1 / 36

STROJNI VID SEMINARSKA NALOGA

STROJNI VID SEMINARSKA NALOGA ODPRAVLJANJE SVETLOSTNIH NEHOMOGENOSTI Z MINIMIZACIJO ENTROPIJE SLIKE (Shading correction) Blaž Zorko. Kaj je ”Shading” : • je nezaželen pojav • kaže se kot neenakomerna osvetljenost v sliki, ki na realnih objektih ni prisotna

capucine-jencarlos
Download Presentation

STROJNI VID SEMINARSKA NALOGA

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. STROJNI VID SEMINARSKA NALOGA ODPRAVLJANJE SVETLOSTNIH NEHOMOGENOSTI Z MINIMIZACIJOENTROPIJE SLIKE (Shading correction) Blaž Zorko

  2. Kaj je ”Shading”: • je nezaželen pojav • kaže se kot neenakomerna osvetljenost v sliki, ki na realnih objektih ni prisotna • odpravljanje ”shadinga” je pomemben korak pri obdelavi slike (pred postopki segmentacije, detekcije, razpoznavanja,...)

  3. Vzroki za ”Shading”: • neenakomerna osvetlitev objektov • umazanost leč, popačenja na lečah • neenakomerna prostorska občutljivost senzorja v kameri

  4. KOREKCIJSKE METODE Retrospektivne: • potrebujejo informacijo zajete slike Kalibracijske: • popravljajo neodvisno od zajete slike • zajeto sliko sproti korigirajo Û(x,y)=N(x,y)-NBCK(x,y)+C ... odštevanje popravljalne slike Û(x,y)=N(x,y) / NBCK(x,y)*C ... deljenje s popravljalno sliko

  5. RETROSPEKTIVNE METODE • iterativni postopki • z informacijo iz zajete s slike, ki vsebuje shading, učijo popravljalno funkcijo • s pomočjo popravljalne funkcije popravijo moteno sliko • Metoda s prileganjem ploskvi (FB) • Metoda z minimizacijo entropije slike (EMI)

  6. MODEL SHADINGA Model shadinga predstavimo z naslednjimi enačbami: naravna slika = f –1 (motena slika) U ( x , y ) = f –1 ( N ( x , y ) ) popravljena slika = f –1 (motena slika) Û ( x , y ) = ( N ( x , y ) – SA( x , y ) ) / SM( x , y ) ) SA( x , y ) ... aditivna popravljalna komponenta SM( x , y ) ... multiplikativna popravljalna komponenta Popravljanje z eno samo komponento: Û ( x , y ) = N ( x , y ) – SA( x , y ) Û ( x , y ) = N ( x , y ) / SM( x , y )

  7. 1. Metoda s prileganjem ploskvi Popravljalno funkcijo F ( x , y ) je potebno naučiti tako, da bo srednja kvadratna napaka med njo in moteno sliko, čim manjša. Funkcija, ki jo prilegamo na sliko (ploskev) : F ( x , y ) = a0 + a1X + a2Y + a3X2 + a4Y2 + a5XY ITERACIJSKI OPTIMIZACIJSKI POSTOPEK določi parametre funkcije F(x,y), tako da bo izpolnjen spodnji pogoj:

  8. Izbira reprezentativnih točk • sliko razdelimo na kvadratke (npr. 10x10 pixlov) • v vsakem kvadratku poiščemo ali izračunamo reprezentativno točko, ki je lahko: - lokalni minimum (pixel z najmanjšo svetlostjo) - lokalni maksimum - lokalni median

  9. IZRAČUNAMO ADITIVNO IN MULTIPLIKATIVNO KOMPONENTO MODELA: POPRAVLJAMO PO SPLOŠNEM MODELU: Û ( x , y ) = ( N ( x , y ) – SA( x , y ) ) / SM( x , y ) )

  10. FB metoda s prileganjem: • lahko izberemo dve vrsti reprezentativnih točk , naučimo dve popravljalni funkciji Dve enačbi, dve neznanki,... FB . . . . . . Optimirana na lokalne mediane FD . . . . . . Optimirana na lokalne minimume .

  11. 2. Metoda z entropijsko minimizacijo Model shadinga ostane enak: Û ( x , y ) = ( N ( x , y ) – SA( x , y ) ) / SM( x , y ) ) Popravljalni komponenti zapišemo takole: upoštevajoč robna pogoja: dobimo:

  12. Iterativni optimizacijski postopek: Entropija popravljene slike naj bo čim manjša: Entropija slike: S spreminjanjem parametrov komponent SA in SM sproti popravljamo sliko.

