de fotoni astfel că semnalul sumat "i amplificat de la fiecarelinie a acestor senzori produce un volta analog. %xistă diferite circuite carecitesc informaţia dată de senzori --0 (c&arge couple device) circuite cu

transfer de sarcina -*0 (c&arge inection device) sau altele. %fectul dat dediferenţele acestea este că sunt camere care permit acumularea în cip a unor imagini intunecoase pe perioade mai lungi de timp sau din contră capturarearapida a imaginii intr'o scurtă perioadă de timp. -amerele utilizate pentru acapta imagini de intensitate foarte oasă sunt utilizate în astronomiemicroscopia fluorescentă etc.

9

8/17/2019 c6m.doc

5/52

Figura 6.3. Dispozitiv CCD0ispozitivele --0 execută ! funcţii:'convertesc fotonii într'o sarcină electrică'permit deplasarea sarcinii (bucket brigade) astfel inc#t citirea reprezintă un

flux serial de date./ceste circuite --0 reprezintă inima camerelor "i scanerelor av#nd

un răspuns foarte liniar Figura 6.4.

Figura 6.4. Răspunsul camerelor CCD şi vidicon

2

8/17/2019 c6m.doc

6/52

 b)-amerele cu vidicon 'camere de tip vec&i cu tub de vacuum suntcamere mai ieftine "i servesc ca prototip de comparaţie cu camerele solide iar 

 principiul de funcţionare este cel al fotoconductibilităţii o imagine ce pătrunde pe suprafaţa tubului alterează conductibilitatea unui înveli" al acestuia. 4n

fascicul de electroni bombardează faţa posterioară a acestui înveli" fotosensibil"i prin neutralizarea sarcinilor electrice creează o diferenţă de potenţial care produce pe un electrod colector un curent. Prin e"antionarea "i cuantificareaacestui semnal se obţine imaginea digitală. (Figura 6.5.)

Figura 6.5. Camera cu vidicon

-amerele standard "i cele cu vidicon produc un semnal analogic cecorespunde intensităţii luminoase a diferitelor puncte ale imaginii însă intrecamerele standard "i cele cu vidicon există unele diferenţe (Figura 6.4.) 8 încamerele cu vidicon poate apărea o mărire a spotului luminos (datorităîmpră"tierii luminii sau electronilor în înveli") sau poate apărea efectul coziide cometă; l#ngă spotul luminos sau pot apărea diferite deformări ale imaginiiîn pernă; sau în butoi; (ot aceste camere au materiale deînveli" care au răspuns spectral "i astfel poate surveni o modificare a culorilor adică acela"i obiect apare diferit la iluminare diferită. Sistemul de lentile "ineizolarea individuală a tranzistorilor din interiorului camerelor cu cip (care s'amic"orat progresiv de la 1 inc& la 15$ inc&) fac ca lumina să se împră"tie de laun tranzistor la altul "i astfel un procent uneori p#nă la 2 ? din lumină este

 pierdut. Soluţia este de a asocia o singură lentilă de dimensiuni mici fiecăruitranzistor "i astfel colectarea luminii este de 1?. 0e asemenea camerelestandard au senzitivitate mare la partea de sf#r"it a spectrului vizibil mai ales laro"u sau c&iar lumina infraro"ie care dacă nu este eliminată din sistemul optic alcamerei produce înceţo"area sau pătarea imaginilor.c) -amereler digitale ' maoritatea încă nu sunt potrivite pentru aplicaţii te&nicedatorită unor limitări de optică "i a rezoluţiei limitate datorită faptului căfolosesc compresii de tip @P%A ceea ce poate produce pierderi. Sunt unelecamere mai avansate care nu pierd prin compresie "i acestea s'ar preta la

B

8/17/2019 c6m.doc

7/52

aplicaţii te&nice. -amerele utilizate în domeniul te&nic nu au facilităţi decomprimare ele folosind sistem optic flexibil "i asigur#nd o rezoluţie înaltă.

%xistă trei tipuri principale de camere digitale în acest moment:' cu cip monocromC se pot realiza capturi color dacă se folosesc trei filtre

8/17/2019 c6m.doc

8/52

camere video este considerată ac&iziţie în timp real în multe aplicaţii rata deac&iziţie nu trebuie însă să fie foarte mare.

/c&iziţia imaginilor folosind dispozitive --0 poate fi făcută folosindo singură linie --0 sau o matrice bidimensională care oferă o rezoluţie mărită"i un tip de ac&iziţie mai scurt însă la un preţ mai ridicat. *n acest sens

distingem noţiunile de scanare:'intreţesută linii pare5impare'neintreţesută sau progresiva utilizată mai ales la E0>F.

>e&nica progresivă este folosită de:'camerele de înaltă performanţă'microscoapele cu scanare directă S%, ' Scanning "lectron #icroscope

S>, $ Scanning Tunneling #icroscope /G, 8 %tomic &orce #icroscope'digitizoare de film "i cadre etc.

*n E0>F densitatea pixelilor este mare în raportul 1B:= faţă deraportul 9:$ existent actualmente la norma 6>S-. Pixelul este considerat "i înacest caz patrat iar o imagine tipică este de 1=!x1I la o rată de $ cadre5secrezultă că se ve&iculează multă informaţie care trebuie prelucrată.

 Scanerele se pot clasifica în:' reflective cele care măsoară lumina reflectată de sursa originală' transmisive cele care masoară lumina transmisa de sursă.

/ceste scanere pot scana imagini:' alb'negru' color folosind diferite te&nici. Se preferă în general înt#i o prescanare "i

apoi o sanare finală. n domeniul razelor J se folosec scanere S%, Scanning  "lectron #icroscope.

 Plăcile de achiziţie a imaginilor   sunt dispozitive intercalate întrecamerele video "i sistemul de calcul. %le pot fi de tip frame'grabber sau mainou plăcile multimedia de cost relativ scăzut pot indeplini rolul acestor plăci deac&izitie în cadrul unor aplicaţii uzuale. /ceste plăci de ac&iziţie au auns astăzila performanţe deosebite at#t ca viteză de ac&iziţie ca rezoluţie dar "i ca

 posibilitaţi de a prelucra într'o oarecare masură imaginea capturată.>endinţa actuală pe piaţa plăcilor de ac&iziţie este de a realiza plăci

extrem de performante cu soft de analiză "i prelucrări de imagini care sunt

utilizate mai ales în scopuri profesionale. Stereoviziunea a impulsionatdezvoltarea plăcilor de ac&iziţie multicanal care permit ac&iziţia simultană pemai multe canale a semnalelor provenite de la mai multe dispozitive deac&iziţie.

6.2.1.2. Stocarea imaginilor digitale

-#nd se lucrează cu un sistem de analiză computerizată a imaginilorimaginile trebuie salvate pe disc sub formă de fi"iere care sunt oarecum

asemănătoare cu celelalte tipuri de fi"iere (text programe etc.) dar din

I

8/17/2019 c6m.doc

9/52

anumite motive fi"ierele cu imagini digitale trebuie să fie considerate distinctedin anumite puncte de vedere.

Gi"ierele de imagini sunt de obicei mari. D singură imagine deB9x9I pixeli monocrom ocupă aproximativ $ K+ în timp ce o imaginecolor necesită aproximativ 1 ,+. *maginile $0 sunt mult mai mari (de exemplu

2 x 2 x 2 imagine de reconstrucţie tomografică $0 ocupă aproximativ1!2 ,+) deci necesită o mare capacitate de stocare.

6.2.1.. !emorarea imaginilor

D imagine digitală pe I biţi de dimensiuni 1!9 x 1!9 pixeli necesită1B biţi adică un spaţiu foarte mare de aceea memoria ocupă un loc importantîn sistemele de prelucrare de imagini.

Pentru aplicaţii de prelucrare a imaginilor se poate realiza:' memorare pe termen scurt necesară procesării propiu'zise ea

reprezintă memoria temporară de lucru într'un calculator fiind memoria de tipendinţaactuală este de a folosi suporturi magneto'optice "i c&iar stocarea &olografică.

' memorarea în vederea ar&ivării de lungă durată în care accesul laimagine este mai puţin frecvent.

,emoria de ar&ivare se caracterizează prin capacităti foarte mari dememorare necesare dar cu accesare mai puţin frecventă. /cestea sunt discurileoptice "i benzile magnetice. -0'

8/17/2019 c6m.doc

10/52

+enzile magnetice sunt extrem de lente dar au capacitate mare destocare.

