Úpravy rastrového obrazu

Geometrické trasformace

Přednáška 11

Pro geometrické transformace rastrového obrazu se používá mapování dopředné – prochází se pixely původního rastru a určuje se barva a poloha pixelu ve výsledném rastru zpětné – pro pixely výsledného rastru se hledají odpovídající pixely v původním rastru

Při dopředném mapování mohou vznikat prázdná místa ve výsledném rastru.

Úpravy rastrového obrazu

Žára, J., Beneš, B., Felkel, P. Moderní počítačová grafika. Computer Press, Brno, 1998. ISBN 80-7226-049-9. Foley, Van D. Computer Graphics. Principles and Practice. Addison-Wesley,1991.

1

Počítačová grafika, PV, UPCE-KID, [2010/2011]

Otáčení


Přednáška 11

2

Příklad vzniku děr v závislosti na úhlu otáčení

Dochází ke změně rozměrů obrázku (v ojedinělých případech zůstává rozměr stejný) Bezproblémové otáčení o násobky 90° Otáčení o libovolný úhel: při dopředném otáčení vznikají díry, které je potřeba nalézt a určit jejich barvu z vyplněných sousedů při zpětném mapování se určí ( š ' , v ' ) = f ( š , v, α )

obrysy, pro jednotlivé body nového rastru se hledají polohy v původní rastru (většinou reálná hodnota) vybranou metodou (volba se promítne do kvality) se určí barva výsledného pixel dle sousedů v původním rastru


Přednáška 11

3


Přednáška 11

4

Změna velikosti

Lineární interpolace (bilineární) x0 < x < x1 výpočet hodnoty f(x), pokud znám f(x0) a f(x1) bilineární interpolaci získám postupnou aplikací lineární interpolace v obou směrech Lineární interpolace

⎡ x − x0 ⎤ f ( x) = f X 0 + ⎢ ( f X 1 − f X 0 )⎥ ⎣ x1 − x0 ⎦

pix

barva

Princip: převzorkování – převedení diskrétního signálu na spojitý a provedení nového vzorkování Interpolace nejbližším sousedem novyRozmer = staryRozmer * koefZmeny Pokud je koeficient zvětšení (zmenšení) k celé číslo, potom každý pixel zopakuji k-krát (kreslí se pouze každý k- tý řádek). Pro reálný poměr se určí nový rozměr a pro každý pixel v novém rozměru určím nejbližšího souseda v původním obrázku.

Interpolace nejbližším sousedem barva

Interpolace

pix

Kubická interpolace

1


2

3

Přednáška 11

4

pix

5

5

Kubická interpolace


Přednáška 11

6

Přednáška 11

8

Příklady interpolace

Originál Interpolace nejbližším sousedem

Bilineární interpolace


Kubická interpolace (bikubická) vytvoření splajnové kubické křivky výpočet libovolného bodu na křivce

barva

Přednáška 11

7


(Lineární) interpolace v ploše … 1

2

2.33

3

1

A

2

… x

n

m 1.5 3

2

B

4

Detekce hran

zvetseniX=3, zvetseniY=2

Pixel [7; 3] v novém rastru je mapován do originálního rastru na pozici [2.33; 1.5] m = 0,333; n = 0.5

Barva se určuje z barev pixelů [2; 1], [3; 1], [2; 2], [3; 2]

y

Výpočet lze provádět

Barva1 Barva2 BarvaA

(224, 255, 255) (44, 255, 255) (164, 255, 255)

Barva3 Barva4 BarvaB

(255, 220, 150) (255, 190, 50) (255, 210, 100)

Založena na zjišťování gradientu jasu v obraze. Hrana je charakteristická výraznou změnou jasu. Vyšetřujeme vždy lokální okolí bodu (gradientové metody, náhrada derivací diferencemi) Na daný bod a jeho nejbližší okolí aplikujeme zvolený operátor (masku) a vytváříme gradientový obraz. Pomocí prahování (optimální variační práh) určíme hrany.

postupně (dvě interpolace v řádku a následně z vypočítaných hodnot provést interpolaci ve sloupci) nebo

jediným výpočtem Barva = (1-n)*((1-m)*Barva1 + m*Barva2) + (n)*((1-m)*Barva3 + m*Barva4)

Barva interpolovaného pixelu (210, 232, 177) Přednáška 11


9

Masky pro určování hran

10

Barevné transformace

⎡− 1 − 1 − 1⎤ L2 = ⎢⎢− 1 8 − 1⎥⎥ ⎢⎣− 1 − 1 − 1⎥⎦

⎡ 0 −1 0 ⎤ L3 = ⎢⎢− 1 4 − 1⎥⎥ ⎢⎣ 0 − 1 0 ⎥⎦

Konvoluční jádro pro Sobelův operátor ⎡1 0 − 1 ⎤ S = ⎢⎢2 0 − 2⎥⎥ ⎢⎣1 0 − 1⎥⎦

Přednáška 11

Konvoluční jádra pro Laplaceovy operátory ⎡ 1 −2 1 ⎤ L1 = ⎢⎢− 2 4 − 2⎥⎥ ⎢⎣ 1 − 2 1 ⎥⎦


2 1⎤ ⎡1 Sx = ⎢⎢ 0 0 0 ⎥⎥ ⎢⎣− 1 − 2 − 1⎥⎦

⎡1 0 − 1 ⎤ Sy = ⎢⎢2 0 − 2⎥⎥ ⎢⎣1 0 − 1⎥⎦

S = Sx + S y 2

2

Robertsův operátor

∇f (i, j ) = f (i, j ) − f (i + 1, j + 1) + f (i, j + 1) − f (i + 1, j )

