Bildverarbeitungsalgorithmen Gesamtwiederholung - PowerPoint PPT Presentation

Title: Bildverarbeitungsalgorithmen Gesamtwiederholung


1
BildverarbeitungsalgorithmenGesamtwiederholung

• Manfred Thaller, Universität zu Köln
• Köln 29. Januar 2008

2
I. Bildverarbeitung
Bearbeitung von Bildern, die als strukturierter
Bytestream im Memory geladen sind.
3
Basisalgorithmus Bildverarbeitung
Unter Annahme eines Bildes als struct image
int zeilen int spalten unsigned char
bytes o for (i0ilto.spalteni) for
(j0jlto.zeilenj) transform(
(o.bytes (jspalten) i) )
4
Basisalgorithmus Bildverarbeitung
Oder allgemeiner struct image int
zeilen int spalten pixel pixel
o for (i0ilto.spalteni) for
(j0jlto.zeilenj) transform(
(o.pixel (jspalten) i) )
5
Basisalgorithmus Bildverarbeitung
Eingebunden in den Kontext von Qt (i.e.,
QImage) Beispiel Negation 8 Bit for (int
y0yltimage-gtheight()y) for (int
x0xltimage-gtwidth()x)
oldVal (image-gtscanLine(y) x)
newVal255-oldVal
(image-gtscanLine(y) x) newVal
6
Basisalgorithmus Bildverarbeitung
Eingebunden in den Kontext von Qt (i.e.,
QImage) Beispiel Negation 24 Bit for (int
y0yltimage-gtheight()y) for (int
x0xltimage-gtwidth()x) RGB(QRgb
)image-gtscanLine(y) x oldRed
qRed(RGB) newRed255-oldRed
oldGreen qGreen(RGB)
newGreen255-oldGreen oldBlue
qBlue(RGB) newBlue255-oldBlue
RGB qRgb(newRed,newGreen,newBlue)
7
Basisalgorithmus Bildverarbeitung
Dabei gilt jedoch for (int y0yltresult.height()
y) for (int x0xltresult.width()x)
(result.scanLine(y) x)
meineTransformation((image.scanLine(y))
Etwa eine Größenordnung langsamer als
8
Basisalgorithmus Bildverarbeitung
for (int y0yltresult.height()y)
newpixelresult.scanLine(y)
oldpixelimage.scanLine(y) for (int
x0xltresult.width()x)
(newpixel) meineTransformation((
oldpixel))
9
Basisalgorithmus Bildverarbeitung
Merke Bildverarbeitung muss performant sein!
10
Basistransformationen
Negation oldVal (image-gtscanLine(y)
x) newVal255-oldVal (image-gtscanLine(y) x)
newVal
11
Basistransformationen
Horizontale Spiegelung for (int
y0yltimage-gtheight()y) for (int
target0,sourceimage-gtwidth()-1
targetltlimittarget,source--)
pixel(image-gtscanLine(y) source)
(image-gtscanLine(y) source)
(image-gtscanLine(y)
target) (image-gtscanLine(y)
target) pixel
12
Basistransformationen
Vertikale Spiegelung for (int
target0,sourceimage-gtheight()-1
targetltlimittarget,source--) for (int
x0xltimage-gtwidth()x)
pixel(image-gtscanLine(source) x)
(image-gtscanLine(source) x)
(image-gtscanLine(target) x)
(image-gtscanLine(target) x) pixel
13
Basistransformationen
Farbbandextraktion (Qt spezifisch, lookup
table) for (int y0yltimage-gtheight()y)
for (int x0xltimage-gtwidth()x)
RGBvalimage-gtcolorTable()
(image-gtscanLine(y) x)
pixelqRed(RGBval)
(result.scanLine(y) x) pixel
14
Basistransformationen
Quadrantenrotation for (int oldy0,newximage-gth
eight()-1oldyltimage-gtheight()
oldy,newx--) for (int oldx0,newy0oldxlt
image-gtwidth()
oldx,newy)
(result.scanLine(newy) newx)
(image-gtscanLine(oldy) oldx)
15
Basistransformationen
Gradgenaue Rotation for (int y0yltimage-gtheight
()y) himage-gtheight()-y for
(int x0xltimage-gtwidth()x)
rhosqrt((double)(xx)(double)(hh))
thetaatan((double)h/(double)x)-usearc
newx(int)rint(rhocos(theta)xmin)