Oa alegerea mediului de stocare a imaginilor trebuie avut în vedere volumulde imagini care va fi stocat scopul utilizarii acestor imagini (viteza de acces ) "i

 preţul de cost al stocarii.

6.2.1.". #ormate de imagine

>entaţia de a realiza un format de imagine propriu este foarte maremai ales în cazul firmelor de marcă care doresc sa'"i impună standardeleaung#ndu'se astfel la multe formate de imagini diferite. /cestea pot fiapreciate după mai multe criterii cum ar fi gradul de compresie pe care îlrealizează "i timpul necesar împac&etării "i despac&etării acestora. -ele maiimportante formate din aceasta categorie sunt: P-J +,P *,A >/*GG A*G LPA @P%A P*- -0

8/17/2019 c6m.doc

11/52

' tipul imaginii 8 dacă valorile pixelilor trebuie interpretate ca fiindculori

8/17/2019 c6m.doc

12/52

 pixel sunt separaţi conform poziţiei bitului cei mai puţin semnificativi biţi aituturor pixelilor sunt stocati linie cu linie apoi se trece la biţii următoarei

 poziţii de bit "i asa mai departe.' valorile pixelilor pot fi stocate într'un format comprimat.

#ormate uzuale pentru $işiere imagine

%xistă mai multe metode de stocare a unei imagini într'un fisier acestafiind motivul pentru care veţi găsi at#t de multe tipuri diferite de formate pentrufi"iere imagine. *ată c#teva dintre cele mai populare formate de fi"iere imagine:

'Gormatul P-J folosit la început de programul Paint +rus& alcompaniei Nsoft este un format pentru fi"iere imagine pe care'l suportă multe

 programe de desenare si scanere. Gi"ierele P-J folosesc o sc&emă de codare pe baza lungimii ( Run()ength("ncoding  8 arga. -ea mai populară este versiunea cu !9 de biţi pe pixelcare foloseste I biţi pentru fiecare dintre componentele otu"idimensiunea fi"ierului pentru o imagine pe !9 de biţi este foarte mare 8 oimagine B9 x 9I pe !9 de biti necesită $ x B9 x 9I 7 =!1B octeţi adicăaproximativ un 1,b.

'>*GG sau Tagged *mage &ile &ormat  a fost dezvoltat în colaborare de,icrosoft -orporation "i /ldus -orporation ca un format flexibil independent

de sistem pentru stocarea de imagini monocrome p#na la imagini cu culori pe!9 de biţi. ,ulte programe de te&noredactare computerizată "i procesoare detexte pot citi "i folosi imagini >*GG. n plus toate scannerele dispun de

 programe de control care pot salva imagini în formatul >*GG.'A*G sau +raphics *nterchange &ormat   a fost dezvoltat de

-ompuServe pentru stocarea într'o formă compactă a imaginilor cu p#nă la !2Bde culori. Gi"ierele A*G stoc&ează imagini folosind sc&ema de compresie ONL(denumită astfel după autorii ei Oempel'Niv'Lels&).

1!

8/17/2019 c6m.doc

13/52

'@P%A ( ,oint -hotographers "pert +roup) este cel mai utilizat formatde imagine în reţeaua *nternet. %ste un format comprimat de imagine ceea ce îiconferă avantae extrem de mari în comparatie cu celelalte formate de imagine.

6.2.1.%. !etode de compresie a imaginilor

,etodele de compresie ale imaginilor facilitează comunicarea rapidăîntre diferite sisteme pe baza imaginilor precum "i stocarea lor în vederea uneiutilizări ulterioare. n ultimii ani s'a trecut la standardizarea procesului decompresie a imaginilor în vederea utilizării imaginilor în diverse aplicaţii de

 prelucrări de imagini.Prin rata de compresie -r întelegem raportul dintre cantitatea iniţială

de date necompresate "i cantitatea de date compresată.

compresatedate originaledate C r  =

%xistă metode de compresie a imaginilor care conduc la degradareainformaţiilor în momentul decompresiei lor funcţie de gradul de compresie ales(loss' compression). /ceste metode duc la pierderea informaţiilor neesenţiale "iredundante.

8/17/2019 c6m.doc

14/52

 predicţie asupra evoluţiei unei imagini printr'un estimator de mi"caretransform#nd "i codific#nd apoi diferenţa între imaginea prevazută "i imagineaîn sine. Predicţia imaginilor poate fi facută pe bază imaginilor viitoare precum"i pe baza celor trecute. /stfel codorul trebuie să reordoneze imaginile pun#ndimaginea de referinţă înaintea celor prevăzute. 0ecodorul pune imaginile înapoi

într'o ordine de afi"are corectă.' PB9 reprezintă standardul --*>> E.!B1 ca "i codor5decodor învideotelefonie. -odorul PB9 codifică de asemenea imagini prevăzute a fieronate dar care trebuie să le ia a"a cum vin. Poate alege între o imaginecurentă "i una prevazută cu autorul unui sistem 3 blocQ'bM'blocQ3. Predicţiacodorului este bazată în mod normal pe acela"i bloc al imaginii precedentecodorul put#nd include ca "i optiuni un estimator de mi"care precum "i unfiltru.

Alte considerente re$eritor la compresia imaginilor

-ompresia este necesară stocarii "i transmisiei imaginilor deoarecereduce mărimea lor. Stocarea este esenţială în mai multe domenii unulimportant fiind te&nica video digitală în timp ce transmisia de imagini seînt#lne"te la reţelele de telecomunicaţii teleconferinţe etc.

%xistă mai multe criterii după care metodele de compresie pot fi udecate "i anume:

' timpul necesar comprimării5decomprimării 8 acest criteriu esteimportant mai ales în transmisiile în timp real cum ar fi videoconferinţele

' gradul de conservare al imaginii' costurile impuse de algoritmii ale"i "i resursele de calcul' standardul de compresie utilizat dacă este sau nu universal pentru a

 putea fi utilizat "i de către alţii.

!etodele de compresie

,etodele de compresie sau codare a imaginilor se împart în douăcategorii:

' codarea predictivă' codarea prin transformări.-odarea predictivă exploatează redundanţă existentă în imagine în

vreme ce codarea prin transformări realizează modificarea structurii de date aimaginii într'o altă matrice astfel că o mare cantitate de informaţii esteimpac&etată într'un număr mai mic de e"antioane.

%xistă algoritmi care combină aceste categorii. n primul caz estevorba mai bine zis de o codificare dec#t o compresie "i permite reconstructiaimaginii iniţiale. /ceastă codificare este utilizată mai ales în transmisiile de

imagini. Se bazează pe asemănarea (diferenţa) dintre pixelii unei imagini astfel

19

8/17/2019 c6m.doc

15/52

că se folosesc un număr mai mic de biţi pe pixel pentru a memora ceea ce aucomun ace"ti pixeli. Fiitoarea abordare a compresiei de imagini este de a utilizaalgoritmi predictivi care examin#nd mai mulţi pixeli precedenţi anticipează "istoc&ează diferenţele dintre ace"tia.

 R)"  ( Run )ength "ncoding ) este una din metodele cele mai simple de

compresie fiind folosită în cazul în care avem date care se repetă (zone dinimagine care au aceea"i valore a pixelilor). /stfel secvenţa de caractere:

////+++++--------0%%%%devine

9/2+I-109%

"i deci în acest caz:-r 7 !!51 7 !.!

n cazul în care zona care urmează a fi codată nu este repetitivămetoda este foarte ineficientă put#nd duce c&iar la factori de compresiesubunitari. 0e aceea metoda

8/17/2019 c6m.doc

16/52

 )12   3)empel 1iv 2elch) este un algoritm care permite codarea unor "iruri de caractere folosind tabele de codare exist#nd "i alţi algoritmi care

 permit această codare.

Standardul ,-"+  ( ,oint -hotographers "pert +roup) reprezintă

efortul colaborării între --*>> ( *nternational Telegraph and TelephoneConsultative Committee) "i *SD ( *nternational Standard 4rganization)./cest standard define"te trei sisteme diferite de codare:' un sistem de codare de bază cu pierderi care este bazat pe transformata 0->"i este adecvat pentru o gamă largă de aplicaţii' un sistem de codare extinsă pentru aplicaţiile de precizie înaltă saureconstrucţie progresivă fără pierderi' un sistem de codare cu pierderi mai mici pentru conversia reversibilă.

