Giáo trình xử lý ảnh y tế Tập 2 P15

Tham khảo tài liệu ''giáo trình xử lý ảnh y tế tập 2 p15'', công nghệ thông tin, đồ họa - thiết kế - flash phục vụ nhu cầu học tập, nghiên cứu và làm việc hiệu quả

Hình 10.5 Ảnh hoả bị mờ ảnh hưởng khí Hình 10.6 Khơi phục ảnh hình 10.5 215 Hình 10.7 Ảnh mờ ngồi tiêu cự Hình 10.8 Khơi phục ảnh hình 10.7 10.6 Khơi phục lại ảnh qua phép xử lý vùng Các phép gần phần dựa sở coi tất vật thể bề mặt chịu tác động vết mờ Điều có độ sâu nhỏ ảnh tất vật thể chuyển động theo hướng Một điều biết rõ vật thể chuyển động gần camera có nhiều vết mờ vật thể xa camera Trong trường hợp 216 vết mờ chuyển động, vật thể chuyển động chậm tốc độ lại gần camera chịu nhiều tác động mờ vật thể chuyển động nhanh tốc độ xa camera Điều dẫn quay lại với giả thiết ban đầu (coi PSF bất biến khoảng cách), dùng OTF cho tất trường hợp khơng chấp nhận số trường hợp Để khắc phục vấn đề xem xét giải thuật sau : Chia ảnh thành miền chữ nhật vuông không chồng lên Trong miền cần đo phạm vi vết mờ x y Trong phần khơng có đường biên, dùng x y miền gần Từ phạm vi vết mờ tính hàm khơi phục cho tất phần Thiết kế lọc cho phần để xấp xỉ hàm khôi phục Đưa ảnh khôi phục dùng lọc theo bước: a Miền cao bên tay trái khơi phục với lọc có điều kiện ban đầu zero b Các miền lại khôi phục với lọc khôi phục tương ứng chúng; dù nữa; điều kiện ban đầu lọc phụ thuộc lấy từ phần trước Nhập vào phần trước cần lấy từ miền chưa khôi phục xuất phần trước lấy từ miền khôi phục Chú ý ảnh coi bao quanh zero, điều đặt điều kiện ban đầu lọc dùng khối cao trái Để tránh hiệu ứng khối, ví dụ khác nhiều giá trị hàm mức xám trung bình khối gần nhau, hàm khơi phục vết mờ có dạng 1.0 Hˆ (u , v)  Ke ( u 2 x2  v 2 2y ) / (10.18)  K chọn giá trị thử nghiệm sai số làm giảm tác động khối Chú ý thuật tốn phần trùng dùng tác động khối nhỏ Để giải vấn đề bạn cần phát triển ba chương trình Chương trình tính phạm vi vết mờ, x y cho tất phần cắt Chương trình thứ hai dùng thơng tin tính hệ số hồi phục cho tất lọc (bộ lọc IIR dùng) Chương trình thứ ba chương trình cuối lấy kết chương trình thứ hai để khôi phục lại ảnh bị mờ Bài tập 10.3 Viết chương trình tính phân tán vết mờ khối ảnh mà trùng lên (kích thước khối chọn người dùng), chia nhỏ ảnh số Nhập vào chương trình đường biên ảnh Để có khối khơng có đường biên, dùng phạm vi vết mờ miền bên cạnh 217 Viết chương trình dùng phạm vi tất khối tính hệ số lọc cho hai kiểu lọc FIR IIR, dựa yêu cầu người sử dụng Giá trị K biểu thức 10.8 người sử dụng lựa chọn Viết chương trình dùng lọc thiết kế phần để loại bỏ vết mờ Giá trị nhập vào cần cho khối cao bên trái rìa tất khối cho riêng khối lấy từ phía bên trái khối nằm xung quanh xử lý Để kiểm tra giải thuật ta dùng ảnh " PARTY.IMG" cho hình 10.9 Vết mờ ảnh có ngun nhân chuyển động khác hướng cặp với vết mờ nằm tiêu cự gây Dùng ảnh thu áp dụng bước khôi phục phần 10.5 cho ảnh có chất lượng tốt