Chia sẻ trang này
Lượt xem: 5,637
By:Lu ROmin: 21 Tháng sáu 2016
Administrator Staff MemberTham gia ngày:25 Tháng bảy 2014Bài viết:481Đã được thích:115
2. Phép nhân và chia hình ảnh
Phép nhân và chia được sử dụng như một phương thức đơn giản điều chỉnh độ tương phản và là phần mở rộng của phép cộng và trừ [ví dụ giảm độ tương phản đến 25% chia cho 4; tăng độ tương phản 50% nhân 1,5].Quá trình này đôi khi được gọi là chia tỉ lệ màu sắc hình ảnh.
Phép chia có thể được sử dụng cho Differencing[vi phân] hình ảnh, ví dụ chia một hình ảnh với một hình ảnh khác cho kết quả là 1.0 nếu các giá trị điểm ảnh giống hệt nhau và giá trị khác 1.0 mà sự khác biệt xảy ra. Tuy nhiên, Differencing hình ảnh sử dụng phép trừ được tính toán hiệu quả hơn. Chia và nhân 2 hình ảnh khác nhau thường không được sử dụng nhiều trong xử lý ảnh.
- Code matlab:A=imread['peppers.png']; % Read in 1st image subplot[1,3,1], imshow[A]; % Display 1st image title['anh 1']; Output1 = immultiply[A,1.5]; % multiple image by 1.5 subplot[1,3,2], imshow[Output1]; % Display result title['anh out1']; Output2 = imdivide[A,4]; % divide image by 4 subplot[1,3,3], imshow[Output2]; % Display result title['anh out2'];
- Đối với tất cả các phép tính số học giữa các hình ảnh chúng ta phải đảm bảo rằng các giá trị điểm ảnh có kết quả vẫn nằm trong phạm vi số nguyên hiện có sẵn của các kiểu dữ liệu / kích thước. Ví dụ, một hình ảnh 8-bit biểu diễn cho 256 giá trị trong mỗi vị trí pixel. Nếu giá trị điểm ảnh không nằm trong phạm vi cho phép từ 0-255 thì tràn số nguyên sẽ xảy ra và giá trị sẽ thường 'wrap around' một giá trị thấp. Điều này thường được gọi là bão hòa trong không gian ảnh: giá trị vượt quá khả năng biểu hiện của hình ảnh. Một giải pháp là để phát hiện tràn và tránh nó bằng cách thiết lập các giá trị với giá trị tối đa cho các biểu diễn hình ảnh [ví dụ cắt ngắn đến 255]. Phương pháp xử lý tràn được thực hiện trong imadd, imsubtract, immultiply và imdivide. Đối với ba kênh hình ảnh RGB các phép toán toán học thường được thực hiện riêng cho từng kênh màu.
Bài viết cùng chủ đề:
- Matlab trong xử lý ảnh: Lọc nhiễu... 27 Tháng sáu 2016
- Matlab trong xử lý ảnh: Lọc nhiễu... 28 Tháng sáu 2016
- Matlab Simulink cơ bản phần 1 2 Tháng bảy 2016
- Matlab trong xử lý ảnh: Cơ bản ảnh... 1 Tháng mười một 2015
- Matlab cơ bản 3: MATLAB scripts và... 12 Tháng chín 2015
- Matlab trong xử lý ảnh: RGB VÀ bảng màu 25 Tháng mười 2015
- Matlab trong xử lý ảnh: Bộ lọc đạo... 2 Tháng bảy 2016
- Matlab Simulink cơ bản phần 6:... 4 Tháng bảy 2016
- Matlab Simulink cơ bản phần 8:... 5 Tháng bảy 2016
- MATLAB cơ bản 6: FILTERING PERIODIC... 13 Tháng chín 2015
Chia sẻ trang này
Lượt xem: 8,471
By:Lu ROmin: 21 Tháng sáu 2016
Administrator Staff MemberTham gia ngày:25 Tháng bảy 2014Bài viết:481Đã được thích:115
- Phép toán số học cơ bản có thể được thực hiện một cách nhanh chóng và dễ dàng trên các pixel hình ảnh cho một loạt các hiệu ứng và ứng dụng.