newyysize-((int)rint(rhosin(theta)ymin))
(inter(newyxsize)newx) (image-gtscanLine(y
) x)
16
Basistransformationen
Nachgeschobene Interpolation zur
Rotation offset0 -1 offset1 1
offset2 xsize-1 offset3 xsize for (int
y0yltresult.height()y) for (int
x0xltresult.width()x,use) if
(usegt0) (result.scanLine(y)x) use
else if ((use-1)lt0 (use1)lt0)
(result.scanLine(y)x) 0 else
(result.scanLine(y)x)
(useoffsetnow) if (now4)
now0
17
Lookuptable Transformationen
Intensitätsmodifikation table8new unsigned
int256 for (int i0ilt256i)
newpixelivalue if (newpixel lt
0)newpixel0 else if (newpixelgt255)
newpixel255 table8inewpixel
resultTIlookup(image,(void )table8) delete
table8
18
Lookuptable Transformationen
Wobei gilt TIlookup for (int
y0yltimage.height()y) for (int
x0xltimage.width()x)
(result.scanLine(y) x)
table8(image.scanLine(y) x)
19
Lookuptable Transformationen
Wobei gilt TIlookup for (int
y0yltimage.height()y) for (int
x0xltimage.width()x)
(result.scanLine(y) x)
table8(image.scanLine(y) x)
20
Lookuptable Transformationen
Davon abgeleitet Winkeltransformation (Beispiel
cosinus) arcfactorM_PI/180.0 cosfactor255.0/2.
0 table8new unsigned int256 for (int
i0ilt256i) table8i(int)rint((cos((do
uble)iarcfactor)1.0)cosfactor) resultTIlooku
p(image,(void )table8) delete table8
21
Lookuptable Transformationen
Davon abgeleitet Reduktion auf
Helligkeitsausschnitt factor(float)256.0/(high-l
ow1) table8new unsigned int256 steplow fo
r (int i0ilt256i) table8i(int)step
if (steplt255.0) stepfactor
if (stepgt255.0) step255.0
resultTIlookup(image,(void
)table8) delete table8
22
Lookuptable Transformationen
Histogramm errechnen histo8 new unsigned
int256 for (int i0 ilt256 i) histo8i
0 for (int y0yltimage.height()y) for
(int x0xltimage.width()x)
histo8(image.scanLine(y) x)
23
Lookuptable Transformationen
Davon abgeleitet auch Standardkontrastausgleich 1
/ 2 histo8 (unsigned int)TIhistogram(image)
totalimage.width() image.height() limit(int)(
total0.05) for (low0,i0lowltlimiti)
lowhisto8i lowi for (high0,i255highltlimi
ti--) highhisto8i highi
24
Lookuptable Transformationen
Davon abgeleitet auch Standardkontrastausgleich 2
/ 2 factor13.0/low for (i0,step0.0iltlowi
) histo8i(int)step
stepfactor factor230.0/(high-low) for
(step13.0ilthigh1i)
histo8i(int)step stepfactor
factor13.0/(256-high) for (step243.0ilt256i
) histo8i(int)step
stepfactor return TIlookup(image,(void
)histo8)
25
Lookuptable Transformationen
Davon abgeleitet auch Standardkontrastausgleich 2
/ 2 factor13.0/low for (i0,step0.0iltlowi
) histo8i(int)step
stepfactor factor230.0/(high-low) for
(step13.0ilthigh1i)
histo8i(int)step stepfactor
factor13.0/(256-high) for (step243.0ilt256i
) histo8i(int)step
stepfactor return TIlookup(image,(void
)histo8)
26
Lookuptable Transformationen
Verwandt damit Table-basierter Zoom factor
(float) zoom / (float)image.width() xtablenew
intresult.width() ytablenew
intresult.height() for (int newy0newyltresult.
height()newy) ytablenewy (int)(newy /
factor) for (int newx0newxltresult.width()newx
) xtablenewx (int)(newx / factor) for
(int newy0newyltresult.height()newy)
newpixelresult.scanLine(newy)
oldbaseimage.scanLine(ytablenewy) for
(int newx0newxltresult.width()newx)
(newpixel) (oldbase xtablenewx)