Hình 10.10 ảnh thu dùng lọc FIR  toàn ảnh thiết kế dùng cửa sổ Blackmann hàm khôi phục vết mờ dùng giả thiết điều kiện ban đầu cho phần 10.7 Khôi phục dùng ảnh đồng dạng Phương pháp hiệu khôi phục ảnh bị sai tiêu cự Chú ý F(u,v) G(u,v) biến đổi Fourier ảnh mờ ảnh khơng mờ G (u , v)  H (u , v) F (u , v)  N (u , v) (10.19) 218 Hình 10.9 "PARTY.IMG" minh hoạ ảnh mờ chuyển động tiêu cự Hình 10.10 Khơi phục ảnh "PARTY.IMG" Nếu F(u,v) biết, OTF, H(u,v) tính Tuy nhiên, tất liệu mà có G(u,v), có hai chọn lựa: loại trừ H(u,v) từ G(u,v) cách làm phần dự đoán F(u,v) từ biểu thức (10.20) rút đánh giá cho H(u,v) Nếu biến đổi Fourier ảnh không mờ dùng để đánh giá F(u,v) H(u,v) đánh giá Một kỹ thuật khôi phục ảnh hiệu phát triển Stockham, Cole, Cannon tiến hành theo bước sau: Chia ảnh mờ thành ảnh nhỏ chồng lên Với ảnh nhỏ có: (10.21) Gi (u, v)  H (u, v) Fi (u, v) số i ảnh thứ i Chú ý miền Fourier hàm phức Vì vậy, Gi (u , v) e j Gi (u , v )  H (u , v) e j H (u,v ) Fi (u , v) e j Fi (u ,v ) (10.22) Rút đánh giá |H(u,v)| theo: | Gi (u , v) || H (u , v) || Fi (u , v) | ln | Gi (u , v) | ln | H (u, v) |  ln | Fi (u , v) | 219 trung bình N ảnh N N N  ln | Gi (u, v) | ln | H (u, v ) |  N  ln | Fi (u, v) | i 1 (10.23) i 1 Dễ thấy Fi(u,v) thay ảnh dạng (một ảnh tiêu cự) đánh giá: | Fi (u , v) || Pi (u , v ) | Pi kí hiệu cho ảnh đồng dạng ln( H (u, v) | N N  ln | Gi (u, v) |  i 1 N N  ln | Pi (u, v) | (10.24) i 1 Giả sử  H (u, v) = 0.0 cho hầu hết OTF, cách dùng biểu thức (10.20) tính OTF, khơi phục ảnh Một phương pháp tương tự nhờ vào Knox Knox quan tâm đến việc làm rõ ảnh thiên văn Bởi đối tượng xung quanh trái đất kính thiên văn chụp qua khí quyển, rõ ràng ảnh bị giới hạn chuyển động khí Biến đổi Fourier ảnh số hoá thứ i Gi (u , v) OTF tương ứng H i (u , v) có: (10.25) Gi (u , v)  H i (u , v) F (u , v) F (u, v) biến đổi Fourier ảnh không chia độ Bây quan tâm đến tương quan tự động Gi (u , v )G i* (u  u , v  v )  H i (u , v) H i* (u  u , v  v )  F (u, v) F * (u  u, v  v) (10.26) dấu viết "*" biểu thị liên hợp phức Trung bình nhiều ảnh ta có N N  G (u, v)G i i 1 * N i (u  u , v  v )   N1  H (u, v)H i * (u , v)  i 1  F ( u , v ) F * ( u  u , v  v ) (10.27) Lấy pha biểu thị pha F (u, v)  F (u, v) , ý pha H i (u , v) khơng đáng kể với chuyển động khí quyển, viết: 220 1  F (u , v)   F (u  u , v  v)  phase  N N  i 1   Gi (u, v)G *i (u  u, v  v) (10.28) Bằng cách đặt  F (0,0)  , tất pha tính tuần hồn vơ hạn từ cơng thức (10.28), yêu cầu thông tin thu từ ảnh mờ Bởi vì, ý từ trước, pha mang hầu hết thông tin (xem chương 7) ảnh, ảnh khơi phục từ F (u, v)  G(u, v) e F (u,v ) (10.29) Phương pháp xen kẽ đưa Morton Andrews, phương pháp không bị hạn chế để khôi phục ảnh mờ chuyển động khí quyển, mà sử dụng cho dạng ảnh mờ khác nói trước Chia ảnh mờ thành ảnh nhỏ, chúng phủ chồng lên nhau, dùng i để mục cho ảnh nhỏ này, (10.30) Gi (u , v)  H (u , v) Fi (u , v) tạo lên