Медианная фильтрация изображений
Модель наблюдения y(m,n) = x(m,n) + v(m,n), где y(m,n) - искаженное полученное изображение, x(m,n) – идеальное исходное изображение, v(m,n) – аддитивный шум. Пусть есть скользящее окно, содержащее N – штук отсчетов (нечетное). Упорядочим отсчеты окна и перенумеруем. После чего получим вариационный ряд: y0≤y1≤y2≤…≤yN-1. Середина вариационного ряда: y(N-1)/2 – медиана. Медианный фильтр: Достоинство: фильтр сохраняет контуры, т.к. на выходе получаем не сглаженное значение, а 1 из отсчетов входного изображения. Примеры с разными скользящими окнами: Взвешенный медианный фильтр – медианный фильтр с заданной матрицей весов. Каждый отсчет включается в вариационный ряд столько раз, какой у него вес. Сумма весов матрицы должна быть нечетной. Пример: Вариационный ряд без использования матрицы: 5,5,7,7,7 – медиана 7. С использованием матрицы весов: 5,5,5,5,7,7,7 – медиана 5.
Ранговая фильтрация изображений х – входное изображение, у – результат рангового фильтрации. Используем скользящее окно D и строим вариационный ряд x0≤x1≤x2≤…≤xr≤…≤xN-1, r – ранг отсчета. Определение: ранговый фильтр –
xr ≡ r – порядковая статистика
Пример 1: y(N-1)/2 – медианный фильтр. Пример 2: х- бинарное, тогда у = х0 – эрозия, у = хN-1 – делотация. Пример 3: Экстремальный фильтр. Пусть х* - текущий отсчет, тогда То есть, если яркость текущего окна ближе к min то она становится min и наоборот.
Пример 4. Скользящая эквализация (в окне). Где, F(x) – интегральная функция распределения, х – центр окна. Количество отсчетов меньше х* - это NF(x*) = r(x*) + 1, где r – ранг отсчета. Отсюда получим:
Ранговые окрестности (внутри вариационного ряда) Пусть с – центр окружности (его яркость), к(c) - ранг центра окружности, х* - ентр окна и может быть центром окружности (так же как и хсред, хмед). ε – размер окружности. 1) Окружность по значениям:
2) Окружность по рангам: 3) Окружность по ближайшим соседям. Пример 5. Ε-фильтр. Усредняем окресности по значениям:
Рассмотрим одну из общих схем ранговых фильтров. 1 шаг: построение вариационного ряда; 2 шаг: выделение некоторой окрестности; 3 шаг: вычисление некоторой характеристики по окрестности. Пример:
А) усреднение; Б) взятие отсчета с заданным номером из усеченного вариационного ряда В) вычисление медианы или минимума. Параметры: номер типа окрестности, размер окрестности, номер функции вычисления по усеченному вариационному ряду, номер типа центра окружности и параметры выбранной функции. Изменяя параметры, получаем множество алгоритмов. Достоинства ранговых фильтров: сохраняют контуры, широкий спектр задач. Недостатки: трудный теоретический анализ, так как алгоритм нелинейный.
Популярное: Как распознать напряжение: Говоря о мышечном напряжении, мы в первую очередь имеем в виду мускулы, прикрепленные к костям ... Почему люди поддаются рекламе?: Только не надо искать ответы в качестве или количестве рекламы... Как построить свою речь (словесное оформление):
При подготовке публичного выступления перед оратором возникает вопрос, как лучше словесно оформить свою... Почему стероиды повышают давление?: Основных причин три... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (344)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |