Зургийн гистограммыг тэгшитгэх. Зураг боловсруулах үндсэн үйлдлүүд. Импорт, экспорт, хөрвүүлэлт
ТЭНЦҮҮЛЭХ АЛГОРИТМЫН ХАРЬЦУУЛАЛТ
ХАГАС АЯГТАЙ ЗУРГИЙН ГИСТОГРАМ
1 "2 Александровская А.А., Маврин Е.М.
1 Александровская Анна Андреевна - магистрант; Маврин Евгений Михайлович - магистрант, тэнхим мэдээллийн системболон харилцаа холбоо,
Москвагийн Улсын Техникийн Их Сургуулийн Мэдээлэл зүй, удирдлагын системийн факультет. Н.Э. Бауман, Москва
Хураангуй: Энэ нийтлэлд дижитал дүрс боловсруулах алгоритмууд, тухайлбал гистограмм тэгшитгэх алгоритмуудыг харьцуулсан болно. Гурван алгоритмыг авч үздэг: глобал гистограм тэгшитгэх (GHE), дасан зохицох гистограмм тэгшитгэх (AHE), тодосгогч хязгаарлалттай дасан зохицох гистограмм тэгшитгэх (CANE). Өгүүлэлд тайлбарласан ажлын үр дүн нь ижил төстэй зураг дээрх алгоритмуудын гүйцэтгэлийн харааны харьцуулалт юм.
Түлхүүр үгс: зургийн гистограмм, зургийн гистограммыг тэгшитгэх, COI, компьютерийн хараа, ANE, SYANE.
Зургийн чанарыг сайжруулахын тулд гэрэлтүүлгийн хүрээ, тодосгогч, тод байдал, тод байдлыг нэмэгдүүлэх шаардлагатай. Эдгээр параметрүүдийг хамтдаа зургийн гистограммыг тэнцүүлэх замаар сайжруулж болно. Объектуудын контурыг тодорхойлохдоо ихэнх тохиолдолд саарал өнгийн зурагт агуулагдах өгөгдөл хангалттай байдаг. Хагас өнгөт зураг нь пикселийн өнгөний тухай биш зөвхөн тод байдлын тухай мэдээллийг агуулсан зураг юм. Үүний дагуу хагас өнгөт зургийн гистограммыг бүтээхийг зөвлөж байна.
Харж байгаа зураг нь 0-ээс 2 битийн хооронд хэлбэлзэлтэй r эрчимтэй (гэрэлттэй) n пикселээс бүрдэх ба bpp нь нэг пикселийн тод байдлыг кодлоход хуваарилагдсан битүүдийн тоо юм. Ихэнх өнгөт загварт кодчилдог
Нэг пикселийн нэг өнгөний тод байдал нь 1 байт шаарддаг. Үүний дагуу пикселийн эрчмийг 0-ээс 255 хүртэлх багц дээр тодорхойлно. Зургийн эрчмийг r-тэй харьцуулсан пикселийн тооны графикийг зургийн гистограм гэж нэрлэдэг. Зураг дээр. Зураг 1-д эдгээр зураг дээр үндэслэн хийсэн туршилтын зураг, гистограммуудын жишээг үзүүлэв.
Цагаан будаа. 1. Туршилтын зураг, тэдгээрийн гистограмм
Харгалзах гистограммыг судалснаар анхны зургийн талаар дүгнэлт хийж болох нь ойлгомжтой. Жишээлбэл, маш харанхуй зургуудын гистограммууд нь тэгээс ялгаатай гистограмм утгуудын төвлөрлөөр тодорхойлогддог бөгөөд гэрэл гэгээтэй байдлын тэгтэй ойролцоо байдаг бол цайвар зургийн хувьд эсрэгээр тэгээс бусад бүх утгыг зургийн баруун талд цуглуулдаг. гистограм.
