Регулиране на стойностите на интензитета

Възможно е да зададете стойностите на образа, използвайки imadjust функции, посочени гама и ако получените изображения интензитет.

Да разгледаме пример за повишаване на контраста на образа с нисък контраст чрез преразпределение стойности на данни в пълната гама [0, 255].

Цифрата показва трансформира образ и хистограмата. Имайте предвид, че в резултат на увеличението на контраста на изображението, хистограма изпълва целия диапазон.

Трансформира изображението и неговата хистограма

лимити Описание на зоната на

Възможно е да се определи обхвата на входните и изходните стойности, използвайки imadjust функция. За тази imadjust функция като аргумент посочено диапазони под формата на два вектора. Първият елемент съдържа най-малката и най-голямата стойност на интензивността на оригиналното изображение, което ще се показва в реда на яркост гама, която е посочена във втори вектор.

Забележка.
Имайте предвид, че интензитета на стойностите трябва да са в диапазона между 0 и 1, независимо от съотношението. Ако изображението на клас uint8, диапазонът съдържа 255 градации и формат на изображението - 65,535 градации.

Например, намаляване на контраста на образите се постига чрез намаляване на обхвата на интензитета. В изображението по-долу, на човешкия косъм е прекалено тъмно, и той не може да видите подробности. Но това може да се коригира чрез imadjust функция, като показва редица [0.51] на оригиналното изображение на клас uint8 в интервала [128,255] превръща изображение. Това преобразуване значително ще разшири динамичния обхват и подобряване на визуалното възприятие на тъмните части на изображението. Забележете също, че всички интензивността стойности по-високи от 51, ще се появи като 255, т.е. бяло.

Изображение след преобразуването на динамичния диапазон

Инсталиране на автоматични ограничения за корекция

Обикновено, когато се използва imadjust функция изисква две основни стъпки:

По-лесен начин за описване на тези ограничения е да се използва stretchlim функция.

Тази функция изчислява хистограмата на изображението и определя обхвата на регулиране на границите автоматично. stretchlim връща тези стойности като вектор, който се използва като аргумент в imadjust функция. Например,

По подразбиране stretchlim функция използва интензитет стойности, които представляват нисш 1% (0,01) и горната 1% (0.99) на диапазона на регулиране на границата.

imadjust функция показва най-ниските стойности, дори по-малко, а най-високи - още повече. По подразбиране, междинните стойности се показват линейно. Например, интензитет стойности, които са средната обхвата на оригиналните изображения интензитети съответстват на стойностите на интензитета, които са средната обхвата на трансформирания изображението.

Функцията imadjust можете да зададете допълнителен аргумент, който описва степента на гама-корекция. В зависимост от мащаба на стойност, връзката между първоначалните стойности и преобразуваното изображение може да бъде нелинейна. Затова, стойностите на интензитета, които са средната гама от оригиналните интензитета на изображението не съответстват на стойностите на интензитета, които са в средния диапазон на трансформира изображението.

Диапазонът на параметър може да се зададе от 0 до безкрайност. Ако у е 1 (по подразбиране), след това линеен трансформация. Ако у е по-малко от 1, обхвата на малки стойности на интензитета се пресова и обхвата с големи стойности на интензивност опъната. Ако у е по-голямо от 1, обратното - от порядъка на малки стойности на интензивност се разтяга и обхвата с големи стойности на интензивност опъната.

По-горе е показано на фигурата. Трите криви показват стойности на интензитет на трансформация картографиране за различни стойности на гама - по-малко равна или по-голяма от единица. (Картината представлява х координатна стойност на оригиналните изображения интензитети и у координати -. Стойност резултат интензитети снимка)

Показване на три различни настройки на гама-

Да разгледаме примера на гама-корекция на изображението. Обърнете внимание, че при използване на imadjust диапазони на входа и на изхода графични данни описани като празни матрици. Ако те са описани по такъв начин, че под формата на празни матрици, imadjust функция използва пълния обхват [0,1]. В резултат на използването на този подход е показано на снимката.

Изображението преди и след прилагане на гама-корекция

Contrast ограничена адаптивна хистограма уравняващо

Алтернативно може да се използва histeq, който изпълнява разлика ограничена адаптивна хистограма уравняващо използването adapthisteq функция. Тази функция работи с цялото изображение и adapthisteq функция може да работи с малки области на изображението. Контрастът на всяка част от изображението се увеличава, поради промяната във формата на хистограмата. След извършване на изравняване (EQ), adapthisteq функция комбинира край местни региони използване билинейна интерполация, с изключение на изкуствени граници.

За да се избегне усилване на шума в снимките, можете да използвате adapthisteq със специални параметри за лимит разлика от това, което е особено важно за еднородни (хомогенни) региони.

За да се убедите, помислете за използването на функциите adapthisteq корекция на контраста на изображението. Оригиналното изображение е с нисък контраст, повечето от стойностите на интензитета са концентрирани в средния диапазон. adapthisteq функция изпълнява равномерно разпределение интензитет по целия диапазон от стойности.

