A képelemzés folyamata

1. A képelemzés folyamata a) A képek érzékelése és rögzítése. b) A képek feldolgozása: a lényeges és a lényegtelen információk különválasztása. A {szürke képből >> szürke képet} transzformációk végrehajtása. c) Detektálás. A képeken található – vizsgálni kívánt – jellegzetességek ('features'), vagy objektumok ('object') megkülönböztetése, s a háttértől való elválasztása. Bináris képek létrehozása: a {szürke képből >> bináris kép} transzformáció segítségével. d) A bináris képek átalakítása {bináris képből >> bináris kép}, a mérés előkészítése. e) A mérés végrehajtása. A {képből >> adat} transzformáció segítségével. A mérési eredmények előállítása. f) A mérési eredmények értelmezése {adatok << >> képi környezet}.

2. Videokamerák A fekete-fehér és a színes videokamerák egyaránt az objektív által a képfelvevő felületre vetített képek videojellé történő átalakítását végzik. Két típusuk van: egyik a képfelvevő cső (a), míg a másik (b) a CCD kamera. (a) (b)

3. Analóg videojel (ideális eset)

4. Analóg video jel (reális eset)

5. 8 bit = 256 szürkeségi szint 10 bit = 1024 szürkeségi szint 12 bit = 4096 szürkeségi szint Digitális video jel

6. Szürkekép • A képmátrix értékei a fekete-fehér intervallumon belül változnak, azaz pl. 256 (8 bites felbontásnál) különböző szürkeségi szint alkotja a képet.

7. A képelemzés folyamata a) A képek érzékelése és rögzítése. b) A képek feldolgozása: a lényeges és a lényegtelen információk különválasztása. A {szürke képből >> szürke képet} transzformációk végrehajtása. c) Detektálás. A képeken található – vizsgálni kívánt – jellegzetességek ('features'), vagy objektumok ('object') megkülönböztetése, s a háttértől való elválasztása. Bináris képek létrehozása: a {szürke képből >> bináris kép} transzformáció segítségével. d) A bináris képek átalakítása {bináris képből >> bináris kép}, a mérés előkészítése. e) A mérés végrehajtása. A {képből >> adat} transzformáció segítségével. A mérési eredmények előállítása. f) A mérési eredmények értelmezése {adatok << >> képi környezet}.

8. A képfeldolgozás módjai • Szürkekép átalakítások {szürkeképből >> szürkeképet}: a vizsgálni kívánt jellegzetességek (‘features’), objektumok (‘object’) kihangsúlyozása (szűkebb értelemben csak ez a képfeldolgozás), a lényeges és a lényegtelen információk különválasztása. • Szegmentálás, detektálás {szürkeképből >> binárisképet} a vizsgálni kívánt objektumok és a háttér teljes elkülönítése (pl. szürkeségi szintjük alapján) alapján, amelynek eredménye: bináris kép. • Bináris átalakítások {binárisképből >> binárisképet}: a mérendő objektumok átalakítása, értelmezésüket leginkább megközelítő alakra hozásuk.

9. A képfeldolgozás módjai • Szürkekép átalakítások {szürkeképből >> szürkeképet}: • pl. nem valós objektumok (zaj, szennyeződés) eltávolítása

10. A képfeldolgozás módjai • Szegmentálás, detektálás {szürkeképből >> binárisképet} • az objektumok és a háttér teljes elkülönítése

11. A képfeldolgozás módjai • Bináris átalakítások (binárisképből > binárisképet): mérendő objektumok átalakítása

12. Detektálás • A képek a mérés szempontjából lényegtelen információkat is hordoznak (elektromos zaj; egyenlőtlen megvilágítás; csiszolási és maratási hibák, stb.), valamint „több fázisúak”. • Ezért szükséges "kijelölnünk", detektálnunk a kép kívánt tartományait, amelyeket azután számszerűen jellemezhetünk. • Ezt nevezzük bináris képpé alakításnak (0 és 1), vagy szegmentálásnak, és többnyire egy-egy szürkeségi szint alatti illetve feletti képpontok elkülönítését értjük alatta.

