Postupci za poboljanje kontrasta sivih slikaVlasta Srebri

Diplomski radMentor: prof. dr. sc. Slobodan RibariFakultet elektrotehnike i raunarstvarujan 2003.

Sustav za detekciju, raspoznavanje i automatski unos registarskih oznakapretprocesiranje slika (8-bitni sivi format + poboljanje kontrasta)

lociranje reg. tablice i oznake dravebinarizacijaizoliranje znakova

raspoznavanje znakova (vieslojni perceptron) i pohrana informacija

Baza slika

Sive slikepretvorba u sivi osambitni format:

Kontrastraspon sivih razinahistogram distribucija intenziteta sl. elemenata

Kontrast primjeri iz baze slika

Postupci za poboljanje kontrastapoboljanje mogunosti interpretacije i analize slika preslikavanje ulaznih vrijednosti slikovnih elemenata slike u izlazne vrijednosti

podjele postupaka: prema susjedstvu prema podruju djelovanja intenzitet / obiljeja

Operacije s obzirom na susjedstvo

operacije na toki

lokalne operacije

globalne operacije

(x,y)(x,y)(x,y)(x,y)(x,y)(x,y)

Postupci s obzirom na podruje djelovanjapostupci u vremenskom podrujudjeluju direktno na slikovne elemente

postupci u frekvencijskom podrujudjeluju na Fourierovu transformaciju slike

Postupci s obzirom na intenzitet sl. elemenata / obiljejapostupci zasnovani na intenzitetusamo na temelju intenziteta slikovnih elemenataglobalnilokalni

postupci zasnovani na obiljejimana temelju obiljejadekompozicija slike i izvlaenje komponenti, poboljavanje te rekonstrukcija slike

Postupci u vremenskom podrujupreslikavanje sivih razina da se dobije bolja iskoritenost raspona intenziteta slikovnih elemenata

transformacije intenzitetamodeliranje histogramalokalni postupci

Postupci u vremenskom podruju Transformacije intenzitetaoperacije na toki :

I(x,y)=f(I0(x,y)),

I0(x,y) ulazna vrijednost sl. elementa (x,y),I(x,y) izlazna vrijednost sl. elementa (x,y).

s=f(r),

r ulazna siva razina 01,s izlazna siva razina 01.

Transformacije intenzitetaRastezanje kontrastarastezanje kontrasta (Contrast Stretching)osnovni tip - ako nije iskoriten itav raspon

min najmanja siva razina, max najvea siva razina u slici.

end-in search - iskoriten itav raspon, ali koncentracija u jednom dijelu histograma

donja i gornja granice kod kojih je dostignut postotak slikovnih elemenata koji se trebaju preslikati u crno, odnosno u bijelo

Transformacije intenzitetaGama korekcijagama korekcija (Gamma Correction)0 < < 1 - posvjetljivanje > 1 - potamnjivanje

Modeliranje histogramaglobalne operacijepreslikavanje u cilju dobivanja eljenog oblika histograma

izjednaavanje histograma (Histogram Equalization)- uniformna distribucija intenzitetaspecifikacija histograma (Histogram Specification)- specificira se eljeni oblik histograma

Izjednaavanje histogramainformacija koju nosi slika povezana s vjerojatnou pojave svake sive razine - maksimizirati informaciju redistribucijom vjerojatnosti da bude uniformnasluajne kontinuirane varijable r i s0r1, 0 s=f(r) 1funkcije preslikavanja f(r) i f -1(s) monotono rastue na intervalu [0,1]funkcije gustoe vjerojatnosti pr(r) i ps(s)funkcija preslikavanja - funkcija distribucije sluajne varijable r:

po teoriji vjerojatnosti:

Izjednaavanje histogramadiskretni oblik

0rk1, 0sk1, k = 0,1, 255, nk broj slikovnih elemenata s intenzitetom k, N ukupan broj slikovnih elemenata ulazne slike, h(k) vrijednost normaliziranog histograma za intenzitet k

Izjednaavanje histograma

Izjednaavanje histograma s pragommodifikacija izjednaavanja histograma, uvoenje praga (Thresholding Histogram Equalization)"tamne" slike, tj. slike s tamnom pozadinom

N ukupan broj slikovnih elemenata, nT broj slikovnih elemenata u tamnim djelovima slike ( kTHE )

Izjednaavanje histograma s pragomGHETGHE

Specifikacija histogramaizjednaavanje histograma originalne slike F(r)eljena funkcija gustoe vjerojatnosti ps(s) funkcija transformacija G(s) koja daje uniformnu distribuciju sivih razina konane slike [G(s)=ps(w)dw]inverzna transformacija G-1(t) nad sivim razinama iz 1. korakaULAZNA SLIKASLIKA S IZJEDNAENIM HISTOGRAMOMPOBOLJANASLIKAG(s)G-1(t) F(r)

