CC BY
19GISTOGRAMMALI EKVALIZATSIYA USULINING MOHIYATI VA
MAZMUNI
Ravshanov S.
SamDU magistri Yusupov O.R
SamDU kafedra mudiri, PhD
Annotatsiya. Mazkur maqolada Gistogrammali ekvalizatsiya usulining mohiyati va mazmuni yoritib berilgan. Qolaversa, muallif tomonidan ushbu usuldan foydalanish sohalari, tarmoqlari va imkoniyatlari alohida ko 'rsatilib o'tilgan.
Kalit so'zlar: gistogramma, ekvalizatsiya usuli, AKT, fazoviy korrelyatsiya.
Ushbu usul odatda ko'plab tasvirlarning global kontrastini oshiradi, ayniqsa ishlatiladigan tasvir ma'lumotlari yaqin kontrast qiymatlari bilan ifodalanganda. Ushbu sozlama bilan intensivliklarni histogrammada yaxshiroq taqsimlash mumkin. Bu pastroq mahalliy kontrastli joylarga yuqori kontrastni olish imkonini beradi. Gistogrammani tenglashtirish sizga eng tez-tez uchraydigan intensivlik qiymatlarini samarali taqsimlash imkonini beradi.
Bu usul yorqin yoki quyuq fon va old fonga ega tasvirlar uchun foydalidir. Xususan, bu usul rentgen tasvirlarida suyak strukturasini yaxshiroq aks ettirishga va haddan tashqari yoki kam ekspozitsiyaga ega bo'lgan fotosuratlarda batafsilroq ma'lumot berishga olib kelishi mumkin.Usulning asosiy afzalligi shundaki, u juda oddiy usul va qaytariladigan operatordir. Nazariy jihatdan, agar gistogrammani ekvalizatsiya funksiyasi ma'lum bo'lsa, u holda asl gistogramma qayta tiklanishi mumkin. Hisoblash hisoblash resurslarini talab qilmaydi. Usulning kamchiligi shundaki, u selektiv emas. Bu foydali signalni kamaytirish bilan birga fon shovqinining kontrastini oshirishi mumkin.
Fazoviy korrelyatsiya signal intensivligidan muhimroq bo'lgan ilmiy tadqiqotlarda (masalan, kvantlangan uzunlikdagi DNK bo'laklarini ajratish) kichik signal-shovqin nisbati odatda vizual aniqlashni qiyinlashtiradi.
Gistogrammani ekvalizatsiya ko'pincha fotosuratlarda haqiqiy bo'lmagan effektlarni keltirib chiqaradi; ammo, bu termal, sun'iy yo'ldosh yoki rentgen tasvirlari kabi ilmiy tasvirlar uchun juda foydali, ko'pincha noto'g'ri rang qo'llanilishi mumkin bo'lgan tasvirlarning bir xil sinfi. Shuningdek, gistogrammani tenglashtirish past rang chuqurligidagi tasvirlarga qo'llanilganda istalmagan effektlarni (masalan, ko'rinadigan tasvir gradienti) keltirib chiqarishi mumkin. Misol uchun, agar 8-bitli kulrang shkala bilan ko'rsatilgan 8-bitli tasvirga qo'llanilsa, u tasvirning rang chuqurligini (noyob kulrang shkalalar sonini) yanada kamaytiradi. Gistogrammani tenglashtirish, doimiy ma'lumotlar yoki 16 bitli kulrang shkalali tasvirlar kabi palitra o'lchamidan ancha katta rang chuqurligidagi tasvirlarga qo'llanilganda yaxshi ishlaydi.
Gistogramma tenglashtirish haqida o'ylash va amalga oshirishning ikki yo'li mavjud - tasvirni o'zgartirish yoki palitrani o'zgartirish. Amaliyot P(M(I)) shaklida ifodalanishi mumkin, bu yerda I asl tasvir, M gistogrammani tenglashtirish moslamasi, P esa rang xaritasi. Agar biz yangi palitrani P'=P(M) deb belgilasak va I tasvirini o'zgarishsiz qoldirsak, u holda gistogrammani tenglashtirish palitrani o'zgartirish sifatida amalga oshiriladi. Boshqa tomondan, agar P palitrasi o'zgarishsiz qolsa va tasvir I'=M(I) ga o'zgartirilsa, u holda amalga oshirish tasvirni o'zgartirish orqali amalga oshiriladi. Aksariyat hollarda palitrani o'zgartirish yaxshiroqdir, chunki bu asl ma'lumotlarni saqlab qoladi.
Ushbu usulning modifikatsiyalari umumiy kontrastni emas, balki mahalliy kontrastni ta'kidlash uchun sub-gistogrammalar deb ataladigan bir nechta gistogrammalardan foydalanadi. Bunday usullarga moslashtirilgan gistogramma tenglashtirish, adaptiv kontrastni cheklovchi gistogramma tenglashtirish yoki CLAHE, ko'p tepalikli gistogramma tenglashtirish (MPHE) va ko'p maqsadli beta-optimallashtirilgan katta-gistogramma tenglashtirish (MBOBHE) kiradi. Ushbu usullarning maqsadi, ayniqsa MBOBHE, HE algoritmini o'zgartirish orqali o'rtacha yorqinlikni o'zgartirish artefaktlarini va tafsilotlarni yo'qotmasdan kontrastni yaxshilashdir.
