Bildverarbeitung Herbstsemester Punktoperationen

Transkript

1 Bildverarbeitung Herbstsemester 2012 Punktoperationen 1

2 Inhalt Histogramm und dessen Interpretation Definition von Punktoperationen Änderungen der Bildintensität Linearer Histogrammausgleich Gammakorrektur Bildqualität messen 2

3 Lernziele Sie können das Histogramm berechnen, interpretieren und einen linearen Ausgleich durchführen. Sie kennen den Begriff Punktoperation im Zusammenhang mit Bildverarbeitung und können die geläufigsten aufzählen. Sie sind in der Lage, Punktoperationen selber zu programmieren. Sie verstehen die Gammafunktion und den Bedarf einer Gammakorrektur. Sie können die Bildqualität im Vergleich zu einem Original messen. 3

4 Histogramm eine aufschlussreiche Bildstatistik zeigt die Häufigkeit der einzelnen Intensitätswerte Belichtungsfehler sind leicht ersichtlich Rückschlüsse auf Bildbearbeitungsschritte sind möglich bei guten digitalen Kameras jederzeit ersichtlich 4

5 Berechnung des Histogramms Histogramm H(p) mit K Einträgen berechnet aus einem Grauwertbild I mit möglichen Intensitätswerten p [0, K 1] H(p) = Anzahl der Pixel von I mit dem Intensitätswert p 5

6 Implementierung des Histogramms 6

7 Aussagekraft des Histogramms Aussagen möglich über Belichtung Kontrast Dynamik Bildfehler Kompression aber keine Aussage über den Bildinhalt 7

8 Belichtung unterbelichtet korrekt überbelichtet 8

9 Kontrast 9

10 Dynamik 10

11 Bildfehler 11

12 JPEG-Kompression 12

13 Punktoperationen Definition homogen nicht homogen Typische Beispiele homogen Änderungen von Kontrast und Helligkeit Invertieren von Bildern Quantisieren der Helligkeit (Poster-Effekt) Schwellwertbildung Gammakorrektur Farbtransformation nicht homogen selektive Kontrast- oder Helligkeitsanpassung 13

14 Kontrast und Helligkeit Erhöhung des Kontrasts um 50% Anheben der Helligkeit um 10 Stufen Clamping Beschränkung der Ergebniswerte Beispiel: bei 8-Bit-Grauwertbildern muss der Wert zwischen 0 und 255 liegen if (p > 255) p = 255; if (p < 0) p = 0; 14

15 Automat. Kontrastanpassung Ziel gesamter verfügbarer Wertebereich soll ausgenutzt werden 1. Ansatz dunkelster Pixel auf den niedrigsten Intensitätswert abbilden hellster Pixel auf höchsten Intensitätswert abbilden I( u, v) p min I( u, v) q min p q max max p q min min Problem Ausreisser können die gesamte Intensitätsverteilung stark verändern 15

16 Beispiel: Kontrastanpassung 16

17 Kontrastanpassung verbesserter Ansatz s% Pixel an beiden Rändern des Intensitätsspektrums werden gesättigt q low und q high pmin I( u, v) q low p q max high p q min low 17

18 Schwellwertoperation Thresholding Reduktion auf zwei Intensitätswerte Binarisierung Spezialfall der Quantisierung (Graustufenreduktion) 18

19 Histogrammausgleich Ziel Intensitätsverteilung an gewünschte Dichtefunktion anpassen Kumulatives Histogramm Histogramm H(j) entspricht der Dichtefunktion einer Zufallsgrösse (der Intensität eines Pixels) kumulatives Histogramm entspricht der zugehörigen Verteilungsfunktion mit K = Anzahl verschiedener Intensitätswerte monoton steigende Funktion Maximum ist gleich der Anzahl Pixel 19

20 Linearer Histogrammausgleich 20

21 Linear. Histogrammausgleich (2) f eq (p i ) 21

22 Beispiel: linearer Ausgleich 22

23 Beispiel: linearer Ausgleich 23

24 Gradation und Gamma Gradationskurve bei einem fotografischen Negativfilm wird mittel Gradationskurve angegeben, wie viel Licht notwendig ist, um eine entsprechende Schwärzung zu erreichen 24

25 Gammafunktion Problem Bildröhren von Bildschirmen und LCD-Displays haben keine lineare Helligkeitscharakteristik auch Scanner und digitale Kameras arbeiten nicht genau linear (analoges Problem wie bei fotografischen Filmen) Beschreibung der Nicht-Linearität Gammafunktion: y = x Beispiele NTSC: 2.2 PAL: 2.8 Kameras: 1/2.2 =

26 Beispiel: Graukeil 26

27 Gammakorrektur 27

28 Modifizierte Gammafunktion Problem der Gammafunktion Anstieg der Gammafunktion in der Nähe des Nullpunktes starke Rauschanfälligkeit wegen der extrem hohen Verstärkung Modifizierte Gammafunktion 28

29 Effektiver Gammawert 29

30 Bildqualität technische Bildqualität ist ein Mass für die Abweichung zwischen Original (o) und Kopie (k) eine subjektive Qualitätsmessung eines Betrachters könnte anders ausfallen RMSE (root mean squared error) eines Bildkanals mit n Pixeln RMSE n i1 o[ i] k[ i] n 2 PSNR (peak signal-to-noise ratio in db) eines Bildkanals mit maximaler Intensität 255 PSNR log10 RMSE 30