Гистограмм тэгшитгэх алгоритмууд нь боловсруулсан хагас өнгөт дүрсийг сайжруулах түгээмэл алгоритмууд юм. Ерөнхийдөө HE алгоритмууд (Histogram Equalization) нь харьцангуй бага тооцоолох зардалтай бөгөөд нэгэн зэрэг өндөр үр ашигтай байдаг. Энэ төрлийн алгоритмын мөн чанар нь өгөгдсөн зургийн (1) магадлалын хуваарилалтын функцийн дагуу хагас өнгөт зургийн түвшинг зохицуулах бөгөөд үүний үр дүнд гэрэлтүүлгийн тархалтын динамик хүрээ нэмэгддэг. Энэ нь харааны эффектийг сайжруулахад хүргэдэг.
гэх мэт: тод байдал, тод байдал, тод байдал.
p(i) = -, i = 0. .255, n
Энд p(i) нь тод i пикселтэй пиксел үүсэх магадлал, анхны зургийн гистограммын нормчлогдсон функц, k нь боловсруулсан зургийн пикселийн координат, g(k) нь тэгшитгэсэн дүрс юм.
Гистограмм тэгшитгэх алгоритмыг локал (дасан зохицох) гистограмм тэгшитгэх ба глобал гистограмм тэгшитгэх гэсэн хоёр төрөлд хуваадаг. Глобал аргын хувьд нэг диаграммыг барьж, бүхэл зургийн гистограммыг тэгшитгэдэг (Зураг 3 a). Орон нутгийн аргаар (Зураг 3б) барилгын ажлыг гүйцэтгэдэг их хэмжээнийгистограммууд бөгөөд гистограм бүр нь боловсруулсан зургийн зөвхөн нэг хэсэгтэй тохирч байна. Энэ арга нь орон нутгийн тодосгогчийг сайжруулдаг
зураг, энэ нь ерөнхийдөө илүү сайн боловсруулалтын үр дүнд хүрэх боломжийг олгодог.
Орон нутгийн боловсруулалтын алгоритмыг дараах төрлүүдэд хувааж болно: давхардсан орон нутгийн боловсруулалтын нэгж, давхцаагүй орон нутгийн боловсруулалтын нэгж, хэсэгчлэн давхцсан орон нутгийн боловсруулах нэгж (Зураг 2).
Цагаан будаа. 2. Ажлын зураглал янз бүрийн төрөлорон нутгийн зураг боловсруулах алгоритмууд: a) орон нутгийн боловсруулалтын блокуудыг давхцуулах, б) давхцахгүй локал боловсруулах блокууд, в) хэсэгчлэн давхцах орон нутгийн боловсруулах блокууд.
Давхардсан блокийн алгоритм нь өгдөг хамгийн сайн үр дүнболовсруулж байгаа боловч жагсаасан хүмүүсийн дундаас хамгийн удаан нь юм. Давхардалгүй блокуудын алгоритм нь эсрэгээр, боловсруулахад бага хугацаа шаардагддаг, бусад бүх зүйл тэнцүү, гэхдээ боловсруулсан блокууд нь бие биентэйгээ давхцдаггүй тул эцсийн дүрсний тод байдлыг эрс өөрчлөх боломжтой. Буултын шийдэл нь хэсэгчлэн давхцсан блок алгоритм юм. Дасан зохицох гистограммыг тэгшитгэх алгоритмын сул тал нь зургийн параметрүүдийг хэт ихэсгэх, улмаар эцсийн зураг дахь дуу чимээ ихсэх зэрэг орно.
Дээрх алгоритмын сайжруулсан хувилбар нь тодосгогч хязгаарлагдмал дасан зохицох гистограмм тэгшитгэх (CLAHE) алгоритм юм (Зураг 4в). Энэ алгоритмын гол онцлог нь хязгаарлалт юм
Боловсруулсан блок (2) дахь пикселийн тод байдлын утгын дүн шинжилгээнд үндэслэн гистограмын хүрээ, ингэснээр үүссэн зураг нь илүү байгалийн, чимээ шуугиан багатай харагдаж байна.
