Elaborazione numerica per il miglioramento dell’immagine

METODI NEL DOMINIO SPAZIALE

Tecniche basate sulla manipolazione diretta dei pixel dell’immagine
metodi per migliorare immagine
immagine in ingresso f
g (x,y)=T [f (x,y)] immagine migliorata in uscita g
—> trovo T che applicato a f mi dia g
ove f(x,y) è l’immagine di partenza, g(x,y) è l’immagine elaborata e T è una
trasformazione che opera su uno, più o tutti i pixel di f(x,y).
Possono essere classificate per tipo di operatore ed estensione dell’area coinvolta:
– operatori puntuali solo un pixel
– operatori locali intorno del pixel

– operatori globali tutti i pixel

o per numero di immagini su cui operano: operatori unari o duali
o per modalità di interazione: operatori automatici o interattivi.

METODI NEL DOMINIO DI FREQUENZA

g(x,y) = f(x,y) * h(x,y) ove h(x,y) è la risposta impulsiva
convoluzione
in frequenza:
G(u,v) = F(u,v) H(u,v) ( g(x,y) = F-1(F(u,v) H(u,v)) ) H è filtro

ove H(u,v) è la funzione di trasferimento

 OPERATORI PUNTUALI

• Gli operatori puntuali sono gli operatori più semplici.

• Un operatore puntuale genera una nuova immagine in cui il
valore di ogni pixel dipende solo dal corrispondente valore
dell’immagine di partenza, non dai valori di grigio di altri
pixel vicini.
• Un operatore puntuale può essere facilmente realizzato
attraverso una tabella (LUT: Look Up Table) che associa ad
ogni valore il risultato della funzione stessa.
• In generale, gli operatori puntuali rappresentano
trasformazioni della scala dei livelli di grigio nel dominio
compreso fra il nero ed il bianco (0-255) secondo una
funzione T.
 Look-Up Table (LUT)
se ho una immagine troppo scura
allora schiarisco con l’immagine (modo grezzo)

r T(r)

Immagine ottenuta
gmn=T(fmn)

• LUT -> funzione discreta a valori discreti (mappatura).

 Trasformazioni puntuali dei livelli di grigio

Le funzioni T, che permettono di passare dal livello di

grigio originale a quello trasformato
s=T(r) s è il livello di grigio che voglio ottenere

possono assumere forma analitica compatta.

Ad esempio
• caratteristica del tipo a radice quadrata:

s=√255 r schiarisce

• caratteristica quadratica: caratteristica che schiarisce l’immagine

s=r2/255 scurisce
255 si usa perché si normalizza
255 serve per normalizzare
Esempi di istogramma dopo aver elaborato l’immagine
immagine schiarita
immagine schiarita
f ( x, y ) 2
g ( x, y ) =
Immagine originale f(x,y) g(x,y) =  255 f(x,y) 255

7000
4500

4000 6000

3500
5000
3000
4000
2500

2000 3000

1500
2000
1000
1000
500

0 0

0 50 100 150 200 2500 50 100 150 200 250

0 255 0 255 0 255

istogrammi
Trasformazioni di potenza

diagonale è l’identità cioè r=s

T tasformazione
c = costante per semplicità c=1

minore di 1 schiarisce
maggiore di uno scurisce (gamma > 1)
 Effetto gamma

correzione gamma con gamma < 1

che schiarisce immagine

es. pc che di per se scurisce

immagini in internet.
Esempio

Immagine originale:
risonanza magnetica di
una colonna vertebrale.

devo schiarirla
Trasformazioni con legge di
potenza :
s=c*rγ

gamma 0.3, 0.4, 0.6 ecc.

Trasformazioni con legge di
potenza :
s=c*rγ
Trasformazioni con legge di
potenza :
s=c*rγ
 Trasformazioni logaritmiche e esponenziali
T(r)
• Trasformazioni logaritmiche 2 parametri
- schiariscono le regioni scure
- s=b log(ar+1)
- utili per visualizzare gli spettri di Fourier

T(r)
• Trasformazioni esponenziali
- scuriscono le regioni chiare
- s = b (ear - 1)

r
 Altre trasformazioni puntuali per l’image enhancement

riassunto di tutte le
trasformazioni viste
+ quelle negative (negativo
dell’immagine)
Immagine negativa
L’immagine negativa si ottiene
dall’immagine di partenza rovesciando
l’ordine dal bianco al nero.
La negativa di un’immagine con livelli di
grigio nell’intervallo [0,L-1] si ottiene con
la seguente trasformazione:
s=L–1-r

mammografia proposta al medico al negativo

perché lo sfondo bianco è meglio
perché meno sensibili al rumore sul bianco
cioè i nostri occhi la percepiscono più pulita
 Stiramento dell’immagine stira istogramma più che immagine

Espansione dei livelli di grigio dall’intervallo Pixel lontani sono facili da distinguere
[r1, r2] all’intero intervallo dei livelli di grigio
[0, 255]. Utile per immagini a debole contrasto
perché consente di sfruttare l’intera gamma dei
livelli di grigio: Pixel vicini sono difficili da distinguere

 0 per r  r1
 r − r
s= 1
255 per r1  r  r2
 r2 − r1
 255 per r  r2
si usa quando ho poco contrasto.

ESEMPIO
Esempio di istogramma dopo stiramento dell’immagine
posso fare lo stiramento solo di una parte
solo dove voglio io

Espandendo l’intervallo di grigi [a, b]

all’intero intervallo [0, 255], si
evidenzia con il massimo di contrasto
un determinato range di livelli di
grigio.

16000

g 14000

12000

255 10000

8000

6000

4000

2000

f 0

0 a b 255
0 50 100 150 200 250

0 255
ESEMPIO
• I livelli originali di grigio sono [100, 150]
• I livelli a cui si vuole arrivare sono [0, 255]
• La funzione di trasformazione è:
T(r) = ( (r-100)/50 )*255, per 100 ≤ r ≤ 150. trasformazione lineare

p(r) T(r) p(s)

r r s

in inglese
 ESEMPI di trasformazioni
non si è soffermata molto su questa slide

Questa trasformazione è l’identitità.

Questa trasformazione schiarisce solo

un determinato range di livelli di
grigio prefissato.

Questa trasformazione schiarisce solo

un determinato range di livelli di
grigio e pone tutti gli altri uguali a
zero.
ESEMPIO
255

Stretch
slope > 1
Modified
gray level 128
values

0
0 28 75 255

mi interessa 28-75 quindi stiro solo questa parte

Original gray level values
(in questo modo uso meno memoria)

Original image Result

 Stiramento lineare a tratti

• K segmenti
• Condizione iniziale dell’input {fk, k=0, …, K-1}
• Condizione iniziale dell’output {gk, k=0, …, K-1}
• Funzione di trasformazione:
ESEMPIO
Contrast stretching, thresholding
immagine binaria bianco e nero
al di sopra nero al di sotto bianco o viceversa

la soglia è un operatore, la criticità è scegliere la soglia.

Esempio di thresholding

Queste trasformazioni sono particolarmente utili per la fase di segmentazione

dell’immagine nella quale si vuole isolare un oggetto di interesse dallo sfondo
(background).
1 r  threshold
s=
0 r  threshold