Растровый светофильтр. Фильтр растр


33 Фильтрация растровых изображений

33. Фильтрация растровых изображений.

Данный класс задач относится к общей обработке сигнала. Цифровая фильтрация сигналов применяется в одномерном варианте, например для обработки звука, в двумерном, например, для обработки статичных изобр-й,, в трёхмерном – для обработки …

Цифровая обработка статичных изобр-й является низкочастотная фильтр-я (размытие, сглаживание).

Двумерная низкочастотная фильтр-я, как правило, осуществляется усреднением значений пикселей в некоторой окрестности текущего пикселя. Полученное усреднённое значение становится новым для данного пикселя.

Если полученное значениезаносится в обрабатываемый растр, то оно войдёт в вычисление на следующих шагах для соседних пикселей. Такое решение допустимо, но в этом случае фильтр становится неустойчивым и зависящим от порядка обработки пикселей.

Если вычисленное усреднённое значение не замещает исходный пиксель, а заносится в дополнительную матрицу, то фильтр-я является нерекурсивной и устойчивой.

Недостаток; двукратный расход памяти. Вообще говоря, для фильтров второго типа требуется брать больше по размерам окрестность, чтобы сильнее размыть изобр-е.

Медианный фильтр.

Ранее рассмотренные фильтры – линейные, а медианный – нелинейный, т.к. заменяет каждый текущий пиксель медианой по окрестности. Эта операция является нелинейной.

Медиана не находит среднее.

Свойство медианного фильтра: он сильно размывает те области, флуктуации в которых незначительны и оставляет почти без изменений области, содержащие….

studfiles.net

Функция Свертка (Convolution)—Справка | ArcGIS for Desktop

Функция Свертка (Convolution) выполняет фильтрацию значений пикселов в изображении, которая может использоваться для повышения резкости изображения, размывания изображения, определения ребер в пределах изображения или других усовершенствований, основанных на ядре фильтрации.

Входные данные для этой функции:

  • Входной растр
  • Тип
  • Ядро

Типы фильтров свертки

Фильтры используются для повышения качества растрового изображения путем устранения ложных данных или улучшения характеристик данных. Эти фильтры свертки применяются к движущемуся, перекрывающемуся ядру (окно или окрестность), например, 3 x 3. Фильтры свертки работают путем вычисления значения пиксела на основе взвешивания его соседей.

Существует несколько типов фильтров свертки, которые вы можете использовать в этой функции. Вы также можете задать тип Заданный пользователем (User Defined) и ввести свои значения ядер.

Вы можете применить фильтр медианы к изображению, задав вес 1/9 для ядра 3 x 3, тем самым давая каждому пикселу в ядре равный вес. Этот фильтр можно использовать для сглаживания изображения. Есть другие ядра, которые можно использовать для выделения и подчеркивания границ (ребер). Вы можете объединять фильтры для достижения определенных результатов. Например, вы можете применить фильтр, которые удалит пятно или сгладит изображение, затем применить фильтр, который выявит ребра.

Для достижения лучших результатов отображения вы можете применить растяжку гистограммы, чтобы настроить контраст и яркость изображения для помощи в выделении пространственных объектов.

На примерах ниже показано одно из этих двух изображений:Нефильтрованное изображение в оттенках серогоНефильтрованное цветное изображение

Фильтры определения ребра

Типы градиента

Фильтры градиента могут использоваться для обнаружения ребер с шагом в 45 градусов.

ТипОписаниеПример:

Градиент Восток

Фильтр 3 х 3

1 0 -1 2 0 -2 1 0 -1

Градиент Север

Фильтр 3 х 3

-1 -2 -1 0 0 0 1 2 1

Градиент Северо-восток

Фильтр 3 х 3

0 -1 -2 1 0 -1 2 1 0

Градиент Северо-запад

Фильтр 3 х 3

-2 -1 0 -1 0 1 0 1 2

Градиент Юг

Фильтр 3 х 3

1 2 1 0 0 0 -1 -2 -1

Градиент Запад

Фильтр 3 х 3

-1 0 1 -2 0 2 -1 0 1

Типы Лапласа

Фильтры Лапласа часто используются для выявления ребер. Он часто применяется к изображению, которое сначала было сглажено, для уменьшения его чувствительности к шуму.