tích số Gi (u , v)G *i (u  u , v  v )  H (u , v) H * (u  u , v  v)  Fi (u , v) F * i (u  u , v  v) (10.31) Phương pháp hướng đến việc ước lượng H(u,v) cách trung bình ảnh nhỏ Đó là: N N  G (u, v)G i * i (u  u , v  v)  H (u , v) H * (u  u , v  v) i 1  N * H (u  u , v  v)  N N  F (u, v) F i * i (u  u , v  v) i 0 N  G (u, v)G i * i (u  u , v  v) i 1 H (u , v) Nếu (10.32) N N N (10.33)  Fi (u, v) F *i (u  u, v  v) i 1 N  F (u, v) F i i * (u  u , v  v) ước lượng, ảnh nguyên mẫu i 1 sử dụng cho điều này, có làm mờ nhỏ nhất, ví dụ với H(0,0) = 1, điều có nghĩa lượng g(x,y) với lượng f(x,y); H(u,v) tính tuần hồn vơ hạn từ cơng thức (10.33) Chú ý cơng thức (10.33) tính đồng thời biên độ pha H(u,v) Tuy nhiên, qua kiểm nghiệm cho thấy độ ổn định Một phương pháp 221 phát triển Morton Andrews xem biên độ pha độc lập Đầu tiên, dùng phương pháp Cannon để tính biên độ: 2 Gi (u , v)  H (u , v) Fi (u , v) (10.34) Sau tính tổng, có N Gi (u , v)  N i1 H (u , v)  N Fi (u , v)  N i 1 (10.35) Bây xem xét đến pha OTF, có  Gi (u , v)   Gi (u  u , v  v)   H (u , v)   H (u  u , v  v) (10.36)   Fi (u , v)   Fi (u  u , v  v) Nếu công thức (10.36) trung bình với i,  H (u   u , v   v )   H (u , v)   Gi (u , v)   Gi (u   u , v   v ) av   Fi (u , v)   Fi (u   u , v   v ) (10.37) av Chú ý H(0,0) = biểu thức cuối công thức (10.37), biểu thức mẫu số công thức (10.35) ước lượng từ ảnh nguyên gốc Morton Andrews chứng minh ảnh có biên độ tự tương quan định nghĩa F (u , v) F * (u  1, v) (10.38) Điều giống biên độ tự tương quan ảnh mờ tận dụng ảnh nguyên mẫu Một điểm khác cần phải nói đến H(u,v) tính từ ảnh nhỏ thu từ ảnh nguyên mẫu ảnh mờ, có số mẫu ảnh mờ Nếu khơi phục thực trực tiếp qua việc chia tần số, nghĩa G(u,v) H(u,v), dạng nội suy tuyến tính cần áp dụng mẫu H(u,v) chuyển số chúng thành số mẫu ảnh mờ Bất kỳ dạng nội suy tận dụng; ví dụ, dạng sử dụng "blowing up" ảnh cho miêu tả chương 7, phần 7.5.2 quy tắc thu hút ứng dụng Biên độ pha OTF xác định rõ, ảnh lưu trữ qua lọc nghịch đảo qua ứng dụng lọc bình phương cực tiểu (Wiener) Bộ lọc Wiener thu xuất phát từ hàm chuyển đổi mà cực tiểu theo hướng bình phương cực tiểu khác ảnh lưu trữ, f(x,y), ảnh khơng có nhiễu lí tưởng tiêu cự Ta nhận thấy chi tiết kết lọc Wiener, ví dụ, phần tham khảo Việc lưu trữ sử dụng lọc Wiener thực sau: 222 ... l? ?y từ phía bên trái khối nằm xung quanh xử lý Để kiểm tra giải thuật ta dùng ảnh " PARTY.IMG" cho hình 10.9 Vết mờ ảnh có nguyên nhân chuyển động khác hướng cặp với vết mờ nằm tiêu cự g? ?y Dùng... hạn chế để khơi phục ảnh mờ chuyển động khí quyển, mà sử dụng cho dạng ảnh mờ khác nói trước Chia ảnh mờ thành ảnh nhỏ, chúng phủ chồng lên nhau, dùng i để mục cho ảnh nhỏ n? ?y, (10.30) Gi (u ,... tính từ ảnh nhỏ thu từ ảnh nguyên mẫu ảnh mờ, có số mẫu ảnh mờ Nếu khơi phục thực trực tiếp qua việc chia tần số, nghĩa G(u,v) H(u,v), dạng nội suy tuyến tính cần áp dụng mẫu H(u,v) chuyển số