INF 2310 Digital bildebehandling

Transkript

1 INF 2310 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen

2 Temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Litt om histogramtransformasjoner i fargebilder Lokal gråtone-transformasjon Pensum: Hovedsakelig 3.3 i DIP Neste uke: Naboskapsoperasjoner konvolusjon filtrering.

3 Repetisjon av histogrammer I Repetisjon av histogrammer I Gråtonehistogram: Gråtonehistogram: hi = antall piksler i bildet med pikselverdi i 1 0 G i m n i h p Det normaliserte histogrammet g G i i p m n i h i p Det kumulative histogrammet j j i i h j c 0

4 Repetisjon av histogrammer II

5 Repetisjon av gråtonetransform g = T[i] Forrige uke: T[i] gitt som parametrisk funksjon. Feks en linje i fg planet: T[i] = ai + b NB: Klipping av verdier utenfor [0G-1] i = f I dag: Gitt et bilde finn T[i] ved å spesifisere ønsket histogram.

6 Ikke-lineære transformer Vi har sett at logaritmiske i og eksponensielle transformer endre kontrasten i ulike deler av gråtoneskalaen. Kan vi oppnå noe av det samme med histogrammer?

7 Histogramutjevning histogram equalization Maksimal kontrast: t Alle pikselverdier like sannsnlige Histogrammet er uniformt flatt Ønsker en transformasjon av bildet slik at det transformerte bildet har uniformt histogram Dvs. at bildet har like mange piksler for hver gråtone Tilnærmer ved å fltte på histogramsøler Trenger en oversikt over hvor hver søle skal flttes: T[i]

8 Gråtonetransformasjon Trenger en transform s = Ti som tilfredsstiller: 1 Ti er monotont økende dvs Tr 2 Tr 1 hvis r 2 >r Ti G-1 Hi Hvis den inverse transformen skal være veldefinert må 1 endres til 1 Tr 2 >Tr 1 hvis r 2 >r 1 Det siste trenger vi til histogramspesifikasjon. Hvis transformen slår sammen to gråtoner kan vi ikke finne tilbake til de originale gråtonene.

9 Et hint om en løsning: Hvis et bilde har uniformt histogram så vil det kumulative histogrammet være tilnærmet t en rett linje => Vi må finne en fltting av sølene som gir oss et kumulativt histogram som ligner mest mulig på en rett linje.

10 Store mellomrom mellom høe søler og lite mellomrom der vi har lave søler => en transform med høt stigningstall hvor det er mange piksler og lavt stigningstall hvor det er få piksler Det kumulative histogrammet har akkurat disse egenskapene Histogramutjevnings-transformen T[i] er gitt ved det skalerte kumulative histogrammet til innbildet.

11 Algoritme for histogramutjevning For et nm bilde med G gråtoner: Lag arra p c og T av lengde G med initialverdi 0 Finn bildets normaliserte histogram Gå igjennom bildet piksel for piksel. Hvis piksel har intensitet i la p[i]=p[i]+1 Deretter skalér p[i] = p[i]/n*m i=01 G-1 1 Lag det kumulative histogrammet c c[0] = p[0] c[i] = c[i-1]+p[i] 1]+p[i] i=12...g G-1 Sett inn verdier i transform-arra T T[i] = Round G-1*c[i] i=01...g-1 Gå igjennom bildet piksel for piksel Hvis inn-bildet har intensitet i sett intensitet i ut-bildet til s=t[i]

12 Eksempel - histogramutjevning Tabell over pikselverdier og normalisert histogram p r i 3-bits bilde: Transform = skalert kumulativt histogram Ti = Round[G-1*ci] ] T0 = Round7*0.19 = Round1.33 = 1 T1 = 3 T2 = 5 T3 = T4 = 6 T5 = T6 = T7 = 7. Dette gir en LUT! I ut-histogrammet: p s 0 = p s 2 = p s 4 = 0 p s 1 = p r 0 p s 3 = p r 1 p s 5 = p r 2 p s 6 = p r 3 + p r p s 7 = p r 5 + p r 6 + p r

13 Histogramutjevning forts Det resulterende histogrammet ser ikke flatt ut men det kumulative histogrammet t er en rett lineær rampe. Sølene kan ikke splittes for å tilfredstille till et flatt histogram.

14 Eksempel 1 - histogramutjevning

15 Eksempel 2 - histogramutjevning Histogramutjevning ggir ikke alltid det beste resultatet!

16 Histogramtilpasning Histogramutjevning tj i gir flatt histogram Kan spesifisere annen form på resultathistogrammet: 1. Gjør histogramutjevning på innbildet finn s=ti 2. Spesifiser ønsket ntt histogram gz 3. Finn den transformen T g som histogramutjevner gz og inverstransformen T -1 g 4. Inverstransformer det histogramutjevnede bildet fra punkt 1 ved z=t -1 g s

17 Algoritme - histogramspesifikasjon Finn normalisert histogram p r i for inputbildet fr. Lag det kumulative histogrammet ci. Sett si = Round G-1*c[i] i=01...g G-1 Gitt ønsket histogram p z i for bildet gz. Beregn kumulativt spesifisert histogram skalér avrund til nærmeste heltall i [0G-1] og lagre G z q. For i=01 G-1 finn q slik at G z q er nærmest mulig si og lagre alle disse matchene i en arra T n i. Hvis flere q gir samme match velg den minste. Kombiner så de de to transformene til en n mapping.