ТипОписаниеПример:

Лапласиан 3x3

Фильтр 3 х 3

0 -1 0 -1 4 -1 0 -1 0

Лапласиан 5x5

Фильтр 5 х 5

0 0 -1 0 0 0 -1 -2 -1 0 -1 -2 17 -2 -1 0 -1 -2 -1 0 0 0 -1 0 0

Типы обнаружения линий

Такие фильтры обнаружения линий, как фильтры градиента, могут использоваться для обнаружения ребер.

Вы можете получить лучшие результаты, если примените алгоритм сглаживания до алгоритма обнаружения ребер.

ТипОписаниеПример:

Обнаружение линий По горизонтали

Фильтр 3 х 3

-1 -1 -1 2 2 2 -1 -1 -1

Обнаружение линий По левой диагонали

Фильтр 3 х 3

2 -1 -1 -1 2 -1 -1 -1 2

Обнаружение линий По правой диагонали

Фильтр 3 х 3

-1 -1 2 -1 2 -1 2 -1 -1

Обнаружение линий По вертикали

Фильтр 3 х 3

-1 0 -1 -1 2 -1 -1 2 -1

Типы Sobel

Фильтр Sobel используется для обнаружения ребер.

ТипОписаниеПример:

Sobel По горизонтали

Фильтр 3 х 3

-1 -2 -1 0 0 0 1 2 1

Sobel По вертикали

Фильтр 3 х 3

-1 0 1 -2 0 2 -1 0 1

Фильтры Увеличение резкости и Сглаживание

Типы слияния

Фильтр увеличения резкости (высокочастотный) подчеркивает сравнительное различие в значениях с соседями. Высокочастотный фильтр вычисляет фокальную суммарную статистику для каждой ячейки входных данных с помощью взвешенной окрестности ядра. Это позволяет выявить границы между пространственными объектами (например, границу между водным массивом и лесом), таким образом, подчеркивая ребра между объектами. Высокочастотный фильтр называется фильтром улучшения границ (ребер, краев). Ядро высокочастотного фильтра определяет, какие ячейки нужно использовать в окрестности, и то, насколько их взвешивать (перемножая их).

ТипОписаниеПример:

Острый

Фильтр 3 х 3

0 -0.25 0 -0.25 2 -0.25 0 -0.25 0

Острый II

Фильтр 3 х 3

-0.25 -0.25 -0.25 -0.25 3 -0.25 -0.25 -0.25 -0.25

Слияние 3x3

Высокочастотный фильтр 3 x 3

-1 -1 -1 -1 9 -1 -1 -1 -1

Слияние 5x5

Высокочастотный фильтр 5 x 5

-1 -3 -4 -3 -1 -3 0 6 0 -3 -4 6 21 6 -4 -3 0 6 0 -3 -1 -3 -4 -3 -1

Типы сглаживания

Фильтры сглаживания (низкочастотные) сглаживают данные, уменьшая локальное изменение и удаляя шум. Низкочастотный фильтр вычисляет среднее значение для каждой окрестности. Эффект в том, что большие и маленькие значения в каждой окрестности будут усредняться, что уменьшит экстремальные значения данных.

ТипОписаниеПример:

Сгладить Среднее арифметическое

Фильтр 3 х 3

0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111 0.111

Сглаживание 3x3

Низкочастотный фильтр 3 x 3

1 2 1 2 4 2 1 2 1

Сглаживание 5x5

Низкочастотный фильтр 5 x 5

1 1 1 1 1 1 4 4 4 1 1 4 12 4 1 1 4 4 4 1 1 1 1 1 1

Другие фильтры

Типы распределения точек

Функция распределения точек описывает распространение света от точечного источника через линзу. Это приводит к незначительному эффекту размывания границ.

ТипОписаниеПример:

Распределение точек

Фильтр 3 х 3

-0.627 0.352 -0.627 0.352 2.923 0.352 -0.627 0.352 -0.627

Связанные темы

Отзыв по этому разделу?

desktop.arcgis.com

Фильтр—Справка | ArcGIS for Desktop

Доступно с лицензией Spatial Analyst.

