terje mahan alasnote

Download Terje Mahan alasnote

If you can't read please download the document

Post on 19-Jan-2016

9 views

Category:

Documents

3 download

Embed Size (px)

DESCRIPTION

alasnoteknkhjKHSJKHAKJHKAJSHDKHASKJHDKJASHKJDHASKJHDKJHASKJDHKAJSHDJKASHKKDSKADHSJADSJAHDKJHSAJKHDKJHSAKHDJSAHKJDHJKHASJDHJKSAHDJKHASKHDJKHSAJKDHJKHSAJHDJKSHAJDHJKSA

TRANSCRIPT

Bab 3 Pemrosesan Sekitar 3.1 Pendahuluan Kita telah melihat dalam bab 2 bahwa gambar dapat dimodifikasi dengan menerapkan fungsi tertentu untuk setiap nilai pixel. Sekitar pengolahan dapat dianggap sebagai perpanjangan dari ini, di mana fungsi diterapkan pada lingkungan masing-masing pixel. Idenya adalah untuk memindahkan " topeng" : persegi panjang (biasanya dengan sisi panjang aneh) atau bentuk lain melalui citra yang diberikan. Ketika kita melakukan ini, kita menciptakan citra baru yang memiliki nilai-nilai piksel abu-abu dihitung dari nilai abu-abu di bawah topeng, seperti yang ditunjukkan pada gambar 3.1. Kombinasi topeng dan fungsi

Gambar asliGambar setelah penyaringanGambar 3.1: Menggunakan topeng spasial pada gambardisebut filter. Jika fungsi dimana nilai abu-abu baru dihitung adalah fungsi linear dari semua nilai abu-abu dalam topeng, maka penyaring disebut penyaring linear.Penyaring linear dapat diimplementasikan dengan mengalikan semua elemen dalam topeng dengan unsur-unsur di lingkungan yang sesuai, dan menambahkan semua produk ini. Misalkan kita memiliki 3 x 5 topeng seperti yang diilustrasikan pada gambar 3.1. Misalkan nilai mask yang diberikan oleh:

dan bahwa nilai-nilai yang sesuai pixel yang

Sekarang kita memperbanyak dan menambahkan:

Sebuah diagram yang menggambarkan proses untuk melakukan penyaringan spasial diberikan pada gambar 3.2. Spasial filtering sehingga membutuhkan tiga langkah:1. Posisi masker selama pixel saat ini, 2. Membentuk semua produk elemen filter dengan unsur-unsur yang sesuai lingkungan, 3. Menjumlahkan semua produk.

Ini harus diulang untuk setiap pixel dalam gambar. Penunjang penyaringan spasial adalah konvolusi spasial. Metode untuk melakukan konvolusi adalah sama dengan yang untuk filtering, kecuali bahwa filter harus diputar oleh sebelum mengalikan dan menambahkan.Menggunakan m (i, j) dan p (i, j) notasi seperti sebelumnya, output dari konvolusi dengan topeng 3x5 untuk pixel tunggal :

Gambar 3.2 : Melakukan penyaringan spasial

Perhatikan tanda-tanda negatif pada indeks m. Hasil yang sama dapat dicapai dengan

Di sini kita telah memutar piksel gambar dengan ; hal ini tentu saja tidak mempengaruhi hasil. Pentingnya konvolusi akan menjadi jelas ketika kita menyelidiki Transformasi Fourier, dan teorema konvolusi. Perhatikan juga bahwa dalam prakteknya, kebanyakan topeng filter yang rotationally simetris, sehingga penyaringan spasial dan konvolusi spasial akan menghasilkan output yang sama.