Изображението след преработка от друга страна-ограничено адаптивно изравняване на хистограмата (и неговата хистограма)

Decorrelation разтягане подобрява цветовете на изображението, като се вземат предвид зависимости. Въпреки подобряването на имиджа е много важно да се намери граничните подобрения на прекомерен подобрение не е довело до появата на несъществуващи части. Поради това е препоръчително да се използва методът на decorrelation участък, който изпълнява функцията на decorrstretch.

В повечето случаи, броят на цветовете във връзка NBANDS изображението е три. decorrelation функция може да се прилага независимо от броя на цветовете в пакета.

При конвертирането на първоначалните стойности цветно изображение обхват на дисплея, в повечето случаи, се увеличава. Интензивността на всеки цвят на пикселите се превръщат в свой собствен цвят пространство, за да ковариация или корелация матрица с NBANDSxNBANDS величина, разтеглени, подравнени и трансформират обратно.

Пример decorrelation участък

Ние прилагаме decorrelation и разтягане операции на някои изображения от библиотеката, която се помещава в imdemos Matlab системната директория. Библиотеката разполага с Landsat-образ на малка река в Колорадо. Обработен от този образ decorrelation участък:

1. Изображението се състои от седем ленти, които трябва да бъдат представлявани от три видими цветове:
2. Извършване decorrelation участък:
3. Визуализацията на резултатите:

Нека сравним двете изображения. В оригиналното изображение значително преобладава лилаво (червено-синьо) цвят, а полученото изображение е с по-разширен спектър от цветове.

Изображение на малка река в Колорадо преди (вляво) и след (вдясно) decorrelation участък

Покажи разпръсна цветове различен образ варира преди и след изравняване и decorrelation:

Разпространението цветя на различни диапазони на изображението преди и след изравняване и decorrelation

Допълнителна линеен разлика разтягане

А сега да разгледаме същата трансформация, но това ще бъде линеен контраст участък, който се прилага след отсечката decorrelation:

Сравнете началните и трансформирани изображения.

Изображение на малка река в Колорадо след decorrelation участък и линеен контраст участък

Linear контрастира разтягане е още допълнително средство за подобряване на обхвата на цветно изображение след разтягане. В този случай, опън цветовата гама се отнася за всеки цвят компонент.

За повече информация, вижте. Описание Stretchlim функция.

Забележка.
Линеен разлика разтягане може да се прилага като отделна операция след извършване decorrelation разтягане използване stretchlim и imadjust функция. Това е един от алтернативните маршрути, обаче, често не води до добри резултати за изображения, които са представени в uint8 и uint16 формат. Този резултат се обяснява с разпределението на пиксела в диапазон от [0 255] (или [0 65 535]). Опции decorrstretch функции позволяват да заобиколят това ограничение.

Цифровите изображения са изложени на различни видове шум. Има няколко основни причини за шума, които също зависят от начина на формиране на изображения. Например:

• Ако изображението, получени чрез сканиране на фотографски филм, зърната на филма са източник на шум. Външният вид на шум също може да се обясни на щетите на филма или въведени сканиращо устройство.
• Ако изображението е заловен в цифров формат, механизмът на данни (CCD-детектор количествено определяне) е източник на шум.
• електронно предаване на данни на изображението може да бъде и източник на шум.

Приложението предоставя няколко начина за пълно или частично премахване на шума в изображенията. За да се премахнат различните методи са разработени различни видове шум. сред тях

1. Използването на линейни филтриране;
2. Използване на средната филтриране;
3. Използването на адаптивно филтриране.

За да се демонстрира ефекта на горните методи при прилагането има imnoise функция, която води до увеличаване на изображението на различните видове шум. Да разгледаме примери за използването на тази функция.

Използването на линейни филтриране

Линеен филтриране може да се използва за премахване на шума от определен тип. За тази цел подходящи филтри като средно и Gaussian филтър. Например, усредняване филтър се използва за отстраняване на зърно в изображенията. Тъй като стойността на интензитета на всеки пиксел е равна на средната интензивност на пикселите съседните, това води до потискане на зърнистост.

Използването на средната филтриране

Медианата на филтриране е подобен на използването на осредняване филтър, където стойността на интензитета на всеки пиксел е средната стойност на интензитет на пиксела съответните съседство. В много случаи използването на средната филтър за премахване на шума при решението на задачите е по-ефективен от обичайната средна стойност. Използването на средните филтриране на резултатите в по-малки граници на изкривяване, в сравнение с работата на осредняване. medfilt2 функция изпълнява средната филтриране.

Забележка.
Медианата на филтриране е филтриране поръчка-статистика и е известен също като филтриране ранг. За повече информация, вижте. Ordfilt2 функция описание.

Да разгледаме пример, в който сравнение използването на средно филтър medfilt2 и функции за премахване на шум като "сол и пипер". Влиянието на този вид шум е, че случайно избрани пиксели ще се стопят черен или бял (т.е., те са означени екстремните стойности на съществуващата гама). И в двата случая размерът на квартал използва, е 3x3.

1. Четене на изображения от файл и визуализация.