Энд нэмэх нь гистограмын функцийн утгын өсөлтийн коэффициент, ps нь хэмжээнээс хэтэрсэн пикселийн тоо юм. босго утга. Гистограмын өөрчлөлтийн зургийг 3-р зурагт үзүүлэв.
Цагаан будаа. 3. CLAHE алгоритм дахь гистограмын хүрээг хязгаарлах
Сонгодог SILIB алгоритм нь боловсруулсан блокуудын хоорондох хил хязгаарыг арилгахын тулд хоёр шугаман интерполяцийг ашигладаг гэдгийг тэмдэглэх нь зүйтэй.
Цагаан будаа. 4. Гистограмм тэгшитгэх алгоритмын үр дүн: a) дэлхийн гистограмм тэгшитгэх (HE), б) дасан зохицох гистограмм тэгшитгэх (ANE), в) тодосгогч хязгаарлалттай дасан зохицох гистограмм тэгшитгэх (CANE)
Боловсруулалтын үр дүнг нүдээр харьцуулах үед хамгийн сайн аргань CLAHE (Зураг 3c). Энэ аргаар боловсруулсан зураг нь AHE-ийн боловсруулсан зурагтай харьцуулахад чимээ шуугиан багатай бөгөөд тодосгогч нь илүү байгалийн юм. Глобал тэгшитгэх аргаар боловсруулсан зурагтай харьцуулахад CLAHE арга нь боловсруулсан зургийн нарийн, бүдэг бадаг нарийн ширийн зүйлийг сайжруулж, тодосгогчийг нэмэгдүүлдэг боловч AHE аргынх шиг хэтрүүлсэн биш юм. Мөн MATLAB 2016 програмчлалын орчинд тухайн аргуудын гүйцэтгэлийн хугацааг тооцоолсон хүснэгтийг доор харуулав.
Хүснэгт 1. Үзсэн гүйцэтгэлийн тооцоолсон хугацаа
боловсруулах хугацаа
Програмын нэр c Гүйцэтгэх хугацаа
авч үзсэн аргаар арга, в арга, в
CLAHE 0.609 0.519
Ном зүй
1. Чичварин Н.В. Дохио илрүүлэх, таних // Үндэсний номын сантэд. Н.Э. Бауман [ Цахим нөөц] 2016, Хандалтын горим: https://ru.bmstu.wiki/Correction_of_brightness_and_contrast_ of images (хандалтын огноо: 05/03/2019).
2. Гонзалес Р.К. , Woods R.E. . Digital Image Processing, 3rd edition, New Jersey: Pearson Education, 2008. 950 pp.
3. Гупта С., Каур Ю. Дижитал зурагт зориулсан орон нутгийн болон дэлхийн тодосгогчийг сайжруулах янз бүрийн аргуудын тойм // Компьютерийн хэрэглээний олон улсын сэтгүүл [Цахим эх сурвалж] 2014, URL: https://pdfs.semanticscholar.org/7fb1/bf8775a1a1eaad9b3d1f4 5bc305.A35dc. 2019).
4. Ма Ж., Фан X. , Залуу S. X. , Занг X. , Ztsu Ks. . Усан доорх дүрсийг сайжруулахад зориулсан тодосгогч хязгаарлагдмал дасан зохицох гистограмм тэгшитгэлд суурилсан хайлуулах // Preprints [Электрон нөөц] 2017, URL: https: //www. урьдчилсан хэвлэлүүд. org/гар бичмэл/201703.0086/v 1 (Хандалтын огноо: 2019/05/3).
Зургийн тодосгогчийг нэмэгдүүлэх гурван үндсэн арга байдаг:
- шугаман гистограм суналт (шугаман тодосгогч),
- гистограммыг хэвийн болгох,
- гистограммыг зэрэгцүүлэх (шугаманчлал эсвэл тэгшитгэх).