,odul de compresie progresiv @P%A se obţine prin realizarea unui setde subimagini "i fiecare subimagine va fi codată cu un set specific decoeficienţi 0->. -ompresia progresivă @P%A poate fi obţinută folosind treitipuri de algoritmi: un algoritm progresiv de selecţie spectrală un algoritm

 progresiv de aproximări succesive "i un algoritm progresiv combinat.Standardul @P%A permite "i folosirea unor algoritmi de compresie fără

 pierderi respectiv un algoritm de compresie predictivă în locul transformării0->.

-ompresia ierar&ică @P%A permite o reprezentare progresivă aimaginii decodate într'un mod similar cu algoritmul progresiv dar permite în

 plus faţă de acesta imagini codate cu rezoluţii multiple. @P%A nu specifică unformat de fi"ier fiind considerat doar printr'un flux de biţi. Sunt mai multeformate de imagini care memorează imagini @P%A cele mai folosite fiind @G*Gsi @P%A pentru >*GG B..

Standardul H.567  este dezvoltat pentru aplicaţii de telecomunicaţiivideo. 0eoarece acestea sunt în general aplicaţii care nu implică modificăriimportante ale conţinutului cadrelor succesive datorate mi"cării obiectelor dinimagine algoritmul folosit limiteză strategiile de căutare "i estimare a mi"căriiîn scopul obţinerii unei rate de compresie c#t mai ridicate. Golosind acest

standard se pot atinge rate de compresie între 1:1 "i !:1.

Compresia fractalică este o metodă diferită de compresie prin care sememorează instrucţiuni sau formule de creare a imaginilor. 0e aceea metodaeste independentă de rezoluţie imaginile put#nd fi scalate la o rezoluţie maimare dec#t imaginea originală.

Gractalii sunt imagini compuse din imagini mai mici. ,etoda permiterate de compresie de peste 1 fiind considerată o metodă asimetrică. /ceastămetodă duce la un timp mare de compresie dar decompresia este rapidă.

-ompresia fractalică încearcă să găsească relaţiile din imagine care leagă

1B

8/17/2019 c6m.doc

17/52

imaginile mai mici prin formule matematice. 0ecompresia ţine cont de acesteformule "i dă rezultate foarte bune pornind practic de la ori ce set de date

 practic cont#nd relaţiile matematice "i nu imaginile. -u c#t codarea este mai bună ea este mai lentă "i decodarea oferind imagini de calitate superioară.

Compresia 2avelet  se aseamană cu cea 0-> care însă este limitată lautilizarea funcţiei cosinus. Lavelet folose"te funcţii mai simple complexitateacalculelor scăz#nd fără însă a sacrifica maor calitatea imaginii obţinute.

Compresia holografică  este o nouă metodă care se bazează pe oreprezentare frecvenţială $0 a imaginilor. ,etoda este în curs de elaborare.otodată standardul ,P%A prevede "i compresia unuicanal audio cu rata de 2:1 p#na la 1:1. Se bazează pe similitudinea unor 

 blocuri de pixeli al unor imagini succesive transmiţ#nd doar ! frame'uri pesecundă restul fiind informaţie codificată ca diferenţa dintre frame'uri prin a"anumitele QeMframe'uri. Standardul ,P%A este în continuă dezvoltareactualmente folosindu'se cu precădere ,P%A9.

6.2.2. Analiza modulului de ameliorare a imaginilor

,odulul de ameliorare (preprocesare) a imaginii urmăre"te restaurareaimaginii numerice degradate de diver"i factori cum ar fi: zgomote defecte deiluminare mi"carea sau defocalizarea imaginii etc.

Preprocesarea imaginii se efectuează înaintea operaţiei de analizăefectivă a ei. Preprocesarea imaginilor are ca scop eliminarea erorilor apărute încursul procesului de ac&iziţie erori cauzate de procesul de conversie asemnalului video analogic în semnal digital sau datorate paraziţilor indu"ialeator pe calea de ac&iziţie a semnalului analogic.

1H

8/17/2019 c6m.doc

18/52

6.2.2.1. &estaurarea imaginilor digitale

-orectarea (restaurarea) imaginilor digitale se referă la înlăturarea sau

minimizarea degradării cunoscute într'o imagine. Drice imagine ac&iziţionată prin miloace optice electro'optice sau electronice este degradată într'oanumită proporţie. 0egradarea se poate datora zgomotului proastei focalizări acamerei mi"cării relative obiect'cameră etc.

8/17/2019 c6m.doc

19/52

originală cre"te contrastul vizual al pixelilor prezenţi dar nu cre"te abilitatea dea discrimina variaţii subtile în nuanţele de gri.

6.2.2.2. 'mbunătăţirea imaginilor

%xistă metode care cresc vizibilitatea unei porţiuni a imaginii a unuiaspect sau a unei componente a imaginii scopul fiind de accentuare a anumitor caracteristici (contrast contururi) etc. (pentru analiza sau redarea acestora fărămodificări de date din structura imaginilor). /v#nd în vedere utilitatea lor 

 practică în toate aplicaţiile legate de prelucrări de imagini aceste metode suntextrem de importante.

0in punctul de vedere al algoritmului utilizat pentru îmbunătăţireaimaginii se disting patru categorii mari de te&nici de îmbunătăţire:

Dperaţii punctuale: mărirea contrastului atenuarea zgomotuluioperaţiuni de tip fereastră (transformări pseudocolorări etcT) "i atenuareaimaginii prin &istogrameC

Dperaţii spaţiale (pe arii): filtarea de zgomot filtrarea medianăte&nica de zooming; a imaginii alte tipuri de filtrăriC

Dperaţii de tranformare a imaginilor: filtrarea liniară filtrarea de tipradical sau filtrarea &omomorficăC

Dperaţii de pseudocolorare între care se disting te&nicile de colorare"i pseudocolorare a imaginilor )ook 8p Table (O4>).

,odificarea de contrast este necesară mai ales în cazul imaginilor cucontrast mic datorat iluminării slabe această trasformare îmbunătăţe"tevizibilitatea pixelilor de amplitudine mică faţă de pixelii de amplitudine mare.

 6egativarea imaginilor sau inversarea acestora este utilizată mai alesîn medicină imaginile fiind mai u"or de interpretat.

Eistogramele sunt reprezentarea frecvenţei de apariţie a diferitelor nivele de gri într'o imagine. %galizarea &istogramelor modifică intensitatealuminoasă a pixelilor permiţ#nd astfel evidenţierea unor detalii în anumite arii.

/mplificarea Oaplaciană accentuează contururile mai ales cele liniare permiţ#nd interpretatea mai u"oară a imaginilor.

Scăderea imaginilor este utilă c#nd este necesară compararea a douăimagini complexe cu elemente av#nd însă deosebiri relativ mici între ele.

n ceea ce prive"te mărirea "i interpolarea imaginilor (zoom'ul) existămai multe modălităţi ca: dublarea imaginii interpolarea liniară sau bazată pealte metode. n cazul dublării imaginii fiecare pixel de'a lungul unei linii "ifiecare linie este repetată. *nterpolarea liniară este o multiplicare a imaginii lacare pixelii care se intercalează pot fi media aritmetică a pixelilor vecini dinimaginea originală. /ceastă transformare este necesară pentru a vizualiza "imăsura anumite detalii din imagine.

1=

8/17/2019 c6m.doc

20/52

6.2.2.. (peraţii speci$ice modulului de ameliorare a imaginilor

D primă metodă specifică preprocesării de imagini o constituiecorec9ia optică.

a) -orecţia optică urmăre"te:

' păstrarea în timp a nivelului de gri al obiectului de analizat încondiţii de ac&iziţii multiple de imagini' eliminarea imperfecţiunilor sistemului optic' accentuarea contrastului în imaginea ac&iziţionată.

 b) Histograma  este funcţia care asociază la fiecare nivel de gri unanumit număr de pixeli av#nd acest nivel de gri din imaginea analizată.

Oa reprezentarea ei grafică pe axa x sunt trecute intensităţiledisponible ale pixelilor iar pe axa M sunt trecute numărul de apariţii pentrufiecare intensitate.

Figura 6.8. Histograma unei imagini

*maginile întunecate au &istograma grupată în partea st#ngă celeluminoase o au grupată în partea dreaptă iar imaginile complet luminate au&istograma în toată plaa de distribuţie.

