Please enable JavaScript.
Coggle requires JavaScript to display documents.
FILTERING, Deblurring: processo che consente di ricostruire l'immagine…
FILTERING
Edge & Contours: il bordo o arco descrive una rapida variazione dell'intensità dell'immagine. Il bordo è quindi un vettore con magnitude e direzione e viene calcolato tramite il gradiente
La direzione dell'erge è in direzione PERPENDICOLARE al gradiente
Prewitt: maschera che viene usata per calcolare il gradiente e ridurre il rumore (-1 nella prima colonna e 1 nella terza, poi uguale ma orizzontale per righe che corrispondono alla derivata lungo x e y)
Sobel: Simile alla Prewitt ma con -1, -2, -1 e 1, 2, 1
Edge Detector w Sobel: esegue la convocazione sia con la maschera Sx che Sy per poi calcolare la magnitude e vengono selezionati solo quelli con magnitude superiore a una soglia
Canny criterio: un edge detector deve avere buon rilevamento, buona localizzazione, risposta per ogni edge
1) Smoothing dell'immagine con un filtro gaussiano (DoG) cioè derivo un filtro gaussiano poi lo applico
2) Trovo la direzione normale degli edge n_signed = gradiente del DoG / norma
3) Calcolo magnitude del gradiente
4) Trovo la posizione precisa dell'erge ove la derivata seconda del gradiente è pari a zero
5) Applico l'hysteresis thresholding
Scelta dei bordi con la Non-Maxima Suppression: verifico se il pixel è massimo locale lungo la direzione del gradiente; eseguo l'interpolazione nell'intorno del punto. Quindi calcolo la direzione del gradiente con l'interpolazione poi se un punto appartenente alla direzione del gradiente è massimo allora sarà un edge effettivo altrimenti viene scartato
Hysteresis thresholding: dopo aver scelto gli edge candidati, scelgo una soglia massima e una minima, e seleziono solo i bordi forti: sopra alla soglia minima e che hanno nell'intorno almeno un valore maggiore della soglia massima (TH circa 2/3 TL)
LoG: Laplacian of gaussian, calcola la derivata seconda del filtro gaussiano poi fa la convocazione con l'immagine
-
Linear Filtering: processo che da come output una nuova immagine in cui i pixel sono ottenuti come somma pesata dei pixel in posizione corrispondente e nell'intorno
Si effettua con il dot product o cross-correlazione: (differisce dalla convocazione per il segno)
sum(sum(F(i,j)* I(x + i, y + j))
Gaussian Filter: maschera isotopia data dalla convocazione con una gaussiana con media 0 e deviazione standard determinata
Bilateral Filter: riduce il rumore mantenendo i bordi nitidi e non sfocati. Ogni pixel è ottenuto dalla media pesata dei pixel nell'intorno e i pesi sono scelti in funzione della vicinanza con il pixel centrale di riferimento. Ha quindi un kernel con i pesi dalla distanza spaziale e un kernel con pesi sulla base della similarità con i vicini.
Il primo riduce il rumore, il secondo evidenzia i bordi.
-
-
-
Deblurring: processo che consente di ricostruire l'immagine partendo da una sfocata: degradazione della nitidezza.
y (blurred image) = x (sharp image) * k (blur kernel) + n (noise)
Se il noise fosse zero potremmo ricostruire l'immagine sharp con la formula inversa, questo non è mai possibile siccome il noise è sempre presente.
-