Нормализация (обработка изображений)

В изображений обработке нормализация — это процесс, изменяющий диапазон значений интенсивности пикселей . Приложения включают фотографии с плохой контрастностью , например, из-за бликов. Нормализацию иногда называют растяжением контраста или растяжением гистограммы . В более общих областях обработки данных, таких как обработка цифровых сигналов , это называется расширением динамического диапазона . ^[1]

Целью расширения динамического диапазона в различных приложениях обычно является приведение изображения или другого типа сигнала в диапазон, который более знаком или нормален для органов чувств, отсюда и термин «нормализация». Часто мотивацией является достижение согласованности динамического диапазона набора данных, сигналов или изображений, чтобы избежать умственного отвлечения или усталости. Например, газета будет стремиться к тому, чтобы все изображения в выпуске имели одинаковый диапазон оттенков серого .

Нормализация преобразует n-мерное в оттенках серого. изображение $I:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{Min}},..,{\text{Max}}\}$ со значениями интенсивности в диапазоне $({\text{Min}},{\text{Max}})$ , в новый образ $I_{N}:\{\mathbb {X} \subseteq \mathbb {R} ^{n}\}\rightarrow \{{\text{newMin}},..,{\text{newMax}}\}$ со значениями интенсивности в диапазоне $({\text{newMin}},{\text{newMax}})$ .

Линейная в нормализация оттенках серого цифрового изображения выполняется по формуле

I_{N}=(I-{\text{Min}}){\frac {{\text{newMax}}-{\text{newMin}}}{{\text{Max}}-{\text{Min}}}}+{\text{newMin}}

Например, если диапазон интенсивности изображения составляет от 50 до 180, а желаемый диапазон — от 0 до 255, процесс влечет за собой вычитание 50 из интенсивности каждого пикселя, создавая диапазон от 0 до 130. Затем интенсивность каждого пикселя умножается на 255/130. , что составляет диапазон от 0 до 255.

Нормализация также может быть нелинейной, это происходит, когда нет линейной зависимости между $I$ и $I_{N}$ . Примером нелинейной нормализации является ситуация, когда нормализация следует сигмовидной функции , в этом случае нормализованное изображение вычисляется по формуле

I_{N}=({\text{newMax}}-{\text{newMin}}){\frac {1}{1+e^{-{\frac {I-\beta }{\alpha }}}}}+{\text{newMin}}

Где $\alpha$ определяет ширину диапазона входной интенсивности и $\beta$ определяет интенсивность, вокруг которой центрируется диапазон. ^[2]

Автоматическая нормализация в программном обеспечении для обработки изображений обычно нормализует полный динамический диапазон системы счисления, указанной в формате файла изображения.

Растяжение контраста для улучшения изображения

Это наиболее важный и важный метод пространственного улучшения изображения. ^[3] Основная цель метода повышения контрастности состоит в том, чтобы отрегулировать локальный контраст изображения так, чтобы выделить четкие области или объекты на изображении. Низкоконтрастные изображения часто возникают из-за плохих или неравномерных условий освещения, ограниченного динамического диапазона датчика изображения или неправильной настройки диафрагмы объектива.

Функции преобразования растяжения контраста

Повышение контрастности пытается изменить интенсивность пикселя в изображении, особенно во входном изображении, с целью получения более улучшенного изображения. Оно основано на ряде методов, а именно на локальном, глобальном, темном и ярком уровнях контраста. Повышение контрастности рассматривается как степень дифференциации цвета или серого, которая наблюдается среди различных элементов изображения. Повышение контрастности улучшает качество изображения за счет увеличения разницы в яркости между передним планом и фоном.

Преобразование «Растягивание контраста» может быть достигнуто путем:

1. Распространение темного диапазона входных значений на более широкий диапазон выходных значений. Это предполагает увеличение яркости более темных областей изображения для улучшения детализации и видимости.

2. Сдвиг среднего диапазона входных значений. Это включает в себя регулировку уровней яркости средних тонов изображения для улучшения общего контраста и четкости.

3. Сжатие яркого диапазона входных значений. Этот процесс включает в себя уменьшение яркости более ярких областей изображения, чтобы предотвратить передержку, что приводит к более сбалансированному и визуально привлекательному изображению.

Локальное и глобальное растяжение контраста

Локальное растяжение контраста (LCS) — это метод улучшения изображения, который фокусируется на локальной настройке значения каждого пикселя для улучшения визуализации структур внутри изображения, особенно как в самых темных, так и в самых светлых частях. Он работает с использованием скользящих окон, известных как KERNEL, которые пересекают изображение. Центральный пиксель в каждом ЯДРЕ настраивается по следующей формуле:

$I_{p}(x,y)=255\times {\frac {[I_{0}(x,y)-min]}{(max-min)}}$ Где: I _p ( x , y ) — уровень цвета выходного пикселя (x,y) после процесса растяжения контраста.

I ₀ ( x , y ) — входной уровень цвета для пикселя данных (x, y).

max — максимальное значение уровня цвета входного изображения в выбранном ЯДРЕ.

min — минимальное значение уровня цвета входного изображения в выбранном ЯДРЕ. ^[4]

Растяжение локального контраста учитывает каждый диапазон цветовой палитры изображения (R, G и B) отдельно, предоставляя набор минимальных и максимальных значений для каждой цветовой палитры.

С другой стороны, функция Global Contrast Stretching учитывает все диапазоны цветовой палитры одновременно, чтобы определить максимальные и минимальные значения для всего цветного изображения RGB. Этот подход использует комбинацию цветов RGB для получения единого максимального и минимального значения растяжения контраста по всему изображению.

Эти методы растяжения контраста играют решающую роль в повышении четкости и видимости структур на изображениях, особенно в сценариях с низким контрастом, возникающим из-за таких факторов, как неравномерное освещение или ограниченный динамический диапазон.

См. также

Нормализация звука , аналоговый звук
Выравнивание гистограммы

Ссылки

^ Рафаэль К. Гонсалес, Ричард Юджин Вудс (2007). Цифровая обработка изображений . Прентис Холл. п. 85. ИСБН 978-0-13-168728-8 .
^ Руководство по программному обеспечению ITK
^ «Методы повышения контрастности: краткий и лаконичный обзор» (PDF) .
^ «Сравнение методов контрастного растяжения методов улучшения изображений для изображений острого лейкоза» (PDF) .

Внешние ссылки

Контрастная растяжка

[1] Рафаэль К. Гонсалес, Ричард Юджин Вудс (2007). Цифровая обработка изображений . Прентис Холл. п. 85. ИСБН 978-0-13-168728-8 .

[2] Руководство по программному обеспечению ITK

[3] «Методы повышения контрастности: краткий и лаконичный обзор» (PDF) .

[4] «Сравнение методов контрастного растяжения методов улучшения изображений для изображений острого лейкоза» (PDF) .

[1]

[2]

[3]

[4]