Filtracja obrazów barwnych
Transkrypt
Filtracja obrazów barwnych
PRZETWARZANIE OBRAZÓW CYFROWYCH ĆWICZENIE 8 FILTRACJA OBRAZÓW BARWNYCH PROGRAM ĆWICZENIA 1. Przygotuj 2 testowe obrazy barwne (np. 512x512 pixels, RGB, 24 bits/pixel). 2. Za pomocą odpowiednich skryptów Matlab'a lub programem POC_Lab przygotuj zestaw obrazów testowych zakłóconych: a. szumem impulsowym o różnej intensywności (np. 2%, 5%, 10%, 20%), b. szumem gaussowskim o różnych wartościach wariancji, c. szumem mieszanym. 3. Przygotuj skrypty Matlab'a realizujące: a. mediane skalarną (działającą niezależnie na kanałach obrazu) b. VMF (Vector Median Filter) (opis: Oryginalny artykuł opisujący filtr VMF, Color image filtering), działanie skryptu porównaj z wynikami działania programu POC_Lab. Uwaga! Z uwagi na sporą złożoność obliczeniową i słabą wydajność Matlaba zaleca się przeprowadzanie testów podczas programowania z wykorzystaniem niewielkich obrazów (najlepiej zakłóconych słabym szumem impulsowym) 4. Przetestuj zaimplementowane algorytmy wszystkich obrazach testowych a. porównaj działanie "zwykłej" mediany z filtrem wektorowym VMF zastosowanych do filtracji obrazów barwnych. b. Dokonaj analizy jakości filtracji z wykorzystaniem obiektywnych wskaźników jakości takich jak PSNR czy NCD (Color image filtering) OPIS DZIAŁANIA FILTRU VMF (VECTOR MEDIAN FILTER) Filtr mediany wektorowej (VMF) jest jednym z podstawowych reprezentantów rodziny wektorowych operatorów statystycznych. Jest on rozwinięciem klasycznej mediany skalarnej na przestrzeń wektorową zaproponowaną w pracy (Oryginalny artykuł opisujący filtr VMF). W wielowymiarowych przestrzeniach wektorowych nie istnieje jednoznaczna i uniwersalna metoda definiowania porządku. Zaproponowano kilka sposobów sortowania danych wektorowych takich jak: Porządek brzegowy - marginal ordering (M-ordering) w którym dane porządkowane są niezależnie dla każdego wymiaru Porządek warunkowy - conditional ordering (C-ordering) – w którym dane wielowymiarowe zostają uporządkowane ze względu na wybraną składową. Porządek zredukowanego sumowania - reduced or aggregate ordering (R-ordering), w którym dane wielowymiarowe zostają zredukowane do pewnej wartości skalarnej według określonej metryki. W wektorowym filtrze medianowym do sortowania wektorów wykorzystano porządkowanie zredukowane (R-ordering). Załóżmy, że przez F x oznaczymy wielokanałowy obraz barwny przez W oznaczymy okno filtracji o rozmiarze k (dla maski 3 3 k 9 ). Wektory obrazu zakłóconego w oknie filtracji W oznaczymy jako Fj , j 0,1,k 1 . Jeśli dystans między wektorami Fi oraz F j oznaczymy jako Fi , Fj wówczas zagregowany dystans dla wektora Fi możemy zapisać: k 1 Ri Fi , Fj j 0 Możemy założyć, że odpowiedniemu posortowaniu skalarnych wartości Ri : R 0 R1 R R k 1 , Odpowiada takie samo uporządkowanie wektorów Fi : F 0 , F1 , , F , , F n1 . Wyjściem filtra VMF będzie więc wektor najbardziej centralnie położony, czyli FVM F 0 . Można zauważyć, że spełniona jest zależność: k 1 (F j 0 VM k 1 , Fj ) (Fi , Fj ), i 0, j 0 , k 1. Ważnym parametrem podczas konstrukcji opisywanego filtra jest wybór metryki wykorzystywanej do liczenia odległości między wektorami Fi , Fj - zazwyczaj jest to metryka Minkowskiego L p opisana zależnością: 1 l p (Fi , Fj ) ( Fi k Fjk ) p k 1 Wybierając odpowiednią wartość p otrzymamy najczęściej używane normy L1 , L2 , L : l (Fi , Fj ) ( Fi k Fjk ) p , p 1 k 1 (Fi , Fj ) l (F k 1 i k Fjk ) 2 , p 2 (Fi , Fj ) max Fi k Fjk , p k Na poniższym rysunku przedstawiono sposób liczenia zagregowanych odległości dla dwóch wybranych wektorów przy użyciu normy Euklidesowej ( L2 ) i okna filtracji o rozmiarze k 5 : F0 0,2 F2 0,4 0,3 F0 0,1 2,0 F1 F4 F3 2,1 F2 2,3 F4 F3 a) b) R0 (0,1) (0, 2) (0, 3) (0, 4) R2 (2, 0) (2,1) (2, 3) (2, 4) F1 2,4 UWAGI DO SPRAWOZDANIA 1. Sprawozdanie powinno zawierać opisane skrypty realizujące filtrację, 2. nie należy zamieszczać wszystkich możliwych kombinacji wyników, a jedynie reprezentatywne próbki, najlepiej w postaci powiększeń pokazujących interesujące nas zjawiska – sprawozdanie musi mieć „rozsądne” rozmiary. 3. Należy uważać na powstające podczas konwersji do formatu PDF artefakty kompresji JPEG – interesujące nas szczegóły, takie jak szum czy artefakty związane z działaniem filtrów powinny być dobrze widoczne w sprawozdaniu 4. szum mieszany uzyskamy zakłócając obraz wpierw szumem Gaussowskim a następnie impulsowym 5. analizę obiektywnych wskaźników jakości należy wykonać dla obrazów w pełnym rozmiarze, a wyniki najlepiej przedstawić w postaci graficznej