27
Lookuptable Transformationen
NB Interpolierender Zoom wird realisiert durch
komplexeren Aufbau der Lookuptables.
28
Nachbarschaftstransformationen
Basisvorgehen for (int y1yltresult.height()-1y
) baselineimage.scanLine(y)
for (int x1xltresult.width()-1x)
(result.scanLine(y) x)
TIneighbour8(image,x,type,baseline)
29
Nachbarschaftstransformationen
Beispiel für eine Nachbarschaftstransformation s
tatic int Xoffset -1, 0, 1, -1, 0, 1, -1,
0, 1 static int Yoffset -1, -1, -1, 0, 0,
0, 1, 1, 1 widthimage.width() switch(action)
case TINMinimum result255 for (int
i0i lt 9 i) candidate (baseline
(widthYoffseti) x Xoffseti) if
(candidate lt result) resultcandidate
break
30
Nachbarschaftstransformationen
Hervorheben von Intensitätsänderungen X
Differenz for (int y0yltresult.height()y)
for (int x1xltresult.width()x)
collect (image.scanLine(y) x)
(image.scanLine(y) x-1)
(result.scanLine(y) x)
(collectlt0) ? collect -1 collect

31
Nachbarschaftstransformationen
NB Partielle Transformationen können in Bilder
eingeschrieben werden Übergangsbetonung durch
Einrechnen XY Differenz step1TIcontrastS(TIXYdi
fference(image)) for (int y0yltresult.height()
y) for (int x0xltresult.width()x)
(result.scanLine(y) x)
((step1.scanLine(y) x) gt 128) ? 0
(image.scanLine(y) x)
32
Filteroperationen Nachbarschaften
Auf der operativen nicht mathematischen Ebene
können Filter als multiplikative
Nachbarschaftstransformationen verstanden werden.
33
Filteroperationen Nachbarschaften
Filteranwendung 1 / 2 static int filter49
1, 1, 1, 1, 1, 1, 1, 1, 1, / 0 low pass 1
/ 0, 1, 0, 1, 1, 1,
0, 1, 0, / 1 low pass 2 /
0,-1, 0,-1, 5,-1, 0,-1, 0, / 2 high
pass 1 / -1,-1,-1,-1,
9,-1,-1,-1,-1 / 3 high pass 2 /
static int divisor4
9,5,1,1 unsigned char baseline for (int
y1yltresult.height()-1y) baselineimage.scan
Line(y) for (int x1xltresult.width()-1x
) (result.scanLine(y) x)
TIfilter8(image,x,filtertype,divisortype
,baseline)
34
Filteroperationen Nachbarschaften
Wobei gilt (Filteranwendung 2 / 2) int
Xoffset -1, 0, 1, -1, 0, 1, -1, 0, 1 int
Yoffset -1, -1, -1, 0, 0, 0, 1, 1,
1 widthimage.width() collect0 for (int
i0i lt 9 i) collect (baseline
(widthYoffseti) x Xoffseti)
filteri result collect / divisor
35
Filter
Dementsprechend, die wichtigsten Filter static
int filter159 1, 1, 1, 1, 1, 1, 1, 1, 1,
/ 0 low pass 1 /
0, 1, 0, 1, 1, 1, 0, 1, 0, / 1 low pass 2 /
0,-1, 0,-1, 5,-1,
0,-1, 0, / 2 high pass 1 /
-1,-1,-1,-1, 9,-1,-1,-1,-1, / 3 high
pass 2 / 1, 2, 1, 2,
4, 2, 1, 2, 1, / 4 W.Mean 1 /
0, 1, 0, 1, 2, 1, 0, 1, 0, / 5
W.Mean 2 / 0, 1, 0,
1,-4, 1, 0, 1, 0, / 6 Laplace 1 /
-1,-1,-1,-1, 8,-1,-1,-1,-1, / 7
Laplace 2 / 0,-1,
0,-1, 7,-1, 0,-1, 0, / 8 Laplace 3 /
-1,-1,-1, 0, 0, 0, 1, 1, 1, /
9 Prewitt A / -1,
0, 0, 0, 0, 0, 0, 0, 1, / 10 Roberts A /
-1,-2,-1, 0, 0, 0, 1, 2, 1,
/ 11 Sobel A /
1, 0,-1, 1, 0,-1, 1, 0,-1, / 12 Prewitt B /
0, 0,-1, 0, 0, 0, 1, 0,
0, / 13 Roberts B /
-1, 0, 1,-2, 0, 2,-1, 0, 1 / 14 Sobel B /
static int
divisor15 9,5,1,1,16,6,1,1,3,1,1,1,1,1,1 st
atic int absolute15 0,0,0,0,0,0,0,0,0,-1,-1,-
1,-1,-1,-1
36
Transformationen des Fourier Typs
Prinzip Die Zuordnung von Helligkeitswerten zu
Punkten wird durch eine andere geometrisch /
mathematische Interpretation derselben
numerischen Werte ersetzt. Fourier Die
räumliche Verteilung von Helligkeitswerten kann
durch eine Bündelung von Frequenzwerten ersetzt
werden.
37
Transformationen des Fourier Typs
Beispielsweise ist leicht nachvollziehbar, dass
im Bild jede Zeile des Bildes
auch als eine Schwingung
verstanden werden kann, deren
hohe Amplitude besonders hell, deren
niedrige besonders dunkel ist.
38
Transformationen des Fourier Typs
Wenn dies so ist, kann dieses Bild offensichtlich
durch Angabe der Schwingungsdauer und der
Amplitude dargestellt werden. Wird dies
weitergedacht, kann man konzeptuell jeden Punkt
eines Punktes dadurch beschreiben, dass man
behauptet, das Bild von n x m Pixeln stelle n x m
Schwingungen dar, von denen jede an genau einem
der Pixel jene Ausprägung der Amplitude habe, die
dem Helligkeitswert dieses Pixels entspräche.
39
Transformationen des Fourier Typs
Fouriertransformationen sind relativ
anspruchsvoll effektiv zu optimieren wurden
deshalb während des Semesters NICHT im Quellcode
besprochen. Sie sind aber EXTREM
wichtig. Wichtig ist, folgende Eigenschaften
festzuhalten
40
Transformationen des Fourier Typs
(1) Fouriertransformationen sind voll umkehrbar
41
Transformationen des Fourier Typs
(2) Transformierte Bilder können zielgerichtet
bearbeitet werden
42
Transformationen des Fourier Typs
(2) Transformierte Bilder bestehen üblicherweise
aus überwiegend sehr viel kleineren Zahlenwerten
43
II. Bildspeicherung und Kompression
Techniken zum Transfer von Bytestreams aus der
linearen Form (Platte) in strukturierte Form
(Memory).
44
Binäres Lesen (Qt flavour)
Lesen imageFile.seek(ifd_addr) imageFile.read(
(char )buffer,n) Schreiben imageFile.seek(ifd
_addr) imageFile.write((char )buffer,n) Posit
ion merken ifdstart imageFile.pos()
45
Komprimieren
Run Length Encoding while(line gt 0) c
(source) if (c lt 0) count c
-1 1 memset(target, source, count)
source else count c
1 memcpy(target, source, count)
source count line - count
target count
46
Komprimieren
CCITT / Huffmann Encoding (bitonal) 1 /
3 while(gottenltheader-gtwidth) if
((runlengthTIfetchrun(ccitt,buffer,0,err))lt0)
goto cleanup memset(target,usecolor0,runl
ength) targetrunlength
gottenrunlength if (gottengtheader-gtwidth
) break if ((runlengthTIfetchrun(ccitt,bu
ffer,1,err))lt0) goto cleanup
memset(target,usecolor1,runlength)
targetrunlength gottenrunlength