0e obicei &istograma este folosită pentru identificarea simplă aobiectelor obiectele similare av#nd de obicei intensităţi similare.

0e asemenea v#rfurile "i văile permit separarea obiectelor de

intensităţi diferite din imagine văile permiţ#nd definirea pragurilor de separare.

c) "galizare de histogramă  8 imaginile care nu au o distribuţieuniformă a intensităţilor pot fi modificate fără însă a le uniformiza. *ntensităţilese vor redistribui astfel înc#t dacă &istograma iniţială avea v#rfuri "i văi "i dupăegalizare se vor păstra dar vor fi s&iftate (deplasate). Practic &istograma va fiîntinsă (împră"tiată).

%galizarea &istogramei se efectuează în următorii pa"i:1). se calculează &istograma obţin#nd un vector de !2B de elemente (pentru o

imagine cu I biţi5pixel)

!

8/17/2019 c6m.doc

21/52

!). Se calculează suma normalizată a &istogramei obţin#nd tot un vector de !2Bde elemente astfel:'elementul este nesc&imbat'elementul 1 va fi suma dintre elementul 1 "i 'elementul ! va fi suma dintre elementul ! 1 "i

T'elementul !22 va fi suma dintre elementul !22 !29 T 1 "i .

/ceste valori vor fi apoi normalizate înmulţind fiecare element cu:

l:pielinum;r:tota

l aim;:pievaloarea:m

    

  × ' 

!22

n acest mod (aust#nd la cel mai apropiat întreg) se obţine un O4>care poate fi folosit pentru pasul următor.

$). se modifică imaginea în imaginea destinaţie folosind acest O4>.

%galizarea &istogramei lucrează cel mai bine pe imaginile care audetalii fine în zona întunecoasă.

d)Specificarea histogramei  8 egalizarea &istogramei aproximează o&istogramă relativ uniformă dar uneori se dore"te întunecarea sau iluminareaei sau mărirea contrastului. n aceste cazuri se folose"te specificarea&istogramei care necesită:

'o imagine ca intrare'o &istogramă dorită.%a se efectuează astfel:'se egalizează &istograma imaginii originale'se determină inversa &istogramei egalizate pornind de la imaginea

egalizată "i &istograma dorită.

!1

8/17/2019 c6m.doc

22/52

Figura 6.. Specificarea de histogramă

0eterminarea inversei &istogramei egalizate necesită să generăm O4>

corespunzător &istogramei dorite "i apoi sa calculăm transformarea inversă aO4>. /cestă transformare inversă este calculată analiz#nd ie"irile lui O4>. -eamai apropiată ie"ire pentru o intrare particulară devine valoarea inversă.

e) 

8/17/2019 c6m.doc

23/52

/ceastă metodă lucrează pentru imaginile care au toate intensităţiledar au o concentrare de pixeli într'o parte a &istogramei. n acest caz relaţiacare permite calculul O4> pentru transfer este:

( )

≥

8/17/2019 c6m.doc

24/52

1. !il"re #$a"iale liniare  ' aceste filtre se caracterizează prin răspunsul lor impulsional &(mn) caz în care filtrarea unei imagini f(i) se obţine princonvoluţie discretă:

∑∑   −−=m n

 filtr n =mi f  nmh =i f   )()()(

0acă limitele m si n sunt finite filtrul este cu răspuns impulsional finit(rebuie avut griă ca la procesarea pixelilor de ie"ire să nu stricămvalorile celorlalţi pixeli de aceea se preferă ca rezultatul să fie memorat într'oaltă matrice altfel se obţine un sistem cu răspuns infinit în impuls ceea ce nueste de dorit.

0acă suma ponderilor din matricea de convoluţie este 1 atunciimaginea obţinută va avea aceea"i intensitate cu cea originală. 0acă aceastăsumă este (sunt "i coeficienţi negativi) în mod obi"nuit se adaugă la valoareaobţinută o constantă "i dacă tot se obţine un pixel negativ el va fi setat pe .

D altă problemă care se pune la convoluţie este modul în care sunttratate marginile imaginii. Pentru aceasta sunt mai multe cazuri:

!9

8/17/2019 c6m.doc

25/52

noua valoare 7 * x , R *1 x ,1 R T R *H x ,H R *I x ,I

Figura 6.1%. #odul de calcul pentru convolu9ia imaginii> cazul !rap

'se consideră pixelii care nu aparţin imaginii ca fiind egali cu 'se porne"te convoluţia doar din locul în care se suprapune pe imagine'dublarea marginilor pentru o matrice de $ x $'considerarea valorilor în celelalte extremităţi (rap).

,ulte mă"ti de convoluţie sunt considerate separabile adicăconvoluţia poate fi efectuată prin execuţia a două convoluţii cu o mascăunidimensională.

D funcţie separabilă satisface relaţia:

f(xM) 7 g(x) x &(M)

ele reduc#nd numărul de calcule atunci c#nd se folosesc mă"ti de dimensiunimari. 0e exemplu convoluţia cu masca:

!2

8/17/2019 c6m.doc

26/52

−−− 1!1

1!1

 poate fi operată prin

[ ]1!1

1

1

×

−însă economia nu e spectaculoasă (B înmulţiri în loc de =).

Printre filtrele spaţiale liniare amintesc:Scoaterea ?n relief 3embossing/ 8 se poate obţine cu matricea

−

−

1

1

 

după convoluţie adăug#nd valoarea 1!I.

n cadrul imaginilor color există în general două te&nici care se aplică:'lucrul cu imagini ES* caz în care se lucrează doar asupra intensităţii culoareafiind păstrată (cea mai des folosită)'lucrul cu cele trei planuri

8/17/2019 c6m.doc

27/52

=1

=1

=1

=

1

=

1

=

1=

1

=

1

=

1

fiind un filtru trece os.

-a "i valori în matricea de convoluţie pot avea toţi valoarea 1 "i înfaţă folosesc 15= sau15!2.

/cest filtru reduce zgomotul Aaussian din imagine nefiind însăeficient pentru zgomotul în impuls care reprezintă un zgomot cu valori extreme "i !22 (zgomot sare "i piper). Giltrul elimină zgomotele din imagine fiindeficace în cazul regiunilor uniforme. %l deteriorează marginile contururilorefectul lui fiind o u"oară defocalizare a imaginii ce poate fi corectată prindeconvoluţie.

,edierea mic"orează contrastul valorile tinz#nd să se alinieze lavalori de miloc.

Pentru blurring  se mai folose"te următoarea mască:

1B

1

I

1

1B

1I

1

9

1

I

11B

1

I

1

1B

1

care se apropie cel mai mult de profilul Aaussian.Suma coeficienţilor este egală cu 1 "i deci intensitatea imaginii de

ie"ire nu este afectată.

 &iltrele +aussiene de netezire sunt de forma:

!

!

)(

!Z[

!

!!

πσ 

σ 

 ' .

e ' .+

+−

=

unde \ controlează împră"tierea efectivă.

!H

8/17/2019 c6m.doc

28/52

,ă"tile care au valoare mică pentru \ sunt ascuţite iar cele cu \ maresunt late. \ influenţează "i dimensiunea mă"tilor. %le trebuie să fie suficient demari ca să conţină toţi coeficinţii diferiţi de zero.

Pentru: \ 7 !. este nevoie de o mască de 12x12

\ 7 $. este nevoie de o mască de !$x!$Pentru $x$ se folosesc valorile ('1'1) ('1) ('11) ('1) () ('1) (1) (1) "i (11) pentru coordonatele x "i M.

Giltrele trece os elimină zgomotele dar contururile devin neclare deaceea filtrul median este mai eficient.