Краткая информация

Выполняет фильтр сглаживания (низкочастотный) или выделения ребер (высокочастотный) на растре.

Более подробно о том, как работает инструмент Фильтр

Использование

  • Опция LOW – это усредняющий (сглаживающий) фильтр. Опция HIGH – это фильтр подчеркивания контуров.

  • Входные ячейки со значением NoData могут получать значение на выходе, если включена опция Игнорировать значение NoData при вычислениях (Ignore NoData in calculations), при условии, что по крайней мере одна ячейка в окрестностях фильтра имеет корректное значение.

  • Вы можете использовать инструмент Фокальная статистика (Focal Statistics) для создания пользовательских фильтров к вашей спецификации.

  • См. раздел Среда анализа и Spatial Analyst для получения дополнительной информации о среде геообработки данного инструмента.

Синтаксис

Filter (in_raster, {filter_type}, {ignore_nodata})

Возвращено значение

Пример кода

Filter Пример 1 (окно Python)

В этом примере к входному растру применяется высокочастотный фильтр.

import arcpy from arcpy import env from arcpy.sa import * env.workspace = "C:/sapyexamples/data" filterOut = Filter("elevation", "HIGH", "DATA") filterOut.save("C:/sapyexamples/output/filtered")
Filter, пример 2 (автономный скрипт)

В этом примере к входному растру применяется низкочастотный фильтр.

# Name: Filter_Ex_02.py # Description: Performs a preset focal filter on a raster. # Requirements: Spatial Analyst Extension # Import system modules import arcpy from arcpy import env from arcpy.sa import * # Set environment settings env.workspace = "C:/sapyexamples/data" # Set local variables inRaster = "elevation" # Check out the ArcGIS Spatial Analyst extension license arcpy.CheckOutExtension("Spatial") # Execute Filter filterOut = Filter(inRaster, "LOW", "") # Save the output filterOut.save("C:/sapyexamples/output/filterout")

Параметры среды

Связанные темы

Отзыв по этому разделу?

desktop.arcgis.com

Как работает инструмент Фильтр (Filter)—Справка

Доступно с лицензией Spatial Analyst.

Инструмент Фильтр (Filter) может использоваться для повышения качества растра путём устранения ошибочных данных или для увеличения детальности пространственных объектов, трудно различимых в исходных данных. Фильтры создают выходные данные путем перемещения окрестности ячейки – окна размером 3x3, сканирующего входной растр. При прохождении фильтра через ячейку для вычисления нового значения используется непосредственно значение этой ячейки, а также 8 соседних значений

Есть два типа фильтров, доступных для инструмента: высокочастотные и низкочастотные фильтры.

Типы фильтров

Фильтр типа LOW применяет низкочастотный, или усредняющий, фильтр для значений входного растра и существенно сглаживает данные. Фильтр типа HIGH использует высокочастотный фильтр для выделения краёв и границ между пространственными объектами, представленными в растре.

Низкочастотный фильтр

Низкочастотный фильтр сглаживает данные, уменьшая локальное изменение и удаляя шум. Он вычисляет среднее значение для каждой окрестности 3x3. Он по сути аналогичен инструменту Фокальная статистика (Focal Statistics) с типом статистики MEAN (среднее). Эффект в том, что большие и маленькие значения в каждой окрестности будут усредняться, что уменьшит экстремальные значения данных.

Пример 1

Это пример входных значений окрестности для одной обрабатываемой ячейки, центральной ячейки со значением 8.

7 5 2 4 8 3 3 1 5

Вычисление для обрабатываемой ячейки (центральной входной ячейки со значением 8) состоит в нахождении среднего значения входных ячеек. Это сумма всех значений входных данных в окрестности, делённое на количество ячеек в окрестности (3 x 3 = 9).

Value = ((7 + 5 + 2) + (4 + 8 + 3) + (3 + 1 + 5)) / 9 = 38 / 9 = 4.222

Выходное значение обрабатываемой ячейки будет равняться 4,22.

Т.к. среднее вычисляется из всех входных значений, самое большое значение в списке, которое является значением 8 обрабатываемой ячейки, усредняется.

