Phương pháp histogram equalization và histogram matching

1. Histogram Equalization Ở những vùng tối giá trị điểm ảnh sẽ không thay đổi nhiều , tuy nhiên với vùng sáng giá trị mức sáng được đẩy lên với bước đẩy tăng dần. Với phép biến đổi này sự khác nhau về giá trị xám của các điểm ảnh tăng lên đủ để có thể phân biệt được Qua quan sát kết quả thu được em nhận thấy: Phép biến đổi này thực hiện tốt đối vớ i những ảnh tối hoặc quá sáng. Tuy nhiên đối với một số ảnh đặc bịêt thì phương pháp này không cải thiện được mấy. 2. Histogram Matching Đối với biến đổi histogram matching nếu tìm được ảnh mẫu tốt sẽ cho kết quả rất tốt , còn nếu ảnh mẫu không được tốt lắm thì kết quả chỉ như của biến đổi lược đồ xám thông thường, thậm chí không tốt bằng.

doc15 trang | Chia sẻ: tienthan23 | Ngày: 06/12/2015 | Lượt xem: 5646 | Lượt tải: 7download
Bạn đang xem nội dung tài liệu Phương pháp histogram equalization và histogram matching, để tải tài liệu về máy bạn click vào nút DOWNLOAD ở trên
TRƯỜNG ĐẠI HỌC MỎ ĐỊA CHẤT KHOA CÔNG NGHỆ THÔNG TIN BÁO CÁO MÔN HỌC XỬ LÝ ẢNH SỐ  Đề Tài 09: Phương pháp histogram equalization và histogram matching. Chương trình thử nghiệm với ảnh đa mức xám. Có thể nói gì về cách áp dụng các phương pháp nêu trên đối với ảnh màu (24 bit)? GVHD :Ths.Trần Mai Hương Nhóm sinh viên thực hiện: 05 Lê Văn Long Lương Thị Mừng Nguyễn Thị Trang Lớp: Tin Trắc đia K59 Hà Nội 21/10/2015 GIỚI THIỆU Histograms là gì? Tuy có khá nhiều khái niệm, nhưng tựu trung, Histograms là một biểu đồ thể hiện số lượng điểm ảnh và mức độ sáng tối của ảnh chụp. Trong biểu đồ ánh sáng dạng thanh được “đóng khung” trong một khung hình chữ nhật này, giá trị ánh sáng được biểu thị theo dạng 2 chiều - trong đó chiều ngang thể hiện cường độ ánh sáng, chiều dọc biểu thị số lượng điểm ảnh có độ sáng tương ứng với giá trị ở chiều ngang của biểu đồ.  Theo quy ước, thang ánh sáng chiều ngang của Histograms được chia thành 256 cấp độ liên tục. Giá trị 0 ở rìa trái biểu đồ tương ứng với màu đen/vùng tối nhất, vùng tâm biểu đồ tương ứng cho sắc độ xám 18% (midtones), đại diện cho khu vực ánh sáng trung bình (mid-tone); và sát rìa phải biểu đồ là màu trắng/vùng sáng nhất, tương ứng với giá trị 255. Đôi khi, trong nhiếp ảnh số, thang ánh sáng của Histograms còn được phân chia lại chỉ còn 3, 4 hay 5 vùng chính. Trong quá trình làm bài chúng em còn nhiều thiếu xót rất mong được sự đóng góp và chỉ bảo của cô giáo. Chúng em xin chân thành cảm ơn! MỤC LỤC I. CƠ SỞ LÝ THUYẾT (Histogram)4 Histogram Equalization (Cân bằng lược đồ mức xám).....................................4 Cơ sở lý thuyết..............................................................................................4 Thuật Toán....................................................................................................4 Các bước cài đặt............................................................................................5 Minh họa.......................................................................................................6 Histogram Matching (Biến đổi lược đồ mức xám theo một lược đồ mức xám định trước)..................................................................................................7 Cơ sở lý thuyết..............................................................................................7 Các bước cài đặt............................................................................................8 Minh họa.......................................................................................................8 II. CHƯƠNG TRÌNH ỨNG DỤNG.....10 1. Histogram Equalization (Cân bằng lược đồ mức xám).....................................10 2. Histogram Matching (Biến đổi lược đồ mức xám theo một lược đồ mức xám địnhtrước)...........................................................................................................11 III. KẾT LUẬN.13 1. Histogram Equalization ....................................13 2. Histogram Matching .......................................................................................13 VI. TÀI LIỆU THAM KHẢO.14 CƠ SỞ LÝ THUYẾT (Histogram) 1. Histogram Equalization (Cân bằng lược đồ mức xám) a.Cơ sở l ý thuyết Cân bằng lược đồ mức xám tức là đưa lược đồ mức xám về dạng chuẩn (uniform) đồng thời trải lược đồ mức xám đến giá trị L. Hàm chuyển đổi: T(a)= L *i=0ap(i); N = số pixel ; L = số lượng cấp độ sáng a) Tính biểu đồ xám tích lũy (cummulative histogram) của ảnh gốc b) Chia biểu đồ xám tích lũy cho hệ số L -1 / N rồi làm tròn số c) Với mỗi giá trị độ sáng của ảnh gốc ta tính được giá trị mới tương ứng b. Thuật toán c. Các bước cài đặt Tính tổ chức đồ h(x) For y = 0 To bm.Height - 1 For x = 0 To bm.Width - 1 toH(bm.GetPixel(x, y).R) += 1 Next Next Chuẩn hóa tổ chức đồ For i As Integer = 0 To 255 hN(i) = h(i) / w Next Tính hàm mật độ xác suất For i As Integer = 1 To 255 Z(i) = Z(i - 1) + hN(i) Next Áp dụng với từng điểm ảnh trong toàn bộ bức ảnh For y = 0 To bitmap.Height – 1 For x = 0 To bitmap.Width – 1 c = bitmap.GetPixel(x, y).R c = Math.Round(Z(c) * 255) bitmap.SetPixel(x, y, Color.FromArgb(c, c, c)) Next Next d. Mi nh họa: Ảnh Trước Hi stogram Ảnh Sau Hi stogram 2. Histogram Matching (Biến đổi lược đồ mức xám theo một lược đồ mức xám định trước). a.Cơ sở l ý thuyết Ta có: a : Giá trị xám của một điểm ảnh của ảnh đầu vào. z : Giá trị xám của một điểm ảnh của ảnh đầu ra Ý tưởng : Ta sẽ biến đổi lược đồ xám của ảnh đầu vào theo lược đồ xám mẫu cụ thể nào đó. Các bước của thuật toán: 1. Tính lược đồ mức xám h(a) của ảnh đầu vào. 2. Cân bằng lược đồ mức xám h(a) ta được: s k = i=0kp(k); 3. Cân bằng lược đồ mức xám mẫu ta đươc : vk = i=0kpzk; vk =i=0kpzk; = G(zk) = sk; Như vậy: zk= G-1(sk) Tuy nhiên trong thực tế ta không cần tìm hàm G-1 , thay vào đó ta sẽ tìm một số nguyên z^ nhỏ nhất trong khoảng [0, L] thoả mãn ( G(z^) – sk) = 0), Khi đó zk = z^ . ( k = 0,1,2,,L). Bắt đầu với k =0 lặp lại quá trình trên cho đến k = L. Tuy nhiên tại mỗi bước ta không cần phải bắt đầu với z^ =0 vì các giá trị của sk là đơn điệu tăng. Do đó tại bước thứ k+1, ta sẽ bắt đầu với z^ = zk và tăng cho đến L. b. Các bước cài đặt - Cân bằng mức xám của ảnh đầu vào s(k) - Cân bằng lược đồ xám mẫu v(k) -Với mỗi mức xám k thực hiện các ánh xạ k-> s[k]->v[k]->zk z(0) = 255 For i As Integer = 0 To 255 If (i = 0)) Then z(0) = i Next For k As Integer = 1 To 255 z(k) = 255 For t As Integer = z(k - 1) To 255 If (t = 0)) Then z(k) = t Next Next c. Mi nh Họa: Ảnh trước Hi stogram Ảnh Mẫu Hi stogram Mẫu Sau khi áp dụng mẫu hi stogram cho ảnh sau thì : Như vậy là sau khi ta biến đổi Histogram matching thì bức ảnh sản phẩm đã có Lược đồ xám có hình dáng tương tự như lược đồ xám của bức ảnh lấy làm mẫu II. CHƯƠNG TRÌNH ỨNG DỤNG Chương trình được demo trên ngôn ngữ: VB.NET Chức năng chính: + Cân bằng lược đồ mức xám + Biến đổi lược đồ mức xám theo một lược đồ mức xám định trước. Dưới đây là một số hình ảnh về demo của chương trình Histogram Equalization (Cân bằng lược đồ mức xám) Ấn “Mở Ảnh” và chương trình sẽ hiển thị ảnh ban đầu ấn vào nút H_E để chương trình thực hiện cân bằng 2. Histogram Matching (Biến đổi lược đồ mức xám theo một lược đồ mức xám định trước). Mở ảnh A( Ảnh cần cân bằng) sau đó mở ảnh B(ảnh chứa lược đồ mẫu) ấn vào (Cân bằng A theo B) sẽ cho ta kết quả Thử Histogram Matching với một ảnh có lược đồ mẫu khác III.KẾT LUẬN Histogram Equalization Ở những vùng tối giá trị điểm ảnh sẽ không thay đổi nhiều , tuy nhiên với vùng sáng giá trị mức sáng được đẩy lên với bước đẩy tăng dần. Với phép biến đổi này sự khác nhau về giá trị xám của các điểm ảnh tăng lên đủ để có thể phân biệt được Qua quan sát kết quả thu được em nhận thấy: Phép biến đổi này thực hiện tốt đối vớ i những ảnh tối hoặc quá sáng. Tuy nhiên đối với một số ảnh đặc bịêt thì phương pháp này không cải thiện được mấy. Histogram Matching Đối với biến đổi histogram matching nếu tìm được ảnh mẫu tốt sẽ cho kết quả rất tốt , còn nếu ảnh mẫu không được tốt lắm thì kết quả chỉ như của biến đổi lược đồ xám thông thường, thậm chí không tốt bằng. VI. TÀI LIỆU THAM KHẢO Tài l i ệu tham khảo 1. Data image processing – Gonzalez R C Wood. 2. Grayscale and color image enhancememt. 3.Derivation of HSI- to – RGB and RGB – to – HSI conversion equations. Do những kiến thức của bản thân còn hạn chế, thời gian tìm hiều môn học chưa nhiều nên trong bài tập lớn của em còn những sai sót và hạn chế. Em kính mong nhận được sự góp ý của cô và các bạn để em nắm vững hơn nữa những kiến thức của môn học cũng như hoàn thiện tốt hơn bài tập này. Em xin chân thành cảm ơn cô giáo đã tận tình chỉ dạy và giúp đỡ chúng em trong suốt quá trình học tập môn học

Các file đính kèm theo tài liệu này:

  • docbaocaoxla_1508.doc
Luận văn liên quan