Gistogrammani tenglashtirishga ekvivalent signal transformatsiyasi, shuningdek, kirish statistikasi funktsiyasi sifatida neyronning chiqish tezligini maksimal darajada oshirish uchun biologik neyron tarmoqlarda sodir bo'ladi. Bu, xususan, chivinli to'r pardada isbotlangan.
Gistogrammani tenglashtirish - bu gistogrammani qayta ko'rib chiqish usullarining umumiy sinfining alohida holati. Ushbu usullar vizual sifatni tahlil qilishni osonlashtirish yoki yaxshilash uchun tasvirni tuzatishga qaratilgan (masalan, retinex).
Oddiylik uchun monoxrom tasvirlardan boshlaylik (ya'ni, piksellarning rangi haqida emas, balki faqat yorqinligi haqida ma'lumotni o'z ichiga olgan tasvirlar). Tasvir gistogrammasi [0;2bpp] qiymatlar to'plamida aniqlangan diskret H funksiyasi bo'lib, bu erda bpp - bir pikselning yorqinligini kodlash uchun ajratilgan bitlar soni. Majburiy bo'lmasa-da, gistogrammalar ko'pincha H[i] funksiyasining har bir qiymatini tasvirdagi piksellarning umumiy soniga bo'lish orqali [0;1] diapazoniga normallashtiriladi. Jadvalda. 1-rasmda sinov tasvirlari va ular asosida qurilgan gistogrammalarning namunalari ko'rsatilgan:
1-rasm. Tasvirlar va ularning gistogrammalari
Tegishli gistogrammani diqqat bilan o'rganib chiqib, biz asl tasvirning o'zi haqida ba'zi xulosalar chiqarishimiz mumkin. Masalan, juda qorong'i tasvirlarning gistogrammalari gistogrammaning nolga teng bo'lmagan qiymatlari yorqinlik darajasining nolga yaqin bo'lishi bilan tavsiflanadi va juda engil tasvirlar uchun aksincha - barcha nolga teng bo'lmagan qiymatlar o'ng tomonda to'plangan. gistogrammaning yon tomoni.
Intuitiv ravishda xulosa qilishimiz mumkinki, inson idroki uchun eng qulay tasvir gistogrammasi bir xil taqsimotga yaqin bo'lgan tasvir bo'ladi. tasvirning vizual sifatini yaxshilash uchun natijaning histogrammasi barcha mumkin bo'lgan yorqinlik qiymatlarini va shu bilan birga taxminan bir xil miqdorda bo'lishi uchun bunday o'zgartirishni qo'llash kerak. Ushbu transformatsiya gistogramma tenglashtirish deb ataladi va uni 1 -listdagi kod yordamida amalga oshirish mumkin.
Gistogrammani tenglashtirish protsedurasini amalga oshirish jarayoni:
1. procedure TCGrayscalelmage.HistogramEqualization;
2. const
3. k = 255;
4. var
5. h: array [0 .. k] of double;
6. i, j: word;
7. begin
8. for i := 0 to k do
9. h[i] := 0;
10. for i := 0 to self.Height - 1 do
11. for j := 0 to self.Width - 1 do
12. h[round(k * self.Pixels[i, j])] := h[round(k * self.Pixels[i, j])] + 1;
13. for i := 0 to k do
14. h[i] := h[i] / (self.Height * self.Width);
15.
16. for i := 1 to k do
17. h[i] := h[i - 1] + h[i];
18. for i := G to self.Height - 1 do
19. for j := G to self.Width - 1 do
2G. self.Pixels[i, j] := h[round(k * self.Pixels[i, j])];
21.end;
22.
Gistogrammani tenglashtirish natijasida ko'p hollarda tasvirning dinamik diapazoni sezilarli darajada kengaytiriladi, bu esa ilgari sezilmagan tafsilotlarni ko'rsatish imkonini beradi. Jadvalda ko'rsatilganidek, bu ta'sir, ayniqsa, qorong'u tasvirlarda namoyon bo'ladi. Bundan tashqari, tenglashtirish protsedurasining yana bir muhim xususiyatini ta'kidlash joiz: parametrlarni (diafragma va gradatsiyani o'zgartirish konstantalari) o'rnatishni talab qiluvchi ko'pgina filtrlar va gradatsiya transformatsiyalaridan farqli o'laroq, gistogrammani tenglashtirish to'liq avtomatik rejimda operator ishtirokisiz amalga oshirilishi mumkin.
Foydalanilgan adabiyotlar ro'yxati
1. https://habr.com/ru/articles/2445G7/
2. https://ru.wikibrief.org/wiki/Histogram equalization
