„Graphische Datenverarbeitung und Bildverarbeitung“ Hochschule Niederrhein
Bildverbesserung - Grauwertmodifikation
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
1
Einordnung in die Inhalte der Vorlesung • • • •
Einführung mathematische und allgemeine Grundlagen Hardware für Graphik und Bildverarbeitung Graphische Grundalgorithmen (Zeichnen graphischer Primitive, Methoden für Antialaising, Füllalgorithmen) • Bildaufnahme (Koordinatensysteme, Transformation) • Durchführung der Bildverarbeitung und -analyse • • • • • •
Fourier-Transformation Bildrekonstruktion und Bildrestauration Bildverbesserung (Grauwertmodifikation, Filterverfahren) Segmentierung Morphologische Operationen Merkmalsermittlung und Klassifikation
• Erzeugung von Bildern in der Computergraphik • • • • • •
Geometrierepräsentationen Clipping in 2D und 3D Hidden Surface Removal Beleuchtungsberechnung Shading Schattenberechnung
• Volumenrendering als Beispiel für die Nutzung beider Gebiete Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
2
Wiederholung wichtiger Begriffe • Inverse Filterung • Wiener-Filter • Deterministische Veränderungen bei der Bildaufnahme
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
3
Deterministische Veränderungen bei der Bildaufnahme Nicht verschiebungsinvariante Operatoren Über- und Unterbelichtung
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
4
Bildverbesserung •
Verbesserung von Bildeigenschaften zur besseren Wahrnehmbarkeit oder zur Vorbereitung von Analyseschritten.
•
Bildeigenschaften: – Signal-Rausch-Verhältnis – Kontrast – Informationsgehalt
•
Punktbasierte Methoden
•
nachbarschaftsbasierte Methoden Welches Bild ist besser? Warum? Wie ist das messbar?
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
5
10 Pixelbasierte Bildverbesserung •
Abbildung der Grau-/Farbwerte unabhängig von ihrem Ort oder ihrer Zuordnung – innerhalb der Grau- bzw. Farbwerte: gneu=f(g) oder [rneu, gneu, bneu]=[f(r), f(g), f(b)] – von Grauwerten in Farbwerte (Falschfarbdarstellung): [rneu, gneu, bneu]=[f1(g)]
•
Figure of Merit (Qualitätsmerkmal): globaler/lokaler Kontrast, Entropie
•
Methoden – Monotone Abbildung der Grauwerte – Nicht monotone Grauwertabbildung – Falschfarbdarstellung
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
6
10.1 Nutzung des Grauwertspektrums Unter-/Überbelichtung
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
7
10.2 Kontrast •
Globaler Kontrast: Größter Grauwertunterschied im Bild cglobal(f) = [maxm.n(f(m,n))-minm,n(f(m,n))]/grange. mit
•
grange - Grauwertbereich
Lokaler Kontrast: z.B. durchschnittlicher Grauwertunterschied zwischen benachbarten Pixeln clocal(f) = 1/MN ΣmΣn |f(m,n)-fnb(m,n)| mit
fnb(m,n) – durchschnittlicher Grauwert in der Umgebung von (m,n).
cglobal= 1.000 clocal = 1.678
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
8
Globaler / Lokaler Kontrast
cglobal= 0.500 clocal = 0.839
cglobal= 1.000 clocal = 1.678
cglobal= 1.000 clocal = 4.580
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
9
10.3 Maximierung des globalen Kontrasts •
Kontrastumfang gmax-gmin im Verhältnis zum maximalen Wertebereich wmin...wmax (z.B. 0...255) ist Skalierungsfaktor.
•
Transferfunktion
g ′( g ) = (g − g min ) ⋅
wmax − wmin g max − g min
cglobal= 0.083
Histogramm
gmin gmax Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
10
Maximierung des globalen Kontrasts g ′( g ) = (g − g min ) ⋅ g ′( g ) = (g − 100) ⋅
wmax − wmin , g min = 100, g max = 112, wmin = 0, wmax = 255 g max − g min
255 12
cglobal= 0.083
cglobal= 1.000
Transferfunktion
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
11
10.4 Verbesserung des lokalen Kontrasts •
Bild ist zu hell (zu dunkel), aber Grauwertbereich ist nahezu ausgenutzt.
•
Nichtlineare, monotone Transferfunktion, z.B. Gammakorrektur:
g ′(g ) =
g wmax ⋅ wmax
γ
clocal = 7.91
Histogramm
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
12
Verbesserung des lokalen Kontrasts Transferfunktion γ=2
clocal = 9.55 g ′(g ) =
wmax ⋅
wmax
g
γ
Histogramm nach Korrektur
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
13
Gammakorrektur g’
γ1 γ=1
g´= (255 / 255γ) gγ γ=0.5
g
γ=2.0 Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
γ=1.0 14
10.5 Maximierung des Informationsgehalts • •
Gibt es eine „optimale“ Korrektur? Optimal = maximaler Informationsgehalt
Histogramm
clocal = 4.245
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
15
Entropie Maß für den Informationsgehalt eines Bilds (die „Überraschung“, die „Unordnung“):
E = - ∑ h(g)·log2[h(g)]
h(g)
E=6.97
E - Entropie h - Wahrscheinlichkeitsverteilung g - Grauwert h(g)
g E=1.00
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
16
Maximaler Informationsgehalt Entropie ist maximal, falls P(gi)=const für i=0,N-1 gesucht: Histogrammtransformation g‘(g) zur Maximierung der Entropie
H
H
[] EH(g) H(g‘(g))
H(g) g
g
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
17
Histogrammausgleich Transferfunktion für ein diskretes Histogramm:
E[H(g)] = Ng · Σ w=0...g H(w) -1, mit: Ng - Anzahl der Grauwerte.