Sharpening  ascuţirea detaliilor are efect opus celui de blurring . %stereferită ca accentuarea contrastelor (crispening) dar scoţ#nd în evidenţădetaliile din imagine. /ceastă te&nică poate fi folosită la restaurarea imaginilormărind în acela"i timp "i contrastul. ,atricea de convoluţie are un coeficient

 pozitiv în centru "i în general negativi în rest. -a "i mă"ti de convoluţie avem:

−−−−

1

121

1

 sau masca

−−−−−−−−

111

1=1

111

Giltrele trece sus se pot constitui din două filtre liniare a caror ie"ire

reprezintă estimarea gradientului din imagine. 

 grad   ( ) ( ) ( )  ' g   g  ' '  f 

 '  '  f 

  '  f   ' 

+=

∂∂+

∂∂=

/mplitudinea gradientului poate fi estimată cu:

!! ' .   g  g  g    +=

saug 7 max ( ]gx ] ]gM ] )

Drientarea după care variaţia intensităţii este maximă este dată de:

!I

8/17/2019 c6m.doc

29/52

   

  

 =

 

 '

 g 

 g arctg θ 

*n cazul discret avem :

0x f(xM) 7 gx  7 f(xM) ' f(x'1M)

0M f(xM) 7 gM  7 f(xM) ' f(xM'1)

0erivata funcţiei imagine faţă de o direcţie a este dată de:

0a f(xM) 7 gx cos a R gM sin a

4peratorul )aplace este un operator derivativ de ordin par cu rol de

accentuare izotropică. Se define"te ca :

( ) ( ) ( ) '  f  '

 '  f  

 '  f  !

!

!

!!

∂∂+

∂∂=∇

n cazul discret derivatele parţiale de ordinul al doilea pe direcţiile x "iM sunt aproximate prin relaţiile:

( ) ( ) ( ) ( ) '  f  '  f  '  f  '  f  D    1!1!

!

++−−==∂∂

( ) ( ) ( ) ( )1!1!

!

++−−==∂∂

 '  f  '  f  '  f  '  f  D '  ''

 6ucleul de convoluţie este o singură matrice de $ x $ care poate fi:

−−− −

1191

1

Pentru mărirea preciziei se lucrează cu un nucleu de convoluţie deforma:

!=

8/17/2019 c6m.doc

30/52

−−−−−−−−

1111I1111

care sintetizează media laplacianului corespunzător axelor originale culaplacianul unui sistem de axe ortogonale rotite cu 92 o faţă de axele originalesau cu matricea:

−−−−

1!1!9!

1!1

*maginea accentuată va fi ] ∇!

 f(xM) ] .Giltrele trece sus măresc detaliile dar "i amplifică zgomotele din

imagine.

2. !il"re #$aţiale neliniare

/ceste filtre se constituie ca o multitudine de metode care depind îngeneral de aplicaţia utilizată. 4nul dintre aceste filtre îl constituie  filtrul 

median. Giltrul median înlocuie"te valoarea fiecărui punct al imaginii cuvaloarea mediană a tuturor pixelilor din vecinătatea punctului ales.

8/17/2019 c6m.doc

31/52

care elimină zgomotul corelat orizontal cum ar fi o linie scanată care a

dispărut.' dacă aplicăm un filtru orizontal  atunci pixelul dispărut va fi împră"tiat înambele direcţii. /cest filtru elimină zgomotele care apar în coloane de pixeli.

' se pot alege elemente "i în formă de J sau de diamant.Oa alegerea unui bloc pentru filtrul median trebuie să se ţină cont de

timpul de procesare "i de faptul că un filtru median de lăţime $ pixeli eliminăzgomotele din imagine de pe o linie iar un filtru median de lăţime 2 pixelielimină zgomotele din imagine de pe două linii s.a.m.d.

Giltrul median poate fi aplicat "i în spaţiul $0 (!0 R timp) mai ales înteleviziune fiind numit filtru median temporal. Se elimină zgomotele de burst(v#rf) păstr#nd de asemenea "i mi"carea mai bine dec#t filtrul temporal clasic.

Se pune problema de a optimiza acest filtru median pentru că odată ceeste aplicat pe o fereastră în pasul următor c#nd se trece la următorul pixel seva modifica doar o coloană. Sunt metode care ţin cont de pixelii procesaţirealiz#nd un algoritm de sortare adaptiv.

Se poate considera "i un filtru median separabil. /cest lucru implicămai înt#i filtrarea imaginii cu un filtru orizontal "i apoi urmată de o filtrareverticală. /cest lucru va reduce timpul de calcul sort#nd !n numere faţă de n xn 7 n!. *e"irea filtrului separabil este similară cu cea a filtrului neseparabil.

n cadrul imaginilor color  algoritmul de calcul este diferit. Se poateaplica pe fiecare plan

8/17/2019 c6m.doc

32/52

Pe baza acestei proprietăţi putem însuma diferenţele dintrecomponentele

8/17/2019 c6m.doc

33/52

,etoda constă în preluarea mai multor cadre ale aceleia"i scene deanalizat "i medierea rezultatelor. 0e"i îmbunătăţirea este spectaculoasă ea esteaplicabilă doar în cazul unor scene statice "i necesită un timp destul de mareafectat doar procesului de ac&iziţie.

h/ 4pera9ii de adiacen9ăDperaţiile de adiacenţă formează structuri din pixelii individuali. Sunt

impuse reguli de conectivitate (care din pixelii din vecinătate sunt consideraţi pentru expansiunea structurii) "i de admisie (ce valori ale pixelilor candidaţi potfi luate pentru expansiune).

1.&onca"enarea  reprezintă cel mai simplu exemplu de operaţie deadiacenţă. %a poate opera asupra imaginilor binare folosind în generalconectivitatea pentru I pixeli învecinaţi. >oti pixelii candidaţi cu o valoare de 1sunt admi"i. -oncatenarea repetată dă un obiect.

2.'$eraţia de nlănţuire în cadrul imaginilor binare reprezintă un modde a obţine conturul unui obiect. Dperaţia caută în mod secvenţial în sensulacelor de ceasornic printre pixelii aflaţi în adiacenţa punctului curent. Primul

 pixel av#nd valoarea 1 reprezintă următorul centru de căutare. Printr'o operatierepetată de înlănţuire se obţine conturul ordonat cu condiţia ca punctul de startsă fie pe contur.

.-u autorul mor!ologiei ma"ema"ice se pot extrage dintr'o imagineanumite caracteristici specifice funcţie de scopul urmărit prin aplicarea uneisuccesiuni de operatori adecvaţi.

D transformare morfologică elementară f este caracterizată prin:' tipul ei : erodare dilatare etc.' elementul structural +' iteratorul sau : o constantă n o limită' o mască în cazul transformărilor geodezice.

,orfologia matematică a fost dezvoltată "i pentru cazul digital învederea utilizării în cadrul aplicaţiilor de prelucrări de imagini. %xistă operatoridefiniţi în cazul imaginilor binare precum "i în cazul imaginilor de intensitate.

Principalii operatori morfologici sunt:a/. Dilatarea

0acă notăm:  ' J ansamblul de puncte (albe) din imagine marcate cu 1 ce reprezintăobiectul fondul fiind marcat cu

  ' + un ansamblu de puncte numite element structural. 4nul din punctele elementului structural Mo e numit centrul lui + celelalte puncte fiindnumite marcatoare  ' +M reprezintă translatarea lui + cu M Mo 7 M

  ' +` simetricul lui + faţă de originea reperului

$$

8/17/2019 c6m.doc

34/52

atunci dilatarea lui J cu + este definită ca :

7 J R + ca un ansamblu de puncte

7 ^ M : +M J ≠  _

Dperaţia de dilatare revine la marcarea (cu alb) a tuturor punctelor interceptate de elementul structural + atunci c#nd centrul elementului structural

 baleiază ansamblul punctelor multimii J. 0acă elementul structural e o bulă(sferă cerc) dilatarea lărge"te obiectul cu o grosime constantă.

b/. "rodarea%rodarea lui J cu + este dată prin :

7 J ' +"i reprezintă ansamblul de puncte 7 ^ M : +M ⊂ J _

adica e formată din punctele M astfel înc#t elementul structural centrat în M +M să fie inclus în J deci plas#nd centrul elementului structural pe puncteleansamblului de puncte erodate toţi marcatorii reacoperă un punct al obiectuluice a fost erodat..

0acă elementul structural e o bulă erodarea subţiază obiectul cu o

grosime constantă.%rodarea "i dilatarea sunt duale faţă de complement

( J R +)- 7 J-  ' +

adică e ec&ivalent a dilata punctele albe sau a eroda punctele negre.

%rodarea "i dilatarea reprezintă cazuri speciale ale operatorilor devotare. Fotarea maoritară sau minoritară admite pixelul dacă un set de pixeli

din conectivitate are valoarea 1. 0acă setul este 1 peste tot operaţia de votaredegenerează la dilatare sau erodare.

c/. Deschiderea0esc&iderea este definită ca o erodare urmată de o dilatare

J 7 ( J ' +) R +

reprezent#nd domeniul + baleiat de toate translatările lui + incluse în J.Dperaţia neteze"te contururile suprimă neregularităţile taie istmurile.

