Lekt. dr. Pijus Kasparaitis Skaitmeninis vaizdų apdorojimas
Lekt. dr. Pijus Kasparaitis Skaitmeninis vaizdų apdorojimas
Lekt. dr. Pijus Kasparaitis Skaitmeninis vaizdų apdorojimas
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
<strong>Lekt</strong>. <strong>dr</strong>. <strong>Pijus</strong> <strong>Kasparaitis</strong><br />
<strong>Skaitmeninis</strong> vaizdų <strong>apdorojimas</strong><br />
2008 m. rudens semestras
P. <strong>Kasparaitis</strong>. <strong>Skaitmeninis</strong> vaizdų <strong>apdorojimas</strong>. Įvadas 2008 09 03<br />
Įvadas<br />
Kas yra skaitmeninis vaizdų <strong>apdorojimas</strong><br />
Vaizdą galima apibrėžti kaip dvimatę funkciją f(x, y), kur x ir y – koordinatės<br />
plokštumoje. Funkcijos f reikšmė kiekviename plokštumos taške vadinama vaizdo<br />
intensyvumu arba pilkumo lygiu. Jei dydžiai x, y ir f įgyja baigtinį skaičių diskrečių<br />
reikšmių, tai turime skaitmeninį vaizdą. Skaitmeniniu vaizdų apdorojimu<br />
vadinsime skaitmeninių vaizdų apdorojimą kompiuteriais [ 1 ].<br />
Skaitmeninių vaizdų šaltiniai<br />
Regėjimas yra labiausiai išvystytas žmogaus jutimo organas, todėl regimi<br />
vaizdai vaidina labai svarbų vaidmenį žmogaus pasaulio suvokime. Tačiau skirtingai<br />
nuo žmonių, galinčių priimti tik matomos šviesos diapazono elektromagnetines<br />
bangas, kompiuteriu galime apdoroti vaizdus, sukurtus bet kokio ilgio<br />
elektromagnetinių bangų: gama, rentgeno, ultravioletinių spindulių, matomos šviesos,<br />
infraraudonųjų ir mikrobangų spindulių, radijo bangų. Skaitmeniniai vaizdai gali būti<br />
sukuriami ir kitų šaltinių, paprastai nesiejamų su regimais vaizdais, pvz., ultragarso<br />
pagalba. Be to, skaitmeniniai vaizdai gali būti generuojami ir kompiuteriu [ 1 ].<br />
Kalbant apie kompiuteriu generuotus vaizdus, pagal kodavimo būdą juos įprasta<br />
skirstyti į vektorinius ir rastrinius. Vektoriniuose vaizduose kreivės ir tiesės<br />
nusakomos matematinėmis formulėmis [ 2 ]. Tai leidžia keisti mastelį neprarandant<br />
vaizdo kokybės. Šias formules dažnai galima įsivaizduoti kaip tam tikrų komandų<br />
rinkinį, kuriose nurodoma: plunksnos valdymo operacija (brėžti tiesę, brėžti<br />
apskritimo lanką ir kt.); plunksnos koordinatės (pradinės, galutinės, apskritimo centro<br />
ir kt.); plunksnos charakteristikos (spalva, pakėlimo požymis ir kt.). Vektoriniai<br />
vaizdai gaunami naudojant pavyzdżiui Adobe Illustrator arba Macromedia Freehand.<br />
Vektorinis kodavimo būdas geriausiai tinka vaizdams, kuriuose yra nedaug skirtingų<br />
spalvų, o objektai sudaryti iš tiesių ar kreivių, pvz., brėžiniams. Vektoriniame vaizde<br />
gali būti atliekamos tokios operacijos, kaip duotajam taškui artimiausio laužtės taško<br />
suradimas; artimiausios laužtės viršūnės suradimas; kreivės, kuriai priklauso duotasis<br />
taškas, pašalinimas. Šiame kurse bus kalbama tik apie rastrinius (t. y. iš taškų<br />
sudarytus) vaizdus.<br />
Ką apima vaizdų <strong>apdorojimas</strong><br />
Visas operacijas su vaizdais galima suskirstyti į tokias tris grupes [ 3 ]: analizė,<br />
sintezė ir <strong>apdorojimas</strong> (žr. 1 pav.).<br />
Vaizdų sintezėje, dar vadinamoje kompiuterine grafika, kaip įėjimas<br />
naudojamas trimatis matematinis modelis, iš kurio generuojamas trimatis vaizdas, o<br />
po to skaičiuojama dvimatė projekcija.<br />
Vaizdų <strong>apdorojimas</strong> yra manipuliavimas vaizdu siekiant gauti kitą vaizdą, kuo<br />
nors besiskiriantį nuo pradinio. Apdorojimui dažnai priskiriamos ir kai kurios analizės<br />
operacijos, kuriomis skaičiuojamos kokios nors vaizdo charakteristikos.<br />
Vaizdo analizė, dar vadinama kompiuteriniu regėjimu, yra informacijos<br />
išgavimas iš vaizdo. Nuo vaizdų apdorojimui priskirtos analizės dalies ji skiriasi<br />
siekimu sumodeliuoti žmogaus regėjimą. Kaip įėjimas naudojama dvimatė trimačio<br />
vaizdo projekcija, o išėjime bandoma atstatyti trimatę informaciją, arba identifikuoti<br />
ar klasifikuoti tam tikrus objektus.<br />
1
P. <strong>Kasparaitis</strong>. <strong>Skaitmeninis</strong> vaizdų <strong>apdorojimas</strong>. Įvadas 2008 09 03<br />
1 pav. Operacijų su vaizdais klasės.<br />