Implementacija tablicama pretraivanjaisti ulazni intenzitet se preslikava u isti izlazni intenzitet neovisno o poloaju slikovnog elementa u slicitablice pretraivanja (LUT - Look Up Table)u tablici 256 vrijednosti izraunanih prema funkciji preslikavanjaintenzitet slikovnog elementa ulazne slike - indekselement tablice - intenzitet slikovnog elementa izlazne slike

Lokalni postupci u vremenskom podrujukontrast varira preko slike - potrebno poboljanje detalja u odreenim podrujima slikeizlazni intenzitet slikovnog elementa ovisi o njegovom intenzitetu i poloaju u slici:

I(x,y)=f(I0(x,y), x,y).

Lokalno izjednaavanje histogramaLHE (Local Histogram Equalization) ili AHE (Adaptive Histogram Equalization)za svaki slikovni element lokalni histogram - histogram u susjedstvu w tog slikovnog elementa izjednaavanje histograma - funkcija preslikavanjapreslikavanje intenziteta tog slikovnog elementahL(i,x,y,w) normalizirani lokalni histogram slikovnog elementa (x,y) u susjedstvu w

Lokalno izjednaavanje histogramaLHE moe naruiti cjelokupan izgled slike - svjetliji dijelovi slike mogu postati tamniji, i obrnuto

Modifikacije lokalnog izjednaavanja histogramarjeenja za naruavanje ukupnog izgleda slike

vei prozoridrugaiji oblici prozora - Gaussove funkcijeograniavanje promjene funkcije preslikavanja:ogranieno lokalno izjednaavanje histograma (CLHE - Constrained Local Histogram Equalization)

CLHEautori H. Zhu, F.H.Y. Chan, F.K. Lamizjednaavanje histograma - redistribucija inteziteta preko cijelog raspona tako da se minimizira prostor u histogramu izmeu iskoritenih sivih razina

minimizacija funkcionala:

rjeenje:

CLHEAHE - minimizacija:

tj.

mogue skokovite promjene funkcije f(r)

CLHE - minimizacija:

>0 ravnoteni faktor za odravanje kontinuirane funkcije preslikavanja

CLHEnovi nain raunanja lokalnog histograma:

hW histogram unutar prozora W, hB histogram izvan prozora, 0a1 faktor koji simulira utjecaj okoline podruja interesa (Region of Interest-ROI)- prema ljudskom vidnom sustavu

Postupci u frekvencijskom podrujuVremensko podruje

Fourierova Inverzna Fourierova transformacijatransformacija

Frekvencijsko podruje

prostorna frekvencija slike - periodinost s kojom se mijenja intenzitetpojaavanje visokih frekvencija relativno prema niim - otrije promjene poboljanje kontrasta

Fourierova transformacijadigitalne slike - diskretne transformacijeDiskretna Fourierova transformacija (DFT)

f(x,y) slika u vremenskom, F(u,v) u frekvencijskompodruju, M i N dimenzije slikeInverzna Fourierova transformacija

Frekvencijsko filtriranjeulazna slikaF(u,v)H(u,v)F(u,v) izlazna slikaf(x,y) g(x,y)

filteri se mogu implementirati u vremenskom podruju

H(u,v) funkcija filtera u frekvencijskom podruju,h(x,y) ekvivalentna prostorna konvolucijska maska

DFTFilterH(u,v)IDFT

Viekanalno filtriranjepodjela ulazne slike na frekvencijske pojaseve i pojaavanje srednjih od visokih frekvencijaneotro maskiranje

IB(x,y) izglaena slika dobivena niskopropusnimfiltriranjem, IS(x,y)=I0(x,y)-IB(x,y) strukturna slika,GS faktor pojaanja

Niskopropusno filtriranjeimplementacija u vremenskom podruju - izglaujuom maskom (smooth mask)

W dimenzija maske

Trokanalno filtriranje uz nelinearno rastezanjeP.G. Tahoces et al.niskopropusno filtriranje:2 izglaene slike I1(x,y) i I2(x,y)linearna kombinacija:Ip(x,y)=K I0(x,y)+K1 I1(x,y) + K1 I2(x,y)nelinearna funkcija rastezanja kontrasta F(k) na temelju Ip(x,y)preslikavanje u izlaznu sliku I(x,y)=F(Ip(x,y))