47
Komprimieren
CCITT / Huffmann Encoding (bitonal) 2 / 3
48
Komprimieren
CCITT / Huffmann Encoding (bitonal) 3 / 3
49
Komprimieren
Lempel-Ziv Welch (LZW) 1 / 2 InitializeStringTa
ble() WriteCode(ClearCode) W the empty
string for each character in the strip K
GetNextCharacter() if WK is in the
string table W WK / string
concatenation / else WriteCode
(CodeFromString(W)) AddTableEntry(WK)
W K WriteCode (CodeFromString(W)) W
riteCode (EndOfInformation)
50
Komprimieren
Lempel-Ziv Welch (LZW) 2 / 2 static int
shifts48 7, 6, 5, 4, 3, 2, 1,
0, 14, 13, 12, 11, 10, 9, 8,
7, 13, 12, 11, 10, 9, 8, 7, 6,
12, 11, 10, 9, 8, 7, 6, 5 int raw,
use use lzw-gtlzwbits gtgt 3 if (use gtmax)
return TiffLZWEOI raw (rasteruse ltlt 8)
(rasteruse 1) if (lzw-gtlzwcsgt9) raw
(rawltlt8) (rasteruse 2) raw gtgt
shiftslzw-gtlzwcs-9lzw-gtlzwbits
8 lzw-gtlzwbits lzw-gtlzwcs return
(rawlzw-gtlzwmask)
51
Komprimieren

• JPEG
• Sechs Schritte zum s/w JPEG Image
• In Blöcke gruppieren Zentrieren um Null.
• DCT jedes Blocks.
• Elimieren einiger Werte durch "quantization".
• 8 x 8 Blöcke ? lineare Sequenz, per Entropy
  Encoding.
• Run length encoding.
• Huffman encoding.
• Vor diesen Schritten im 24 Bit Fall
• Transformation RGB ? YCbCr.

52
Schöne Ferien!