Kalábovi

Kalábovic wikina

Uživatelské nástroje

Nástroje pro tento web


pitel:msz:obrazova_data

Obrazová data, jejich pořizování a možná poškození

Obrazová data

Obrazová data získáváme snímaním reálneho světa (fotografia, video). Takto získaná data jsou spojitá, avšak pro lepší reprezentaci v počítači se převádějí na diskrétní (rastrové) hodnoty získané vzorkovaním (je třeba dodržet vzorkovací teorém). Výsledkem je tedy reprezentace obrazu maticí diskrétních bodův, kde každý bod obsahuje informace o barvě (typicky barevné spektrum, úroveň jasu atd.). Tato reprezentace má ale svoje omezení:

  • Barevné informace je třeba také vzorkovat, typickým modelem je RGB, který používá 3 zložky s 8-bit rozsahem na pixel (0–255)
  • Velikost obrazu také nemůže být neomezená, proto sa zavádí pojem rozlišení obrazu v pixelech (např. 1024×768)

Reprezentace barev

  • Diskrétní rastr barev – barva je směsí záření o různých vlnových délkách
  • Barevná hloubka – počet bitů na jeden obrazový bod
  • Paleta barev, true color, gray scale

Reprezentace obrazu

Spojitá funkce 2 proměnných: I(x, y): ⟨0, X) × ⟨0, Y) → ℝ, kde definiční obor D(f) je tvořen kartézským součinem dvou intervalů (obvykle od nuly do velikosti rozměru obrazu) a obor funkčních hodnot H(f) je množina reálných čísel.

Získavání obrazových dat

Optické systémy

  • 1-čipové monochromatické
  • 1-čipové barevné
  • 3-čipové barevné

Obrazové senzory

CCD

Charge-coupled device

Matice světlocitlivých buněk. Každá buňka obsahuje čip a kondenzátor, který sa před expozicí nabije. Během expozice nastává úbytek náboje v kondenzátoru v důsledku dopadajícího světla (čím víc světla, tím víc úbytku). Po expozici se zbylý náboj pomocí posuvných registrů transportuje na okraj čipu a mění se na napěťový signál, který putuje do A/D převodníků.

  • Výhody:
    • Snímá celý obraz naráz, čili vhodné i pro rychle se pohybující objekty
    • Robustnost vůči šumu (vyskytuje se jen transportní šum při posouvání náboje)
  • Nevýhody:

CMOS

Active pixel sensor

Používá podobné buňky jako CCD, avšak zbytkový náboj sa přímo mění na napěťový signál (žádné posuvné registry, přímý A/D převod na jednom čipu).

  • Výhody:
    • Levnější výroba
    • Vše sa dá realizovat na jednom čipu
    • Nízka spotřeba
  • Nevýhody:
    • Protože se obraz neexponuje naráz, nevhodné pro rychle sa pohybujíce objekty
    • Vzniká strukturální šum při převodu z náboje

Data získané z „neviditelného spektra“

  • Rentgenové snímky
  • Infračervené, ultrafialové snímky

Vypočtená data

Chyby v obraze

  • Zkreslení – např. geometrické zkreslení družicového snímku vlivem zakřivení země.
  • Šum – nežádoucí porucha obrazu
  • Neostrost

Degradace obrazu

Vznikají při snímání (nedokonalost snímačů, chyby), přenosu dat obrazu přenosovou soustavou, zpracování

  • Tepelný šum, Kvantizační šum, Defekty optických soustav (čoček),
  • Nelinearita el. optických senzorů, Granularita filmového materiálu,
  • Relativní pohyb mezi objektem a kamerou, Špatné zaostření, Zaokrouhlování při zpracování

Typy šumu

  • Nezávislý šum – velikost šumu nezávisí na velikosti obrazového signálu. Vzniká např. při přenosu obrazu
  • Závislý šum – závisí na velikosti obrazového signálu
  • Aditivní šum – je nezávislý na obraze g(x, y) = f(x, y) + v(x, y)
  • Multiplikativní šum – je závislý na velikosti obrazového signálu g = f + vf = f(1 + v) ≈ fv
    • Bílý šum – Šum je nekorelovaný (náhodný), intenzita neklesá s rostoucí frekvencí (pro všechny frekvence stejně).
    • Šedý šum – údolí, nízké hodnoty ve středu spektra
    • Růžový šum – intenzita šumu klesá logaritmicky s rostoucí frekvencí
  • Gaussův šum – Amplituda šumu má normální (Gaussovo) rozdělení pravděpodobnosti. Bílý Gaussův šum v mnoha situacích velmi dobře aproximuje reálný šum. Postihuje celý obraz.
  • Šum typu „Pepř a sůl“ – Často nazýván impulsní (nebo výstřelový) šum. Postiženy jsou pouze ojedinělé body obrazu – extrémní hodnoty. Řešením je interpolace z okolních bodů – např. mediánový filtr.
  • Úzkopásmový šum – Šumem jsou postiženy jen některé frekvence obrazu. Řešením je filtrace ve frekvenční oblasti (FFT → oříznutí → IFFT).

Postupy odstranění šumu

Reálně se šum nikdy nedá odstranit, ale existuje více metod na jeho potlačení.

Statistický přístup k filtraci šumu

  • Průměrování z více snímků (např. z videa, kde se scéna nemění), průměrování bez rozmazání
  • Průměrování z jednoho snímku – dochází k rozmazávání
    • Průměr opakujících se oblastí – v podstatě nekolik realizací v jednom obraze
    • Průměrování uvnitř snímku – reprezentant okolí pixelu nebo průměr z okolí → rozmazání hran

Lokální předzpracování obrazu

  • Lineární filtrace
    • Obyčejné průměrování (vyhlazovaní, např. gaussiánem – nevýhodou je rozmazanie hrán)
    • Gausián – generování masky na základě gaussova rozložení
  • Nelineární filtrace (vyhlazování) – při vyhlazování dochází k rozmázání hran – detekce okolí, kde se jas nemění → rotující maska
    • Rotační masky – polohování masky kolem zvoleného bodu tak, aby se našla oblast s nejmenším rozptylem, pro masku 3 × 3 – 9 poloh, výhodné je okolí o lichém rozměru – bere se z něj medián, nikoliv průměr
    • Narůstání okolí
    • Medián – seřadí pixely z okolí a vybere medián, výborný na výstřelový šum

Dobré filtry na odstranění šumu se dají navrhnout ve frekvenční oblasti pomocí FFT. V ní potom snáze vidíme šum (projevuje se vyššími frekvencemi v obraze) a na základě toho navrhnout filtr na jeho odstranění.

Optimální filtrace obrazu

Pokud:

  • Máme zkreslený obraz
  • Hledáme odhad tak, aby vyhověl kritériu
  • Známe různé vlastnosti šumu a zkreslení systému

Metody se liší tím, jaké vlastnosti známe:

  • Slepá dekonvoluce – neznáme nic
  • Vázaná dekonvoluce – známe celkovou energii šumu
    • Pro nezanedbatelný šum nezávislý na signálu, který má odhadnutelné statistické vlastnosti
    • Kritérium je minimum střední kvadratické chyby mezi odhadem a skutečností E{[f(i, j) − f′(i, j)]²} → Min
    • Řešením je vzah: prostý inverzní filtr × wienerův korelační faktor
    • Použitelné pro korekci rozmazání pohybem s šumem
/var/www/wiki/data/pages/pitel/msz/obrazova_data.txt · Poslední úprava: 03. 07. 2012, 13.53:32 (upraveno mimo DokuWiki)