پردازش تصاویر دیجیتال 2

صفحه 1:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 2:
‎pHa) pe) ace)‏ تسربر در سرزد ان ‎ ‎ ‎ ‎= = © ‏ام‎ ‎7 ‏هو ره وگو‎ =< ~~. ™ .$:0mtput.gydeve, ~ = = - = — -_ = = o ‏-ء ا‎ — f+ 1 . i = nm | = ۱ | Darts Litt 

صفحه 3:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 4:
زه مكان سوم: بهبود تصوير در حوزه مكان ااام ا”) 

صفحه 5:
فصل سوم: بهبود تصویر در حوزه مکان ab FIGURE 3.4 (a) Original digital (Courtesy of GE. Medical Systems) 8 

صفحه 6:
فصل سوم: بهیود تصویر در حوزه مکان 09 نيمسال دوم © ab FIGURE 3.5, (a) Fourier spectrum. by Result applying the le 

صفحه 7:
فص سوم ود و ‎Oe‏ 

صفحه 8:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 9:
نيمسال دوم © فصل سوم: بهیود تصویر در حوزه مكان 

صفحه 10:
پیود تصویر در حوزه مکان موز یه روا 0 

صفحه 11:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 12:
فصل سوم: بهبود تصویر در حوزه مکان HIGURE 3.11 tats هد ‎4B)‏ levels and re a others toa ۳ (by This ۳3 ان ‎{e)Animage‏ 

صفحه 13:
فصل یرت .رز نحریر در رز مکان = مس ‎One &-bit Wz Bit-plne7 ۳‏ ‎(nest agent) repeal of‏ an & bit image. Bit-plane ع ‎(least significant) =‏ = 

صفحه 14:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 15:
فصل سوم: بهبود تصویر در حوزه مکان نیمسال دوم 6- 

صفحه 16:
pe 2 اد ميم “يم هار سر کل = 0 فصل یرت .رز نحریر در رز مکان 

صفحه 17:
فصل سوم: بهیود تصویر در حوزه مکان <= 2-2 EER ee ea pe ‏ا ا‎ —— a ‏ی‎ eS a Saar er ae = ms = ۴ > ۲ ‏دده‎ os = - a > 0 = = wa = 1 = = »> ~ ‏سيا‎ es پردازش تصویر 

صفحه 18:
فص سوم ود و ‎Oe‏ es ‏رتیت‎ ° وه من دهم 2 

صفحه 19:
فصل یرت .رز نحریر در رز مکان 

صفحه 20:
* تطبيق هيستوك رام 171210111210 1510018111 AA KY A Al VM \ y MY) ۱-1 8« i ۱۷/۲ x NN} Sk NN 1 NIN 1 ۷ ۳ فصل سوم: بهیود تصویر در حوزه مکان weal - ۳ > = سا مهم ]مهس ‎ae = 7‏ = 5 5 - م] - 062 95 ‎nee‏ يط 700 و- 2-0009 52 پردازش تصویر 

صفحه 21:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 22:
فصل سوم: بهیود تصویر در حوزه مکان = rune 3.19 = {ey Graph = Interpretation of ۱ ‏مد‎ ‎۳ ‎- ۱ Soe, = 2 = corresnonding > .. of 3, = =» = = پردازش تصویر 

صفحه 23:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 24:
فص سوم ود و ‎Oe‏ ab FIGURE 3.21 (a) Traasiormation Function for histogram qualration = ۰ ‏سس هه‎ cquizetince a Stapp) (o Histogram’ 0 TR Es Topol pay teves em) ass 3 ‘Output aay lv Number of ele 3308) 

صفحه 25:
فصل یرت .رز نحریر در رز مکان - =| = 1 - = - 1 2 = 2 > 2 2 1 = =» 

صفحه 26:
فص سوم ود و ‎Oe‏ 8 ۰ be FIGURE 3.23 (3) Ociinal image. (b) Result of g histogram equalization. (c) Result of local histogram equalization using a7 % 7 neighborhood about cach pixel ۳ ‏هه‎ ۳ = = 3 پرذازش تصویر 

صفحه 27:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 28:
فصل یرت .رز نحریر در رز مکان 2 بت 5 (ny = [6 ‏كال‎ ifms,<kyMg AND k,Dc=os, = k:Do [ae BY) > ‏رمم‎ otherwise ~ - se he - 0-0 ۱۴۱6/8۶ 3.24 ۷ = = 0 ‏وب‎ = = > > = 000 gene) >» 

صفحه 29:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 30:
FIGURE 3.2 Enhanced image. Con the rights the image فصل سوم: بهیود تصویر در حوزه مکان 1 5 gene). 

صفحه 31:
دعل سرت بزیزر تعریر در سززد سا 5 37 لافار 

صفحه 32:
فصل سوم: بهیود تصویر در حوزه مکان 0 نيمسال دوم © بردازش تصوير 

صفحه 33:
فا سوم: بهبود تصویر در حوزه 0 کاربرد تفریق تصاویر در عکسبرداري پزشكي ‎mask mode radiology or angiography‏ subtracted نيمسال دوم © 

صفحه 34:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 35:
فصل سوم: بهیود تصویر در حوزه مکان GWAN 264 و ۳۹ تیمسال دوم - origina 1 ۳۳9 محر 5220-0 64 

صفحه 36:
فصل یرت .رز نحریر در رز مکان une 

صفحه 37:
فص سوم ود و ‎ak Oe‏ ۲ = ۱ 3 : 2 لقال 5 ‎ax‏ و = = 

صفحه 38:
۳ فص و موه و ( حور مان 

صفحه 39:
‎pHa) pe) ace)‏ تسربر در سرزد ان ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‎ 

صفحه 40:
فصل یرت .رز نحریر در رز مکان mae a — 2 0 aes ۱ ۰۰0 ۰ 5 2 ‎Es‏ ات ‎۲ IN = MMMM © 0 ‏6 894 ههور 2 ۰ ۰۰:۰4 ۲۲۲ ‎۲۳۲ ‏ه‎ oe = ‎۱۰.۵ «a ۳ ‎Sill MMM -. 8 aaaaaaaa | saaaaaaa ‏رود 7 ‎ ‎۰ s 3 ‘ex! ‏ااااااا‎ ‎ ‎ ‎ ‎۰۰۰ 8 8 8 8 ‎ ‎ 

صفحه 41:
فصل سوم: بهبود تصویر در حوزه مکان 5 ‏یی زد‎ mask تیسال دوم - 

صفحه 42:
پبود تصویر در حوزه مكار حل درم ا 6 ۱ و 

صفحه 43:
فصل سوم: بهیود تصویر در حوزه مکان ۳ ————— ‏سح‎ ee = ‏مسجت فه کردن مشتق اول با دوم به سح‎ ee ee Sey -- 2 ‏ا‎ = Flot = — ax _ = 7 <_ Ef ‏سر‎ 219 = = ax = + = => 7 2 = = = - = =. ». »> = 2 = 2 = 2 = = ۳ 

صفحه 44:
تن Thin tine rat sepment ™, بویزد تصربر بر سرزد سا 8 سا و ‎aa‏ 0110671 131211 4] ]۰۶2 «ود1 ایا اه ۱۱۱۱۱۱۱ 3 Fist Derivative “11-11-10 0 6-60 0 Second Derivative 0 0 = FIGURE 3.38 (a) Asimple image.) I-D. اد B level profile along the center of th له عمد ا ‎includ‏ H isclated noise point By (c) Simplified profile (the points Are joined by BF dashed lines to simplify interpretation) 

صفحه 45:
= Noy ذاززش تصویر = es oor too ۴ ات وس Recs 2 ie ‏اد‎ ‎a3 ‎ee ‎ae ‎a ‎By 7711011101510171 ]57715 ] + یدز فصل سوم: بوبزد تعزیز alyoud yaaat kexD, ‎ee‏ سار ‎ 

صفحه 46:
نحل در بر در حوزه مکان * مشتق دوم (عذم1:2018) به عنوان به, ۳ -- a Phe ao : a ‏كدر‎ ys fe ‏سر نا‎ 7 of Shey? Mose — ۳ a a floc ‏ری مورا‎ ae = پرذازش تصویر 

صفحه 47:
فص سوم ود و ‎Oe‏ 7 ا ۰ ‎ed‏ 1 1 1 0 1 0 = — | ره 3 2 ابن 5 > تا 0 ‎=e‏ 2 ع 8 1 7 = ‎ier‏ 7 1 1 1 0 1 0 = 0 سس 5 > = ده | | اناد 2 ‎implementations 7‏ = ‎othe Lape il 2‏ > <= 2 > هه 

صفحه 48:
فص سوم كود صور در حوره مان نیمسال دوم 6- پرذازش تصویر 

صفحه 49:
فصل سوم: بهبود تصویر در حوزه مکان 2 اجراي ۳ تیسال دوم - 

صفحه 50:
فصل سوم: بهيود تصوير در حوزه مكان ee a Hey EY = = oe 2 = = Se = pe - = fy = Al y- AE > _. = ‏سوت ات‎ a و ان = 0 

صفحه 51:
فصل سوم: بهبود تصویر در حوزه مکان تیسال دوم - 

صفحه 52:
فصل سوم: بهیود تصویر در حوزه مکان en, = ‏با ما مب میت‎ > ‏اسن‎ 1 = pero, s 

صفحه 53:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 54:
فصل سوم: بهیود تصویر در حوزه مکان 

صفحه 55:
‎baw)‏ ری بریزد تصربر در سررد سا ‎ ‎ 

صفحه 56:


