Kỹthuậtlọc trungvị ( median filter)

Một phần của tài liệu Tìm hiểu phương pháp nâng cao chất lượng ảnh y học (Trang 28 - 31)

Trung vịđượcviếtvớicụng thức:

v(m,n) =Trungvi(y(mk,nl))với{k, l}W

Kỹthuậtnàyđũihỏigiỏtrịcỏcđiểmảnhtrongcửasổphảixếptheothứtựtănghaygiảm dầnsovớigiỏtrịtrungvị.Kớchthước

cửasốthườngđượcchọnsaochosốđiểmảnhtrongcửasố là lẻ.Cỏc cửasổ haydựng là cửasổ cú kớch thước3x3, hay5x5hay 7x7. Thớdụ:

Nếuy(m)= {2, 3, 8, 4,2}và cửasổ W=(-1, 0, 1),ảnhthu đượcsau lọc trungvịsẽlà:

v(m)=(2,3,4,4,2)

do đú:

v[0]= 2<giỏ trịbiờn>; v[1]=Trungvi(2,3,8)=3; v[2]=Trungvi(3,4,8) =4;

v[3]= Trungvi(8,4,2)=4; v[4]= 2<giỏ trịbiờn>.

Tớnh chất của lọc trung vị:

ĐỒ ÁN TỐT NGHIỆP

PHẠM NGỌC QUẢNG – CTL401 Page 29

Trung vi (x(m)+y(m)) ≠Trung vi(x(m)) + Trung vi(y(m)).

•Cú lợi cho việc loại bỏ cỏc điểm ảnh hay cỏc hàng mà vẫn bảo toàn độ phõn giải.

•Hiệu quả giảm khi số điểm trong cửa sổ lớn hay bằng một nửa số điểm trong cửa sổ.

Điều này dễ giải thớch vỡ trung vị là (Nw+1)/2 giỏ trị lớn nhất nếu Nw lẻ. Lọc trung vị cho trường hợp 2 chiều coi như lọc trung vị tỏch được theo từng chiều. 2.2.1.3.Lọctrungbỡnhtheokgiỏtrị gầnnhất GiảsửtacúảnhI,điểmảnhP,cửasổW(P),ngưỡng Ɵvàsốk.Khi đú,lọctrungbỡnhtheokgiỏtrịgầnnhấtbaogồmcỏcbướcsau: +Bước1:TỡmKgiỏtrịgầnnhất I(q) q∈W(p) → k giỏtrịgầnI(P)nhất +Bước2:Tớnhtrungbỡnh k giỏtrịgầnI(P)nhất →AVk(P) +Bước3:Gỏngiỏtrị I(P) = *Nhậnxột:

-Nếuklớnhơnkớchthướccửasổthỡkỹthuậtchớnhlà kỹthuậtlọc trungbỡnh -Nếuk=1thỡảnhkếtquảkhụngthayđổi

Chấtlượngcủakỹthuậtphụthuộcvàosốphõntửlựachọnk.

2.2.1.4.Phương phỏp lọc Bayes

ĐỒ ÁN TỐT NGHIỆP

PHẠM NGỌC QUẢNG – CTL401 Page 30

Trong nhiều tỡnh huống ảnh, thớ dụ như hệ thống ghi phim, mụ hỡnh quan sỏt là khụng tuyến tớnh và cú dạng:

v =f( u + ) (2.16) với f(x) là một hàm khụng tuyến tớnh của x và biểu diễn nhiễu.

Cụng thức nổi tiếng của Bayes về xỏc suất cú điều kiện cho bởi:

p(u v) = p(u) p(v u)/p(v) (2.17) Nú rất cú ớch để xỏc định nhiều kiểu ước lượng khỏc nhau cho một vectơ ngẫu nhiờn u từ một vộc tơ quan sỏt v. Cú một số kiểu ước lượng chớnh như sau:

- MMSE: ước lượng trung bỡnh bỡnh phương cực tiểu của u. - MAP: ước lượng xỏc suất cú điều kiện cực đại p(u v). - ML: ước lượng gần đỳng nhất p(v u)

Mà cỏc đối tượng sử dụng xỏc suất cú điều kiện p(v u) hay p(u v)

Vỡ rất khú xỏc định p(v) ngay cả khi u và là phõn bố Gauss, nờn người ta hay sử dụng MAP và ML vỡ nú khụng đũi hỏi p(v). Nếu giả thiết u và là phõn bố Gauss với hiệp biến Ru và Rv, cỏc ước lượng ML, MAP cú thể tớnh được khi giải cỏc phương trỡnh sau:

ỷML: DR-1[v-f( ỷML)] = 0 (2.18)

với D là ma trận đường chộo = Diag df(x)/dx với x = wi (2.19)

wi là cỏc phần tử của W= ỷML (2.20)

và ỷMAP = v + Rv TDR v -1[v-f( ỷMAP)] (2.21)

Nếu f(x) là tuyến tớnh, thớ dụ f(x) =x, Rv= v2 thỡ ỷML là lời giải của phương

trỡnh: T ỷML = T v (2.22) Và ỷMAP = v + G(v- u) (2.23)

với G = (R v -1 + T R v -1 )-1 T R v -1 (2.24) Trong thực tế, cú thể lấy giỏ trị trung bỡnh cục bộ của v và v *

f -1 với ( v). * là biến đổi ngược của .

ĐỒ ÁN TỐT NGHIỆP

PHẠM NGỌC QUẢNG – CTL401 Page 31

Một phần của tài liệu Tìm hiểu phương pháp nâng cao chất lượng ảnh y học (Trang 28 - 31)

Tải bản đầy đủ (PDF)

(43 trang)