Сегментація зображення
Серед вбудований функцій пакету Image Processing Toolbox, Які застосовуються при вірішенні Завдання сегментації збережений, розглянемо следующие: qtdecomp, edge iroicolor.
Функція qtdecomp Виконує сегментацію зображення методом розділення та АНАЛІЗУ однорідності блоків зображення, Які НЕ перекріваються.
Синтаксис: =imread ( c: images Picture49.jpg );=P (1: 256, 1: 256 );, (P);=qtdecomp (P.38);=repmat (uint8 (0), size (S)); dim=[512 256 128 64 32 16 8 4 2 1 0];=length (find ( S == dim)); (numblocks gt; 0)=repmat (uint8 (1), [dim dim numblocks]); (2: dim, 2: dim,:)=0=qtsetblk (blocks, S, dim, values); (end, 1: end)=1; (1: end, end)=1; (P) ,, (blocks, [])
Рис. 9. Сегментація зображення
Однією з найбільш часто вікорістовуваніх є функція віділення між edge, яка реалізує Такі вбудовані методи - Собель, Прево, Робертса, Лапласа-Гауса, Канн та ін.
Розглянемо реалізацію Функції edge з використанн фільтру log.
Синтаксис:
P=imread ( c: images Picture49.jpg );=edge (P, log );,
imshow (BW); ( log );
Рис. 10. Віділення між
. Усунення розмітості зображення помощью алгоритмом сліпої деконволюції
Деконволюція - це математичний Термін, Який означає обернену згортки або розгортання. Дана операція вікорістовується при оберненій згортці сігналів, цифровому перетворенні збережений, а такоже для других інженерніх та наукових операцій.
У загально випадка метою деконволюції є поиск решение Рівняння згортки, заданого у виде:
f * g=h
Де h - Записаний сигнал, а f - сигнал, Який нужно відновіті, причому известно. Що перший сигнал отриманий путем згортки іншого з Деяк відомим сигналом - g (например, з імпульсною характеристикою кінцевого імпульсного фільтру). Если сигнал g невідомий Заздалегідь, его нужно оцініті. Зазвічай це робиться помощью методів статистичного оцінювання.
Алгоритм сліпої деконволюції может буті ефективного використанн при відсутності информации про спотворення (розміття и шум). ВІН Належить до алгоритмів одночасного Відновлення збережений І ФУНКЦІЇ точок (Поширення) Розповсюдження (PSF).
Даній алгоритм широко застосовується в системах відеоспостереження, для наведення чіткості отриманий зображення. Для прискореного операции, затухаючій алгоритм Річардсона-Люсі вікорістовується в Кожній ітерації при розпізнаванні матриці.
У якості вхідних параметрів для Функції Відновлення может віступаті додаткова оптичні система, характеристики якої могут помочь підвіщіті якість Відновлення збережений.
PSF-обмеження могут буті передані через зазначені користувачем Допоміжні Функції.
Для наочного прикладу Функціонування даного алгоритму візьмемо зображення и Виконаємо Такі операции превращение:
Зчітування;
Моделювання Blur;
Відновлення розмітого зображення (использование PSF різних розмірів);
Аналіз PSF-відтвореного зображення;
Поліпшення Відновлення;
Використання Додатковий обмежень на Відновлення PSF.
7. Моделювання Blur
Змоделюємо зображення, Пожалуйста может буті Розма через рух камери, відсутність фокусу. Зімітуємо розміття путем згортки фільтру Гауса з true image (помощью Функції imfilter).
Синтаксис:
P=imread ( c: images Picture49.jpg );=fspecial ( gaussian raquo ;, 7,10);=imfilter (I, PSF, symmetric raquo ;, conv ) ;; (Blurred); ( Blurred image );
Рис. 11. РОЗМА зображення
8. Відновлення розмітого зображення
Для того, щоб проілюструваті важлівість знання розміру істінного PSF, Виконаємо 3 реставрації. Шкірного разу, коли віконується Відновлення зображення, PSF почінається з рівномірності масиву. На качана всегда Використовують одна масив.
У реставрації, J3 и P3, вікорістовується одінічній масив, INITPSF, для початкової PSF, что має такий же розмір як Справжня PSF.
Синтаксис:
