tutorial:image
Unterschiede
Hier werden die Unterschiede zwischen zwei Versionen angezeigt.
Beide Seiten der vorigen RevisionVorhergehende ÜberarbeitungNächste Überarbeitung | Vorhergehende Überarbeitung | ||
tutorial:image [2015/07/26 13:05] – Beispiel 1 eingefügt ninux | tutorial:image [2015/07/26 15:04] (aktuell) – [Beispiel] ninux | ||
---|---|---|---|
Zeile 110: | Zeile 110: | ||
imshow(ImageOrig); | imshow(ImageOrig); | ||
title(" | title(" | ||
+ | |||
+ | |||
subplot(1, | subplot(1, | ||
Zeile 117: | Zeile 119: | ||
% save the grayscale image | % save the grayscale image | ||
imwrite(ImageGray, | imwrite(ImageGray, | ||
+ | </ | ||
+ | |||
+ | ===== Pixel lesen und schreiben ===== | ||
+ | Geladene Bilder sind in Octave einfache 2D Arrays bzw. Matrizen und können auch wie solche behandelt werden. Eine solche Matrix hat Spalten (x) und Zeilen (y) und wird als folgende Struktur dargestellt | ||
+ | |||
+ | Image = x1y1 x2y1 x3y1 x4y1 ... xny1 | ||
+ | x1y2 x2y1 x3y2 x4y2 ... xny2 | ||
+ | x1y3 x2y3 x3y3 x4y3 ... xny3 | ||
+ | x1y4 x2y4 x3y4 x4y4 ... xny4 | ||
+ | ... | ||
+ | x1ym x2ym x3ym x4ym xnym | ||
+ | | ||
+ | ==== Beispiel 2 ==== | ||
+ | Das [[https:// | ||
+ | |||
+ | <code octave> | ||
+ | % load the image | ||
+ | Image = imread(imageSource); | ||
+ | |||
+ | % get the size of the image | ||
+ | [sy, sx] = size(Image); | ||
+ | |||
+ | % define pixel lines to read from | ||
+ | redLine | ||
+ | greenLine = floor(5*sy/ | ||
+ | blueLine | ||
+ | |||
+ | % extract pixel data | ||
+ | redPixels | ||
+ | greenPixels = Image(greenLine,: | ||
+ | bluePixels | ||
+ | </ | ||
+ | |||
+ | ===== Statistik ===== | ||
+ | Für die Behandlung von Bilddaten sind statistische Auswertungen ein grundlegendes Werkzeug. Im folgenen sollen einige Grundbegriffe kurz erläutert werden. | ||
+ | |||
+ | ==== Absolutes Auftreten ==== | ||
+ | Nimmt man ein Graustufenbild und zählt für jeden Grauwert wie viele Pixel diesen Wert haben, dann erhält man damit das absolute Auftreten der Grauwerte. Mit diesem ' | ||
+ | |||
+ | <code octave> | ||
+ | [count, value] = imhist(Image); | ||
+ | </ | ||
+ | |||
+ | ==== Relative Häufigkeit ==== | ||
+ | Die relative Häufigkeit beschreibt die Auftretenshäufigkeit eines Grauwertes in Prozent. Um die relative Häufigkeit zu erhalten wird das absolute Auftreten dividiert durch die Anzahl Pixel des Bildes. Mit dem Wert der relativen Häufigkeit kann also die Aussage gemacht werden, wie viel Prozent des Bildes genau diesen Grauwert haben. | ||
+ | |||
+ | <code octave> | ||
+ | [count, value] = imhist(Image); | ||
+ | relCount = count/ | ||
+ | </ | ||
+ | |||
+ | ==== Kummulative Häufigkeit ==== | ||
+ | Die kummulative Häufigkeit beschreibt den prozentualen Anteil der Pixel welche den Graustufenwert unterschreiten. Die y-Achse der kummulativen Häufigkeit ist also limitiert von 0 bis 1. Die Aussage welche gemacht werden kann ist, dass y% des Bildes einen Graustufenwert kleiner als x aufweist. Die Aussage kann auch umgedreht werden mit der Subtraktion von 1. Wenn also beispielsweise 30% der Pixel einen Graustufenwert kleiner als 128 haben, dann kann die Aussage getroffen werden, dass '' | ||
+ | |||
+ | Um die kummulative Häufigkeit eines Bildes zu erhalten muss die kummulative Summe berechnet werden der relativen Häufigkeit wie im Folgenden gezeigt wird | ||
+ | |||
+ | <code octave> | ||
+ | [count, value] = imhist(Image); | ||
+ | relCount = count/ | ||
+ | cumCount = cumsum(relCount); | ||
+ | </ | ||
+ | |||
+ | ==== Mittelwert ==== | ||
+ | Der (arithmetische) Mittelwert gibt den Wert an, der sich bei Summierung aller Werte dividiert duch die Anzahl Werte ergibt (sozusagen den Schwerpunkt). | ||
+ | |||
+ | In Octave kann der Mittelwert (engl. ' | ||
+ | |||
+ | <code octave> | ||
+ | grayMean = mean2(Image); | ||
+ | </ | ||
+ | |||
+ | ==== Standardabweichung ==== | ||
+ | Die Standardabweichung ist ein statistisches Mass für die Streuung. Es beschreibt eine mittlere Abweichung vom Mittelwert. Ein kleiner Wert bedeutet, dass viele Werte nahe beieinander liegen beim Mittelwert. Ein grosser Wert bedeutet dagegen, dass die Werte weit verstreut sind. Ein Bild mit vielen Abstufungen wird also eine grosse Standardabweichung aufweisen, ein eintöniges Bild eine kleine Standardabweichung. | ||
