Îmbunătățirea Clarități Imaginilor în Vederea Digitizării

Scopurile urmărite în lucrarea de faţă pot fi, de la caz la caz, îmbunătăţirea contrastului global sau local, punerea în evidenţă a detaliilor sau, dimpotrivă, filtrarea acestora, eliminarea unor zgomote, acest lucru este necesar în vederea obţinerii unei mai bune clarităţi a imaginilor. Îmbunătăţirea imaginii poate fi etapa finală de prelucrarea imaginilor, atunci cînd este destinată interpretării vizuale de către un observator uman, sau o etapă intermediară pentru prelucrări ulterioare în scopul interpretării de către un sistem automat.

Din motivele expuse mai sus, nu există o teorie unitară a îmbunătăţirii imaginilor. Aprecierea gradului de calitate este o operaţie subiectivă şi depinde de genul de informaţii conţinute în imagine care se doreşte a fi pus în evidenţă. Chiar şi atunci cînd scopul final este interpretarea automată, caz în care se pot stabili criterii numerice de evaluare a performaţei, este deseori necesară încercarea mai multor tipuri de prelucrări până când se găseşte metoda optimă.

Principalele categorii de tehnici utilizate la îmbunătăţirea imaginilor sunt modificarea histogramei, prelucrarea în domeniul spaţial şi prelucrarea în domeniul frecvenţei.

Termenul de domeniu spaţial se referă la matricea de pixeli ce compun imaginea. O prelucrare în domeniul spaţial se poate exprima în forma:

unde este imaginea de intrare, este imaginea de ieşire iar este un operator definit pe funcţia într-o vecinătate a pixelului de coordonate De cele mai multe ori vecinăatea se alege de dimensiunea 3x3 pixeli iar operatorul se defineşte ca o mască de forma:

f(x-1,y-1) f(x-1,y) f(x-1,y+1)

f(x,y-1) f(x,y) f(x,y+1)

f(x+1,y-1) f(x+1,y) f(x+1,y+1)

Prelucrarea în domeniul frecvenţei constă în convoluţia dintre o imagine şi un operator aşa încât să se obţină o nouă imagine Conform teoremei convoluţiei aceasta se reduce la unde se numeşte funcţie de transfer. Prelucrarea constă deci în găsirea unei funcţii de transfer care, aplicată funcţiei să conducă la obţinerea efectului dorit asupra imaginii.

Se observă faptul că prelucrarea prin măşti este, în esenţă, o operaţie de convoluţie, deoarece masca baleiază imaginea pixel cu pixel în timp ce se înmulţeşte cu valorile pixelior din vecinătatea curentă. De accea acestă măşti se mai numesc şi măşti de convoluţie. Trebuie notat însă faptul că teorema convoluţiei cere ca şi să aibă aceeaşi dimensiune, respectiv egală cu dimensiunea imaginii. O prelucrare în domeniul spaţial pentru o imagine de 256x256 pixeli va necesita un număr de 2564 înmulţiri şi adunări adică peste un miliard. Deoarece volumul de calcule este prea mare există două soluţii. Fie se face convoluţia în domeniul frecvenţei, folosind tehnica FFT pentru reducerea numărului de operaţii, fie se lucrează in domeniul spaţial, dar cu măşti de dimensiuni mai mici. În acest din urmă caz ceea ce se obţine este o aproximaţie a convoluţiei originare. În literatura de specialitate se dau metode matematice pentru a obţine măşti de convoluţie plecând de la funcţia de transfer Aproximaţia se face în sensul minimizării erorii medii pătratice.

Îmbunătăţirea imaginilor prin operaţii asupra histogramei

În continuare se vor prezenta principalele trăsături statistice care caracterizează distribuţia nivelelor de intensitate într-o imagine monocromă (grayscale).

Histograma unei imagini este o funcţie care asociază fiecărui nivel de gri, prezent în imagine, frecventă sa de gri, adică indică câţi pixeli au un anume nivel de gri, , unde: g = nivel de gri, g între 0 si 255; p = numãrul de pixeli ce au valoarea g.