Contoh: Satu linear filter penting adalah dengan menggunakan masker 3x3 dan mengambil rata-rata dari semua nilai-nilai dalam sembilan topeng. Nilai ini menjadi nilai abu-abu dari pixel yang sesuai dalam gambar baru. Operasi ini dapat digambarkan sebagai berikut:

dimana e adalah nilai abu-abu dari pixel saat ini di gambar asli, dan rata-rata adalah nilai abu-abu dari pixel yang sesuai dalam gambar baru. Untuk menerapkan ini untuk sebuah gambar, mempertimbangkan 5x5 "image" yang diperoleh:

Kita mungkin menganggap array ini sebagai yang terbuat dari sembilan lingkungan 3x3 tumpang tindih. Output dari kerja kita dengan demikian akan hanya terdiri dari sembilan nilai. Kita akan lihat nanti bagaimana mendapatkan 25 nilai dalam output. Pertimbangkan lingkungan 3x3 kiri atas gambar x kita:

Sekarang kita mengambil rata-rata dari semua nilai-nilai ini:

yang dapat dibulatkan menjadi 111. Sekarang kita bisa pindah ke lingkungan kedua:

dan mengambil rata-rata:

dan ini dapat dibulatkan baik turun ke 108, atau ke integer terdekat 109 Jika kita terus dengan cara ini, output berikut diperoleh :

Array ini merupakan hasil penyaringan x dengan filter 3x3 rata-rata.

3.2 CatatanHal ini mudah untuk menggambarkan filter linear hanya dalam hal koefisien semua nilai abu-abu piksel dalam topeng. Hal ini dapat ditulis sebagai matriks. rata-rata di atas saringan, misalnya, bisa memiliki output ditulis sebagai

sehingga filter ini dapat dijelaskan oleh matriks

Contoh: Filter

akan beroperasi pada nilai-nilai abu-abu sebagai

Tepi gambar Ada masalah yang jelas dalam menerapkan filter-apa yang terjadi di tepi gambar, wherethe topeng sebagian berada di luar gambar? Dalam kasus seperti itu, seperti digambarkan pada Gambar 3.3 akan ada kurangnya nilai-nilai abu-abu untuk digunakan dalam fungsi filter.

Gambar 3.3: Sebuah masker di tepi gambar

Ada beberapa pendekatan yang berbeda untuk mengatasi masalah ini:Abaikan tepi. Artinya, masker hanya diterapkan untuk mereka piksel pada gambar untuk dengan topeng akan terletak sepenuhnya dalam gambar. Ini berarti semua piksel kecuali untuk tepi, dan menghasilkan gambar output yang lebih kecil dari aslinya. Jika masker sangat besar, sejumlah besar informasi dapat hilang dengan metode ini. Kami menerapkan metode ini dalam contoh kita di atas.

"Pad" dengan nol. Kami berasumsi bahwa semua nilai yang diperlukan di luar gambar adalah nol. Ini memberi kita semua nilai untuk bekerja dengan, dan akan mengembalikan output gambar dengan ukuran yang sama seperti aslinya, tetapi mungkin memiliki efek yang tidak diinginkan memperkenalkan artefak (misalnya, tepi) sekitar gambar.

3.3 Penyaringan di Matlab Fungsi filter2 melakukan pekerjaan penyaringan linear untuk kita; penggunaannya

filter2(filter,image,shape)

dan hasilnya adalah matriks tipe data ganda. Parameter bentuknya opsional, itu menggambarkan metode untuk menangani tepi:

filter2(filter,image,saama) adalah default; menghasilkan matriks ukuran yang sama dengan gambar matriks asli. Menggunakan nol padding:

filter2 (filter, gambar, 'valid') berlaku topeng hanya untuk "di dalam" piksel. Hasilnya akan selalu lebih kecil dari aslinya:

Hasil 'sama' di atas juga dapat diperoleh dengan padding dengan nol dan menggunakan 'valid':

filter2 (filter, gambar, 'penuh') mengembalikan hasil yang lebih besar daripada yang asli; hal ini ini dengan padding dengan nol, dan menerapkan filter di semua tempat di dan di sekitar gambar di mana topeng memotong matriks citra.