مقدمه g(x, y) T f (x, y) عمليات مكاني  همسايگي  g(x, y)  Tk  fk (x, y) k )تابع تبديل شدت (سطح خاكستري 1*1 همسايگي s T(r) r : input gray -level s : output gra y-level  تبديالت معمول نقطه اي image Negative تصوير منفي s L  1 r تبديل لوگاريتمي )s clog(1 r تبديل قانون توان ()power-law ‏s cr اصالح گاما در مانيتور ويا پرينتر ميزان نور ايجاد شده با سطوح خاكستري تصوير نسبت نمايي دارد لذا قبل از نمايش بايد تصحيح قانون -تواني انجام شود.  0.6  0.4  0.3  3  4  5 )piecewise-linear( تابع تبديل قطعه خطي Low contrast Contrast streching Thresouldin g گسترش كنتراست  gray-level slicing  Bit-plane slicing   ‏nk ‏n پردازش هيستوگرام ‏pr (k)  ‏hr (k) nk ,  متعادل كردن هيستوگرامhistogram ‏equalization )s T(r 0 r 1 ) T(rهمواره صعودي و تك مقدار است 0 r 1 0 T(r) 1 r T  1(s) 0 s 1 dr ps (s)  pr (r) ds r s T(r)  pr (w)dw Histogram equalizer 0 ds dT(r) d  r   p (r)   p ( w ) dw r r    0   dr dr dr dr 1 ps (s)  pr (r)  pr (r) 1 ds pr (r) 0 s 1 histogram matchingتطبيق هيستوگرام r pr(r) W(r) z pz(z) z s -1 T(r) p (s)= G (z) pz(z) s 1 r pr(r) r s T(r)  pr (w)dw 0 t G(z)  pz (t)dt 0 z G 1(s) G 1T(r)   اجراي تطبيق هيستوگرام  بهبود منطقه اي هيستوگرام چرا؟ و چه وقت؟ چگونه؟  ‏ بهبود بر اساس پارامترهای آماری هيستوگرام ميانگين و واريانس محلی بهبود موضعی ثابت بهبود محلی انحراف استاندارد محلی ميانگين محلی بهبود موضعی توسط عمليات منطقی و حسابی AND, OR, NOT عمليات منطقی Negative, masking (region of interest), morphological operations g(x, y)  f (x, y)  h(x, y) تفريق تصاوير كاربرد تفريق تصاوير در عكسبرداري پزشكي ‏mask mode radiology or angiography ميانگين گيري تصاوير ‏ جمع تصاوير به منظور حذف نويز origina l GWAN σ=64 averaged K=8 averaged K=16 averaged K=64 averaged K=128 K=8 چگونگي كاهش نويز توسط ميانگين گيري ‏K=16 ‏K=64 ‏K=128 اصول فيلترهاي حوزه مكان )g(x, y) w( x, y) * f (x, y اصول فيلترهاي خطي حوزه مكان فيلترهاي هموار كننده حوزه مكان Smoothing ‏Spatial Filters original 3×3 5×5 9×9 15×1 5 35×3 5 فيلترهاي آماري حوزه مكان(غير خطي) ‏ فيلترميانه median filter كاربرد :حذف نويزهاي ضربه اي يا فلفل نمكي -1مرتب كردن مقادير تصوير در داخل ماسك n( n×nفرد) -2انتخاب مقدار مياني بجاي مقدار ورودي فيلترهاي تيز كننده حوزه مكان ‏ اصول :اضافه كردن مشتق اول يا دوم به سيگنال اصلي مشتق اول و دوم سيگنالهاي گسسته ‏f ) f (x  1)  f (x ‏x ‏2 f ) f (x  1)  f (x  1)  2 f (x 2 ‏x 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. ) به عنوان بهبود دهندهLaplacian( مشتق دوم 2 f 2 f  f 2 2 x y 2 2 f  f (x  1, y)  f (x  1, y)  2 f (x, y) 2 x 2 f  f (x, y  1)  f (x, y  1)  2 f (x, y) 2 y 2 f [ f (x  1, y)  f (x  1, y)  f (x, y  1)  f (x, y  1)] 4 f (x) Laplacian ماسكهاي اجراي مستقيم unsharp masking ماسك غير تيز fs (x, y)  f (x, y)  f (x, y) High boost filtering fhb(x, y)  Af (x, y)  f (x, y) fhfe(x, y) a  bHlpf (x, y) A=1 A=1. 7 استفاده از مشتق اول ()Gradient ‏ كاربرد :تاكيد كردن بر لبه هاي تصوير تركيب روشهاي بهبود در حوزه مكان a: orignal bone scan b: Lapalacian c: a+b d: a+Sobel e: smoothed Sobel image (5×5) f: mask image c.e g: sharpened a +f h: power-law trans. on g