$9

8/17/2019 c6m.doc

35/52

0acă elementul structural este o bulă operaţia rotune"te ung&iurilesuprim#nd unicele regiuni conexe.

d/. Bnchiderea*nc&iderea este definită ca o dilatare urmată de o erodare

J+  7 ( J R +) ' +

ung&iurile fiind rotunite iar găurile umplute.0esc&iderea "i înc&iderea sunt duale prin complementaritate:

( J +)-  7 ( J- ) +  "i ( J- )+ 7 ( J+ )-

-a "i operaţii asupra imaginilor înc&iderea "i desc&iderea reduc multdin complexitatea datelor ce reprezintă conturul corpurilor reţin#ndcaracteristicile lor cele mai pregnante.

e/. Scheletizarea unei imagini binareSc&eletul unei forme J oarecare poate fi definit ca centrul bulelor 

maximale incluse în formă. Putem de asemenea considera că contururileformelor sunt erodate din exterior p#na c#nd fronturile eroziunilor sereînt#lnesc în puncte care reprezintă sc&eletul.

/lgoritmii morfologiei matematice prin abstractizare eliminăinformaţia redundantă în sensul scopului pun#nd în evidenţă corpul de analizat.

-u autorul morfologiei matematice se pot extrage din imagine osumedenie de caracteristici cu o succesiune de primitive adecvate.

Primitivele morfologiei matematice pot fi privite din două puncte devedere:

' al conţinutului matematic "i algoritmic ca "i primitive operator detransformare

' al efectului pe care îl au asupra imaginii ca "i primitive de efect decriteriu de caracteristică.

Primitivele se clasifică funcţie de gradul de selectivitate într'o scară

ierar&ică complexitatea cresc#nd cu selectivitatea.Dperatorii morfologici pentru imagini de intensitate au la bază

definirea operatorilor definiţi pentru imagini binare doar că selectarea valoriicare urmează a fi înscrisă în imagine ca urmare a unei transformari morfologicese face pe baza unui criteriu de minim sau maxim aplicat asupra pixelilor dinvecinătatea de lucru.

Prin operaţiile de adiacenţă definite pentru imaginile de intensitate se poate obţine o mai mare flexibilitate.

$2

8/17/2019 c6m.doc

36/52

6.2.. )rocesarea geometrică a imaginilor

/cest mod de procesare modfică arnamentul pixelilor pornind de launele transformări geometrice. *deea constă doar din deplasarea pixelilor în

cadrul imaginii astfel înc#t în mod ideal valorile să nu fie modificate. %l poatefi efectuat at#t în etapa de preprocesare c#t "i în cea de analiză a imaginilor.0acă acest proces se referă la un pixel a cărui localizare nu există

atunci el va fi generat. /ceastă generare se nume"te interpolare. *nterpolarea nueste un proces geometric dar este utilizată de multe transformări geometrice.

a/. *nverse mappingn cazul în care se utilizeză transformări geometrice asupra imaginilor

deseori se folosesc coordonatele imaginii destinaţie pentru a genera

coordonatele imaginii sursă. /cest proces se nume"te potrivire inversă;(inverse mapping ).

b/. &or!ard mapping Procesarea punctuală permite transferul unui pixel de intrare de

coordonate (xM) în unul de ie"ire printr'un proces numit potrivire înainte;(forard mapping). Oa această potrivire apar două probleme:

'găurile (holes) reprezintă pixeli nedefiniţi pixelii destinaţie neav#ndcorespondenţă în sursă

'suprapunerile (overlaps) apar atunci c#nd doi pixeli de intrare se potrivesc pe acela"i pixel de ie"ire.

c/. *nterpolarea0in cauza potrivirii putem avea anumite probleme. Gie transformarea:

!

!

destinatie sursa

destinatie sursa

 ' '

  

=

=

Pixelul de la destinaţia [Z[Z va porni de la sursa [Z[Z. Pentrudestianţia [1Z[1Z sursa ar trebui să fie [.2Z[.2Z pixel care însă nu există înimagine (doar la rezoluţie subpixel).

*nterpolarea reprezintă procesul generării de valori ce pot aparţineîntre pixeli deci pentru domeniul subpixel. %a generează un pixel nouanaliz#nd pixelii din ur astfel înc#t să poată face o asociere c#t mai corectă în

funcţie de transformarea dorită "i de pixelii din ur.

$B

8/17/2019 c6m.doc

37/52

Guncţia de interpolare este dependentă de aplicaţia dedicată astfelînc#t cu c#t procesul de interpolare este mai sofisticat procesul de calcul va fimai complicat "i mai lung.

Principalele te&nici de interpolare sunt:

'interpolarea bazată pe cel mai apropiat vecin pixelul fiind asignat pixelului cel mai apropiat adresei nou generate ca "i pixel de ie"ire. /dreselefracţionare calculate pentru pixelii sursă vor fi rotunite la cel mai apropiat

 pixel valid ca adresă.'interpolarea biliniară noul pixel generat fiind o sursă ponderată a patru

 pixeli cei mai apropiaţi. Ponderile sunt direct proporţionale cu distanţa de lafiecare pixel existent. Sunt necesare trei interpolări liniare pe pixel rezult#nd oimagine mai netedă ( smoother ) dec#t la metoda precedentă.'interpolare de nivel ?nalt  folose"te zone mai mari pentru pixelii din vecinătatein vederea generării pixelului de ie"ire. Oa acest nivel avem te&nicile deinterpolare cubice şi @(spline care folosesc "aisprezece pixeli vecini pentru agenera pixelul de ie"ire. Principiul se bazează pe convoluţia unidimensională.-onvoluţia unidimensională cubică este dată de relaţia:

( )

( ) ( )

≤

8/17/2019 c6m.doc

38/52

( )

≤

8/17/2019 c6m.doc

39/52

xsursă 7 xdestinaţiecos R Mdestinaţiesin

Msursă 7 Mdestinaţiecos 8 xdestinaţiesin

referitor la origine./ceastă relaţie rote"te imaginea raportat la punctul () dar dacă

imaginea este centrată în (xcentr Mcentr ) relaţia devine:

xsursă 7 (xdestinaţie 8 xcentr )cos R (Mdestinaţie 8 Mcentr )sin

Msursă 7 (Mdestinaţie 8 Mcentr )cos 8 (xdestinaţie 8 xcentr )sin

 f/. Transla9ia-onstă din deplasarea unei secţiuni a imaginii la o altă locaţie în

imagine. %ste posibil ca destinaţia să se suprapună peste sursă "i în acest caztrebuie memorate aceste valori pentru a evita distrugerea imaginii.

 g/. 4glindirea

8/17/2019 c6m.doc

40/52

/stfel poate fi specificat astfel înc#t una dintre imagini să fie predominantă.

b/Scăderea%ste folosită pentru a determina diferenţele dintre imagini folosită mai

ales în procesul de supraveg&ere. n acest caz se consideră un prag caredeclan"ează alarma (algoritmii mai complicaţi se g&idează "i în funcţie destrălucire etc.).

c/4pera9ii logiceDperaţia /60 (*)se folose"te pentru a masca o parte din imagine.Dperaţia D< (S/4)este folosită pentru a adăuga părţi dintr'o altă

imagine peste imaginea iniţială.

d/#ediaPractic reprezintă filtrul temporal "i deci imaginile trebuie să fie

statice.,edia elimină doar zgomotele necorelate.

6.2.%. !odulul de segmentare a imaginilor

%tapa de separare respectiv detectare a corpurilor din c#mpul imaginiiare ca efect o reducere importantă a volumului informaţiilor prin definirea

indicilor de imagine care posedă o semnificatie. 0istincţia dintre fond "i obiectnumită segmentare poate fi făcută prin punerea în evidenţă a zonelor devariaţie rapidă a intensităţii luminoase.

n cazul unei imagini de intensitate procesul de segmentare depindede geometria obiectelor reflectanţa suprafeţei vizibile iluminarea scenei "ioriginea captorului.

