Úprava digitálních obrazů Ondřej Ptáček H2KNE1, 2013.

Prezentace na téma: "Úprava digitálních obrazů Ondřej Ptáček H2KNE1, 2013."— Transkript prezentace:

1 Úprava digitálních obrazů Ondřej Ptáček H2KNE1, 2013

2 Digitální obraz  digitální obraz chápeme jako obrazovou informaci, která je převedená do číslicové podoby, používá jedničky a nuly (binární soustavu)  výhody digitálního obrazu: - úprava obrazových dat bez vlivu na data originální - oproti úpravám analogových obrazů umožňuje digitální obraz neporovnatelně vyšší možnosti - pro úpravy slouží v dnešní době celá řada softwarů  rozlišujeme dva typy obrazů: - vektorový - rastrový

3 Vektorový a rastrový obraz  Vektorový obraz je tvořen pomocí geometrických objektů (tj. body, přímky, křivky, polygony)  Ratrový obraz je popsán pomocí jednotlivých bodů – pixelů (pixel – je elementární část obrazu z angl. picture element)

4 Digitální zpracování dat  digitální zpracování se týká především primárně získaného digitálního obrazu, který je vytvořen konstrukcí snímacího zařízení (např. zobrazující skenery) nebo jsou pořizovány digitální obrazové záznamy sekundární digitalizací analogově pořízeného obrazu (např. skenováním)  reálný svět má prakticky neomezenou geometrickou rozlišovací schopnost (např. až do velikosti elementárních částic hmoty), proto je nutno při zobrazení reality počítat s jistým stupněm generalizace, která závisí na technických možnostech i způsobu využití dat

5 Histogram obrazu  Histogram je grafické zobrazení velikosti plochy jednotlivých stupňů jasu od bílé (R,G,B=255) po černou (R,G,B=0).  Na vodorovné ose je 256 bodů (0-255), které odpovídají počtu odstínů od černé vlevo po bílou vpravo.  Na svislé ose je znázorněn počet pixelů příslušného jasu v obrázku. Výška sloupců v histogramu znázorňuje, jakou plochu v obrázku jednotlivé odstíny zabírají.

6 Histogram obrazu

7 Zvýraznění obrazu  Obraz se vylepšuje pro další interpretaci (upraví se jeho vzhled a zvýší se vizuální odlišení mezi jednotlivými prvky obrazu, čímž se zvětší množství informace, které lze vizuálně interpretovat).  Úpravy je vhodné provádět pouze na monitoru a nezasahovat do zdrojových dat.  Základní skupiny digitálního zvýraznění obrazového záznamu:  Bodové (radiometrické) zvýraznění  Prostorové zvýraznění (filtrace)  Spektrální zvýraznění

8 Bodové (radiometrické) zvýraznění  K základním metodám radiometrického zvýraznění patří:  prahování – vytvoří se „bitový obraz“ 0 – 1 vhodný např. k maskování  hustotní řezy – redukování počtu hodnot pixelů do několika definovaných tříd (řezů)  zvýraznění kontrastu, které spočívá v úpravě histogramu  saturace (potlačením) - odstranění části histogramů s podprahovými četnostmi pixelů blízkých např. 0, resp. 255 ke zlepšení kontrastu

9 Prahování  funkce, která upravuje jasové či barevné složky pixelů obrazu podle předpisu: kde c … vstupní hodnota jasu nebo barvy f(c) … výsledná hodnota práh … prahovací hodnota A,B … nové hodnoty pro vstupní hodnotu c pod a nad prahem  Hodnotu prahu lze například určit z barevného a jasového histogramu obrázku

10 Hustotní řezy  Jsou rozšířením konceptu prahování  Jedná se o redukování počtu pixelů v původním obraze do menšího počtu tříd.  Hustotními řezy se potlačí rozdíly uvnitř definovaných intervalů (řezů) a zvýrazní rozdíly mezi jednotlivými intervaly  Jsou používány k zobrazení spojitých jevů (např. nadmořských výšek reliéfu, obsahu sedimentů ve vodním sloupci nebo teplotních poměrů).

11 Zvýraznění kontrastu  úprava histogramu:  Lineárním roztažením v celém využitém rozsahu, nebo v některé jeho části  Vyrovnání histogramu – četnějším hodnotám se přisoudí větší prostor  Zvýraznění části histogramu

12 Saturace  potlačení části histogramu, tj. odstranění části histogramu s podprahovými četnostmi pixelů

13 Prostorové zvýraznění (filtrace)  Při prostorovém zvýraznění se určuje nová hodnota DN (Digital Number) určitého pixelu v závislosti na hodnotách určitého počtu okolních pixelů.  Filtrace je spojena s pojmem prostorová frekvence a s použitím filtrů (filtrovacích oken).  Filtry mají buď: –nízkou propustnost (low pass) - ztrácí se liniové prvky –vysokou propustnost (high pass) - ostřící filtry (sharpening) a hranové operáty

14 Vysoko-nízkofrekvenční filtry  Vysokofrekvenční filtry:  Mají zvýšit rozdíl hodnot mezi filtrovaným centrálním pixelem a jeho okolím.  Obecně zdůrazňují objekty, které jsou menší, než polovina filtrovacího okna, širší objekty potlačují.  Používají se různé velikosti filtrů.  Nízkofrekvenční filtry:  Potlačují vysokofrekvenční informaci v obraze.  Produkují obraz, který je oproti originálnímu shlazený.

15 Spektrální zvýraznění  Vytváření nových pásem s cílem zvýšit odlišení různých objektů.  Současná manipulace s dvěma a více spektrálními záznamy

16 Klasifikace  Účelem klasifikace je především automatické zatřídění pixelů obrazu do různých tříd podle spektrálních charakteristik - tj. příznaků.  Jejím základem je spektrální chování pixelu v jednotlivých pásmech, což závisí na spektrální odrazivosti a vlastnostech vyzařování objektů.  Použité metody klasifikace jsou závislé na:  1) datech, která je nutno analyzovat,  2) možnostech techniky, která je k dispozici,  3) na uvažovaných aplikacích klasifikací.  Neexistuje obecný návod na (nejlepší, jakékoliv) řešení.

17 Druhy klasifikací  Rozeznáváme dva základní druhy klasifikací, a to: - řízenou - neřízenou.

18 Řízená klasifikace  Výběr trénovacích ploch (dat), tedy trénovacího souboru představitelů jednotlivých tříd, které jsou od sebe spektrálně rozlišitelné.  Tvorba histogramů, grafů koincidence, resp. rozptylogramů.  Výběr klasifikačního kritéria.  Klasifikace - vizuální - subjektivní - digitální - „objektivní“; automatická práce počítače, který zařadí či nezařadí jednotlivé pixely do předem vybraných tříd, a vytvoří tak zcela nový digitální obraz  Postklasifikační úpravy.

19 Neřízená klasifikace  Nepoužívá se trénovací množina.  Pixely ze stejných nebo příbuzných ploch s blízkou spektrální odezvou se agregují do clusterů.  Výsledkem jsou spektrální třídy. Zatřídění je provedeno na ryze spektrální bázi (blízkých hodnotách odrazivosti ve všech pásmech vložených do řešení).  Po klasifikaci je nutno provést šetření, co každá třída představuje na základě znalosti terénu a z podkladů

20 Děkuji za pozornost