Добавил:
Upload Опубликованный материал нарушает ваши авторские права? Сообщите нам.
Вуз: Предмет: Файл:
Пособие_CUDA.docx
Скачиваний:
5
Добавлен:
01.07.2025
Размер:
5 Мб
Скачать
☆
      1. Сглаживание по обратному градиенту

Метод сглаживания изображений по обратному градиенту заключается в специальном выборе весовых коэффициентов маски оператора. Чем больше абсолютное значение разности яркостей текущей (i,j) и центральной (x,y) точек, тем меньший вес придается соответствующему отсчету при усреднении. Для окна размером 3×3 элемента с центром в точке (x,y) процедура сглаживания изображениям f(i, j) описывается следующим образом:

где

и

Иными словами, влияние яркости пикселя окрестности зависит от того, насколько его яркость близка к яркости центрального пикселя.

      1. Сглаживающий сигма-фильтр

Идея сигма-фильтра заключается в том, что при замене значения яркости в точке (x,y) в усреднении участвуют только те пиксели окрестности, значения которых отличаются от яркости центрального пикселя окна не более чем на заданную величину параметра алгоритма σ:

где

Нетрудно видеть, что этот фильтр представляет собой модификацию простейшего линейного сглаживающего пространственного фильтра.

Недостаток указанного подхода, заключающийся в необходимости априорного назначения параметра алгоритма σ, частично преодолен в близком к нему методе усреднения по К-ближайшим соседям. Его суть заключается в замене яркости центральной точки (x,y) окна размером N×N средним уровнем яркости К (К < N2) ее соседей в окне с ближайшими к значениями яркости.

      1. Сглаживание по наиболее однородным областям

В пределах окна размером 5х5 выбирается 9 окон меньшего размера. Они показаны на рис. 2.4. Для каждого из девяти окон вычисляются среднее и дисперсия. Среднее значение яркости окрестности с минимальной дисперсией присваивается центральному элементу большого окна.

Рис. 2.4. Форма окон в методе сглаживания по однородным областям

Данный алгоритм можно модифицировать с целью сокращения вычислительных операций. Форма окон меньшего размера делается одинаковой и равной 3х3 пикселя (Рис. 2.5). Вместо дисперсии в качестве показателя однородности рассчитывается величина

Рис. 2.5. Примеры модифицированных областей усреднения

Здесь – яркость центральной точки большого окна 5×5; – яркость l-й точки k-го малого окна (3×3). Как и в предыдущем случае, заменяется средним уровнем яркости в пределах окна с минимальным значением ,

    1. Медианный фильтр

Цифровые изображения, формируемые различными техническими устройствами, искажаются под действием помех, шумов. Это затрудняет как их визуальный анализ, так и автоматическую обработку на ЭВМ. Причинами помех зачастую являются: несовершенство измерительных приборов, хранение и передача изображений с потерей данных. Существует множество методов и алгоритмов устранения помех. Многообразие методов и алгоритмов фильтрации связано с наличием большого разнообразия видов шумов. Кроме того, применяются различные критерии оптимальности (время, качество, яркость и др.), основанные на разных оценках результатов фильтрации, что также ведет к разнообразию методов фильтрации.

Медианная фильтрация была предложена Дж. Тьюки в 1971 г. Первоначально ее предполагалось использовать в качестве инструмента анализа временных рядов, а позже ее стали применять для обработки изображений.

В настоящее время медианная фильтрация является достаточно изученным и широко применяемым методом в области цифровой обработки изображений. Особенностью медианного фильтра является его нелинейность, что особо выделяет его среди множества алгоритмов фильтрации.