DZDDPZ5 Zvýraznění obrazu - prahování. Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava

Transkript

1 DZDDPZ5 Zvýraznění obrazu - prahování Doc. Dr. Ing. Jiří Horák Ing. Tomáš Peňáz, Ph.D. Institut geoinformatiky VŠB-TU Ostrava

2 Zvýraznění obrazu Bodová zvýraznění 1-pásmové (radiometrické), vícepásmové (spektrální) - zvýraznění každého pixelu v obrazovém záznamu nezávisle na jiných pixelech Spektrální zvýraznění někdy samostatně, protože lze provádět fúzi obrazů různého prostorového rozlišení Prostorová zvýraznění (ohniskové filtrace, Fourierovy transf.) - zvýraznění každého pixelu v obrazovém záznamu v závislosti na hodnotách okolních pixelů

3 Dobrovolný

4 Zvýrazňování obrazových záznamů hlavní cíle: úprava vzhledu, usnadnění vizuální interpretace (zvětšení rozdílů mezi spektrálními a radiometrickými projevy objektů nebo jevů v obrazovém záznamu), příprava pro další počítačové zpracování (rozšíření příznakového prostoru multispektrálních obrazových záznamů)

5 Zvýraznění obrazového záznamu z hlediska trvání výsledku operace zvýraznění: dočasné zápis do paměti (na displeji počítače při vizualizaci) trvalé zápis do souboru nebo do databáze

6 Bodová radiometrická zvýraznění Používání zobrazovací funkce - určité DN hodnotě pixelu ve vstupním obrazu přiřazuje novou hodnotu ve výsledném obraze v diskrétním obraze - LUT (look-up table) Metody: Úpravy kontrastu (Contrast Modification) Prahování (Thresholding) Někdy samostatně hustotní řezy (Level Slicing) (nebo součást prahování)

7 Zvýraznění kontrastu (Contrast Enhancement) radiometrická rozlišovací schopnost systému (dynamický rozsah měřených hodnot záření) Původní histogram obsahuje DN v určitém rozmezí, nevyužívá se celého rozsahu stupnice šedi -> nedokážeme rozlišit rozdíly 8 bitový záznam možných hodnot DN (0-255) skutečný rozsah naměřených DN hodnot jiný Transformace

8 Zvýraznění kontrastu (grafické znázornění)

9 Možnosti zvýraznění kontrastu lineární zvýraznění kontrastu (Linear Contrast Enhancement) nelineární zvýraznění kontrastu (Nonlinear Contrast Enhancement)

10 Typy zvýraznění kontrastu (grafické znázornění)

11 Možnosti úpravy kontrastu (grafické znázornění)

12 Lineární zvýraznění kontrastu zobrazovací funkce h je lineární rostoucí funkce - zvýraznění kontrastu klesající funkce - potlačení kontrastu 1) ( ) ( ) ( ) ( i k l m n m i h 1) ( ) ( ) ( ) ( i k l m n m i h

13 Lineární roztažení histogramu Dobrovolný

14 Lineární zvýraznění kontrastu roztažení histogramu (v celém rozsahu) roztažení histogramu po částech (piecewise linear contrast stretch) roztažení části histogramu

15 Dobrovolný

16 Lineární roztažení po částech (grafické znázornění)

17 Lineární zvýraznění (grafické znázornění 1)

21 Nelineární zvýraznění kontrastu vyrovnání histogramu (histogram equalization) hyperbolizace histogramu saturace histogramu (histogram saturation)

22 Vyrovnání histogramu snaha o dosažení: přibližně stejné frekvence výskytu hodnot nestejných intervalů dat kontrast se zvýší v oblasti střední hodnoty se sníží v oblasti okrajových hodnot vznik mezer v histogramu t( x) x j 0 M j 0 h( h( j) j). N j = 0, 1,, M

23 Dobrovolný

24 Vyrovnání histogramu Statistické řešení např. pomocí metody nejmenších čtverců (optimalizace na co největší počet co možná nejvíce odlišných tříd)

25 Vyrovnání histogramu (grafické znázornění 2)

26 Vyrovnání histogramu (grafické znázornění 3)

27 Hyperbolizace histogramu zadává se konstanta c pro c > 0 úprava podobná ekvalizaci c < 0 snížení kontrastu v oblasti středních hodnot zvýšení kontrastu v oblasti okrajových hodnot N počet výstupních úrovní M počet vstupních úrovní t( x) x j 0 M j 0 h h c c ( ( j). N j) j = 0, 1,, M