  13. • postopek ustavimo, ko nadaljnje iteracije ne zmanjšajo več entropije slike, ki jo popravljamo • popravljena slika je slika iz tistega koraka, v katerem je bila entropija le-te najmanjša

  14. UPORABA OBEH METOD NA SLIKAH SLIKE KOŠARKAŠKIH INROKOMETNIH IGRIŠČ UMETNO GENERIRANE SLIKE PODOBNIH OBJEKTOV barvne: 384 x 288 črnobele : 400 x 400

  15. PRESLIKAVA V HSV BARVNI PROSTOR Grafično lahko HSV model predstavimo v obliki šeststranega stožca. Za

  16. METODA Z ENTROPIJSKO MINIMIZACIJO MOTENA BARVNA SLIKA RGB.bmp 255x255x255 barv H R S V G B 255 nivojev H H H H H H MIN MIN MIN MIN MIN MIN H' R' S' V' G' B' POPRAVLJENA BARVNA SLIKA RGB'.bmp

  17. Popravljanje slike v HSV prostoru je smiselno: • rezultati enaki ali boljši kot v RGB • popravljati je potrebno le V komponento • problem: pretvorba v HSV in nazaj (časovno potratno, • morebitna izguba informacije pri prelikavi ?) HSV barvni model je bolj soroden naravi človeškega zaznavanja slike. Hue- parameter določa barvo spektra. Podajamo ga v stopinjah in lahko zavzame vse vrednosti kotov znotraj barvnega kroga heksagrama med 0o in 360 o. Kot 0 o pomeni rdečo barvo. Saturation – je mera, ki podaja koncentracijo ali čistost barve. Zavzame lahko vrednosti od 0.0 (sivi nivo) pri V-osi do 1.0. (čista barva). Čisto rdečo barvo lahko tako na primer zapišemo kot H=0,S=1,V=1. Value– je mera, ki podaja svetlost barve. Zavzame lahko vrednosti med 0.0 (temna) in 1.0. (svetla). Če je S=0, predstavlja V-os paleto sivih nivojev, od črne spodaj do bele na vrhu.

  18. ENAČBE ZA PRETVORBO RGB > HSV . . . . komponenta, ki vsebuje shading

  19. Popravljena slika: • razporeditev svetlosti bolj enakomerna, prihaja do popačenj • minimizacija entropije zaradi velike širine histograma preveč efektivna • rešitev : omejiti domeno (področje histograma) na kateri deluje algoritem • 3D slika igrišča: • močna refleksija, svetlostna nehomogenost

  20. Histogram originalne slike Histogram popravljene slike

  21. EMI RGB 0-255 ORIG. EMI RGB 30-180 EMI HSV 30-180

  22. HISTOGRAM R ORIGINAL SLIKA HISTOGRAM G HISTOGRAM B RGB POVPREČNI HISTOGRAM

  23. EMI RGB 30-180 ORIG. FB metoda EMI HSV 30-170

  24. ORIG. EMI RGB 30-180 EMI HSV 30-170 FB metoda

  25. FB metoda s prileganjem ni dobra za velike objekte- črno ozadje je velik objekt >> izločimo ga: ORIGINAL FB metoda

  26. EMI RGB shading correction-dodano k originalni sliki EMI RGB shading correction-odvzeto od originalne slike EMI HSV shading correction-dodano k originalni sliki EMI HSV shading correction-odvzeto od originalne slike

  27. Popravljanje sivih (umetnih) slik objektov • boljši rezultati, ker je zelo malo točk na skrajni levi in skrajni desni strani histograma (ni črnega ozadja in bele refleksije) • ni potrebno omejiti domene svetlosti, v kateri EMI korekcija deluje(deluje v celotnem območju 0-255)

  28. ORIGINAL EMI RGB FB EMI HSV

  29. EMI RGB ORIGINAL FB EMI HSV

  30. FB shading correction-dodano k originalni sliki FB shading correction-odvzeto od originalne slike

  31. ORIGINAL EMI- RGB EMI-HSV FB ENTROPIJA 0.2655 0.2330 0.2165 0.2369 H[%] - -13% -19% -11% OCENA korekcije slike – entropija popravljene slike (povprečje za 15 testiranih slik)

  32. Ugotovitve in sklepi: • vse tri metode so se izkazale kot efektivne • vse tri delujejo zelo dobro na slikah, ki ne vsebujejo preveč komponent skrajnih leg histograma (bela refleksija, črno ozadje) • FB metoda ni najboljša na slikah, ki vsebujejo velike objekte • z omejitvijo domene popravljanja (spodnjega in zgornjega praga histograma) se z EMI metodo izognemo popačenjem - posledica: nekoliko manjši efekt popravljanja shadinga • če je le mogoče, zajamemo sliko brez nepotrebnih elementov(brez črne okolice) • možne so korenite izboljšave algoritmov za specifične slike

  33. Dodatek 1: neenakomerna osvetlitev keramičnih ploščic ORIGINAL EMI-HSV 0-255 EMI-RGB 0-255 FB

  34. Dodatek 2: senca na hiši ORIGINAL EMI-HSV 80-220 EMI-RGB 80-220 FB

  35. ORIGINAL EMI-RGB 80-220 FB EMI-HSV 80-220

  36. KONEC

More Related