Segmentarea se poate face în mai multe moduri:'  @inarizare ' o segmentare care împarte imaginea în două clase

obiect "i non'obiect.' "tragere de contur  ' segmentarea care împarte imaginea în zone de

contur "i non'contur.-onturul reprezintă zone din imagine a căror valoare a pixelilor 

variază într'un mod brusc. -onturul fizic este reprezentat în general prin linii dediscontinuitate a suprafeţei margini tangenţiale ale suprafeţei limiteleumbrelor sau reflecţiilor sau linii de discontinuitate date de reflectanţa diferită aunor zone.

9

8/17/2019 c6m.doc

41/52

Pornind de la conturul fizic conturul unei imagini este dat în general printr'o aproximare prin segmente de dreaptă care pot fi considerate indici deimagine.

( "tragere de regiuni  ' o segmentare care detectează regiunile dinimagine ca indici de imagine.

8/17/2019 c6m.doc

42/52

Selectia pe baza unui singur prag ne oferă o solutie brută desegmentare oferind o soluţie globală utilizabilă mai ales în cazul în careimaginile se pretează a fi tratate astfel (documente scanate imagini simple detest etc.)

/lgoritmii de detecţie de prag se pot baza:'pe &istograma imaginii'pe anumite valori din imagine etc.

D metodă simplă dar relativ ineficientă constă din a consideravaloarea medie a intensităţilor din imagine ca "i prag. /ceasta implică căimaginile au aceea"i pondere pentru negru "i alb lucru care nu este realist. ngeneral procentul de negru poate fi constant dar nu egal cu cel de alb. Oa ofoaie tipărită el variază în general între I9B? "i 12BH? în funcţie de existenţaformelor imaginilor etcT

n general &istograma este cea mai folosită în procesul detecţiei de prag. /desea pragul este considerat a fi punctul cel mai de os între două v#rfurisemnificative ale &istogramei. 0acă &istograma este doar cu două v#rfuriaceastă alegere este cea mai bună.

Segmentarea bazată pe prag a imaginilor se bazează pe faptul că omuc&ie (edge) este dată de pixelii care sunt apropiaţi de contur între obiect "ifond sau între două obiecte care aproape se ating. Eistograma punctelor careconstituie muc&ia este foarte regulată "i din acest motiv se pot detecta muc&iile

 pornind de la Oaplacian care este un operator de detecţie de muc&iinedirecţional. -el mai simplu mod în acest caz este de a folosi un nucleu deconvoluţie adecvat pentru acest Oaplace.

n continuare se vor considera doar acei pixeli care au valori largi aleOaplacian'ului. /cei pixeli care au Oaplacian'ul mai mare cu I2? faţă deveciniii lor vor fi păstraţi în imagineC după aceea pragul va fi determinat

 pornind de la noua &istogramă a imaginii obţinute.

D metodă de detecţie de prag care nu se bazează pe &istogramăconsideră valoarea medie >med  a intensităţii din imagine ca un prim prag care

apoi este rafinat printr'un proces de selecţie iterativ. 4rmătorul prag sedetermină consider#nd media nivelelor de gri a tuturor pixelilor de la la > med > b  respeciv de la >med la !22 de unde obţinem >o . 6oua valoare va fi:

!ob T T   +

 .

9!

8/17/2019 c6m.doc

43/52

Procesul se repetă p#nă c#nd nu mai avem o sc&imbare a pragului./cest proces poate fi implementat &ardare varianta softare se poateimplementa mai usor pornind de la &istogramă.

Oa detecţia de prag se poate folosi "i entropia. %ntropia este o măsurăa conţinutului informaţional a unei imagini.

,ulţimile fuzzM pot fi "i ele folosite la detecţia de prag precum "i altediverse metode.Dricum procesul de detecţie de prag în vederea segmentării este foarte

dependent de natura "i calitatea imaginilor utilizate.

6.2.%.2. *etecţia de contur +muchii-

,uc&iile dintr'o imagine permit izolarea obiectelor determinareaformei dimensiunii "i anumite informaţii legate de textură.

D muc&ie reprezintă locul în care intensitateta unei imagini semodifică brusc de la o valoare lo! la o valoare high sau invers.

Sunt multe aplicaţii uneori folosite doar ca "i efecte speciale undeie"irea unui detector de muc&ii se poate suprapune peste imaginea iniţială

 pentru a accentua muc&iile.0etecţia de muc&ii reprezintă cel mai complex element din

procesarea; imaginii neexist#nd o metodă universal valabilă pentru cămuc&iile sunt foarte diverse.

0e multe ori se fac diferite experimente pentru a alege cea mai bunăte&nică de detecţie de contur.

-el mai simplu "i rapid detector de muc&ii determină valoarea maximă prin scăderea din valoarea pixelului central a celor opt vecini (separat)valoarea de ie"ire fiind maximul valorii absolute a fiecărei diferenţe. /cestaeste operatorul de omogenitate.

4peratorul diferen9ă  este mai rapid el făc#nd mai puţine operaţiifăc#nd scăderi în vecinătate în modul următor:

-eilalţi detectori globali de contur folosesc unele mă"ti de convoluţie"i putem avea în acest caz:

9$

8/17/2019 c6m.doc

44/52

 a- (peratori derivativi de ordin 1'Dperatorii de tip  gradient obişnuit  (sau gradient ortogonal) detectează

muc&ii orizontale "i verticale. /ce"ti operatori lucrează prin convoluţie. ,ă"tilecele mai utilizate sunt:  Er Ec

 

  −

11

 

−

11

 

8/17/2019 c6m.doc

45/52

-eea ce este de remarcat este faptul că mă"tile de dimensiune micăsunt senzitive la zgomote.

b- (peratori derivativi de ordin 2Dperatorii gradient au un răspuns larg asupra zonei tratate. %i sunt

 buni pentru muc&iile care au o rampă lentă.0etectarea oricărui contur se nume"te localizare dar în general estedificil a detecta conturul muc&iilor de c#ţiva pixeli. 0e multe ori se folose"te un

 proces de subţiere (thinning ) pentru a reduce lăţimea muc&iilor la un pixel.Dperatori derivativi de ordin ! oferă rezultate mai bune. 0e asemenea

contururile obţinute sunt inc&ise.4peratorul )aplacian este cel care este untilizat cel mai frecvent fiind

 prezentat anterior. %l va produce muc&ii mai ascuţite dec#t maoritateacelorlalte te&nici.

4tiliz#nd anumite mă"ti în imagine apar valori ale pixelilor care ducla o sc&imbare de semn la muc&iile imaginii. /ceste sc&imbări de semn suntnumite treceri prin zero; sau zero crossing . 0upă convoluţie imaginea trebuiesă fie procesată pentru a detecta aceste treceri prin zero "i pentru a seta pixeliide ie"ire în mod adecvat.

Dperatorul Oaplace este sensibil la zgomote "i de aceea trecerile prinzero; indică mai multe muc&ii dec#t sunt în realitate. 0e aceea se folose"te un

 prag pentru a determina magnitudinea muc&iilor care vor fi marcate. 0e multeori se preferă folosirea )aplacianului +aussianului ODA care este un operator mai eficient. %l presupune mai înt#i aplicarea netezirii Aaussiene "i apoi aOaplacianului. Se poate defini astfel masca:

[ ]!

!!

!!

!!

! !1

1   σ 

σ πσ 

 ' 

e ' 

 '  )4++−⋅

  +−=

Guncţia este numită filtrul pălăria ,exicană;.

Primul punct zero crossing;a lui ODA este la σ ! .0e obicei acest operator este folosit cu mă"ti de dimensiuni mari mai

mari de HxH "i de aceea numărul de calcule este foarte mare. Pentru cazul$Hx$H se preferă a se folosi o aproximare dată de operatorul Do+ 3Differenceof +aussians/:

[ ]!!

!

!1

!

!!

!!

!!

!1

!!

πσ πσ 

σ σ 

 '  ' 

ee '  Do+

+−

+−

−=

92

8/17/2019 c6m.doc

46/52

Practic se va face convoluţia cu 0oA prin scăderea a două mă"ti Aaussiene cuvalori \ diferite.