JGACEJust Noticable Difference - Guided Adaptive Contrast Enhancementautori T.J. Ji, M.K. Sundareshan, H. Roebriguzima u obzir ljudski vidni sustav:osjetljiviji na um u glatkim podrujima gdje je aktivnost (promjene intenziteta) malaJND - najmanja primjetna razlika intenzitetapodjela slike na glatke i dinamike blokove (velika aktivnost) -kontrast se pojaava samo u dinamikim i to samo ako je manji od praga JND

JGACEulazna slika I0

- + IgIB IS

+ +

izlazna slika IF[ ]Prewitt-ov operatornisko propusnifilterG lokalne karakteristike slike&odabrana svojstvaljudskog vidnogsustava

RezultatiOdabir postupkasubjektivna ocjenavremenska usporedbaobjektivna ocjena (lociranje tablice- program izradio Danijel Zrno)

Rezultati lociranje tablicatamne slike uvjet vie od 70% sl. elemenata tamnije od 80 i manje od 10% sl. elemenata svjetlije od 155 TGHE prag 10ostaletrokanalno filtriranje (2, -0.2, -0.4)

Literaturawww.ph.tn.tudelft.nl/Courses/FIP An Interactive Course in Image Processing, Pattern Recognition Group, Delft University of Technlogywww.netnam.vn/unescocourse/computervision/comp_frm.htm UNESCO Training Course, Computer Vision, ImagingR. C. Gonzalez, R. E. Woods, Digital Image Processing, Addison-Weseley, Reading, MA, 1992www.imageprocessingbook.com Gonzalez, Woods: Digital Image Processing Home PageH. Zhu et al., Image Contrast Enhancement by Constrained Local Histogram Equalization, Computer Vision and Image Understanding, Vol. 73, No. 2, February 1999J. A. Stark, Adaptive Image Contrast Enhancement using Generalizations of Histogram Equalization, IEEE Transactions on Image Processing, Vol. 20, No. Y, 1999M. Tkali et al., Primerjava postopkov za izboljanje kontrasta sivih slik, 21.-23. september 2000, Portoro, slovenija, Zbornik devete elektrotehnike in raunalnike konference ERK 2000, september 2000T.-L. Ji et al., Adaptive Image Contrast Enhancement based on Human Visual Properties, IEEE Transactions on Medical Imaging, Vol. 13, No. 4, December 1994

Literatura - nastavakP.G. Tahoces et al., Enhancement of Chest and Breast Radiographs by Automatic Spatial filtering, IEEE Transactions on Medical Imaging, Vol. 10, No 3. September 1991 www.zemris.fer.hr/projects/LicensePlates - stranice studentskog projekta "Detekcija, raspoznavanje i automatski unos registarskih oznaka" (FER-ZEMRIS) M. H. ter Brugge et al., License Plate Recognition, "Knowledge-based Intelligent Techniques in Character Recognition", Edited by L.C. Jain, B. Lazzerini, CRC Press LLC, Boca Raton, Florida, 1999 I. King, L. Xu, Adaptive Contrast Enhancement by Entropy Maximization with a 1-K-1 Constrained Network, Department od Computer Science, The Chinese University of Hong Kong, Satin, New Territories, Hong Kong (preuzeto s www.cse.cuhk.eduhk/~king/PUB/Teomp95.pdf Y. Zheng et al., Improves Histogram Equalization Algorithms for Enhancement of Dark and Color Images (Manuscript), Dept. of Computer Science and Engineering, University of Louisville, Louisville, Kentucky 40292, USA G. Ramponi, Contrast Enhancement in Images via the Product of Linear Filters, Signal Processing, Vol. 77, No. 3, September 1999 S. M. Pizer et al., Adaptive histogram equalization and its variations, Computer Vision, Graphics and Image Processing, Vol 39, 1987

Literatura - nastavak Carlos J. Vicente Pea, AHE (ECUALIZACIN DEL HISTOGRAMA ADAPTATIVO), Dpto. Fsica aplicada e Ingeniera de Sistemas, Grupo de Control e Informtica Industrial, Universidad Politcnica de Madrid, Escuela Universitaria de Ingeniera Tcnica Industrial de Madrid, c/ Ronda de Valencia, 3, 28012 Madrid, Espaawww.licenseplaterecognition.com LPR- A Tuturial www.ivsdirect.com/solutions/6.htm - INTELLIGENT VIDEO SYSTEMS:Solutions:Car License Plate Recognition www.citysync.co.uk/pagedef.htm - Jet Automatic Number Plate Recognition Systems www.acumensoft.com/acutag.htm - Acuman Systems - AcuTagTM www.arhungary.hu Automatic Number Plate Recognition and Passport Reading by Adaptive Recognition Hungary