Алгоритми цифрової фільтрації над 2-мірними сигналами в спеціалізованих програмних пакетах

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

figure,

imshow (P) ;

figure,

imhist (P) ;

 

Рис. 4. Оригінальне зображення та його гістограма

Досить часто при проведенні аналізу зображень виникає необхідність визначити значення інтенсивностей деяких пікселів. Для цього необхідно в інтерактивному режимі використовувати функцію impixel.

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

figure,

imshow (P) ;

impixel

ans =

117 117 117

253 253 253

98 98 98

188 188 188

89 89 89

42 42 42

73 73 73

66 66 66

167 167 167

149 149 149

94 94 94

105 105 105

167 167 167

127 127 127

30 30 30

66 66 66

109 109 109

130 130 130

152 152 152

113 113 113

125 125 125

143 143 143

116 116 116

101 101 101

123 123 123

135 135 135

63 63 63

53 53 53

96 96 96

103 103 103

 

Рис. 5. Зображення із позначеними на ньому крапками інтенсивності

 

 

Серед вбудованих функцій, які реалізуються найбільш відомими методами поліпшення зображень, є наступні – histeq, imadjust та imfilter (fspecial).

Як вже зазначалося раніше, гістограма зображення є однією з найбільш інформативних характеристик. На основі аналізу гістограми можна судити про яскравість спотвореного зображення, тобто сказати про те, чи є зображення затемненим або засвітленим. Відомо, що в ідеальному випадку на цифровому зображенні в рівній кількості повинні бути присутні пік селі з усіма значеннями яскравостей, тобто гістограма повинна бути рівномірною. Перерозподіл яскравості пік селів на зображенні з метою отримання рівномірної гістограми виконує метод еквалізації, який в системі Matlab реалізовано за допомогою функції histeq (вирівнювання гістограми).

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

figure,

imshow (P) ;

P1=histeq (P) ;

figure,

imshow (P1) ;

 

Рис. 6. Перерозподіл яскравостей

 

Досить часто при формуванні зображень не використовується весь діапазон значень інтенсивностей, що негативно відбивається на якості візуальних даних. Для корекції динамічного діапазону сформованих зображень використовується функція imadjust (контрастування з гамма-корегуванням).

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

figure,

imshow (P) ;

P1=imadjust (P) ;

figure,

imshow (P1) ;

figure,

imhist (P) ;

figure,

imhist (P1) ;

 

Рис. 7. Гама-корегування за гістограмою

Також під час вирішення завдань поліпшення зображень використовується функція imfilter в парі з функцією fspecial. Функція fspecial дозволяє задавати різні типи масок фільтру, що підвищує різкість зображення.

 

 

Пакет ImageProcessingToolbox володіє потужним інструментарієм з фільтрації зображень. Серед вбудованих функцій, які вирішують задачі фільтрації зображень, особливу увагу необхідно приділити функціям fspecial, ordfilt2 (рангова фільтрація), medfilt2 (медіанна фільтрація),

Fspecial є функцією завдання маски зумовленого фільтра. Ця функція дозволяє формувати маски:

- Фільтру, аналогічного послідовному застосуванню фільтрів Гауса і Лапласа:

h= fspecial (‘log’, hsize, sigma).

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

figure,

imshow (P) ;

h=fspecial ('log', 4, 0. 85) ;

P1=imfilter (P, h, 'replicate') ;

figure,

imshow (P1) ;

 

Рис. 8. Фільтр Лапласа-Гауса

 

 

Серед вбудованих функцій пакету ImageProcessingToolbox, які застосовуються при вирішенні завдань сегментації зображень, розглянемо наступні: qtdecomp, edgeiroicolor.

Функція qtdecomp виконує сегментацію зображення методом розділення та аналізу однорідності блоків зображення, які не перекриваються.

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

P=P (1: 256, 1: 256) ;

figure,

imshow (P) ;

S=qtdecomp (P,. 38) ;

blocks=repmat (uint8 (0), size (S)) ;

fordim=[512 256 128 64 32 16 8 4 2 1 0];

numblocks=length (find (S==dim)) ;

if (numblocks> 0)

values=repmat (uint8 (1), [dimdimnumblocks]) ;

values (2: dim, 2: dim, :) =0

blocks=qtsetblk (blocks, S, dim, values) ;

end

end

blocks (end, 1: end) =1;

blocks (1: end, end) =1;

imshow (P),

figure,

imshow (blocks, [])

 

Рис. 9. Сегментація зображення

Однією з найбільш часто використовуваних є функція виділення меж edge, яка реалізує такі вбудовані методи – Собела, Прево, Робертса, Лапласа-Гауса, Канні та ін.

Розглянемо реалізацію функції edge з використанням фільтру log.

Синтаксис:

P=imread ('c: \images\Picture49. jpg') ;

BW=edge (P, 'log') ;

figure,

imshow (BW) ;

title ('log') ;

 

Рис. 10. Виділення меж

 

 

Деконволюція – це математичний термін, який означає