Sự khác biệt giữa hai ảnh f(x, y) và h(x, y) được tính bằng công thức:
g(x, y) = f (x, y) - h(x,y) (3.4-1) với sự khác biệt của từng cặp điểm ảnh của các điểm ảnh tương ứng từ f và h. Phép trừ ảnh rất hữu dụng khi ta muốn biết sự khác biệt giữa các ảnh. Tính hữu ích quan trọng của phép trừ là việc tăng cường sự khác biệt giữa các hình ảnh. Chúng ta minh họa cho khái niệm này bằng cách quay lại một chút với những cuộc thảo luận tại mục 3.2.4, nơi mà ta đã chỉ ra rằng mặt phẳng bit bậc cao của một ảnh mang theo một số lượng đáng kể các chi tiết trực quan có liên quan, trong khi mặt phẳng thấp hơn đóng góp nhiều hơn để làm mịn (thường không thể nhận thấy) chi tiết. Hình
3.28(a) cho thấy hình ảnh fractal sử dụng trước đó để minh họa cho khái niệm về mặt phẳng bit. Hình 3.28(b) cho thấy kết quả của việc loại bỏ (thiết lập tiến tới 0) bốn mặt phẳng bit ít quan trọng của hình ảnh ban đầu. Những hình ảnh gần như giống hệt trực quan, ngoại trừ giảm rất nhẹ trong độ tương phản tổng thể do ít thay đổi của các giá trị cấp xám trong ảnh của hình 3.28(b). Sự khác biệt điểm ảnh cạnh điểm ảnh giữa hai loại hình ảnh được hiển thị trong hình 3.28(c). Sự khác biệt về giá trị điểm ảnh rất nhỏ mà các hình ảnh khác biệt xuất hiện gần như màu đen khi hiển thị trên một hiển thị 8-bit
(a) (b)
(c) (d)
Hình 3.28. Ví dụ về phép trừ ảnh (a) Ảnh fractal gốc (b) Ảnh (a) sau khi đặt 4 mặt phẳng bit thấp về 0 (c) Sự khác nhau giữa (a) và (b) (d) Sự khác nhau
giữa (a) và (b) sau khi cân bằng lược đồ (Nguồn: Ảnh ban đầu của Ms. Melissa D. Binde, Cao đẳng Swarthniore. Swarthniore, PA)
Hình 3.29(a) cho thấy một hình ảnh X-quang của đỉnh đầu của bệnh nhân trước khi tiêm một dung môi iốt vào máu. Độ võng máy quay này ảnh này được đặt trên đầu bệnh nhân , nhìn xuống . Như một điểm tham chiếu , điểm sáng trong một phần ba dưới của hình ảnh là lõi của cột sống. Hình 3.29 (b) cho thấy sự khác biệt giữa mặt
nạ (Hình 3.29a) và hình ảnh thu được một thời gian sau khi dung môi giới thiệu thông tin các dòng máu. Những đường huyết mạch sáng mang dung môi không thể nhầm lẫn được tăng cường trong hình 3.29(b). Những động mạch xuất hiện khá tươi sáng bởi vì chúng không được trừ đi ở đầu ra (có nghĩa là, chúng không phải là một phần của hình ảnh mặt nạ). Nền tổng thể là tối hơn nhiều so với trong hình 3.29(a) bởi vì sự khác biệt giữa các khu vực ít thay đổi mang giá trị thấp, lần lượt xuất hiện như là màu đậm của màu xám trong hình ảnh khác biệt. Lưu ý, ví dụ, rằng tủy sống, là phần sáng trong hình 3.29(a), xuất hiện khá đậm trong hình 3.29(b) như một kết
quả của phép trừ
ab
Hình 3.29.Nâng cao hình ảnh của phép trừ ảnh.(a) ảnh Mask.(b) Một hình ảnh
(chụp sau khi tiêm một chất cản quang vào máu) với mặt nạ trừ ra.
Nếu chính xác hơn và bảo toàn đầy đủ được các khoảng 8-bit mong muốn, tiếp theo chúng ta có thể dùng đến phương pháp tiếp cận khác. Đầu tiên, giá trị của sự khác biệt tối thiểu thu được và phần âm của nó được cộng vào tất cả các điểm ảnh trong hình ảnh khác biệt (điều này sẽ tạo ra một hình ảnh khác biệt sửa đổi có giá trị tối thiểu là 0). Sau đó, tất cả các điểm ảnh trong hình ảnh được thu nhỏ với khoảng [0,255] bằng cách nhân mỗi điểm ảnh với số lượng 255/Max, trong đó Max là giá trị điểm ảnh tối đa trong các hình ảnh khác biệt được sửa đổi. Rõ ràng phương pháp này được coi là phức tạp và khó thực hiện.
Trước khi rời khỏi phần này chúng ta chú ý rằng còn phát hiện sự thay đổi thông qua trừ ảnh tìm thấy một ứng dụng chính trong vùng được chia đoạn, đó là chủ đề của Chương 10.Về cơ bản, các kỹ thuật phân chia nhỏ cố gắng chia nhỏ một bức ảnh thành vùng dựa trên một tiêu chuẩn quy định.Phép trừ ảnh cho phân đoạn được sử dụng khi tiêu chí là "sự thay đổi." Ví dụ, trong việc theo dõi (phân chia) phương tiện di chuyển trong một chuỗi các hình ảnh, phép trừ được sử dụng để loại bỏ tất cả
các thành phần tĩnh trong một bức ảnh. Những gì còn lại sẽ là các thành phần di chuyển trong các bức ảnh, cộng với nhiễu.