Sousední provoz - Neighborhood operation - Wikipedia

v počítačové vidění a zpracování obrazu A sousedská operace je běžně používanou třídou výpočtů obrazových dat, což znamená, že jsou zpracovávána podle následujícího pseudokódu:

Navštivte každý bod p v obrazových datech a proveďte {N = sousedství nebo oblast obrazových dat kolem bodu p výsledek (p) = f (N)}

Tento obecný postup lze použít na obrazová data libovolné rozměrnosti. Rovněž obrazová data, na která se operace aplikuje, nemusí být definována z hlediska intenzity nebo barvy, může se jednat o jakýkoli typ informací, které jsou organizovány jako funkce prostorových (a případně časových) proměnných v str.

Výsledkem aplikace operace sousedství na obrázek je opět něco, co lze interpretovat jako obrázek, má stejný rozměr jako původní data. Hodnota v každém obrazovém bodě však nemusí přímo souviset s intenzitou nebo barvou. Místo toho je to prvek v rozsahu funkce F, které mohou být libovolného typu.

Normálně okolí N má pevnou velikost a je to čtverec (nebo krychle, v závislosti na rozměrnosti obrazových dat) se středem v bodě str. Také funkce F je pevná, ale v některých případech může mít parametry, které se mohou lišit str, viz. níže.

V nejjednodušším případě okolí N může být pouze jeden bod. Tento typ operace se často označuje jako bodová operace.

Příklady

Nejběžnější příklady operace sousedství používají pevnou funkci F který je navíc lineární, to znamená, že výpočet se skládá z a lineární invariant posunu úkon. V tomto případě odpovídá operace sousedství konvoluce úkon. Typickým příkladem je konvoluce s dolní propustí, kde lze výsledek interpretovat z hlediska místních průměrů obrazových dat kolem každého obrazového bodu. Dalšími příklady jsou výpočet lokálních derivací obrazových dat.

Je také poměrně běžné používat pevnou, ale nelineární funkci F. To zahrnuje střední filtrování a výpočet místních odchylek. Filtr Nagao-Matsuyama je příkladem složité operace místního sousedství, která používá rozptyl jako indikátor uniformity ve skupině pixelů. Výsledek je podobný konvoluci s nízkoprůchodovým filtrem s přidaným efektem zachování ostrých hran.[1] [2]

Existuje také třída sousedských operací, ve kterých funkce funguje F má další parametry, které se mohou lišit str:

Navštivte každý bod p v obrazových datech a proveďte {N = sousedství nebo oblast obrazových dat kolem bodu p výsledek (p) = f (N, parametry (p))}

To znamená, že výsledkem není invariant posunu. Příklady jsou adaptivní Wienerovy filtry.

Aspekty provádění

Výše uvedený pseudokód naznačuje, že operace sousedství je implementována ve smyslu vnější smyčky přes všechny obrazové body. Protože jsou však výsledky nezávislé, lze obrazové body navštívit v libovolném pořadí, nebo je lze dokonce zpracovat paralelně. Dále v případě operací s invariantním lineárním posunem výpočet F v každém bodě znamená součet produktů mezi obrazovými daty a koeficienty filtru. Implementaci této operace sousedství lze poté provést tak, že součtová smyčka bude mimo smyčku přes všechny obrazové body.

Důležitým problémem souvisejícím s fungováním sousedství je, jak se vypořádat se skutečností, že sousedství N stane se pro body víceméně nedefinováno str blízko okraje nebo okraje obrazových dat. Bylo navrženo několik strategií:

  • Vypočítat výsledek pouze pro body str pro které je odpovídající sousedství dobře definované. To znamená, že výstupní obraz bude o něco menší než vstupní obraz.
  • Nulová výplň: Rozšiřte vstupní obraz dostatečně přidáním dalších bodů mimo původní obraz, které jsou nastaveny na nulu. Smyčky přes výše popsané obrazové body navštěvují pouze původní obrazové body.
  • Rozšíření ohraničení: Vstupní obraz dostatečně rozšířte přidáním dalších bodů mimo původní obraz, které jsou nastaveny na hodnotu obrazu v nejbližším obrazovém bodě. Smyčky nad výše popsanými obrazovými body navštěvují pouze původní obrazové body.
  • Zrcadlové rozšíření: Zvětšete obraz dostatečně zrcadlením obrazu na jeho hranicích. Tato metoda je méně citlivá na místní variace na hranici obrazu než rozšíření ohraničení.
  • Obtékání: Obrázek je obložen dlaždicemi, takže odříznutí jednoho okraje se omotá kolem na opačnou stranu obrázku. Tato metoda předpokládá, že obraz je do značné míry homogenní, například stochastický textura obrazu bez velkých textonů.

Reference

  • Bernd Jähne (1997). Praktická příručka pro zpracování obrazu pro vědecké aplikace. CRC Press. ISBN  0-8493-8906-2.
  • Bernd Jähne a Horst Haußecker (2000). Počítačové vidění a aplikace, Průvodce pro studenty a odborníky z praxe. Akademický tisk. ISBN  0-13-085198-1.
  1. ^ „NAGAO-MATSUYAMA FILTER“. Anorkey. Archivovány od originál dne 17. ledna 2013. Citováno 25. srpna 2012.
  2. ^ Schowengerdt, Robert. „Image Noise II“ (PDF). University of Arizona. Citováno 25. srpna 2012.