38962

Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований

Контрольная

Коммуникация, связь, радиоэлектроника и цифровые приборы

Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований С какой целью могут использоваться алгоритмы трансформирования исходных изображений на основе ортогональных преобразований Что общего и в чём различия между дискретным преобразованием Фурье и другими видами ортогональных преобразований. Один из видов ортогональных преобразований дискретное преобразование Фурье. В процессе ортогональных преобразований изображения имеющего сильные корреляционные связи между соседними элементами происходит...

Русский

2013-09-30

68 KB

6 чел.

2.4. Алгоритмы трансформирования исходных изображений на основе ортогональных преобразований (С какой целью могут использоваться алгоритмы трансформирования исходных изображений на основе ортогональных преобразований? Что общего и в чём различия между дискретным преобразованием Фурье и другими видами ортогональных преобразований?).

В некоторых случаях, для сокращения объёма данных или облегчения процедуры выделения признаков объектов на последующих этапах распознавания, целесообразно предварительно преобразовывать исходный двумерный массив [Еi,j] в массив значений коэффициентов [Fu,v], имеющий такой же формат MxN, как и исходное изображение.

Вторичный массив или иначе матрица коэффициентов [Fu,v] называется трансформантой. Один из видов ортогональных преобразований — дискретное преобразование Фурье. В случае преобразования Фурье трансформанта является ничем иным, как двумерным пространственным спектром изображения.

В общем случае любое преобразование исходного изображения на основе ортогональных операторов можно рассматривать как операцию разложения изображения в обобщенный двумерный спектр, а коэффициенты (т.е. элементы трансформанты) — как амплитуды соответствующих спектральных составляющих. Отметим, что если при этом в качестве базисных функций используются негармонические функции, то понятие пространственной частоты следует обобщить и использовать понятие секвенты.

Секвентой называется величина, равная половине среднего числа пересечений нуля в единицу времени или на единицу длины.

В процессе ортогональных преобразований изображения, имеющего сильные корреляционные связи между соседними элементами, происходит декорреляция (отбеливание). Таким образом, значения элементов трансформанты оказываются практически некоррелированными. В отличие от исходного массива, для которого характерно в среднем равномерное распределение энергии сигнала между элементами, распределение энергии сигнала в трансформанте крайне неравномерно. Основная доля энергии приходится на элементы с малыми порядковыми номерами (т.е. на низкие пространственные секвенты) и лишь небольшая доля — на прочие (см. рис 2. 3 ).

Рис. 2. 3. Распределение энергии сигнала между отдельными элементами
в исходном массиве (а) и в трансформанте (б).

Это обстоятельство позволяет либо вообще отбросить (т.е. считать равными нулю) большую часть элементов трансформанты (что означает, по существу, низкочастотную пространственную фильтрацию), либо квантовать их на малое число уровней с использованием минимального числа разрядов двоичного кода.

Рассмотрим некоторые наиболее распространённые виды ортогональных преобразований, применяемых при цифровой обработке изображений.

Здесь коэффициенты Fu в общем случае являются комплексными числами

Дискретное преобразование Фурье

Каждый комплексный коэффициент можно заменить двумя действительными составляющими. Эти составляющие характеризуют, соответственно, пространственные дискретные спектры амплитуд и фаз и определяются следующим образом:

Основной недостаток дискретного преобразования Фурье — сравнительно большой объём вычислений, а также необходимость сохранения большого числа составляющих трансформанты по сравнению с другими ортогональными преобразованиями при одинаковых ошибках восстановления изображения (т.е. при одинаковых потерях информации). Кроме того, для хранения отдельных составляющих комплексных коэффициентов, требуется больший объём памяти, чем для действительных значений элементов исходного массива. Говоря о дискретном преобразовании Фурье, следует упомянуть о возможности применения специально разработанных алгоритмов быстрого преобразования Фурье [1], а также о специализированных вычислительных устройствах для их реализации — так называемых систолических процессорах.

Преобразование Уолша (при M = N)

В свою очередь, коэффициенты bk(Z) определяются следующим образом: bk(Z) равен значению k-того разряда двоичного кода числа Z, состоящего из l двоичных разрядов. Если, например, Z = 10, т.е. 1010 =10102, то
b0 = 0; b1 = 1; b2 = 0; b3 = 1.

bk — определяются в соответствии с правилом их определения в преобразовании Уолша.

Преобразование Адамара (при M = N)

Очевидно, что все виды ортогональных преобразований являются обратимыми, т.е., используя процедуру обратного преобразования, можно из трансформанты восстановить исходное изображение.

