Bildverarbeitung Herbstsemester 2012

Punktoperationen 1

Inhalt • • • • • •

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

FHNW bverI HS 12 - Prof. Dr. C. Stamm

2

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. FHNW bverI HS 12 - Prof. Dr. C. Stamm

3

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

FHNW bverI HS 12 - Prof. Dr. C. Stamm

4

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

FHNW bverI HS 12 - Prof. Dr. C. Stamm

5

Implementierung des Histogramms

FHNW bverI HS 12 - Prof. Dr. C. Stamm

6

Aussagekraft des Histogramms • Aussagen möglich über – – – – –

Belichtung Kontrast Dynamik Bildfehler Kompression

• aber keine Aussage über den Bildinhalt

FHNW bverI HS 12 - Prof. Dr. C. Stamm

7

Belichtung

unterbelichtet

FHNW bverI HS 12 - Prof. Dr. C. Stamm

korrekt

überbelichtet

8

Kontrast

FHNW bverI HS 12 - Prof. Dr. C. Stamm

9

Dynamik

FHNW bverI HS 12 - Prof. Dr. C. Stamm

10

Bildfehler

FHNW bverI HS 12 - Prof. Dr. C. Stamm

11

JPEG-Kompression

FHNW bverI HS 12 - Prof. Dr. C. Stamm

12

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 FHNW bverI HS 12 - Prof. Dr. C. Stamm

13

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; FHNW bverI HS 12 - Prof. Dr. C. Stamm

14

Automat. Kontrastanpassung • Ziel gesamter verfügbarer Wertebereich soll ausgenutzt werden • dunkelster Pixel auf den niedrigsten Intensitätswert abbilden • hellster Pixel auf höchsten Intensitätswert abbilden

• 1. Ansatz

pmax  pmin I (u, v )  pmin  I (u, v )  qmin   qmax  qmin • Problem Ausreisser können die gesamte Intensitätsverteilung stark verändern FHNW bverI HS 12 - Prof. Dr. C. Stamm

15

Beispiel: Kontrastanpassung

FHNW bverI HS 12 - Prof. Dr. C. Stamm

16

Kontrastanpassung verbesserter Ansatz – s% Pixel an beiden Rändern des Intensitätsspektrums werden gesättigt  qlow und qhigh pmin  I (u, v)  qlow  

FHNW bverI HS 12 - Prof. Dr. C. Stamm

pmax  pmin qhigh  qlow

17

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

FHNW bverI HS 12 - Prof. Dr. C. Stamm

18

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 FHNW bverI HS 12 - Prof. Dr. C. Stamm

19

Linearer Histogrammausgleich

FHNW bverI HS 12 - Prof. Dr. C. Stamm

20

Linear. Histogrammausgleich (2)

feq(pi) FHNW bverI HS 12 - Prof. Dr. C. Stamm

21

Beispiel: linearer Ausgleich

FHNW bverI HS 12 - Prof. Dr. C. Stamm

22

Beispiel: linearer Ausgleich

FHNW bverI HS 12 - Prof. Dr. C. Stamm

23

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

FHNW bverI HS 12 - Prof. Dr. C. Stamm

24

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 = 0.45

FHNW bverI HS 12 - Prof. Dr. C. Stamm

25

Beispiel: Graukeil

FHNW bverI HS 12 - Prof. Dr. C. Stamm

26

Gammakorrektur

FHNW bverI HS 12 - Prof. Dr. C. Stamm

27

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

• Modifizierte Gammafunktion

FHNW bverI HS 12 - Prof. Dr. C. Stamm

28

Effektiver Gammawert

FHNW bverI HS 12 - Prof. Dr. C. Stamm

29

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 n

RMSE 

2   o [ i ]  k [ i ]  i 1

n

• PSNR (peak signal-to-noise ratio in dB) eines Bildkanals mit maximaler Intensität 255

 255  PSNR  20 log10    RMSE  FHNW bverI HS 12 - Prof. Dr. C. Stamm

30