Parameter bentuk, menjadi opsional, dapat diabaikan; dalam hal nilai default adalah 'sama'. Tidak ada satu "terbaik" pendekatan; metode harus ditentukan oleh masalah yang dihadapi; oleh filter yang digunakan, dan dengan hasil yang dibutuhkan. Kita bisa membuat filter kami dengan tangan, atau dengan menggunakan fungsi fspecial; ini memiliki banyak pilihan yang membuat untuk penciptaan mudah banyak filter yang berbeda. Kita akan menggunakan opsi rata, yang memproduksi filter rata-rata dari ukuran tertentu; demikian

akan kembali filter rata-rata ukuran 5x7; lebih sederhana

akan kembali filter rata-rata ukuran 11x11. Jika kita meninggalkan jumlah akhir atau vektor, filter 3x3 rataan dikembalikan. Sebagai contoh, misalkan kita menerapkan filter 3x3 rata-rata untuk gambar sebagai berikut:

Kita sekarang memiliki matriks tipe data ganda. Untuk menampilkan ini, kita bisa melakukan hal-hal berikut:

1. mengubahnya ke matriks jenis uint8, untuk digunakan dengan imshow,2. membagi nilai-nilainya dengan 255 untuk mendapatkan matriks dengan nilai-nilai di kisaran 0,1 -1.0, untuk digunakan dengan imshow3. menggunakan mat2gray untuk skala hasil untuk ditampilkan. Kita akan membahas penggunaan fungsi ini nanti.

Menggunakan metode kedua:

akan menghasilkan gambar yang ditunjukkan pada angka 3,4 (a) dan 3.4 (b).rataan Filter mengaburkan gambar; tepi khususnya kurang jelas dibandingkan aslinya.Gambar dapat lebih kabur dengan menggunakan filter rata-rata ukuran yang lebih besar.Hal ini ditunjukkan pada Gambar 3.4 (c), di mana filter 9x9 rata-rata telah digunakan, dan pada gambar 3.4 (d), di mana filter 25x25 rata-rata telah digunakan.

(a) Gambar Asli (b) rata-rata filtering

(c) Menggunakan 9x9 (d) menggunakan 25x25

Gambar 3.4: Rata-rata filtering

Perhatikan bagaimana nol bantalan yang digunakan di tepi telah menghasilkan perbatasan gelap muncul di sekitar gambar. Hal ini terutama terlihat ketika filter besar sedang digunakan. Jika ini adalah sebuah artefak yang tidak diinginkan dari penyaringan; jika misalnya perubahan kecerahan rata-rata gambar, maka mungkin lebih tepat untuk menggunakan 'valid' pilihan bentuk. Gambar yang dihasilkan setelah filter ini mungkin tampak lebih "buruk" daripada yang asli. Namun, menerapkan filter kabur untuk mengurangi detail dalam gambar mungkin operasi yang sempurna untuk mesin pengakuan otonom, atau jika kita hanya berkonsentrasi pada "kotor" aspek gambar: jumlah objek; jumlah daerah gelap dan terang. Dalam kasus tersebut, terlalu banyak detail dapat mengaburkan hasilnya.

Filter dipisahkan Beberapa filter dapat diimplementasikan oleh aplikasi berturut-turut dari dua filter sederhana. Sebagai contoh, karena

filter 3x3 rata-rata dapat diimplementasikan dengan terlebih dahulu menerapkan filter 3x1 rata-rata, dan kemudian menerapkan filter 3x1 rata-rata hasil tersebut.filter 3x3 rata-rata dengan demikian dipisahkan menjadi dua filter yang lebih kecil. Keterpisahan dapat menghasilkan penghematan waktu yang tepat. Misalkan filter nxn adalah dipisahkan menjadi dua filter ukuran Nx1 dan 1xN. Penerapan filter nxn membutuhkan perkalian n2, dan n2-1 tambahan untuk setiap pixel dalam gambar. Namun penerapan filter Nx1 hanya membutuhkan n perkalian dan n-1 penambahan. Karena ini harus dilakukan dua kali, jumlah perkalian dan penambahan yang 2n dan 2n-2 masing-masing.Jika n adalah besar simpanan dalam efisiensi mungkin besar. Semua filter rata-rata yang dipisahkan; Filter dipisahkan lain adalah laplacian yang

Contoh lain akan dipertimbangkan di bawah ini.

3.4 Frekuensi; filter lulus rendah dan tinggiIni akan mudah untuk memiliki beberapa terminologi standar yang kita bisa mendiskusikan efek filter akan memiliki pada gambar, dan