28 Dobrovolný

29 Ruční úpravy LUT SW zpravidla umožňuje ruční úpravu LUT podle individuální potřeby uživatele Transformace po částech Vyhlazení výsledné transformační křivky

30 Příklad z metodiky NIKM Šedé sloupce znázorňují statistické rozložení skutečných hodnot jasu jednoho ze spektrálních kanálů v celém obraze, tzn. tak, jak jsou změřené hodnoty intenzity zemského povrchu uloženy v datovém souboru. Tenká linie s lomovými body je gradační křivka, s jejíž pomocí se upravuje zobrazení snímku na monitoru tak, aby obraz byl co nejlépe čitelný. Uzly gradační křivky jsou číselně vyjádřeny v Tabulce 1. Zelené sloupce pak zobrazují účinek této statistické úpravy obrazu.

31 Příklad z metodiky NIKM

32 Výsledek úpravy kontrastu pro kanály RGB (NIKM)

33 Prahování (thresholding)

34 Prahování (thresholding) Zvolí se práh (prahová DN hodnota) a podle ní se rozdělí hodnoty pixelu na snímků do 2 kategorií hodnoty pod a nad limit (práh). Prahování je založeno na myšlence, že objekty a pozadí mají rozdílnou úroveň intenzity. nejstarší a nejjednodušší segmentační metoda Používá se pro tvorbu zájmových oblastí (masek) v obraze. Např. např. oddělení souše od vodních ploch - spektrálně snadno oddělitelné povrchy v pásmu vlnových délek blízkého infračerveného záření (LANDSAT TM-4) Široce používaná, jednoduchost, snadná implementace a malá časová náročnost. Výsledek prahování získáme po jediném průchodu obrazem. Výsledek zpravidla binární obraz

35 Varianty prahování globální prahování práh platí pro celý obraz. Problém nerovnoměrnost osvětlení, dá se odstranit vhodným předzpracováním vstupního obrazu např. minimální filtr nebo morfologický tophat. procentní prahování - nezadává se přímo úroveň šedi jako práh, ale procentní zastoupení bodů v obraze, které jsou vyšší (respektive nižší) nebo rovny nějakému vhodnému prahu. Vhodné např. při převodu skenovaných dokumentů na text, pokud víme, že průměrné pokrytí stránky textem se pohybuje okolo 5%. Poloprahování (částečné prahování) - pixelům majícím vyšší nebo rovnu hodnotu prahu T se nepřiřazuje určitá hodnota (zpravidla 0-1), ale ponechá se jim jejich vlastní hodnota.

36 Dobrovolný

37 Globální prahování Kalová

38 Poloprahování - částečné prahování Kalová

39 Varianty prahování Adaptivní prahování práh je funkcí polohy, tj. určuje se pro část obrazu. Pro každou takovou oblast je pak určen práh zvlášť. Rozdělení snímku může být: Do několika předem daných disjuktních oblastí (nejčastěji stejných čtverců či obdélníků). Problém nevyzpytatelného chování na hranicích mezi jednotlivými oblastmi. Částečně se překrývající oblasti Interpolace hodnot mezi oblastmi Lokální oblast kolem každého pixelu výpočetně náročné (a už není bodové zvýraznění) Postup částečně kompenzuje vliv nerovnoměrného osvětlení. Problém určit správně velikost oblasti Vícestupňové prahování (hustotní řezy) určí se ne 1 ale n prahů, které rozdělí množinu pixelů do n+1 disjuktních tříd. Viz dále hustotní řezy.

40 Adaptivní prahování Kalová

41 Varianty prahování Hysterezní prahování (double thresholding) za zájmové objekty jsou označeny oblasti, jejichž intenzita je větší než definovaný práh T1 a navíc obsahují alespoň 1 pixel s hodnotou vyšší než T2. Implementace např. pomocí morfologické rekonstrukce. Na začátku se provede dvojí prahování. Po prahovaní s T1 vznikne maska a po prahování s T2 vznikne obraz semínek. Následně se provede dilatace semínek a ořezání podle masky. Tento krok se opakuje dokud se obraz mění. Algoritmus: 1. Do obrazu maska přiřaď výsledek prahování s prahem T1. 2. Do obrazu semínka přiřaď výsledek prahování s prahem T2. 3. Proved dilataci obrazu semínka a ořízni ho podle obrazu maska. 4. Opakuj krok 3 dokud probíhají změny v obraze semínka. V praxi se krok 3 provádí pouze pro množinu aktivních bodů, což jsou body jež byly za body objektu označeny v předcházející iteraci. Výpočet pak končí ve chvíli, kdy je tato množina prázdná.