1. Cộng và trừ hình ảnh.
- Cộng một giá trị cho mỗi điểm ảnh có thể được dùng để tạo những hiệu ứng sau:
+ Contrast adjustment [Điều chỉnh độ tương phản]: Cộng một giá trị dương không đổi C làm tăng giá trị của nó từ đó tăng độ tương phản.
+ Blending [Pha trộn]: Cộng 2 hình ảnh với nhau sẽ tạo ra một hình ảnh tổng hợp. Điều này có thể được sử dụng để tạo ra hiệu ứng pha trộn bằng cách dùng cộng trọng số.
- Sử dụng MATLAB để thực hiện 2 hiệu ứng trên:
+ Cộng một giá trị hằng số dương.A=imread['cameraman.tif']; % Read in image subplot[1,2,1], imshow[A]; % Display image B = imadd[A, 100]; % Add 100 pixel values to image A subplot[1,2,2], imshow[B]; % Display result image B
Chú ý: để cộng hay trừ thì hai hình ảnh phải có cùng kích thước và cùng kiểu dữ liệu. Khi cộng hai hình ảnh hoặc cộng một hình ảnh với số dương có thể gây ra tràn. Các hàm imadd, imsubtract và imabsdiff tránh được vấn đề này bằng cách cắt xén hoặc làm tròn giá trị tràn.
- Trừ hình ảnh: tương tự như cộng, chúng ta có thể trừ giá trị cho mỗi điểm ảnh cũng điều chỉnh độ tương phản.
View attachment 240
- Trừ hình ảnh cho chúng ta thấy phần khác biệt giữa các hình ảnh. Nếu chúng ta trừ hai hình ảnh trong một chuỗi video chúng ta sẽ có được một hình ảnh khác biệt trong đó cho thấy sự chuyển động hoặc thay đổi đã xảy ra giữa các frame trong bối cảnh đó. Điều này có thể được sử dụng như một hình thức cơ bản để phát hiện thay đổi / chuyển động trong chuỗi video.
- Ví dụ về MATLAB:A=imread['cola1.png']; % Read in 1st image B=imread['cola2.png']; % Read in 2nd image subplot[1,3,1], imshow[A]; % Display 1st image title['anh 1']; subplot[1,3,2], imshow[B]; % Display 2nd image title['anh 2']; Output = imsubtract[A, B]; % subtract images subplot[1,3,3], imshow[Output]; % Display result title['anh output'];
- Một biến thể hữu ích về phép trừ là là sự khác biệt tuyệt đối giữa các hình ảnh I = |I1-I2|. Điều này tránh các vấn đề tiềm ẩn của tràn số nguyên.
- Code matlab:A=imread['cola1.png']; % Read in 1st image B=imread['cola2.png']; % Read in 2nd image subplot[1,3,1], imshow[A]; % Display 1st image title['anh 1']; subplot[1,3,2], imshow[B]; % Display 2nd image title['anh 2']; Output = imabsdiff[A, B]; % subtract images subplot[1,3,3], imshow[Output]; % Display result title['anh OUTPUT'];
DOWNLOAD CODE VÀ HÌNH ẢNH TẠI ĐÂY:
Hình ảnh
CODE MATLABCác file đính kèm:
Bài viết cùng chủ đề:
- Matlab trong xử lý ảnh: Lọc tuyến... 26 Tháng sáu 2016
- Matlab Simulink cơ bản phần 3: Tạo... 3 Tháng bảy 2016
- Matlab cơ bản 10: Định nghĩa hàm... 18 Tháng mười 2015
- Matlab trong xử lý ảnh: Lọc nhiễu... 28 Tháng sáu 2016
- Matlab Simulink cơ bản phần 8:... 5 Tháng bảy 2016
- Matlab trong xử lý ảnh: Các phép... 21 Tháng sáu 2016
- Matlab trong xử lý ảnh: Bộ lọc đạo... 30 Tháng sáu 2016
- Matlab cơ bản: Giới thiệu về MATLAB 7 Tháng chín 2015
- Matlab Simulink cơ bản phần 2: Thư... 3 Tháng bảy 2016
- MATLAB cơ bản 6: FILTERING PERIODIC... 13 Tháng chín 2015