- •Обобщенная схема цифровой обработки сигналов
- •3. Основные типы сигналов и их математическое описание
- •2. Типовые дискретные сигналы
- •4. Дискретные экспоненциальные функции
- •Основные свойства дэф
- •5. Дискретное преобразование Фурье и его свойства
- •Свойства дпф[8]:
- •19. Линейная свертка
- •6. Циклическая свертка
- •22. Вычисление сверток при помощи дискретных преобразований
- •10. Корреляция и ее вычисление прямым методом и с помощью дискретных преобразований
- •Вычисление с помощью дискретных преобразований.
- •11. Алгоритм бпф с прореживанием по времени
- •13. Алгоритм бпф с прореживанием по частоте
- •14. Преобразование Уолша-Адамара и его свойства
- •2. Инвариантность к диадному сдвигу.
- •3. Теорема о свертке и корреляции.
- •28. Быстрое преобразование Уолша-Адамара
- •8. Преобразование Хаара
- •9. Вейвлет – преобразование
- •34. Рекурсивные и нерекурсивные цф
- •12. Передаточная функция цф
- •39. Структуры рцф
- •41. Структуры нцф
- •43. Частотные характеристики ких-фильтров и бих-фильтров
- •45. Параметры анализаторов спектра
- •33. Базовая структура анализатора спектра на основе дпф и бпф
- •36. Частотная характеристика анализатора спектра на основе дпф
- •35. Основные параметры весовых функций при спектральном анализе
- •21. Улучшение качества бинарных изображений
- •23. Утоньшение бинарных изображений
- •25. Связность в изображениях
- •26. Бинаризация полутоновых изображений
- •46. Логарифмическое и степенное преобразования для обработки полутоновых и цветных изображений
- •37. Кусочно-линейные функции преобразования для обработки полутоновых изображений
- •18. Принципы и особенности пространственной фильтрации изображений
- •15. Низкочастотная фильтрация изображений в пространственной области
- •48. Подчеркивание границ на полутоновых изображениях
- •16. Глобальные методы улучшения контраста полутоновых изображений
- •17. Линейные методы контрастирования изображений
- •47. Нелинейные методы контрастирования изображений
- •24. Обработка бинарных изображений на основе математической морфологии
- •27. Обработка полутоновых изображений на основе математической морфологии
- •31. Фильтрация изображений в частотной области
- •32. Требования к алгоритмам компрессии
- •2. Высокое качество изображений.
- •4. Высокая скорость декомпрессии.
- •44. Основные шаги стандарта сжатия jpeg
- •Квантование
- •Преобразование 8×8 матрицы дкп-спектра в линейную последовательность.
- •Получившиеся цепочки нулей подвергаются кодированию длин повторений.
- •Кодирование получившейся последовательности алгоритм Хаффмена.
- •49. Требования к мерам, вычисляющим сходство изображений
- •1. Метричность:
- •2. Нормализованность значений:
- •38. Функции схожести корреляционного типа
- •40. Обнаружение повернутых объектов на изображениях
- •50. Методы обнаружения движения в динамических изображениях
- •29. Классификация методов распознавания объектов изображений
- •30. Структурные методы распознавания объектов изображений
- •42. Нейронные сети и распознавание изображений на основе нейронных сетей
- •20. Сегментация изображений с помощью преобразования Хафа
26. Бинаризация полутоновых изображений
Бинаризация – это преобразование полутонового изображения к одноцветному (монохромному или бинарному).
Преобразование цветного изображения в полутоновое заключается в получении яркости каждой точки по формуле:
и последующем копировании на все три канала полученной величины (R=B=G=Y), где R, G, B – значение красного, зеленого и синего цветов в обрабатываемой точке.
Пусть fij – полутоновое изображение, t – порог и b0, b1 – два бинарных значения. Результат порогового разделения
Использование единственного значения порога для всех пикселей изображения называется глобальным пороговым разделением.
Существует много способов выбора порогового значения. Один из наиболее популярных и широко используемых - метод мод, в котором используется гистограмма яркостей пикселей на изображении. Для изображения с хорошо отличимыми объектами и фоновым режимом гистограмма будет иметь два различных пика. Впадина между пиками может быть найдена как минимум между двумя максимумами, а соответствующее ему значение интенсивности выбирается как порог, который лучше всего разделяет два пика.
Ряд недостатков:
1. Изображение не всегда содержит хорошо различимые объект и фон.
2. В случае редко расположенных графических объектов пик, соответствующий объектам, будет значительно меньше пика, соответствующего фону.
Локальное пороговое разделение
Методика локального порогового разделения основана на разделе первоначального изображения на меньшие части и определении порога для каждой части изображения. В результате получается бинарное изображение с разрывами серого уровня на
границах фрагментов. Для устранения неоднородностей должны применяться сглаживающие методики.
Основная проблема всех алгоритмов локального порогового разделения - выбор размера фрагмента изображения. Выбранный фрагмент должен иметь достаточно значительные размеры, чтобы получить наиболее достоверную оценку среднего значения, но в тоже время размеры должны быть не слишком велики для предотвращения сглаживания неоднородностей изображения.
46. Логарифмическое и степенное преобразования для обработки полутоновых и цветных изображений
Логарифмическое преобразование определяется как:
где c – константа, f∈ 0, ..., L − 1.
Использование логарифма позволяет узкий диапазон малых значений яркости преобразовать в более широкий диапазон выходных значений. Для больших значений входного сигнала верно противоположное утверждение. Такой тип преобразования используется для растяжения диапазона значений темных пикселей на изображении с одновременным сжатием диапазона значений ярких пикселей. При использовании обратного логарифмического преобразования происходит растяжение диапазона значений ярких пикселей на изображении с одновременным сжатием диапазона значений темных пикселей. Логарифмическая функция имеет важную особенность – позволяет сжимать динамический диапазон изображений, имеющих большие вариации в значениях пикселей.
Степенные преобразования описываются выражением:
где , c γ – положительные константы.
Уравнение приводит к тожественному преобразованию при c=γ=1. В отличие от логарифмического преобразования, здесь возможно целое семейство преобразований, получаемых изменением величины γ. Преобразования со значениями γ<1, дают прямо противоположный эффект по сравнению с преобразованиями, которые получены при γ>1.
Процедура, используемая для коррекции степенной характеристики называется гамма-коррекцией.
В результате применения логарифмического или степенного преобразования изменяется лишь яркость изображения.