Шугаман суналтЗурган дээрх пиксел бүрт шинэ эрчим хүчний утгыг оноож өгдөг. Хэрэв анхны зургийн эрч хүч нь -ээс - хүртэл хэлбэлзэж байвал утгууд нь 0-ээс 255 хүртэл өөрчлөгдөхийн тулд заасан мужийг шугаман байдлаар "сунгах" шаардлагатай. Үүнийг хийхийн тулд дахин тооцоолоход хангалттай. Бүх пикселийн хуучин эрчмийн утгууд нь томъёоны дагуу байгаа бөгөөд хил нь 0 ба 255 хүртэл байх ёстойг үндэслэн коэффициентийг энгийнээр тооцдог.
Гистограммыг хэвийн болгохӨмнөх аргаас ялгаатай нь энэ нь эрчимжилтийн өөрчлөлтийн бүх хүрээг сунгадаггүй, харин зөвхөн хамгийн мэдээлэл сайтай хэсгийг нь өгдөг. Мэдээллийн хэсэг нь гистограмын оргилуудын багц гэж ойлгогддог, i.e. зураг дээрх бусдаас илүү олон удаа гарч ирдэг эрч хүч. Ховор тохиолддог эрчимтэй тохирох бинкуудыг хэвийн болгох явцад устгаж, дараа нь үүссэн гистограммын ердийн шугаман суналтыг гүйцэтгэдэг.
Тохируулгагистограмм нь хамгийн түгээмэл аргуудын нэг юм. Тэнцвэржүүлэх зорилго нь бүх гэрэлтүүлгийн түвшин ижил давтамжтай байх ба гистограм нь жигд тархалтыг дагаж мөрдөх явдал юм. Бидэнд пикселийн нягтралтай саарал өнгийн зураг өгсөн гэж бодъё. Пикселийн гэрэлтүүлгийн хэмжээг тодорхойлох түвшний тоо (хогийн савны тоо) нь . Дараа нь гэрэлтүүлгийн түвшин бүрийн хувьд дунджаар байх ёстой 
пиксел. Үндсэн математик нь хоёр тархалтыг харьцуулах явдал юм. Зурган дээрх пикселийн эрчмийн өөрчлөлтийг дүрсэлсэн санамсаргүй хэмжигдэхүүнүүд, анхны зураг дээрх эрчмийн тархалтын нягтрал, хүссэн тархалтын нягтрал байг. Хүссэн нягтралыг олж авах боломжийг олгох түгээлтийн нягтын өөрчлөлтийг олох шаардлагатай.
Санамсаргүй хэмжигдэхүүний тархалтын интеграл хуулиудыг by болон тэмдэглэе. Магадлалын эквивалентийн нөхцлөөс үзэхэд ийм байна 
. Интеграл тархалтын хуулийг тодорхойлолтоор бичье.
Эндээс бид үүнийг олж авдаг
Интеграл тархалтын хуулийг хэрхэн тооцохыг шийдэх л үлдлээ. Үүнийг хийхийн тулд та эхлээд анхны зургийн гистограммыг бүтээх хэрэгтэй бөгөөд дараа нь хогийн сав бүрийн утгыг нийт пикселийн тоонд хуваах замаар үүссэн гистограммыг хэвийн болгох хэрэгтэй. Хогийн савны утгыг түгээлтийн нягтын функцийн ойролцоолсон утга гэж үзэж болно. Тиймээс хуримтлагдсан тархалтын функцийн утгыг дараах хэлбэрийн нийлбэрээр илэрхийлж болно.
Баригдсан тооцоог эрчим хүчний шинэ утгыг тооцоолоход ашиглаж болно. Жагсаалтад орсон гистограмын хувиргалтыг зөвхөн бүхэл бүтэн зурагт төдийгүй түүний бие даасан хэсгүүдэд хэрэглэж болно гэдгийг анхаарна уу.
