بهبود کیفیت تصویر در حوزه مکان

در ادامه آموزش های سایت همیارپروژه برنامه نویسی متلب ارائه خواهد شد .آموزشها از مقدماتی تا پیشرفته ادامه دارد و ما به شما بهبود کیفیت تصویر در حوزه مکان  را رایگان یاد خواهیم داد. با ما همراه باشید.

 

بهبود کیفیت تصویر در حوزه مکان

اصطلاح حوزه مكان به كل پيكسل هاي تشكيل دهنده ی تصوير اشاره دارد و روش هاي حوزه مكان روش هايي هستند كه به طور مستقيم بر روي پيكسل ها كار مي كنند. توابع پردازش تصوير در حوزه مكان را مي توان به صورت:

          g(x,y)=T[f(x,y)]

بيان كرد كه f(x,y) مربوط به تصوير ورودي و g(x,y) مربوط به پيكسل متنا ظر آن در تصوير پردازش شده است وT  يك عملگر روي f  است كه در يك همسايگي پيكسل (x,y) تعريف مي شود.

همانطور كه درشكل زیر نشان داده شده، روش تعريف همسايگي حول (x,y) استفاده از زير تصوير هاي كوچك مربعي يا مستطيلي به مركز (x,y) مي باشد. مركز زير تصوير مثلا با شروع از گوشه چپ بالاي تصوير پيكسل به پيكسل  جا به جا مي شود و در هر نقطه (x,y) با استفاده از T مقدار  g تعيين مي شود.

تكنيك هاي بهبود تصوير را با  بررسي توابع تبديل سطوح خاكستري كه مبتني بر شدت روشنايي يك نقطه هستند شروع مي كنيم. تابع تبديل اين توابع مي تواندخطي يا غير خطي باشد.

نكته مهم دراين روش ها كه روش نقطه اي ناميده مي شوند آن است كه مقدار روشنايي هر پيكسل فقط و فقط بستگي به روشنايي پيكسل متنا ظر در تصوير اصلي  دارد. در ادامه ی اين بحث شدت روشنايي پيكسل ها  قبل و بعد از پردازش را به ترتيب با r و s نمايش مي دهيم.

برای آشنایی با سطوح خاكستري شكل زیر  را در نظر بگيريد. اين شكل سه نوع اصلي از توابع كه اغلب براي بهبود تصوير به كار مي روند را نشان مي دهد. اين توابع عبارتند از :

• خطي (تبديل هاي منفي و هماني )
• لگاريتمي(تبديل هاي لگاريتم و لگاريتم معكوس)
• نمايي (تبديلات توان n ام و ريشه n ام)

 

تابع هماني تابع كم اهميتي است كه در آن شدت روشنايي خروجي با روشنايي ورودي برابر است و تنها براي كامل بودن شكل آورده شده است.

قرينه ي يك تصوير با سطوح خاكستري در محدوده [۰,L-1] با استفاده از تبديل منفي نشان داده شده در شكل، با رابطه

      S=L-1-r

به دست مي آيد. هدف اين است كه ترتيب سياه به سفيد عكس شود طوري كه با افزايش شدت روشنايي ورودي روشنايي تصوير خروجي كاهش يابد. اين تبديلات بيشتر در تصاوير پزشكي كاربرد دارد.

فرم كلي تبديلات لگاريتمي نشان داده شده در شكل به صورت

    S=c log (1+r)

 

است كه c ثابت مقياس بوده و فرض مي شود  r ≥ ۰ .

با استفاده از اين تبديل محدوده تغييرات روشنايي به سوي مقادير روشن تر فشرده مي گردد. اين روش براي واضح ساختن تصاوير تاريك مي تواند مناسب باشد.

تبديل نمايي داراي فرم كلي s=cr^γ  مي باشد كه ثابت هاي c و  γ مثبت هستند.

در اين روش مقادير روشناي بيشتر به سمت سطوح تاريك پيش مي رود.

يكي ديگر از تبديلات، تبديلات هيستوگرام است كه برا ي توضيح آن لازم است ابتدا تعريفي از هيستوگرام داشته باشيم.

هيستوگرام

تعداد نقاطي از تصوير كه روشنايي يكساني دارند را نمايش مي هد. هر پيكسل از تصوير داراي روشنايي  r_i  مي باشد. جهت رسم هيستوگرام ، تعداد تمام پيكسل هاي داراي روشنايي r_i  شمرده مي شود كه با k_i نشان داده مي شود. سپس مقادير k_iبرحسب r_i  رسم مي شود. به شكل حاصل هيستگرام گويند. معمولا هيستوگرام به صورت ميله اي رسم مي شود. ولي مي توان فقط پوش آن را در نظر گرفت و به طور پيوسته رسم نمود. در صورتيكه مقادير k_i  بر تعداد كل نقاط موجود در تصوير تقسيم شود، مقادير آن متناسب با تابع توزيع احتمال يك متغير تصادفي خواهد بود. چگونگي توزيع هيستوگرام مي تواند نشانگر توصيف كلي از سطوح روشنايي تصوير باشد. براي چشم بشر، بهترين رؤيت زماني اتفاق       مي افتد كه هيستوگرام داراي توزيع يكنواخت باشد. در شكل ۸-۱ چند تصوير مختلف و هيستوگرام آن نشان داده شده است.

 

در اینجا آشنایی با پروژه نرم افزار متلب  به پایان رسیده است و در آموزش های بعدی به مباحث دیگر آموزش پردازش تصویر در متلب می پردازیم. همچنین از شما مخاطبین عزیز سایت همیارپروژه دعوت می کنم که برای پروژه پردازش تصویر متلب خود آموزش های ما را دنبال نمایید.

نویسنده: زهرا رستمی

جهت سفارش پروژه به لینک زیر مراجعه نمایید :

سفارش پروژه

همچنین می توانید برای ارتباط سریعتر با شماره و آیدی تلگرام زیر تماس حاصل کنید :
۰۹۱۲۹۵۴۰۱۲۲ – آیدی تلگرام : @fnalk

از طریق کلیک برروی آیکن های زیر میتوانید پروژه خود را در تلگرام و یا واتساپ برای ما ارسال کنید:

ثبت سفارش در واتس آپ ثبت سفارش در تلگرام