13. Más detektálási elvek • A szegmentálás azonban nem csak küszöb értékeken keresztül valósítható meg. • Lehetséges az objektumokat más jellemzőjük: textúra, morfológia alapján is elkülöníteni. • Ilyen a tűs szerkezet azonosítása az orientáció vagy a hosszúság alapján.

14. Más detektálási elvek • Tűs szerkezet azonosítása a hosszúság alapján.

15. Színes képek feldolgozása • Színsávonként

16. Színes képek feldolgozása • Színes képek szürkeképként történő elemzése, az egyes színekhez (színsáv-kombinációkhoz) egy-egy szürkeségi szintet rendelünk majd az eredményt visszaalakítjuk a hozzárendelési táblázat alapján.

17. Szürkekép feldoldolgozásjellemzői • Szükséges rossz: még a legegyszerűbb zajszűrés is rontja a megbízhatóságot. • Nélkülözhetetlen, mert a detektálás e nélkül olykor teljesen valótlan eredményt adna. • A bináris átalakításokkal a hibák korrigálása már egy olyan képen történne, ami nem tartalmazza az összes információt.

19. Look Up Table (LUT) transzformációk • Pontbeli intenzitás transzformációk • Általában egy meghatározott függvény kapcsolatothajtanak végre az adott képpont szürkeségi szintjén • Az eredmény csupán az adott pont kiindulási szürkeségi értékétől függ, a szomszédok szürkeségi szintjétől független.

20. Look Up Table (LUT) transzformációk • A kapcsolat gyakran matematikai (logaritmus, négyzet, négyzetgyök, exponenciális, reciprok - azaz inverzkép). • Az eredményt a 0..255 szürkeségi szint-tartományba skálázzuk át, ahol a 0 a fekete, 255 a fehér szintjét jelöli • (Sij)output = Smax (Sij)input / (Sij)max • ahol (Sij)output a kép pontjainak szürkeségi szintje • Smax a megjeleníthető maximum (255) • (Sij)input szürkeségi szintek a matematikai • művelet után • (Sij)max szürkeségi szint maximuma a matematikai művelet után.

21. LUT transzformációk Inverz kép előállítása

22. LUT transzformációk Inverz kép előállítása

23. LUT transzformációk Exponenciális LUT

24. LUT transzformációk Kontraszt növelése

25. Hisztogram kiegyenlítés (LUT) • Hisztogram a kép szürkeségi szintjeinek megfelelő sűrűségfüggvény: Hisztogram

26. Hisztogram kiegyenlítés (LUT) Átalakított kép hisztogramja Eredeti kép hisztogramja

27. LUT transzformációk • Maga a LUT kifejezés a számítástechnikai megvalósításból származik • A gyakorlatban a 256-féle szürkeségi szinthez tartozó 256-féle hozzárendelést előre kiszámítják és TÁBLÁZATBAN tárolják. • Az egyes képpont értékeket kicserélik. Ez jóval kevesebb számítási igényel, mint minden egyes pontban elvégezni magát a transzformáció műveletsorozatát (kivétel: háttérkorrekció!).

28. LUT transzformációkAutomatikus kontraszt • Az "AutoContrast" művelet nem egyéb, mint a kép szürkeségi szintjének átkalibrálása a 0..255 tartományba az alábbi egyenlet szerint: • (Sij)output = Smax (Sij)input / (Sij)max • ahol (Sij)output a kép pontjainak szürkeségi szintje • Smax a megjeleníthető maximum.

29. LUT automatikus kontraszt Eredeti kép hisztogramja Átalakított kép hisztogramja

30. LUT transzformációkHáttér korrekció • Az ún. SHADING CORRECTION (egyenlőtlen megvilágítás miatt a háttér egyenlőtlen) is LUT transzformáció, ám ekkor nem az egyes szürkeségi szintekhez rendelünk új értéket, hanem a kép egyes (ij) pontjaihoz rendeljük a konstans háttér-értékeket („üres látómező”), amelyet továbbiakban a feldolgozandó képekből „kivonunk”.