OpenCV номын сан нь гистограмм тэгшитгэх [,] ашиглан зургийн тодосгогчийг сайжруулах боломжийг олгодог equalizeHist функцийг хэрэгжүүлдэг. Функцийн прототипийг доор үзүүлэв.
void equalizeHist(const Mat& src, Mat& dst)
Функц нь дөрвөн үе шаттайгаар ажилладаг:
Доор бид гистограмм тэгшитгэх програмын жишээг өгье. Програм нь эх зургийн нэрийг командын мөрийн аргумент болгон авдаг. Гистограмм тэгшитгэх ажиллагааг гүйцэтгэсний дараа анхны зураг 1 гарч ирнэ Ашигласан зураг нь PASACL VOC 2007 мэдээллийн сангийн нэг хэсэг юм., саарал өнгө рүү хөрвүүлсэн (Зураг 7.11, зүүн талд), гистограммтай дүрсийг тэгшитгэсэн (Зураг 7.11, баруун талд).
#оруулна \n\ \t
- зургийн файлын нэр\n"; int main(int argc, char* argv) ( const char *initialWinName = "Анхны зураг", *equalizedWinName = "Тэнцүүлсэн зураг"; Mat img, grayImg, equalizedImg; хэрэв (argc)< 2)
{
printf("%s", helper);
return 1;
}
// загрузка изображения
img = imread(argv, 1);
// преобразование в оттенки серого
cvtColor(img, grayImg, CV_RGB2GRAY);
// выравнивание гистограммы
equalizeHist(grayImg, equalizedImg);
// отображение исходного изображения и гистограмм
namedWindow(initialWinName, CV_WINDOW_AUTOSIZE);
namedWindow(equalizedWinName, CV_WINDOW_AUTOSIZE);
imshow(initialWinName, grayImg);
imshow(equalizedWinName, equalizedImg);
waitKey();
// закрытие окон
destroyAllWindows();
// осовобождение памяти
img.release();
grayImg.release();
equalizedImg.release();
return 0;
}
Цагаан будаа. 7.11.
Зургийн урьдчилсан боловсруулалт- зургийн чанарыг сайжруулах үйл явц нь эх хувилбар дээр үндэслэн хамгийн үнэн зөв, тохирсон хувилбарыг авах зорилготой. автомат шинжилгээЗураг.
Дижитал зургийн согогуудын дотроос бид онцолж болно дараах төрлүүд:
- Дижитал дуу чимээ
- Өнгөний согог (хангалтгүй эсвэл хэт тод, тодосгогч, буруу өнгө)
- Бүдгэрүүлэх (анхааралгүй болгох)
Зургийг урьдчилан боловсруулах аргууд нь судалгааны зорилгоос хамаардаг бөгөөд дараахь төрлийн ажлыг багтааж болно.
Шуугиантай зургийг шүүж байна
Дижитал зургийн шуугиан- фото мэдрэгч болон тэдгээрийг ашигладаг төхөөрөмжүүдийн электроникийн нэвтрүүлсэн зургийн согог. Үүнийг таслан зогсоохын тулд дараахь аргуудыг ашигладаг.
Цэгүүдийн шугаман дундаждараагийн хаалга - хамгийн энгийн төрлийн дуу чимээ арилгах алгоритмууд. Тэдний гол санаа бол тодорхой хөршийн цэгүүдийн арифметик дундажийг цэгийн шинэ утга болгон авах явдал юм.
Физикийн хувьд ийм шүүлтүүрийг дараах хэлбэртэй конволюцийн матриц бүхий зургийн пикселүүдийг дайран өнгөрдөг.
Жишээ:
div нь хэвийн болгох коэффициент бөгөөд дундаж эрчим өөрчлөгдөхгүй хэвээр байна. Энэ нь жишээн дээр div = 6 гэсэн матрицын коэффициентүүдийн нийлбэртэй тэнцүү байна.
Гауссын Blur(шугаман эргэлтийн нэг төрөл) нь дүрсийн пикселүүдийг эвдрэлийн матрицаар дамжих замаар хэрэгжүүлдэг бөгөөд энэ нь дараах байдалтай байна.