Пример 2

Пример показывает выходной растр, созданный Фильтром (Filter) с опцией LOW из небольшого растра размером 5x5 ячеек.

Для иллюстрации того, как обрабатываются ячейки NoData, выключим, а затем включим обработку значений NoData при вычислениях:

  • Входные значения ячеек: 2.000 3.000 4.000 5.000 6.000 2.000 3.000 4.000 NoData 6.000 2.000 3.000 4.000 5.000 6.000 2.000 30.000 4.000 5.000 NoData 1.000 2.000 2.000 3.000 NoData
  • Выходные значения с опцией DATA (ячейки NoData будут игнорироваться при вычислении): 2.500 3.000 3.800 5.000 5.667 2.500 3.000 3.875 5.000 5.600 7.000 6.000 7.250 4.857 5.500 6.667 5.556 6.444 4.143 4.750 8.750 6.833 7.667 3.500 4.000
  • Выходные значения с опцией NODATA (ячейкам будет присваиваться значение NoData в случае, если хотя бы одна ячейка фильтра равна NoData): NoData NoData NoData NoData NoData NoData 3.000 NoData NoData NoData NoData 6.000 NoData NoData NoData NoData 5.556 6.444 NoData NoData NoData NoData NoData NoData NoData

Пример 3

В следующем примере входной растр содержит точку с аномальным значением, возникшим в результате ошибки при сборе данных. Усредняющие характеристики опции LOW сгладили значение в аномальной точке.

Пример выходных данных Фильтра (Filter) с опцией LOW

Высокочастотный фильтр

Высокочастотный фильтр подчёркивает разницу между значениями конкретной ячейки и значениями соседних ячеек. Это позволяет выявить границы между пространственными объектами (например, границу между водным массивом и лесом), таким образом, объединяя рёбра между объектами. Высокочастотный фильтр часто называется фильтром повышения рёбер.

С помощью опции HIGH девять Z-значений взвешиваются таким образом, чтобы были удалены вариации нижних частот и подчеркнуты границы между различными участками.

Фильтр размером 3x3 для опции HIGH:

-0.7 -1.0 -0.7 -1.0 6.8 -1.0 -0.7 -1.0 -0.7

Обратите внимание, что сумма значений керн равна 0, т.к. они нормализованы.

Работа высокочастотного фильтра идентична использованию инструмента Фокальная статистика (Focal Statistics) с типом статистики SUM (сумма) и соответствующей матрицей весов.

Выходные z-значения являются признаком сглаженности поверхности, но они не имеют никакого отношения к исходным z-значениям. Z-значения колеблются около нуля, при этом положительные значения находятся на верхней стороне границы; отрицательные значения – на более низкой стороне. Участки, на которых z-значения близки к нулю, – это области с относительно постоянным уклоном. Участки с z-значениями, близкими к минимальному и максимальному значениям, – это области, на которых уклон меняется быстро.

Пример 1

Ниже приведён пример вычислений для одной обрабатываемой ячейки (центральной ячейки со значением 8):

7 5 2 4 8 3 3 1 5

Вычисление для обрабатываемой ячейки (центральной ячейки со значением 8) выглядит следующим образом:

Value = ((7*-0.7) + (5*-1.0) + (2*-0.7) + (4*-1.0) + (8*6.8) + (3*-1.0) + (3*-0.7) + (1*-1.0) + (5*-0.7)) = ((-4.9 + -5.0 + -1.4) + (-4.0 + 54.4 + -3.0) + (-2.1 + -1.0 + -3.5) = -11.3 + 47.4 + -6.6 = 29.5

Выходное значение для обрабатываемой ячейки будет равняться 29,5.

Выходное значение для обрабатываемой ячейки будет равняться 29,5. Давая соседям отрицательные веса, фильтр подчёркивает локальные детали, вытягивая различия или границы между объектами.

Пример 2

В приведенном ниже примере на входном растре проходит четкая граница вдоль области, где значения меняются с 5.0 до 9.0. Характеристика усиления границ опции HIGH позволила выявить эту границу.

