‫تصویربرداری دیجیتالی‬

‫افروز قاسمی‬
‫‪a f ro o z . g h a s s e m i @ g m a i l . c o m‬‬

‫ط ر ا ح ی ا س ال ی د ‪ :‬م ح م د ر ض ا م ح م د ی‬
 ‫پردازش تصویر در حوزه‬
‫مکان‬

Image Processing in
Spatial Domain

[email protected] 2
 ‫بهبود تصویر چیست؟‬

[email protected] 3
 :‫مثال‬

[email protected] 4
 :‫مثال‬

[email protected] 5
 :‫مثال‬

[email protected] 6
 ‫حیطه مکان و فرکانس‬
‫دو دسته بندی اصلی روش های بهبود تصویر وجود دارد‪:‬‬

‫‪ ‬پردازش نقطه ای‬

‫‪‬روش های حوزه مکان‬
‫‪ ‬پردازش هیستوگرام‬ ‫تغییرات مستقیم بر پیکسل های تصویر‬

‫‪ ‬اپراتورهای همسایگی‬

‫‪‬روش های حوزه فرکانس‬

‫تغییرات بر پایه تبدیل فوریه یا تبدیل موجک (‪ )wavelet‬تصویر‬

‫‪[email protected]‬‬ ‫‪7‬‬
 ‫ارتقاء تصویر‬
‫پردازش های حوزه مکان در حالت کلی با نماد زیر نشان داده می شوند‪.‬‬

‫)‪s =T(r‬‬

‫‪[email protected]‬‬ ‫‪8‬‬
 ‫همسایگی پیکسل‬

[email protected] 9
 ‫پردازش نقطه ای‬

[email protected] 10
 ‫پردازش نقطه ای‬
‫پردازش نقطه ای ساده ترین شکل همسایگی است که اندازه پنجره ‪ 1×1‬است‪.‬‬
‫در این حالت‪ g(x,y) ،‬تنها به مقدار ‪ f‬در نقطه )‪ (x,y‬وابسته است‪.‬‬

‫)‪s =T(r‬‬
‫‪ T‬نیز تابع شدت روشنایی یا تابع نگاشت نامیده می شود‪.‬‬

‫‪[email protected]‬‬ ‫‪11‬‬
 ‫پردازش نقطه ای‬
:‫مثال‬

[email protected] 12
‫برخی از توابع تبدیل متداول‬
‫در پردازش نقطه ای‬

‫‪[email protected]‬‬ ‫‪13‬‬
 ‫تصویر منفی‬
‫اگر تصویری با سطوح روشنایی در بازه ]‪ [0,L-1‬داشته باشیم‪ ،‬بطوریکه ‪ L=2n‬و ‪n=1,2,3,….‬‬
‫باشد‪ ،‬تبدیل نگاتیو از فرمول زیر محاسبه خواهد شد‪:‬‬

‫‪s=L-1-r‬‬

‫تمامی سطوح روشنایی برعکس خواهد شد‪.‬‬

‫برای ارتقاء تصاویری با جزییات سفید و خاکستری قرار گرفته در نواحی تاریک مناسب می باشد‪.‬‬

‫‪[email protected]‬‬ ‫‪14‬‬
 ‫تصویر منفی‬

[email protected] 15
 ‫تصویر منفی‬

[email protected] 16
 ‫حد آستانه‬
‫تبدیل حد آستانه برای ناحیه بندی و جداسازی شی ء مورد نظر از تصویر زمینه استفاده می شود‪.‬‬

‫‪[email protected]‬‬ ‫‪17‬‬
 ‫تبدیل گاما یا ‪Power-Law‬‬
‫مثال‪ :‬تاثیر افزایش گاما‬

‫‪[email protected]‬‬ ‫‪18‬‬
 Power-Law ‫تبدیل گاما یا‬
‫ تاثیر کاهش گاما‬:‫مثال‬

[email protected] 19
 ‫تبدیل خطی تکه ای‬
‫شکل توابع خطی تکه ای می تواند‬
‫به طور دلخواه تنظیم شود‪.‬‬

‫‪[email protected]‬‬ ‫‪20‬‬
 ‫تبدیل خطی تکه ای‬

[email protected] 21
 ‫تبدیل خطی تکه ای‬

[email protected] 22
 ‫تبدیل خطی تکه ای‬

[email protected] 23
 ‫تبدیل خطی تکه ای‬

[email protected] 24
 ‫پردازش هیستوگرام‬
Histogram Processing

[email protected] 25
 ‫هیستوگرام چیست؟‬

[email protected] 26
 ‫هیستوگرام‬
‫هیستوگرام برای یک تصویر دیجیتال با سطوح روشنایی در محدوده ]‪ [0 , L-1‬تابعی است گسسته‬
‫که بصورت زیر تعریف می شود‪:‬‬

