Spracovanie obrazu

Pôvodný obrázok

Obrázok vylepšený ekvalizáciou histogramu

Vylepšenie obrazu nám poskytuje obrázok ktorý bude vhodnejší na zobrazenie a analýzu. Ide o odstránenie šumu, zaostrenie obrázku, zvýšenie kontrastu čo následne zjednodušuje hľadanie kľúčových prvkov v obrázku.

Vylepšenie obrazu môžeme ešte rozdeliť na 2 kategórie:

1. Metódy v priestorovej oblasti - obrázok je 2-dimenzionálne pole pixelov
2. Metódy vo frekvenčnej oblasti - obrázok je transformovaný do frekvenčnej oblasti napr. diskrétnou Fourierovou transformáciou

Niekoľko metód vylepšenia obrázku:[3]

• použitie morfologických operácií
• ekvalizácia histogramu
• Contrast-limited adaptive histogram equalization (CLAHE)
• odšumenie Wienerovým filtrom
• lineárne zvýraznenie kontrastu
• mediánový filter atď...

Rekonštrukcia obrázku pomocou umelej inteligencie

Obrázky môžu byť rôznymi vplyvmi poškodené, zašumené alebo rozmazané, cieľom rekonštrukcie je vylepšiť ich alebo vrátiť do ich pôvodnej kvality.[1] Väčšina metód na rekonštrukciu sú založené konvolúcii aplikovanej globálne na celý obrázok. Poškodenie obrázku môže byť spôsobené viacerými dôvodmi: defekty na optických šošovkách, zlé zaostrenie, pohyb objektu, zrnitosť, skenovanie fotografii atď. Rekonštrukciu obrázku je možné dosiahnuť napríklad dekonvolúciou vo frekvenčnej oblasti alebo Wienerovým filtrom.[4]

Cieľom kompresie obrázku je zníženie jeho dátovej veľkosti. Redukcia dátovej veľkosti nám umožňuje nielen skladovanie väčšieho množstva obrázkov na danom pamäťovom úložisku aj rýchlejšie sťahovanie a posielanie obrázkov po sieti. Kompresiu delíme na stratovú a bezstratovú. Bezstratová kompresia je vhodná na umelé obrázky ako technické kresby, ikony a obrázky kde je preferované vysoké rozlíšenie ako obrázky z medicíny alebo skeny určené pre archivačné účely. Metódy poskytujúce bezstratovú kompresiu sú napríklad Huffmanove kódovanie a Lempel Ziv kódovanie. Stratová kompresia je vhodná na prirodzené fotografie, kde malá strata presnosti akceptovaná ku dosiahnutiu podstatnej redukcii dátovej veľkosti. Pri stratovej kompresii sa aplikujú DCT, vlnková transformácia nasledované kvantovaním a kódovaním symbolov.[5]

Ukážka segmentácie obrázku

Cieľom segmentácie je rozdeliť obrázok na časti ktoré majú silnú koreláciu s objektami alebo plochami z reálneho sveta zobrazených na obrázku.[4] Segmentácia obrazu sa snaží rozdeliť obraz na niekoľko častí zgrupovaním pixelov do regiónov, ktoré majú podobné vlastnosti ako napr. intenzitu, farbu, textúru... Hlavným cieľom je jasne oddeliť náš objekt záujmu o pozadia.[6]

Niekoľko metód segmentácie obrázku:

• prahovanie
• zhlukovacie metódy
• detekcia hrán
• region-growing algoritmus
• metódy založené na histograme
• a ďalšie

Rozpoznanie obrazu (angl. image recognition) je schopnosť identifikovať napríklad objekty, miesta, ľudí, text alebo činnosť na obrázku. Rozpoznanie obrazu je široko používané v strojovo orientovaných vizuálnych úlohách, ako je napríklad označovanie obsahu obrázkov tagmi, vyhľadávanie obrázkov na základe obsahu, navigovanie robotov a riadenie autonómnych áut. Algoritmy na rozpoznávanie obrázkov sú väčšinou založené na hlbokom strojovom učení a najlepšie výsledky dosahujú konvolučné neurónové siete.[7]

Niekoľko techník ktoré vedú k rozpoznaniu obrazu:[4]

• graph matching
• neurónové siete
• genetické algoritmy
• simulované žíhaní
• boosting...

Hlavným cieľom je odstránenie šumu v obrázkoch a tým zvýšenie jeho kvality. Väčšinou ide o nejakú formu priemerovanie hodnôt pixelov z okolia. Vyhladzovanie čelí problému rozmazania ostrých hrán v obrázku, preto by sme mali brať v ohľad algoritmy, ktoré ostré hrany zachovávajú. Tieto algoritmy počítajú priemer z okolia len z pixelov ktoré majú podobné hodnoty ako spracovávaný bod. Lokálne vyhladenie obrazu dokáže efektívne eliminovať impulzný šum alebo niektoré vady ako tenké prúžky, ale nedokáže si poradiť napríklad s veľkými škvrnami.[4]

Filtrovanie mediánom

Niekoľko algoritmov na vyhladenie obrazu:

• Gaussovo vyhladenie
• Kuwahara filtrovanie
• bilaterálne filtrovanie
• mediánový filter a ďalšie...