Beispiel: Grauwert
0
1
2
3
4
5
6
7
Häufigkeit
50
150
350
250
100
60
30
10
H(g)
0.05
0.15
0.35
0.25
0.10
0.06
0.03
0.01
kumulativ
0.05
0.20
0.55
0.80
0.90
0.96
0.99
1.00
Grauwert
0.4
1.6
4.4
6.4
7.2
7.68
7.92
8.00
aufgerundet
1
2
5
7
8
8
8
8
0
1
4
6
7
7
7
7
-1
Keine Linearisierung, sondern von der Häufigkeit abhängige Spreizung. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
18
Beispiel
clocal = 4.245 Entropie(f) = 6.49
clocal = 8.574 Entropie(f)= 6.25
Transferfunktion
Warum wurde die Entropie kleiner? Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
19
Histogrammausgleich
Histogramm
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
20
Histogrammausgleich
Histogramm
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
21
Problem
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
22
Problem
Das „Unwichtige“ wurde verstärkt, das Wichtige abgeschwächt! Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
23
10.6 Histogrammlinearisierung - Varianten Adaptive Histogram Equalisation (AHE) • Histogramm wird für jeden Punkt für eine vorgegebene Umgebung erstellt. • Linearisierung erfolgt nach diesem Histogramm • Nur der Grauwert des betreffenden Punkts wird modifiziert Contrast Limited Adaptive Histogram Equalisation (CLAHE): • wie AHE, aber mit dem Unterschied, daß Kontrastverstärkung nur bis zu einem gewissen Maximum erfolgt. • CLAHE verhindert die bei AHE vorkommende Kontrastverstärkung im Bildhintergrund. Histogramm
AHE g´
Transferfunktion g
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
24
Adaptive Histogrammlinearisierung
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
25
Kontrastlimitiertes AHE
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
26
10.7 Farbbilder S/W Bilder: Amplitude aller wahrnehmbaren Wellenlängen ist gleich. Farbbilder: Amplituden variieren mit der Wellenlänge. 107
Helligkeit
D.h., ein Farbbildpunkt müßte durch alle Amplituden von visuell wahrnehmbaren Wellenlängen repräsentiert werden. Wellenlänge 700nm
400nm
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
27
Repräsentation von Farbe Relative spektrale Empfindlichkeit der Zapfen der menschlichen Retina.
Es werden nur drei verschiedene Farbsignale wahrgenommen.
aber: jedes dieser Signale ergibt sich als Integral über einen Teilbereich des sichtbaren Spektrums.
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
28
Farb-CCD Kameras CCD-Chip (Grünauszug)
Ein-Chip-Kamera: Sensorelemente und RGB-Filter.
Filter
Nachteil: geringere Ortsauflösung
Lichtstrahl CCD-Chip
Farbfilter Prismen
Drei-Chip-Kamera: Trennung des einfallenden Lichts mittels Prismen und separate Filterung. Nachteil: teurer und setzt sehr exakte Fertigung voraus. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
29
RGB Farbraum Jede Farbe wird durch ein Tripel (r,g,b) mit 0≤r,g,b≤1 repräsentiert. Farben werden additiv erzeugt. D Farbwürfel
D
EchtfarbRepräsentation
Farben können direkt (3x8 Bit) als EchtfarbRepräsentation oder indirekt (8 Bit + Video Lookup Table) als FalschfarbRepräsentation gespeichert werden.
FalschfarbRepräsentation
A A D
A
r g b D
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
A D
A D
A 30
Histogrammausgleich Beispiel Das geht auch in Farbe. Farbkanäle werden unabhängig voneinander behandelt. (Ist das eine gute Idee?)
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
31
Möglichkeit der Helligkeitsvariation bei Farbbildern Überführung des Bildes in HSV (HSB)-Farbraum Max = max( R, G, B ) Min = min( R, G, B)
G−B 0 + Max − Min ⋅ 60 , wenn R = Max B−R H = 2 + ⋅ 60 , wenn G = Max Max − Min R−G 4 + Max − Min ⋅ 60 , wenn B = Max H = H + 360, wenn H < 0 Max − Min Max V = Max S=
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
32
10.8 Nichtmonotone Grauwertabbildung Fensterung: Anwendung bei Bilddaten mit mehr als 256 Graustufen Zwei Grauwertfenster in einem Bild. g‘(g)
g 0
511
2100
• Erzeugt künstliche Kanten. • Grenzen von Maxima der Transferfunktion nicht immer erkennbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
33
Beispiel
Eine Zuordnung zwischen Helligkeit und ursprünglichem Grauwert ist nicht mehr herstellbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
34
10.9 Farbe zur Kontrastverstärkung Es können wesentlich mehr Farb- als Grauwerte unterschieden werden. Kontrastverstärkung durch drei nicht-lineare, nicht-monotone Abbildungsfunktionen der Grauwerte: redi(g), greeni(g) bluei(g)
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
35
Beispiel
Achtung: Nichtlineare Transformationen erzeugen künstliche Kanten. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
36
Beispiel
Ein Zusammenhang zwischen Farbe und Grauwert ist nicht mehr erkennbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
37
Anwendungen
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
38
Zusammenfassung •
Punktbasierte Verfahren werden über eine Transferfunktion zwischen Grauwerten (Farbwerten) definiert.
•
Grauwerttransformationen – monoton: linear, g-Korrektur, Histogrammausgleich – Nicht monoton: Stufentransformation, Falschfarbdarstellung.
•
Erfolg kann an kontrastbasierten Maßzahlen ermittelt werden.
•
Objektabhängige Bildverbesserung erfordert Zusatzwissen.
Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation
39