42 Určení hodnoty prahu Experimentální pokus-omyl Z histogramu vhodné pro bimodální histogramy (dobře separovaná maxima), kdy se práh umístí do: Lokálního minima mezi 2 maximy Poloviny vzdálenosti mezi 2 maximy Procentní pomocí odhadu plochy zájmového objektu ve snímku Ze statistik práh určen pomocí statistické charakteristiky v dané oblasti, např. aritmetický průměr, medián, (max+min)/2 Z globální znalosti předem víme, jakou přesně hodnotu hledáme automatické určování prahu - založeny na analýze histogramu. Metody se liší způsobem nalezení prahu v závislosti na podobě histogramu, tedy na tom zda obsahuje jeden nebo více dominantních vrcholů.

43 Určení hodnoty prahu Z histogramu Procentní Ze statistik Kalová

44 Dobrovolný

45 Dobrovolný

46 Dobrovolný

47 Před operací hustotní řezy (grafické znázornění)

48 Po operaci hustotní řezy (grafické znázornění)

49 Barevné zvýraznění Aspekty barvy: tón (odstín) H, sytost (S), jas (B) Lidské oko rozezná asi 10x více barevných tónů (odstínů) než úrovní šedí (cca 200) Prohlížení čb obrazu registrujeme pouze změny jasu Použití barev: obarvení 1 pásma = pseudobarvy (např. černobílý snímek), lépe rozlišíme jednotlivé třídy hodnot Transformace buď spojitou nebo diskrétní funkcí Barevná syntéza: 3 složky víceobrazu, každé přiřadíme jinou barvu Skutečné barvy: snímku z červené části spektra přiřadíme červenou barvu, z modré B a zelené G Nepravé barvy: jiné kombinace (např. IR, R, G)

50 Dobrovolný

51 Dobrovolný

52 Dobrovolný

53 Barevné syntézy NIKM - Družicové snímky Landsat 7 ve spektrální kombinaci (R-G-B): termální pásmo (spektrální kanál č. 6) - zobrazení objektů, které silně tepelně vyzařují. Červený kanál. Zdroje tepla se tedy zobrazí zpravidla červenými až žlutými odstíny. Termální záření prozradí především objekty, v nichž probíhají energetické procesy, nebo které se oproti okolí snáze ohřejí a poté získané teplo zpětně vyzařují; spektrální kanál č. 5 (střední oblast infračerveného spektra) - zřetelné některé typy materiálů využívané např. ve stavebnictví; tento obraz je zařazen do modrého barevného kanálu monitoru. Stavební materiály se ukázaly být indikátorem přítomnosti některých typů skládek. Dále je v tomto pásmu možno identifikovat objekty obsahující relativně čerstvě odkryté horniny. Zájmové objekty budou zpravidla mít zabarvení bílé, světle modré nebo zelené, v kombinaci s termálními projevy také fialové nebo oranžové. Konkrétní zabarvení silně závisí na typu materiálu, proto nelze jednoznačně stanovit očekávanou barvu. Podle barvy ale lze naopak alespoň hrubě určit typ materiálu pozorovaného objektu, jsou-li k dispozici určité nezbytné "kalibrační údaje"; výše uvedené spektrální kanály jsou zobrazeny v určité barevné protiváze, která je vyvažována třetí barevnou složkou v zeleném barevném kanálu RGB monitoru obrazem z červené (viditelné) složky družicového snímku. Zelená barva je v této složité syntéze pro zobrazení obtížně využitelná, neboť koliduje se zelenou barvou vegetace, která dominuje v letecké fotomapě. Proto je využita naopak k úpravě zobrazení jiných barevných složek, neboť zde využitý spektrální kanál 3 svými vlastnostmi přiměřeně potlačuje vliv vegetace a zesiluje tak barevný kontrast detekovaných objektů, jejichž charakter je vždy odlišný od vlastností vegetačního krytu.

54 ta/3-dpz-imageanal.pdf Hranice Sudán-Eritrea, LandSat TM Vlevo silně metamorfovaný komplex s intruzemi granitů a bazaltových žil, vpravo mladší terén s peridotity, metabazalty a metasedimenty. Hranice mezi nimi aluvium velké řeky na velké střižné zóně. 30 km. Syntézy: a) TM 321 RGB přiroz.b. nejméně informací b) TM 432 RGB standardní s. v nepravých barvách c) TM 531 RGB distribuce horninových typů, potlačení vegetace d) TM 315 RGB špatná volba posloupnosti špatně vidět