پردازش تصاویر دیجیتال ۲
اسلاید 1: مقدمهعمليات مكانيهمسايگي
اسلاید 2: تابع تبديل شدت (سطح خاكستري)همسايگي 1*1گسترش كنتراستآستانه گيري
اسلاید 3: همسايگي N*N window, kernel,mask, filter, template mask processing or filteringكاربردها:حذف نويز، بهبود لبه و ...
اسلاید 4: تبديلات معمول نقطه اي
اسلاید 5: تصوير منفي image Negative
اسلاید 6: تبديل لوگاريتمي
اسلاید 7: تبديل قانون توان (power-law)
اسلاید 8: اصلاح گامادر مانيتور ويا پرينتر ميزان نور ايجاد شده با سطوح خاكستري تصوير نسبت نمايي دارد لذا قبل از نمايش بايد تصحيح قانون- تواني انجام شود.
اسلاید 9:
اسلاید 10:
اسلاید 11: تابع تبديل قطعه خطي (piecewise-linear)گسترش كنتراستLow contrastContrast strechingThresoulding
اسلاید 12: gray-level slicing
اسلاید 13: Bit-plane slicing
اسلاید 14:
اسلاید 15:
اسلاید 16: پردازش هيستوگرام
اسلاید 17: متعادل كردن هيستوگرامhistogram equalization T(r) همواره صعودي و تك مقدار است
اسلاید 18: Histogram equalizer
اسلاید 19:
اسلاید 20: تطبيق هيستوگرامhistogram matching W(r)rpr(r)zpz(z)T(r)rpr(r)zpz(z)G-1(z)sps(s)=1
اسلاید 21:
اسلاید 22: اجراي تطبيق هيستوگرام
اسلاید 23:
اسلاید 24:
اسلاید 25:
اسلاید 26: بهبود منطقه اي هيستوگرامچرا؟ و چه وقت؟چگونه؟
اسلاید 27: بهبود بر اساس پارامترهای آماری هيستوگرامميانگين و واريانس محلی
اسلاید 28: بهبود موضعی
اسلاید 29: ميانگين محلیانحراف استاندارد محلیثابت بهبود محلی
اسلاید 30:
اسلاید 31: بهبود موضعی توسط عمليات منطقی و حسابیعمليات منطقی AND, OR, NOT Negative, masking (region of interest), morphological operations
اسلاید 32: تفريق تصاوير
اسلاید 33: كاربرد تفريق تصاوير در عكسبرداري پزشكيmask mode radiology or angiography
اسلاید 34: ميانگين گيري تصاويرجمع تصاوير به منظور حذف نويز
اسلاید 35: originalGWAN σ=64averaged K=8averaged K=16averaged K=64averaged K=128
اسلاید 36: چگونگي كاهش نويز توسط ميانگين گيريK=8K=16K=64K=128
اسلاید 37: اصول فيلترهاي حوزه مكان
اسلاید 38: اصول فيلترهاي خطي حوزه مكان
اسلاید 39: فيلترهاي هموار كننده حوزه مكان Smoothing Spatial Filters
اسلاید 40: original3×35×59×915×1535×35
اسلاید 41:
اسلاید 42: فيلترهاي آماري حوزه مكان(غير خطي)فيلترميانه median filterكاربرد: حذف نويزهاي ضربه اي يا فلفل نمكي1- مرتب كردن مقادير تصوير در داخل ماسك n×n (n فرد)2- انتخاب مقدار مياني بجاي مقدار ورودي
اسلاید 43: فيلترهاي تيز كننده حوزه مكاناصول: اضافه كردن مشتق اول يا دوم به سيگنال اصليمشتق اول و دوم سيگنالهاي گسسته
اسلاید 44:
اسلاید 45: مشتق اول لبه هاي ضخيمتري بوجود مي آورد.مشتق دوم به جزئيات دقيق مانند نقطه مجزا و خطوط باريك پاسخ قوي تري مي دهد.مشتق اول به تغييرات پله اي سطوح خاكستري پاسخ قوي تري مي دهد.مشتق دوم دو پاسخ در مقابل تغييرات پله اي ايجاد مي كند.در مقابل تغييرات مساوي سطوح خاكستري، مشتق دوم به خطنسبت به پله پاسخ قوي تري ميدهد.در نهايت مشتق دوم براي تيز كردن تصوير مناسب تر است.
اسلاید 46: مشتق دوم (Laplacian) به عنوان بهبود دهنده
اسلاید 47: ماسكهاي Laplacian
اسلاید 48:
اسلاید 49: اجراي مستقيم
اسلاید 50: ماسك غير تيز unsharp maskingHigh boost filtering
اسلاید 51: A=1A=1.7
اسلاید 52: استفاده از مشتق اول (Gradient)كاربرد: تاكيد كردن بر لبه هاي تصوير
اسلاید 53:
اسلاید 54:
اسلاید 55: تركيب روشهاي بهبود در حوزه مكانa: orignal bone scanb: Lapalacianc: a+bd: a+Sobel
اسلاید 56: e: smoothed Sobel image (5×5)f: mask image c.eg: sharpened a+fh: power-law trans. on g
نقد و بررسی ها
هیچ نظری برای این پاورپوینت نوشته نشده است.