5х5 матрицыг ердийн (Гауссын) хуулийн дагуу дүүргэдэг. Доорх нь ижил матриц бөгөөд коэффициентүүд нь аль хэдийн хэвийн болсон тул энэ матрицын div нь нэгтэй тэнцүү байна.
Бүдгэрэлтийн хүч нь матрицын хэмжээнээс хамаарна.
Зүүн дээд пиксел нь зүүн ба түүнээс дээш "хөршүүд" байхгүй тул матрицын коэффициентийг үржүүлэх зүйл бидэнд байхгүй!
Энэ асуудлыг шийдэхийн тулд завсрын дүр төрхийг бий болгох шаардлагатай. Санаа нь хэмжээс бүхий түр зуурын дүр төрхийг бий болгох явдал юм
өргөн + 2 цоорхой / 2, өндөр + 2 цоорхой / 2, хаана
өргөн ба өндөр - шүүсэн зургийн өргөн ба өндөр,
завсарлага – эргэлтийн матрицын хэмжээс.
Оруулсан зургийг зургийн голд хуулж, ирмэгүүд нь зургийн хамгийн гадна талын пикселүүдээр дүүрсэн байна. Бүдгэрэлтийг завсрын буферт хэрэглэж, дараа нь үр дүнг нь гаргаж авдаг.
Медиан шүүлтүүрЭнэ нь зургийг дараалан сканнердаж, шүүлтүүрийн цонхонд унасан элементүүдийн аль нэгийг алхам тутамд буцаадаг цонхны шүүлтүүр юм.
Цонхонд "унасан" пикселүүдийг өсөх дарааллаар эрэмбэлж, эрэмбэлэгдсэн жагсаалтын дунд байгаа утгыг сонгоно.
Дундаж шүүлтүүрийг ихэвчлэн дуу чимээг багасгах эсвэл дүрсийг "гөлгөр" болгоход ашигладаг. 
Тодорхой байдлыг сайжруулахын тулддараах шүүлтүүрийг ашигласан зураг (div=1):
Морфологийн өөрчлөлтүүд
Морфологийн шүүлтүүрийг хоёртын дүрсийн элементүүдийг өргөжүүлэх (тэлгэх) эсвэл нарийсгах (элэгдэл) хийхэд ашигладаг.
Өргөтгөл(морфологийн тэлэлт) - ямар нэгэн загвар бүхий зураг эсвэл зургийн сонгосон хэсгийг эргүүлэх. Загвар нь ямар ч хэлбэр, хэмжээтэй байж болно. Үүний зэрэгцээ цорын ганц зүйл бол онцгой зүйл юм тэргүүлэх байр суурь(зангуу), эргэлтийг тооцоолохдоо одоогийн пикселтэй хослуулсан.
Хоёртын дүрс нь хар ба цагаан цэгүүдийн (пиксел) дараалсан багц (захиалсан багц) юм. Зургийн пикселийн хамгийн их эрчим нь нэг, хамгийн бага нь тэг байна.
Өргөтгөх хэрэглээ нь загварыг бүхэлд нь зураг дээр дамжуулж, загварт хамрагдсан зургийн пикселийн орон нутгийн хамгийн их эрчимийг хайх операторыг ашиглахад хүргэдэг. Хэрэв дээд тал нь 1 бол загварын зангуу байрлах цэг нь цагаан өнгөтэй болно. Энэ үйлдэл нь зураг дээрх гэрлийн талбайн өсөлтийг үүсгэдэг.Зураг дээр пикселүүдийг сааралаар тэмдэглэсэн бөгөөд энэ нь өргөтгөлийг хэрэглэсний үр дүнд цагаан өнгөтэй болно.
Элэгдэл(морфологийн нарийсалт) нь тэлэлтийн урвуу үйл ажиллагаа юм. Элэгдлийн нөлөө нь тэлэлттэй төстэй бөгөөд цорын ганц ялгаа нь орон нутгийн хамгийн бага хайлтын операторыг ашигладаг явдал юм. Хэрэв хамгийн бага нь 0 байвал загвар зангуу байрлах цэг нь хар өнгөтэй болно. Баруун талын зураг дээрх саарал пикселүүд нь элэгдлийн үр дүнд хар өнгөтэй болох пикселүүд юм.