Обрабатываемые ячейки NoData

Параметр Игнорировать значение NoData при вычислениях (Ignore NoData in calculations) определяет, как в окне окрестности обрабатываются ячейки со значением NoData. Если эта опция включена (опция DATA) любые ячейки NoData в окрестности будут игнорироваться в вычислениях выходного значения ячейки. Если опция не включена (опция NODATA), то при наличии в окрестности ячейки NoData выходная ячейка также будет NoData.

Если обрабатываемая ячейка имеет значение NoData и при этом включена опция Игнорировать NoData (Ignore NoData), выходное значение ячейки будет рассчитываться на основании значений других ячеек окрестности, имеющих допустимые значения. Конечно, если все ячейки в окрестности имеют значение NoData, в выходных данных будет указано значение NoData, независимо от настройки этого параметра.

Литература

Gonzalez, R. C., P. Wintz. 1977. Цифровая обработка изображений. Massachusetts: Addison–Wesley.

Hord, R. M. 1982. Цифровая обработка данных ДЗЗ. New York: Academic.

Moik, J. G. 1980. Цифровая обработка данных ДЗЗ. New York: Academic.

Richards, J. A. 1986. Анализ данных ДЗЗ: Введение.. Berlin: Springer–Verlag.

Rosenfeld, A. 1978. Обработка и распознавание изображений, Technical Report 664. University of Maryland Computer Vision Laboratory.

Связанные темы

Отзыв по этому разделу?

desktop.arcgis.com

Использование FFT-фильтра для удаления растра

Туториал предназначен исключительно для тех, кто не имеет возможности использовать платные фильтры (работники фотолабораторий и т.д.). FFT-фильтр (бесплатный, конечно) можно скачать отсюда (выбираем "Download RGB version of FFT/IFFT Photoshop plugin - 156Kb (April 2005)"). В rar-архиве, что Вы скачаете, будет папка bin с файлами FFT_RGB.8bf и IFFT_RGB.8bf. Их и нужно переписать в папку Plug-Ins Фотошопа. Теперь включаем программу и :)

1. Вот такой он, наш исходный скан. Будем улучшать.

2. Сначала сделаем дубликат изображения.

3. К дубликату применяем фильтр FFT RGB.

4. Результат применения выглядит вот так.

5. Переходим в закладку Channels (Каналы) и выделяем красный (Red) канал.

6. Красный канал выглядит так. Теперь необходимо закрасить жесткой кистью черного (или темно-серого) цвета центры всех "звездочек". Центральное "перекрестье" не трогаем!!!

7. Примерно вот так.

8. В закладке Channels (Каналы) кликаем по слою RGB для того, чтобы выделить все слои.

9. Применяем теперь уже инверсный фильтр IFFT RGB.

10. Растр убран, но изображение потеряло цвет. Это не страшно.

11. С помощью инструмента Move, зажав клавишу Shift, перетаскиваем получившееся изображение на исходное цветное. Новому слою присваиваем режим наложения Luminosity.

12. Для пущей красоты размываем на 2-3 пикселя нижний слой фильтром Median (Filter > Noise > Median)

13. Вот и все. Удачи в работе!

P.S. Картинки, кроме мелочей, которые увеличивать и не надо, - кликабельны.P.P.S. Тем немногим, кто сможет сдержать свой душевный порыв и не напишет в комментах "Отстой! Фильтр подставить-соответствующее-название работает круче", - моя сердечная благодарность :)

ru-photoshop.livejournal.com

Растровый светофильтр

 

Изобретение относится к фотографии и телевидению, а именно к устройствам преобразования цветовой информации в цветокодированные изображения на фоточувствительных слоях, считываемые телевизионными средствами и воспроизводимые в виде цветного телевизионного изображения. Цель изобретения - повышение качества цветопередачи в области зеленого за счет применения в светофильтре растровых структур с новой геометрией растровых полос. Растровый светофильтр имеет два слоя, в одном из которых чередуются прозрачные и желтые растровые полосы, а в другом - прозрачные и голубые. Растровые структуры желтых и голубых полос различно ориентированы относительно направления строчной развертки. В светофильтре в полосах выполнены угловые выемки 4 равной площади, причем выемки 4 в желтых полосах перекрыты голубыми полосами и наоборот - выемки в голубых полосах перекрыты желтыми полосами. 4 ил.