Důsledná kontrola výsledné hodnoty daného kanálu: interval 〈0, 1〉 nebo 〈0, 255〉

Ostření na základě velikosti gradientu: g (i, j ) = f (i, j ) + c.s(i, j ) kde s(i,j) je funkce určující velikost gradientu a c je ostřící koeficient. Počítačová grafika, PV, UPCE-KID, [2010/2011]

Přednáška 11

Model RGB – zjištění složek Odfiltrování barevné složky: nastavení hodnoty dané složky na 0 pro všechny pixely Úprava barevné složky: vynásobení hodnoty dané složky zadaným koeficientem Zesvětlení (ztmavení): odpovídá úpravě všech složek za použití stejného koeficientu Úprava kontrastu (algoritmus – samostudium)

11


Přednáška 11

12

Upozornění! Grafické knihovny některých vývojových nástrojů skládají RGB kanály opačně (např. Delphi)

Barevné složky RGB (Java)

Color c = new Color (255, 0, 128);

TColor

BBBBBBBB GGGGGGGG RRRRRRRR 31.........24

int

int r = c.getRed(); int g = c.getGreen(); int b = c.getBlue();

String rgb = Integer.toHexString(c.getRGB()); rgb = rgb.substring(2, rgb.length());

G := (Color and $FF00) shr 8; // G:= (Color shr 8) and $FF; // G:= (byte) (Color shr 8); B := (Color and $FF0000) shr 16; // B:= (Color shr 16) and $FF; // B:= (byte)(Color shr 16);

AAAAAAAA RRRRRRRR GGGGGGGG BBBBBBBB 7 .......... 0


GetRValue (Color : TColor), GetBValue (Color : TColor), GetGValue (Color : TColor) RGB (R : byte, G: byte, B : byte) Color : TColor; R, G, B : byte;

R := (Color and $FF); // R:= (byte) Color;

// v hexa AARRGGB // AA standardně nastaveno na 0xFF r = (i & 0xFF0000) >> 16; g = (i & 0xFF00) >> 8; b = i & 0xFF;

23 ......... 16 15 .......... 8

7 .......... 0

Color := B shl 16 + G shl 8 + R;

int i = c.getRGB();

31.........24

23 ......... 16 15 .......... 8

Přednáška 11

13

Úprava jasu


Přednáška 11

14

Přednáška 11

16

Kontrast 255

Při chybné úpravě jasu se mění odstín Snížení kontrastu 127

Zvýšení kontrastu Větší zvýšení kontrastu

0

0

Při správné úpravě jasu se odstín nemění


Přednáška 11

15

127


255

Černý a bílý bod

Histogram

255

127

Černý bod

0 0

127

Bílý bod

255

Určuje četnost pixelů s jednotlivými hodnotami jasu U obrazů s odstíny šedé má jeden rozměr, u barevných obrazů 3 rozměry Úpravou histogramu lze měnit vzhled obrazu Využívá se při GAMA korekci Mezi používané funkce patří prahování zrovnoměrnění

Přednáška 11


17

Odstranění šumu


Přednáška 11

18

Vytváření embosovaného vzoru

Odstranění šumu většinou způsobí rozostření obrázku Filtrační metoda ⎡1 / 4 1 / 4⎤ zprůměrování m=⎢ ⎥ ⎣1 / 4 1 / 4⎦

vážený průměr

medián – nahrazení hodnoty pixelu mediánem (střední hodnotou) z okolních pixelů


roztažení

Principem je složení originálu a negativu posunutého v určeném směru o určený počet pixelů.

Postup: vytvoření negativu posunutí sečtení dělení 2

Příklad pro posunutí vpravo nahoru o 2 pixely: B[i,j]=(A[i,j] + (1 - A[i+2,j-2])) / 2

⎡1 / 16 2 / 16 1 / 16 ⎤ m = ⎢⎢2 / 16 4 / 16 2 / 16⎥⎥ ⎢⎣1 / 16 2 / 16 1 / 16 ⎥⎦

Přednáška 11

19


Přednáška 11

20

Převod na odstíny šedé

Snížení barevného rozsahu

Nejjednodušší způsob redukce barev v obraze Realizuje se postupným přepočtem jasu všech pixelů

Nejpoužívanější metody: půltónování – nahrazení vícebarevného pixelu několika pixely s omezenou barevností rozptylování – rozlišení zůstává zachováno náhodné rozptylování maticové rozptylování rozptylování s distribucí chyby

Lidské oko je různě citlivé na jednotlivé barvy (nejvíce na zelenou)

Přednáška 11

21

Negativ a inverze barev

Využití: při přípravě k tisku na méně barevných zařízeních snížení paměťové náročnosti nutnost při ukládání do určitých formátů

Jeden z doporučených vztahů: jas = 0,299*r + 0,587*g + 0,114*b



Přednáška 11

22

Separace barev

Negativní obraz: pro všechny pixely upravíme intenzity barevných kanálů odečtením stávající intenzity od plné hodnoty r =1-r r = (255 - r) g=1-g g = (255 - g) b=1-b b = (255 - b)

Využití především u modelu CMY (CMYK) Pro tisk na vícebarevných strojích Vytvoření tří (čtyř) obrazů v šedých odstínech, představující úroveň jednotlivých barevných kanálů Pro R: r = r, g = r, b = r

Inverze barev: uspořádání použitých barev (nebo barev palety) podle jasu vzájemná výměna dvojic barev


Přednáška 11

23


Přednáška 11

24

Úpravy rastrového obrazu

Recommend Documents