8/17/2019 c6m.doc

47/52

6.2.6. !odulul de analiză şi interpretare a imaginilor

/naliza "i interpretarea imaginilor grupează două te&nici principale "ifundamentale de abordare:

a) tratări numerice care permit după ameliorarea imaginilor utiliz#nd

diferite te&nici de segmentare extragerea de caracteristici generale cum ar filinii de contrast segmente "i ung&iuri de referinţă etc. /lgoritmii asociaţi înacest caz depind într'o mică măsura de natura problemei de tratat ei fiindalgoritmi generali de recunoa"tere de forme.

 b) metode de udecată fondate pe cuno"tinte explicite precum "i pereprezentarea lor. -uno"tinţele sunt legate de problemele puse spre rezolvaredomeniul de aplicaţie te&nica utilizată etc.

,aoritatea metodelor practice de recunoa"tere a formelor permit

identificarea obiectelor pe baza corespondenţei cu o bază de modele. ,odelele pot fi perceptuale funcţionale sau semantice./ceste cuno"tinte sunt organizate în cadrul unui sistem de

reprezentare sistem în cadrul căruia se definesc:'tipul de cuno"tinte care se dore"te a fi reprezentat utiliz#nd:

' atribute caracteriz#nd forma obiectelor cum ar fi factor de formăfactor de ondulaţie factor de aplatizare orientare etc.

' atribute depinz#nd de natura suprafeţei obiectelor cum ar fi texturăculoare etc.

' relaţii între obiecte de apartenenţă sau de poziţie relativă.'reprezentarea informatică a acestor cuno"tinţe prin reguli de producţiereprezentări procedurale utilizarea de limbae orientate obiect etc.

-ombinarea metodelor de analiză a imaginilor în special în cazultratărilor imaginilor de o calitate mediocră facilitează obţinerea unor rezultatedeosebit de utile.

n vederea vizualizării imaginilor prelucrate at#t în cazul unor sistemecu posibilităţi de lucru cu imagini de intensitate c#t "i color se pune problemarecodificării lor în vederea scoaterii în evidenţă a unor detalii de interes careduc la o metodă de interpretare c#t mai precisă a rezultatelor.

,etodele de recodificare a imaginilor pe baza de O4> (OooQ 4p>able) sunt intens folosite datorită vitezei mari de prelucrare a volumului deinformaţie conţinut de semnalul imagine. /ceastă viteză se datoreză "i setuluiortogonal de instrucţiuni al procesoarelor moderne.

n principiu metoda constă în sc&imbarea intensităţii "i5sau a nuanţei pixelilor unei imagini conform unei tabele construite în prealabil. n vederea păstrării intensităţii pixelilor din imagine se preferă ca recodificarea să fiefacută ţin#nd cont doar de crominanţă astfel că ulterioarele prelucrări care se

9H

8/17/2019 c6m.doc

48/52

efectuează asupra imaginii să beneficieze de acelea"i valori pentru intensităţi.n sistemele moderne de prelucrări de imagini O4>'ul este un dispozitiv &ard.>abelele de recodificare O4> implementează cel mai u"or algoritmii referitor la operaţiile punctuale asupra imagnilor.

0eci O4> sunt tablouri simple care folosesc valoarea curentă a

 pixelului ca un index în cadrul acestor tabele de unde se va lua o nouă valoarecare va fi introdusă în imaginea de ie"ire în aceea"i poziţie în care a fost înimaginea de intrare.

  *maginea de intrare O4> *maginea de ie"ire

Figura 7.11. Tabele de recodificare )8T 

4tilizarea O4> evită efectuarea de operaţii de calcul inutile. n cazul

de mai sus ($ biţi 5 pixel) practic doar trei valori sunt procesate indiferent dedimensiunea imaginii (în general la imagini cu opt biţi per pixel sunt procesate!2B de valori).

6.2./. ,ehnici speci$ice utilizate 0n procesarea imaginilor

6.2./.1. Analiza teturală

/naliza texturală este inclusă în cadrul analizei imaginilor fiind o parteintegrantă a vederii artificiale. hin#nd cont de diferenţa existentă între teoriaelaborată în vederea definirii texturilor "i aplicaţiile practice care urmează a leimplementa este necesară definirea "i descrierea unor primitive care săcaracterizeze textura.

/naliza texturală se încadrează în cadrul analizei imaginilor nonfigurative. n acest caz imaginile conţin anumite modele care se repetă dupăo anumita regulă. Printre domeniile în care analiza texturală i"i găse"te diferiteaplicaţii avem medicina cu deosebire genetica morfopatologia &istopatologia

 biofizica etc.

9I

HH29!HB9$HB9$1BB9!22$1

22$!1$$11!1$19!2$B9H2

8/17/2019 c6m.doc

49/52

4neori diferenţa între două texturi e dată de acest aspect aleator altexturii sau de distribuţia statistică găsită între textoni ("abloane care se potrepeta fie în mod exact fie cu unele mici modificări).

Figura 6.12. *magini avnd regiuni caracterizate prin teturi (a b) >extura arificiala(c d e) >extura naturala delimitata din imagini reale

n Figura 6.12.  este prezentată o mică colecţie de texturi c#tevanaturale "i altele artificiale. /naliza texturală este str#ns legată de procesul desegmentare a texturilor mai degrabă dec#t de caracterizare a lor.

D textură este considerată a fi o structură spaţială construită prinorganizarea unor primitive cu aspect aleator. %ste extrem de dificil a segmentatexturi. Oiniile de separaţie desenate între texturi deseori sunt arbitrare funcţiade percepţie deseori este matematică. %ste posibil ca anumite combinaţii deoperaţii să ofere rezultate rezonabile. 6oi metode se incearcă a fi utilizate îngeneral metode bazate pe fractali "i analiza fractalică.

Se pot încerca unele metode simple de detecţie a texturilor folosindintensitatea din cadrul unor ferestre (de $ x $ p#na la $H x $H) unde se poatedetermina intensitatea medie precum si unii parametrii statistici specifici.4tlizarea unor ferestre care se suprapun printr'un anumit algoritm asupraimaginii poate să ofere unele rezultate acceptabile. /cest lucru este explicabilţin#nd cont de faptul că textura se referă la regiuni de pixeli si nu la pixeliindividuali. n consecintă delimitarea texturilor se poate face consider#nd odistanţă de L pixeli unde L reprezintă lăţimea ferestrei alese.

9=

8/17/2019 c6m.doc

50/52

Figura 6.13.  Segmentarea teturilor folosind fereastra de suprapunere

(a) ,edia intensitatilor intr'o fereastra de 19x19 considerand imagineadin H.1!.b.

(b) +inarizarea acestei imagini.(c) Nona de separatie apartine unei plae de separatie incerte

*n Figura 6.13. este ilustrat următorul principiu. Se folose"te mediaintensităţilor pentru a segmenta imaginea din Figura 6.12.. 

Faloarea medie dă rezultate acceptabile în acest caz dar în general încadrul altor tipuri de imagini rezultatele sunt nesatisfăcătoare. Se mai poateconsidera în acest sens "i deviaţia standard a nivelelor de gri.Figura 6.14. ne arată regiunile identificate folosind deviaţia standard locală lasegmentarea texturilor. /sfel Figura 6.12.a poate fi segmentată prin această

metoda "i c&iar "i celelalte imagini cu excepţia 6.12.d.

Figura 6.14. 4tilizarea deviaţiei standard la segmentarea imaginilor 

din Figura 6.12.

2

8/17/2019 c6m.doc

51/52

6.. ibliogra$ie

1. Albert &.3 Schinde4ol$ ,h.3 aumann '.3 5arms 5.

>&ree'0imensional *mage Processing for ,orp&ometric /nalMsis of %pit&eliumSections -MtometrM Fol. 1$ 1==! pp. H2='HB2

!. Ammeral endert Programming Principles in -omputer Arap&ics/cademic Press 1==!

$. Cann 7. / -omputational /pproac& to %dge 0etection *%%%>rans. on P/,* Fol. I nr. B november 1=IB pp. BH='B=I

9. Crane &. / Simplified /pproac& to *mage Processing: -lassicaland ,odern >ec&niues in - Prentice Eall 1==H

2. 8lassner Andre4 S. $0 -omputer Arap&ics. / 4sers Auide for /rtists and 0esigners >&e Eerbert Press Oondon 1==1

B. 8old$arb . Dn t&e foundation of intelligent processes. /nevolving model for pattern learning Pattern

8/17/2019 c6m.doc

52/52

1$. &ese docteur 4niversitk Paris'sud 1=I=

1H. Selinger S.3 =ovacs S. /naliza si clasificarea texturilor microscopice &e *mage Processing Eand booQ >&ird %dition-