‫‪h(rk) = nk‬‬

‫که ‪ rk‬یک سطح روشنایی در محدوده مورد نظر است و ‪ nk‬تعداد پیکسل هایی است که دارای آن‬
‫سطح روشنایی هستند‪.‬‬

‫‪[email protected]‬‬ ‫‪27‬‬
 ‫هیستوگرام‬

[email protected] 28
 ‫اصالح هیستوگرام‬
Histogram modification

[email protected] 29
 ‫اصالح هیستوگرام‬
:‫سه راه برای اصالح هیستوگرام وجود دارد‬
Histogram Stretching ‫ کشش هیستوگرام‬
Histogram Stretching
Histogram Shrink ‫ فشردن هیستوگرام‬

Histogram Sliding ‫ لغزاندن هیستوگرام‬

Histogram shrink

Histogram Sliding

[email protected] 30
 ‫ کشش هیستوگرام‬:‫اصالح هیستوگرام‬
.‫ کشش هیستوگرام است‬،‫ساده ترین راه برای استفاده از تمام سطوح روشنایی‬

 f ( x, y )  f min 
g ( x, y )     255
 f max  f min 
 f ( x, y )  f min 
g ( x, y )    ( MAX  MIN )  MIN
 f max  f min 

[email protected] 31
 ‫کشش هیستوگرام‬:‫اصالح هیستوگرام‬
:‫ را در نظر بگیرید‬3x3 ‫ تصویری‬:‫مثال‬
 7 12 8 
 20 9 6 
 f ( x, y)  fmin 
  g( x, y)     255
10 15 1   fmax  fmin 
 f ( x, y)  fmin 
g( x, y)    (MAX  MIN )  MIN
 fmax  fmin 

[email protected] 32
‫اصالح هیستوگرام‪:‬کشش هیستوگرام‬

‫‪[email protected]‬‬ ‫‪33‬‬
‫اصالح هیستوگرام‪:‬کشش هیستوگرام‬

‫‪[email protected]‬‬ ‫‪34‬‬
 ‫ فشردن هیستوگرام‬:‫اصالح هیستوگرام‬

 f ( x, y )  f min 
g ( x, y )    ( Shrink MAX  Shrink MIN )  Shrink MIN
 f max  f min 

[email protected] 35
 ‫ فشردن هیستوگرام‬:‫اصالح هیستوگرام‬
 70 120 80  .‫ را انجام دهید‬Histogram Shrinking ،‫ زیر‬3x3 ‫ برای تصویر‬:‫مثال‬
 200 90 60 
 
100 150 10 

Where: Shrinkmax =100 , Shrinkmin =20

[email protected] 36
‫اصالح هیستوگرام‪ :‬فشردن هیستوگرام‬

‫‪[email protected]‬‬ ‫‪37‬‬
 ‫ لغزاندن هیستوگرام‬:‫اصالح هیستوگرام‬

g ( x, y )  f ( x, y )  OFFSET

:‫ تصویر جدید را بدست آورید‬OFFSET=10 ‫در مثال قبل با‬

 7 12 8 17 22 18
20 9 6 30 19 16 
  OFFSET=10  

10 15 1
  20 25 11

[email protected] 38
‫اصالح هیستوگرام‪ :‬لغزاندن هیستوگرام‬

‫‪[email protected]‬‬ ‫‪39‬‬
‫اصالح هیستوگرام‪ :‬لغزاندن هیستوگرام‬

‫‪[email protected]‬‬ ‫‪40‬‬
 ‫یکنواخت سازی هیستوگرام‬
Histogram Equalization

[email protected] 41
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 42
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 43
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 44
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 45
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 46
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 47
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 48
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 49
 ‫یکنواخت سازی هیستوگرام‬

[email protected] 50
 ‫برش هیستوگرام‬
‫در برش هیستوگرام‪ ،‬بخشی از مولفه های پایین و باال در نمودار هیستوگرام را قطع می کنیم‪.‬‬

‫بطور مثال اگر ‪ 1‬درصد از مولفه های پایین و باال را قطع کنیم‪:‬‬

‫‪ f ( x, y )  f1 ‬‬
‫‪g ( x, y )  ‬‬ ‫‪ ( MAX  MIN )  MIN‬‬
‫‪ f99  f1 ‬‬

‫‪[email protected]‬‬ ‫‪51‬‬
 ‫برش هیستوگرام‬

[email protected] 52