+ | |||
+ | <code octave> | ||
+ | grayStdDev = std2(Image); | ||
+ | </ | ||
+ | |||
+ | ==== Beispiel 3 ==== | ||
+ | Das [[https:// | ||
+ | |||
+ | <code octave> | ||
+ | % load the image | ||
+ | Image = imread(imageSource); | ||
+ | |||
+ | % get histogramm results and do some calculations | ||
+ | [count, value] = imhist(Image); | ||
+ | | ||
+ | relCount = count/ | ||
+ | cumCount = cumsum(relCount); | ||
+ | | ||
+ | grayMean | ||
+ | grayStdDev = std2(Image); | ||
+ | </ | ||
+ | |||
+ | ===== Quantisierung ===== | ||
+ | Die Quantisierung eines Bildes gibt an, wie fein abgestuft die Pixelwerte sind in Anzahl Bit. Eine Quantisierung mit 8 Bit hat also eine Abstufung der Grauwerte in 256 Schritten, 6 Bit in 64 Schritten, 4 Bit in 16 Schritten usw. | ||
+ | |||
+ | Um ein gegebenes Bild gröber abzustufen z.B von 8 Bit auf 4 Bit, müssen die Pixelwerte dividiert werden durch die Stufendifferenz (8 Bit - 4 Bit = 4 Bit = 16), gerundet auf ganze Zahlen und danach wieder multipliziert werden mit der Stufendifferenz um die richtige Helligkeit zurück zu erhalten. | ||
+ | |||
+ | ==== Veranschaulichung vom Informationsverlust ==== | ||
+ | Bei der Division und Rundung geht Information verloren, d.h. bei diesem Schritt findet die eigentliche Umwandlung statt. Angenommen wir haben eine Zeile von Pixelwerten zwischen 100 und 120. Es gibt also 20 Abstufungen der Werte. | ||
+ | |||
+ | 100 | ||
+ | 106 | ||
+ | 112 | ||
+ | 118 | ||
+ | |||
+ | Dividiert man nun diese durch 16 (4 Bit) und rundet die Ergebnisse so befinden sich die Lösungen in einem Zahlenraum zwischen 25 und 30. Dies sind lediglich 5 Abstufungen statt wie vorher 20. Multipliziert man nun diese Werte wieder mit 16 so ergibt sich | ||
+ | |||
+ | 96 96 96 96 96 96 | ||
+ | 96 96 96 96 96 96 | ||
+ | 112 | ||
+ | 112 | ||
+ | |||
+ | Diese Werte haben nun zwar die Richtigen Helligkeitsstufen damit das Bild einigermassen richtig aussieht, jedoch geht die Detailträue deutlich zurück. | ||
+ | |||
+ | ==== Beispiel 4 ==== | ||
+ | Das [[https:// | ||
+ | |||
+ | <code octave> | ||
+ | % load the image | ||
+ | Image = imread(imageSource); | ||
+ | | ||
+ | % create the reduced images | ||
+ | Image8bit = Image; | ||
+ | Image6bit = floor(Image8bit/ | ||
+ | Image4bit = floor(Image8bit/ | ||
+ | Image2bit = floor(Image8bit/ | ||
+ | </ | ||
+ | |||
+ | ===== Rasterung ===== | ||
+ | Die Rasterung beschreibt die räumliche Auflösung (Pixelzahl) eines Bildes (im Gegensatz dazu die Quantisierung, | ||
+ | |||
+ | Diese kann im Octave mittel der Funktion '' | ||
+ | |||
+ | ==== Beispiel 5 ==== | ||
+ | |||
+ | Das [[https:// | ||
+ | |||
+ | <code octave> | ||
+ | % load the image | ||
+ | Image = imread(imageSource); | ||
+ | | ||
+ | % create reduced images | ||
+ | Image1 = Image; | ||
+ | Image2 = imresize(Image1, | ||
+ | Image3 = imresize(Image2, | ||
+ | </ | ||
+ | |||
+ | ===== LUT - look up table ===== | ||
+ | Eine LUT (look up table) wird verwendet für die Zuordnung von Pixelwerten. Die Idee und Operation dazu ist relativ simpel. Für jeden Pixelwert gibt es genau einen korresponiderenden Eintag in einer Tabelle (LUT) welcher übernommen wird. Der gelesene Wert im Original dient dabei als Index für die Tabelle (LUT). Es findet also eine lineare und eindeutige Zuordnung von Werten statt beim Anwenden einer LUT. | ||
+ | |||
+ | Im Folgenden ein Prinzipbeispiel einer invertierenden LUT | ||
+ | | ||
+ | LUT Index | ||
+ | LUT Wert 8 7 6 5 4 3 2 1 0 | ||
+ | | ||
+ | ---- | ||
+ | | ||
+ | Image | ||
+ | 0 | ||
+ | 1 | ||
+ | 2 | ||
+ | 4 | ||
+ | 5 | ||
+ | | ||
+ | apllyLUT(Image) | ||
+ | 8 | ||
+ | 7 | ||
+ | 6 | ||
+ | 4 | ||
+ | 3 | ||
+ | |||
+ | ==== Beispiel 6 ==== | ||
+ | Das [[https:// | ||
+ | |||
+ | < | ||
+ | % load the image | ||
+ | Image = imread(imageSource); | ||
+ | | ||
+ | % define look-up-table (LUT) | ||
+ | LUT_inverse = uint8([255: | ||
+ | LUT_bright | ||
+ | LUT_special = uint8(horzcat([0: | ||
+ | | ||
+ | % apply LUTs | ||
+ | ImageInverse = intlut(Image, | ||
+ | ImageBright | ||
+ | ImageSpecial = intlut(Image, | ||
</ | </ |
tutorial/image.1437915936.txt.gz · Zuletzt geändert: 2015/07/26 13:05 von ninux