18 Eksempel-histogramspesifikasjon Gitt: og spesifisert histogram p z : Vi fant at T0=1 T1=3 T2=5 T3=T4 T4 = 6T5=T6=T7 T6 T7 =7. Regn ut: G0=G1=G2=0.0 G3=1.05 G4 = 2.45 G5=4.55 G6=5.95 G7= 7.00; Avrundet til: Finner mappingen mellom histogramutjevnet og histogram- spesifisert bilde:

19 Eksempel forts.

20 Tilpasning til Gauss-profil Histogram-utjevnet Tilpasset Gauss-form

21 The image cannot be displaed. Your computer ma not have enough memor to open the image or the image ma have been corrupted. Restart our computer and then open the file again. If the red still appears ou ma have to delete the image and then insert it again. Histogram matching Histogramtilpasning til i hvor det ene bildets histogram benttes som ønsket form

22 Tilpasning til annen kurve Bilder hentet fra DIP/NASA

23 Standardisering av histogram Hensikt: Sørge for at alle bildene i en serie har like histogrammer Metoder: Histogramutjevning Histogramspesifikasjon f.eks. til oppgitt Gauss-profil Hvorfor? Fjerne effekten av Døgnvariasjon i belsning Aldringseffekter i lamper og detektorer Akkumulering av støv på linser etc. Hvor: Produkt-inspeksjon i industri Ansiktsgjenkjenning Mikroskopering av celler...

24 Når bør du IKKE gjøre dette? Du mener at: Det kan være reelle variasjoner i middelverdi og varians til bildene i en bildeserie Du vet ikke: Om noen senere vil bruke 1. ordens histogram-parametre til klassifikasjon av bildene Hva gjør du? Behold originalene og jobb på kopier Gjør lineære gråtonetransformasjoner på bildene Dette vil bevare strukturene i histogrammet selv om μσ endres Eksempel: Mikroskopering av kreft-celler.

25 Fra B. Nielsen et.al

26 Eksempel RGB-bilde Bånd 1: R Bånd 2: G Bånd 3: B Alle båndene projisert samtidig med forskjellig bølgelengde

27 1D histogram fra fargebilder Vi kan lage et histogram for hver kanal i et RGB-bilde Vi får 3 grafer Dette sier ikke noe om mengden av piksler som har verdien r 1 g 1 b 1 i forhold til r 2 g 2 b 2

28 2D histogrammer fra fargebilder Vi kan lage 2D histogrammer for de tre kombinasjonene av 2 og 2 kanaler. Dette gir informasjon om forekomsten av piksler med gitte verdier av rg g rb og g bg.

29 Histogramutjevning av RGB-bilder Histogramutjevning på hver komponent rgb uavhengig av hverandre Kan føre til endring i fargetonene i bildet Alternativt bentte HSI: Transformér bildet fra RGB til HSI Gjør histogramutjevning på I-komponenten Transformer HSI n tilbake til RGB S grønn blå hvit gul magenta I svart H

30 Eks: Histogramutjevning RGB vs HSI Originalbilde Histogramutjevning på RGB Histogramutjevning i intensitet i HSI

31 Lokal gråtonetransform GTT Vil standardisere den lokale kontrasten Samme kontrast over hele bildet Transformasjonene vi har sett på kan beregnes ut fra piksel-verdiene i en lokal omegn kvadratisk vindu omkring punktet Kun pikselverdien g bestemmes av transformen basert på dette vinduets piksler Altså egen transform for hvert piksel i bildet lokal adaptivitet.

32 Lokal GTT Eksempel I Original Global histogram- utjevning Lokal endring av middelverdi di og kontrast t

33 Lokal GTT Eksempel II Original Global histogram- Lokal endring av utgjevning middelverdi og kontrast Endret bildeutsnitt. Hvorfor?

34 Global HistEq vs Lokal HistEq Fra DIP Gonzales & Woods

35 Lokal GTT - 2 Utfør lokal GTT som gir samme kontrast over hele bildet Histogramspesifikasjon Beregn kumulativt histogram i et vindu sentrert om Endre senterpikselen ved den resulterende transformen Lineær standardisering av σ til σ 0 Beregn μ og σ i et vindu sentrert om Transformer f til g med en lineær transform som gir ntt standardavvik σ 0 innenfor vinduet 0 g1 f Vi kom fram til disse uttrkkene forrige uke!

36 Lokal GTT 3 Lokal GTT - 3 Ønsker vi lokal GTT som også gir en n middelverdi μ 0 Ø g g μ 0 så bruker vi transformen 0 f g Men dette vil gi et flatt bilde 2 0 f g g Parameteren β kan stre hvor kraftig vi endrer μ: β = 0 => uforandret middelverdi over hele bildet β = 1 => lik middelverdi over hele bildet 1 0 f g f g

37 Lokal GTT 4 Lokal GTT - 4 Hva er karakteristisk for homogene områder i et bilde? Hva er karakteristisk for homogene områder i et bilde? H få i bl f di i h i 0 Her får vi problemer fordi vi har σ i nevneren: f g Innfører parameteren δ:... 3 f g f g 0 0 f Lokal pikselverdi-mapping gir økt regnearbeid.

38 Lokal GTT - Implementasjon Lokal konstrast-endring t di er regnekrevende Histogramspesifikasjon: Beregne ntt lokalt kumulativt t histogram for hver piksel Lineær transform: Beregne n μ og σ forhverpiksel Bentt overlappet mellom vinduene i det man fltter til neste piksel Løpende oppdatere både histogrammet μ og σ Alternativ: Bruk median og percentil.

39 Sentrale temaer i dag Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for billedserier Fjerne effekten av variasjoner i avbildningsforhold døgnvariasjon lampe støv etc Ikke lurt med histogramtilpasning hvis histogram-formen inneholder informasjon som senere skal benttes Alternativ til standardisering av bilder med lineær transform Litt om histogramtransformasjoner i fargebilder Lokal gråtone-transformasjon Samme kontrast og middelverdi over hele bildet Beregn og bentt transformene på lokalt vindu rundt hver piksel Dette er regnekrevende.