Үйл ажиллагаа" Өргөтгөл" - логик "эсвэл" үйлдлийн аналог" Элэгдэл" нь "ба" логикийн аналог юм.
Морфологийн үйл ажиллагааны үр дүн нь ашигласан загвар (бүтцийн элемент) -ээр тодорхойлогддог. Өөр бүтцийн элементийг сонгосноор та зураг боловсруулах янз бүрийн асуудлыг шийдэж чадна.
- Дуу чимээ дарах.
- Объектуудын хил хязгаарыг сонгох.
- Объектын араг ясыг сонгох.
Зургийн тод байдал, тодосгогчийг засах
Гэрэлтүүлэгпикселийн өнгө нь хараас хэр ялгаатай болохыг тодорхойлдог шинж чанар юм. Жишээлбэл, нарлаг цаг агаарт дижитал гэрэл зураг авсан бол түүний тод байдал мэдэгдэхүйц байх болно. Нөгөөтэйгүүр, хэрэв зургийг орой эсвэл шөнийн цагаар авсан бол түүний гэрэл гэгээ бага байх болно.
Эсрэг заалтЭнэ нь зургийн пикселийн өнгө хэр их ялгаатай байдгийн шинж чанар юм. Пикселийн өнгөний утгын тархалт их байх тусам зураг илүү их ялгаатай байх болно.
Элемент тус бүрээр хувиргах үед дүрсийг тодорхойлсон магадлалын тархалтын хууль өөрчлөгддөг. Шугаман тодосгогчтой бол магадлалын нягтын хэлбэр хадгалагдана, гэхдээ ерөнхий тохиолдолд, өөрөөр хэлбэл. шугаман хувиргах параметрүүдийн дурын утгуудын тусламжтайгаар хувиргасан зургийн магадлалын нягтын параметрүүд өөрчлөгддөг.
Шугаман бус боловсруулалтанд орсон зургуудын магадлалын шинж чанарыг тодорхойлох нь шинжилгээний шууд ажил юм. Зургийг боловсруулах практик асуудлыг шийдвэрлэхдээ урвуу асуудлыг тавьж болно: мэдэгдэж буй магадлалын нягтыг ашиглан. p f(е) болон хүссэн дүр төрх х г(g) шаардлагатай хувиргалтыг тодорхойлох g= ϕ( е) анхны зураг нь хамаарах ёстой. Дижитал дүрс боловсруулах практикт зургийг тэнцүү магадлалтай тархалт болгон хувиргах нь ихэвчлэн ашигтай үр дүнг өгдөг. Энэ тохиолдолд
Хаана gмин ба g max - хөрвүүлсэн зургийн хамгийн бага ба хамгийн их тод байдлын утгууд. Энэ асуудлыг шийдэх хөрвүүлэгчийн шинж чанарыг тодорхойлъё. Болъё еТэгээд gфункцээр холбогдсон g(n, м) = j( е(n, м)), А П ф(е) Мөн Pg(g) – оролт ба гаралтын гэрэлтүүлгийн хуваарилалтын салшгүй хуулиуд. (6.1)-ийг харгалзан бид дараахь зүйлийг олно.
Энэ илэрхийллийг магадлалын тэнцлийн нөхцөлд орлуулах
Энгийн хувиргалтын дараа бид хамаарлыг олж авна
шинж чанарыг илэрхийлдэг g(n, м) = j( е(n, м)) шийдэж буй асуудалд. (6.2) дагуу анхны зураг нь шугаман бус хувиралд ордог бөгөөд түүний шинж чанар нь юм П ф(е) нь анхны зургийн салшгүй тархалтын хуулиар тодорхойлогдоно. Үүний дараа шугаман тодосгогч үйлдлийг ашиглан үр дүнг заасан динамик мужид хүргэнэ.