31. Konvolúció • A konvolúciós képátalakító művelet a képpontok szürkeségi szintjét szomszédainak figyelembe vételével módosítja egy m x m kernel (szűrő) segítségével. Si = a bemenő kép szürkeségi szintjei ki= a kernel értékei S5= a kimenő kép egy pontjának szürkeségi szintje N= a konvolúciós mátrix elemeinek összege + 1

32. Él kiemelés, élesítés • Az él kiemelő kernel a képpontok szürkeségi szintjeinek hirtelen változása alapján „keresi meg” a kép egyes irányaiban az éleket. • Vízszintes él kiemelés (a), • Függőleges él kiemelés (b), • Élesítés (c). (a) (b) (C)

33. Él kiemelés, élesítés • Vízszintes él kiemelés

34. Él kiemelés, élesítés • Függőleges él kiemelés

35. Él kiemelés, élesítés • Élesítés

36. Simítás, lágyítás • Átlag képzés

37. Simítás, lágyítás • Súlyozott átlag

38. Morfológiai transzformációk • Morfológiai transzformációk során az egyes képpontok szürkeségi szintjét a szomszéd képpontok szürkeségi szintjétől függően változtatjuk meg. • A figyelembe vett szomszédság méretét és alakját egy ún. szerkezeti elem (módosító elem), pédául egy 3x3-as négyzet jelöli ki. • Szürkeképeknél "kisebb" / "nagyobb" relációk segítségével történik a módosítás.

39. Eredeti kép Kör alakú szerkezeti elem • Lehetséges szerkezeti elemek Nyolcszög alakú szerkezeti elem Négyszög alakú szerkezeti elem Vízszintes téglalap alakú szerkezeti elem Függőleges téglalap alakú szerkezeti elem

40. Erózió és dilatáció • Leggyakoribb morfológiai transzformációk • A szürkekép eróziója nem más, mint egy-egy pixel értékének helyettesítése az önmaga és nyolc szomszédja által alkotott csoport szürkeségi értékeinek minimumával. • Dilatáció során a maximum érték helyettesítése történik.

41. Erózió és dilatáció • Erózió - dilatáció szemléltetése virtuális 3D ábrán

42. Eredeti kép és a szürkeségi profil Erodált kép és a szürkeségi profil

43. Eredeti kép és a szürkeségi profil Dilatált kép és a szürkeségi profil

44. Morfológiai transzformációk tulajdonságai • Megfordíthatatlanok, egy - egy erodált kép eredetijét nem kapjuk vissza az eróziót követően elvégzett dilatációval. • Az erózió és a dilatáció egyfajta komplementer műveletek: miközben a háttér erodálódik, az objektumok dilatációját figyelhetjük meg.

45. „Opening” és „closing” mint morfológiai transzformációk • A "nyitás (opening)" nem más mint erózió és azt követő ekvivalens dilatáció. • A "zárás (closing)" pedig a dilatáció és az ekvivalens erózió egymást követő végrehajtásából áll. • Az ekvivalens kifejezéssel azt jelenti hogy nem feltétlenül egyetlen alkalommal történik a művelet: más eredményt kapunk két eróziót követő két dilatáció során.

46. Nyitás - zárás • Az opening az apró, világos objektumokat távolítja el. • A closing az apró, sötét jellegzetességek eltüntetésére használható. • Az eltávolított objektumok mérete az alkalmazott eróziók és dilatációk számától, valamint a szerkezeti elem alakjától függ.

47. Nyitás • Apró és világos objektumok eltávolítása Eredeti kép Módosított kép

48. Zárás • Apró, sötét jellegzetességek eltávolítása Eredeti kép Módosított kép

49. Lágyítás • Sokféle szűrő származtatható az erózió, dilatáció, opening, closing egymást követő alkalmazásával. • Alternáló sorozatokon alapuló szűrők például az n-szeres black smoothing: • 1 open  1 close  2 open  2 close  ...  n open  n close. • Az n-szeres white smoothing művelet: • 1 close  1 open  2 close  2 open  ...  n close  n open.

50. Fekete simítás • n-szeres black smoothing (n open  n close) Eredeti kép Módosított kép