СОЮЗ СОВЕТСКИХ

СОЦИАЛИСТИЧЕСКИХ

РЕСПУБЛИК

5 А1 (19) Ш) (S1)5 G 03 В 11/02

ОПИСАНИЕ ИЗОБРЕТЕНИЯ

Н АВТОРСКОМ У СВИДЕТЕЛЬСТВУ

ГОСУДАРСТВЕННЫЙ НОМИТЕТ

ПО ИЗОБРЕТЕНИЯМ И ОТКРЫТИЯМ

ПРИ ГКНТ СССР (21) 4633962/24-10 (22) 09 ..01 ° .89 (46) 23. 12.90. Бюп, ¹-..47 (72). А.М. Скрыпьников, В.Г.. Мелыжков, Л.В. Головкова, Y:.П. Акимочкин и В,Ш. Габриелян (53) 778.534.2(088.8) (56) Патент Японии № 60-18974, кл. G 03 В 33/16 опублик. 26.05,79, (54) РАСТРОВЫЙ СВЕТОФИЛЬТР (57) Изобретение относится к фотографии и телевидению, а именно к устройствам преобразования цветовой информации в цветокодированные изображения на фоточувствительных слоях, считываемые телевизионными средствами и воспроизводимые в виде цветного телевизйонного изображения . Цель

2 изобретения — повьппение качества цветопередачи в области зеленого за счет применения в светофильтре растровых структур с новой геометрией растровых полос. Растровый светофильтр имеет два слоя, в одном из которых чередуются прозрачные и желтые растровые полосы, а в другомпрозрачные и голубые. Растровые структуры желтых и голубых полос различно ориентированы относительно направления строчной развертки. В светофильтре в полосах выполнены угловые выемки 4 равной плоцади, причем выемки 4 в желтых полосах перекрыты голубьпчи полосами и наоборот — выемки в голубых полосах перекрыты желтыми полосами. 4 ил .

1615665

1615665

Составитель А. 1Оров

Техред N.ÄHäûê

Корректор С-Шевкун

Редактор А. Б андор

Заказ 3985 Тираж 375 Подписное

ВфИПИ Государственного комитоз а до изобретениям и открьггиям при ГКНТ СССР

113()35, Москва, iE-35, Раушская наб., д. 4/5

Производственно-изд:зтельсмш ко Всадят "Патент", г. Ужгород, ул. Гагарина, 101

Растровый светофильтр Растровый светофильтр Растровый светофильтр Растровый светофильтр 

www.findpatent.ru

Как удалить полиграфический растр со сканов |

Иногда, чтобы получить изображение для макета, приходится их сканировать. И иногда на них можно видеть мелкие точки:

01

Это полиграфический растр. Если такое отсканированное изображение напечатать снова, при печати может образоваться эффект называемый муаром.

Решение

В этом уроке покажем один из способов, как с помощью Photoshop и бесплатного плагина 1 можно убрать полиграфический растр с отсканированного изображения. (Плагин можно скачать здесь (1 или 2), проверена работа на Photoshop CS5.1.)

Итак, установив плагин, открываем сканированное изображение:

Первым делом дублируем слой (щелчок правой кнопкой на слое → Duplicate Layer)

И прячем его

Выделяем нижний (первоначальный) слой и применяем ему фильтр FFT (меню Filter → Fourier Transform → FFT).

В результате получится что-то вроде этого:

Переключаемся в зеленый канал

2013-07-09_12h00_40

И видим такую картину:

2013-07-09_11h53_20

Закрашиваем черной кистью все звездочки(чем больше звездочек закрашено, тем лучше), кроме центральной:

2013-07-09_11h59_09

Переключаемся обратно в канал RGB

2013-07-09_12h01_56

и на этот раз применяем фильтр IFFT (меню Filter → Fourier Transform → IFFT). Получилось черно-белое изображение, причем практически без полиграфического растра:

2013-07-09_12h04_23

Осталось вернуть ему цвет, включив видимость верхнего слоя и задав ему режим наложения Color:

02

Before-After

Оставшиеся шумы можно удалить фильтром Filter – Noise – Reduce Noise.

Как видите, из сканов можно получить вполне пригодные для последующего использования изображения.

superuroki.ru