Nustatyti griežtas ribas tarp šių klasių gana sunku, ypač tarp apdorojimo ir<br />
analizės. Šiame kurse bus nagrinėjamas vaizdų <strong>apdorojimas</strong> ir kai kurios vaizdų<br />
analizės operacijos. Vaizdų <strong>apdorojimas</strong> yra seniausia sritis iš aukščiau paminėtų,<br />
dauguma apdorojime naudojamų algoritmų sukurti apie 1960 m. Šiuo metu<br />
pagrindinis dėmesys skiriamas naujų taikymų paieškai.<br />
Vaizdų apdorojimo operacijų seka<br />
Vaizdo <strong>apdorojimas</strong> sudarytas iš daugelio pakopų, kurias reikia atlikti siekiant iš<br />
vaizdo išgauti norimus duomenis (žr. 2 pav.) [ 4 ].<br />
Kiekvienas vaizdo apdorojimo procesas prasideda vaizdo paėmimu naudojant<br />
kokią nors (ne būtinai optinę) įvedimo sistemą. Priklausomai nuo uždavinio, galima<br />
pasirinkti tinkamiausią. Be to, galima pasirinkti apšvietimą (pvz., šviesos šaltinį su<br />
tam tikrais bangų ilgiais), kuris geriausiai išryškintų dominančias objekto savybes.<br />
Paimtas vaizdas diskretizuojamas, kad jį galima būtų apdoroti kompiuteriu. Pradinio<br />
vaizdo apdorojimo metu gali tekti koreguoti vaizdo šviesumą ir kontrastingumą,<br />
atstatyti geometrinius iškraipymus. Gali būti iš anksto žinomų iškraipymų,<br />
atsirandančių dėl nesufokusuotos optikos, judėjimo, vaizdo signalo perdavimo.<br />
Objektų analizei ir identifikacijai reikalinga visa apdorojimo žingsnių seka.<br />
Pirmiausiai atliekamas filtravimas, padedantis atskirti dominančius objektus nuo kitų<br />
objektų ir nuo fono. Rezultate iš vieno ar kelių vaizdų gaunamas požymių vaizdas.<br />
Šiam tikslui naudojamas glodinimas ir kraštų suradimas, paprastų kaimynysčių ir<br />
sudėtingesnių struktūrų, vadinamų tekstūromis, analizė. Pagal kelis vaizdus gali būti<br />
aptinkamas judėjimas. Toliau dominantys objektai atskiriami nuo fono, tada galima<br />
nagrinėti geometrinę formą ir gauti formą aprašančius parametrus. Remiantis šiais<br />
parametrais objektus galima identifikuoti bei klasifikuoti.<br />
2
P. <strong>Kasparaitis</strong>. <strong>Skaitmeninis</strong> vaizdų <strong>apdorojimas</strong>. Įvadas 2008 09 03<br />
2 pav. Vaizdų apdorojimo operacijų seka.<br />
Vaizdų apdorojimo operacijų tipai<br />
Vaizdų apdorojimo operacijas galima klasifikuoti įvairiais būdais. Klasifikacija<br />
reikalinga norint geriau suprasti, kokio tipo rezultatų galime tikėtis, arba kokio<br />
sudėtingumo skaičiavimų pareikalaus tam tikra operacija. Pradinį vaizdą a[m,n] į<br />
vaizdą b[m,n] atvaizduojančias operacijas galime suskirstyti į tris tipus (žr. 1 lentelėje<br />
ir 3 pav.) [ 5 ]. Čia vaizdo dydis = N*N, aplinkos dydis = P*P.<br />
1 lentelė. Vaizdų apdorojimo operacijų tipai.<br />
Operacija Aprašymas Sudėtingumas<br />
Taškinė Pikselio reikšmė priklauso tik nuo pradinio vaizdo konstanta<br />
pikselio su tomis pačiomis koordinatėmis reikšmės<br />
Lokali Pikselio reikšmė priklauso nuo tas pačias koordinates P 2<br />
turinčio pradinio vaizdo pikselio aplinkos reikšmių<br />
Globali Pikselio reikšmė priklauso nuo viso pradinio vaizdo N 2<br />
pikselių reikšmių<br />
3
P. <strong>Kasparaitis</strong>. <strong>Skaitmeninis</strong> vaizdų <strong>apdorojimas</strong>. Įvadas 2008 09 03<br />
3 pav. Vaizdų apdorojimo operacijų tipų grafinė iliustracija.<br />
Kurso turinys<br />
Šiame kurse bus nagrinėjamos tokios temos:<br />
1. Vaizdų skaitmenizavimo pagrindai.<br />
2. Spalvos.<br />
3. Spalvų erdvės.<br />
4. Pilkumo lygių ir erdvinės skiriamosios gebos imitavimas.<br />
5. Histogramų operacijos.<br />
6. Erdvinės operacijos.<br />
7. Vaizdų deformavimas.<br />
8. Kraštų radimas ir kodavimas.<br />
9. Segmentavimas ir sričių kodavimas.<br />
10. Morfologinis <strong>apdorojimas</strong>.<br />
11. Skeletizavimas.<br />
12. Vaizdų transformacijos.<br />
13. Judesio aptikimas.<br />
Literatūra<br />
1. R. Gonzalez, R. Woods. Digital Image Processing. Prentice Hall, 2002.<br />
2. http://www.cof.orst.edu/net/software/present/graphics/vector.htm.<br />
3. A. Watt, F. Policarpo. The Computer Image. Addison-Wesley, Harlow,<br />
England 1998.<br />
4. B. Jähne. Digitale Bildverarbeitung. Springer-Verlag, Berlin Heidelberg<br />
1997.<br />
5. http://www.ph.tn.tudelft.nl/Courses/FIP/noframes/fip-Characte.html.<br />
4