Тиймээс магадлалын нягтын хувиргалт нь анхны зургийн хуримтлагдсан тархалтын талаархи мэдлэгийг агуулдаг. Дүрмээр бол энэ талаар найдвартай мэдээлэл байдаггүй. Ойролцоох алдааны улмаас аналитик функцээр ойртуулах нь шаардлагатай үр дүнгээс ихээхэн ялгаатай байж болно. Тиймээс зураг боловсруулах практикт тархалтын хувиргалтыг хоёр үе шаттайгаар гүйцэтгэдэг.
Эхний шатанд анхны зургийн гистограммыг хэмждэг. Жишээлбэл, саарал өнгө нь бүхэл тооны мужид хамаарах дижитал зургийн хувьд гистограм нь 256 тооны хүснэгт юм. Тэд тус бүр нь өгөгдсөн гэрэлтүүлэгтэй зураг (хүрээ) дэх цэгүүдийн тоог харуулдаг. Энэ хүснэгтийн бүх тоог зураг дээрх дээжийн тоотой тэнцүү нийт түүврийн хэмжээгээр хуваах замаар бид зургийн тод байдлын тархалтын магадлалын тооцоог олж авна. Энэ тооцоог q гэж тэмдэглэе p f(f q), 0 ≤ f q≤ 255. Дараа нь хуримтлагдсан тархалтын тооцоог дараах томъёогоор гаргана.
Хоёрдахь шатанд шугаман бус хувиргалтыг өөрөө (6.2) хийж, гаралтын зургийн шаардлагатай шинж чанарыг хангана. Энэ тохиолдолд үл мэдэгдэх жинхэнэ хуримтлагдсан тархалтын оронд түүний гистограмм дээр суурилсан тооцооллыг ашиглана. Үүнийг харгалзан үзээд тархалтын хуулиудыг өөрчлөх зорилготой дүрсийг элемент тус бүрээр нь хувиргах бүх аргыг гистограммын аргууд гэж нэрлэдэг. Ялангуяа гаралтын дүрс нь жигд тархалттай байдаг хувиргалтыг гэж нэрлэдэг гистограммыг тэгшитгэх (тэгшүүлэх).
Гистограмм хувиргах процедурыг бүхэлд нь зураг болон түүний бие даасан хэсгүүдэд хэрэглэж болно гэдгийг анхаарна уу. Сүүлийнх нь янз бүрийн бүс нутагт шинж чанар нь ихээхэн ялгаатай байдаг суурин бус зургийг боловсруулахад ашигтай байж болно. Энэ тохиолдолд гистограмм боловсруулалтыг тус тусад нь - сонирхсон хэсгүүдэд хэрэглэснээр илүү сайн үр дүнд хүрч чадна. Уншлагын үнэ цэнэ болон бусад бүх хэсэгт өөрчлөгдөх нь үнэн. Зураг 6.1-д тайлбарласан аргачлалын дагуу гүйцэтгэсэн тэгшитгэлийн жишээг үзүүлэв.
Бодит дүрслэлийн системд олж авсан олон зургийн онцлог шинж чанар нь харанхуй хэсгүүдийн нэлээд хэсэг, өндөр гэрэлтэй хэсэг нь харьцангуй бага байдаг.
Зураг 6.1 – Зургийн гистограмыг тэгшитгэх жишээ: a) эх зураг ба түүний гистограм в); б) өөрчлөгдсөн зураг ба түүний гистограмм d)
Гистограммыг тэгшитгэх нь жигд тархсан гэрэлтүүлгийн мужуудын салшгүй хэсгүүдийг тэнцүүлэхэд хүргэдэг. Анхны (Зураг 6.1 а) болон боловсруулсан (Зураг 6.1 б) зургуудын харьцуулалт нь боловсруулалтын явцад гарч буй гэрэлтүүлгийн дахин хуваарилалт нь харааны ойлголтыг сайжруулахад хүргэдэг болохыг харуулж байна.