Пусть [Еi,j] — массив исходного изображения форматом NxN , где j — номер строки, i — номер столбца элементов (номер элементов в строке); [Fu,v] — трансформанта изображения, которая имеет тот же формат NxN, где u и v соответственно номер строки и номер столбца элементов трансформанты. Тогда, в общем случае, независимо от вида ортогонального преобразования, запишем

где a(i,j,u,v) и b(i,j,u,v) — базисные функции прямого и обратного преобразований соответственно.

С практической точки зрения важно отметить, что все рассмотренные выше виды ортогональных преобразований являются разделимыми по переменным. Таким образом, вычисление прямых и обратных двумерных ортогональных преобразований удаётся свести к последовательному выполнению одномерных преобразований

Здесь астр(i,u), b(i,u) и a(j,v), b(j,v) — базисные функции прямого и обратного преобразований, соответственно вдоль направления строк и столбцов.

Для удобства записи и вычислений целесообразно использовать матричный аппарат

Здесь э] и [Астр] — матрицы прямого преобразования; [Вэ] и [Встр] — матрицы обратного преобразования; [Астр]т и [Встр]т — матрицы, полученные в результате транспонирования матриц [Астр] и [Встр].

Разумеется, независимо от формы математического представления, прямое и обратное ортогональные преобразования двумерных массивов требуют, в общем случае, значительных вычислительных затрат. Это следует учитывать при проектировании

АТСН, работающих в реальном масштабе времени. Однако, при цифровой обработке бинарных изображений, процедуры ортогональных преобразований существенно упрощаются, особенно в случае использования бинарных базисных функций (преобразования Уолша, Адамара и др.).


 

А также другие работы, которые могут Вас заинтересовать

77952. Облік грошових коштів і дебіторської заборгованості 169 KB
  Грошові кошти. Законодавче регулювання на Україні готівкового обігу коштів. Порядок ведення касових операцій в національній та іноземній валюті в Україні. Грошові кошти підприємства, їх склад та завдання обліку. Документальне оформлення касових операцій
77953. Облік дебіторської заборгованості 207.5 KB
  Методичні основи бухгалтерського обліку дебіторської заборгованості та вимоги до її розкриття у фінансовій звітності регламентовані Положенням (стандартом) бухгалтерського обліку № 10 “Дебіторська заборгованість”.
77954. Облік фінансових інвестицій 146 KB
  Для отримання прибутку багато підприємств, що мають в своєму розпорядженні тимчасово не зайняті в операційній діяльності грошові кошти, інвестують їх в обєкти різних галузей економічної діяльності
77955. Облік власного капіталу 59 KB
  Облік власного капіталу За рахунок капіталу власник придбаває матеріальні ресурси за допомогою яких отримує прибуток. Основні напрямки використання капіталу: виробнича інвестиційна або фінансова діяльність; розподіл доходів та активів між власниками при ліквідації підприємства. Види капіталу: власний капітал як джерело власних засобів фінансування підприємства гарантія організації бізнесу; залучений капітал як можливість розширення бізнесу спосіб додаткового збільшення прибутку.
77956. Облік зобов’язань. Визнання та класифікація зобов’язань 112.5 KB
  Методологічні засади формування в бухгалтерському обліку інформації про зобов’язання та її розкриття у фінансовій звітності визначені Положенням (стандартом) бухгалтерського обліку 11 «Зобов’язання».
77957. Облік витрат діяльності підприємства 320 KB
  Витрати звітного періоду – це витрати, що визнаються або шляхом зменшення активів, або шляхом збільшення зобов’язань, що призводить до зменшення власного капіталу (за винятком зменшення капіталу внаслідок вилучення або розподілу власниками), за умови, що ці витрати можуть бути достовірно оцінені.
77958. Облік доходів і фінансових результатів 133 KB
  Інвестиційна діяльність – це придбання та реалізація тих необоротних активів, а також тих фінансових інвестицій, які не є складовою часткою еквівалентів грошових коштів.
77959. Фінансова звітність. Вимоги до фінансової звітності 190.5 KB
  Метою складання фінансової звітності є надання користувачам повної, правдивої та неупередженої інформації про фінансовий стан, результати діяльності підприємства (доходи, витрати, прибутки і збитки від діяльності) та руху грошових коштів підприємства за звітний період.
77960. Облік праці, її оплати та соціального страхування персоналу 152 KB
  Облік праці її оплати та соціального страхування персоналу. Організація праці облік особистого складу робітників та використання робочого часу. Фонд оплати праці та його склад. ПС БО Виплати робітникам Питання організації і оцінки праці регламентують документи: Кодекс законів про працю Закон України Про оплату праці Закон України Про колективні договори і угоди Податковий Кодекс України.