Vyhladenie obrazu

Vyhladenie obrazu (angl. image smoothing) je technika spracovania obrazu, ktorej cieľom je odstrániť šum v obraze. Vyhladenie sa vykonáva pomocou konvolúcie medzi vstupným obrázkom a preddefinovaným jadrom[1]. Väčšinou ide o nejakú formu priemerovanie hodnôt pixelov z okolia. Vyhladzovanie čelí problému rozmazania ostrých hrán v obrázku.[2]  

Typy filtrov

Priemerovanie

Pri priemerovaní jednoducho vypočítame priemer hodnôt pixelov z určitého okolia a ním nahradíme hodnotu stredového pixelu.

Priemerovanie: (a) pôvodný obrázok, (b) priemerovanie jadrom 9x9, (c) priemerovanie jadrom 17x17.

Vo všeobecnosti pre jadro pri priemerovaní platí:[1]

  1. Veľkosť jadra musí byť nepárne číslo.
  2. Súčet všetkých prvkov by mal byť 1.
  3. Všetky prvky musia byť rovnaké.

Napríklad jadro 3x3:

1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 + 1/9 = 1

Gaussovo romazanie

Gaussove rozmazanie odstraňuje šum pomocou konvolúcie s Gaussovským konvolučným jadrom. Ide o prípad váženého priemeru, kde sa kladie vyššia váha na pixely blízko stredu. Čím sú pixely ďalej, tým nižšia váha je. [3]

Ukážka Gaussovho filtru.

Pre dvojrozmernú maticu sa hodnoty vypočítajú z:

kde je smerodajná odchýlka, ktorá udáva strmosť Gaussovej funkcie.

Jadro 5x5 bude vyzerať takto:[4]

Filtrácia mediánom

Pri rozmazaní mediánom sa vypočíta medián z hodnôt pixelov určitého okolia a ním sa nahradí hodnota stredového pixelu. Táto metóda je efektívna šum typu soľ a peper. U vyššie spomenutých metód novo vypočítaná hodnota môže byť už existujúca hodnota z obrázku alebo hodnota úplne nová. Pri filtrácii mediánom dostane stredový pixel stále hodnotu z obrázku. Veľkosť jadra by malo byť znovu nepárne číslo. [5]

Filtrácia mediánom: (a) obrázok so šumom soľ a peper, (b) filtrovaný obrázok.

Bilaterálne filtrovanie

U gaussovho rozmazania išlo o vážený priemer, kde sa váha udávala na základe vzdialenosti od stredové pixelu jadra. Bilaterálne filtrovanie dáva väčšiu váhu na pixely z okolia, ktorých hodnota je podobná pre stredový pixel jadra. Takéto váhovanie umožňuje zachovávať hrany. [6]

Bilaterálne filtrovanie: vľavo pôvodný obrázok, vpravo obrázok po filtrovaní.


Existuje mnoho ďalších algoritmov určených k rozmazaniu obrázku, napr.:

  • exponencionálne filtrovanie
  • priemerovanie z viacerých snímkov
  • filtrácia rotujúcou maskou
  • olympic filter [7]
  • a ďalšie...

Referencie
  1. KUMAR, Sagar. A straightforward introduction to Image Blurring/Smoothing using python [online]. 2019, [cit. 2020-11-08]. Dostupné online.
  2. SONKA, MILAN.. Image processing, analysis, and machine vision. Toronto : Thompson Learning, 2008. (3rd ed.) Dostupné online. ISBN 0-495-08252-X.
  3. COLLINS, Robert. Smoothing [online]. [Cit. 2020-11-08]. Dostupné online.
  4. Gaussian Smoothing [online]. 2003, [cit. 2020-11-08]. Dostupné online.
  5. Smoothing Images [online]. [Cit. 2020-11-08]. Dostupné online.
  6. Bilateral Filtering [online]. 2017, [cit. 2020-11-08]. Dostupné online.
  7. RUSS, JOHN C.. The image processing handbook. Boca Raton, FL : CRC Press, 2011. (6th ed.) Dostupné online. ISBN 978-1-4398-4063-4.
This article is issued from Wikipedia. The text is licensed under Creative Commons - Attribution - Sharealike. Additional terms may apply for the media files.