Сочинение на тему Структура для выравнивания информации

И, если P [xi] – это вероятность последовательности xi уровней серого с длиной l, то энтропия будет задана как –

H = 1 / l ∑p (xi) e1-p (xi) …… ..Eq. (3.3.b)

Такая энтропия называется Глобальной энтропией.

Таким образом, информация, представленная на любом изображении, анализируется с точки зрения энтропии, которая дает измерение неопределенности.

Энтропия и гистограмма

Гистограмма для любого изображения представляет собой график по оси x, который показывает количество пикселей, присутствующих в изображении, с различными значениями интенсивности изображения. Если какое-либо изображение является 8-битным изображением в градациях серого, тогда будет 256 возможных интенсивностей со всеми 256 интенсивностями, отображаемыми на гистограмме. Аналогично для цветных изображений это будет трехмерная гистограмма с тремя различными осями для изменений R, G & B. Таким образом, энтропия изображения рассчитывается на основе 256 количественных уровней и определяется значением N.

H (X) = -∑_ (i = 0) ^ 255▒ ​​〖pi log⁡pi〗… .. (3.3.a)

Pi = Ng / Np… .. (3.3.b)

Где Ng – количество пикселей, соответствующее уровням серого, а Np – общее количество пикселей в изображении; Pi – вероятность появления каждой интенсивности серого.

Так как информация, представленная на изображении, может быть проанализирована с точки зрения энтропии, обнаружено, что энтропия изображения уменьшается с уменьшением количества информации, содержащейся в изображении.

Выравнивание гистограммы

Гистограмма представляет собой график, который показывает номер нет. пикселей при каждом значении интенсивности для 8-битного изображения в оттенках серого с 256 возможными различными интенсивностями. Выравнивание гистограммы – это статистическое распределение уровней серого, присутствующих на изображении. Это форма повышения контрастности, используемая для увеличения общего контраста изображений. Он регулирует значения пикселей для лучшего распределения и повышения контрастности. Он используется для растягивания гистограммы любого заданного изображения.

Манипуляции с гистограммой

Выравнивание гистограммы является одним из популярных традиционных методов улучшения изображения. Метод перераспределяет уровни серого гистограммы изображения со значительным изменением яркости изображения. Это привело к ограничениям традиционных методов, таких как потеря оригинальности изображения, потеря мельчайших деталей и чрезмерное улучшение. Многие исследователи работали над методами выравнивания гистограммы и ее манипуляциями. Как показали исследователи в [5, E1, M. Kaur et al., 2013], в выравнивании гистограммы существуют различные манипуляции. Как и при выравнивании яркости с сохранением яркости (BBHE), гистограмма входного изображения делится на две равные части в точке XT, так что две разные гистограммы генерируются с двумя разными диапазонами от 0 до XT и от XT + 1 до XL- 1. После этого обе гистограммы по отдельности выровняются. В уравнении дуалистической гистограммы подизображений (DSIHE) этот метод позволяет разделять входные изображения для формирования подизображений с равной площадью и равным количеством пикселей. Яркость выходного изображения равна среднему уровню области вспомогательного изображения и его среднему уровню серого. Исследователи также заявили о недостатках метода DSIHE, так как он не может оказать существенного влияния на яркость изображения. В методе выравнивания минимальной средней яркости с ошибкой би-гистограммы (MMBEBHE) используется тот же подход, что и для BBHE и DSIHE с пороговым значением. Этот метод определяет пороговый уровень для разделения выровненного входного изображения на подизображения. Если Ti является пороговым уровнем, то диапазон двух подизображений будет определяться как I [0, Ti] и I [Ti + 1, L-1]. MMBEBHE ​​также рассматривает минимизацию ошибки средней яркости. Таким образом, гистограммы подизображений выровняются. Однако в методе выравнивания рекурсивного среднего по отдельной гистограмме (RMSHE), приводящем к выравниванию обычного метода выравнивания гистограммы, метод RMSHE позволяет декомпозировать входное изображение рекурсивным способом с определенной шкалой r, что приводит к получению в два раза большего числа sub Прообразы.

Затем каждое подизображение независимо улучшается путем индивидуального выравнивания их гистограмм. Согласно [13, M3, M. Kaur et al., 2011] авторы представили для масштабного значения r = 0, RMSHE не может генерировать субизображения. Однако для значения r = 1 метод RMSHE работает аналогично методу BBHE. Таким образом, значение r увеличивается по мере увеличения тенденции представления значения яркости. В способе выравнивания гистограммы с сохранением средней яркости (MBPHE), следуя обычному выравниванию гистограммы, способ MBPHE сохраняет среднюю яркость изображения. Метод MBPHE может быть двунаправленным, если гистограмма входного изображения имеет квазисимметричное распределение вокруг точки разделения. Этот принцип показал сбой в приложениях реального времени по сравнению с многосекционным MBPHE. Многосекционный MBPHE позволяет разделить входную гистограмму на R подгистограмм с любым положительным целочисленным значением R. Хотя подгистограммы в этом подходе создаются рекурсивно, и, наконец, каждая подгистограмма выравнивается независимо.

В динамическом выравнивании гистограммы (DHE) этот метод позволяет разделить гистограмму входного изображения на подгистограммы, пока он не сможет гарантировать, что для деления не осталось части изображения и не будет доминирующей части на изображении с каждой подгистограммой выделен динамический диапазон уровней серого. Наконец, все гистограммы выровнены независимо. Однако при выравнивании динамических гистограмм с сохранением яркости (BPDHE) процедура позволяет выровнять среднюю интенсивность входного изображения по отношению к средней интенсивности выходного изображения. Этот метод имеет тенденцию делить гистограмму на основе локального максимума, при этом каждая часть отображается в динамический диапазон, а затем интенсивность выходного сигнала нормализуется.

По мнению авторов, BPDHE работает лучше, чем MBPHE и DHE. Но в Contrast Limited Adaptive Histogram Equalization (CLAHE) алгоритм позволяет сначала разбить входное изображение на несколько контекстных областей с последующим применением выравнивания гистограммы в каждой области. Такой подход позволяет визуализировать еще более скрытые особенности данного изображения. Поскольку подход CLAHE работает с небольшими участками изображений, называемыми плитками, контраст каждого файла независимо увеличивается [14, H1, H.S.S. Ахмед, 2011]. Смежные плитки затем объединяются с помощью процесса, называемого билинейной интерполяцией. CLAHE позволил преодолеть ограничения HE и адаптивных методов HE, особенно для однородных областей. Согласно HE и адаптивному HE, однородные области дают высокие пики в гистограммах для контекстной области, и в некоторых случаях пиксели также могут попадать в градиент уровня серого.