Technische Universit˜at M˜unchen Fakult˜at f ur...
Transcript of Technische Universit˜at M˜unchen Fakult˜at f ur...
Technische Universitat
Munchen
Fakultat fur Informatik
Forschungs- und Lehreinheit Informatik IX
Grundlagen der digitalen Bildverarbeitung: Punktoperatoren
Proseminar
Alexander C. Perzylo
Betreuer: Dipl.-Inform. Dimitris Golias
Abgabetermin: 11. Mai 2004
Inhaltsverzeichnis
1 Operatoren - ein Uberblick 2
2 Hilfsmittel 42.1 Histogramme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42.2 Look-Up-Tabellen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Punktoperatoren 63.1 Farb-Invertierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63.2 Graustufen-Konvertierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 83.3 Binarisierung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3.1 mit konstantem Schwellenwert . . . . . . . . . . . . . . . . . . . . . 83.3.2 mit rekursiver Schwellenwertsuche . . . . . . . . . . . . . . . . . . . 9
3.4 lineare Grauwertskalierung . . . . . . . . . . . . . . . . . . . . . . . . . . . 103.4.1 mit konstanten Parametern . . . . . . . . . . . . . . . . . . . . . . 103.4.2 mit Vorgabe von Mittelwert und Varianz . . . . . . . . . . . . . . . 113.4.3 Grauwertspreizung . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
3.5 nicht lineare Grauwertskalierung . . . . . . . . . . . . . . . . . . . . . . . . 133.5.1 Gamma-Korrektur . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
3.6 Grauwertaqualisation (Histogrammausgleich) . . . . . . . . . . . . . . . . 143.7 Erzeugen von verrauschten Bildern . . . . . . . . . . . . . . . . . . . . . . 15
3.7.1 Punktrauschen . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 153.7.2 gleichverteiltes Rauschen . . . . . . . . . . . . . . . . . . . . . . . . 163.7.3 normalverteiltes Rauschen . . . . . . . . . . . . . . . . . . . . . . . 16
Literaturverzeichnis 17
Stichwortverzeichnis 18
1
Kapitel 1
Operatoren - ein Uberblick
Ein Bildbearbeitungsoperator ist eine Abbildung, die ein Bild, auf welches er angewendet
wird, in ein verarbeitetes Bild umwandelt. Er kann eventuell nur auf bestimmte Arten
von Bildern, wie z.B. Graustufen- oder dreikanaligen Bildern (z.B. RGB), definiert sein.
Aufgrund ihrer Funktionalitat konnen Operatoren in vier Klassen eingeteilt werden:
Geometrische Operatoren, globale Operatoren, lokale Operatoren und Punktoperatoren.
Ein geometrischer Operator fuhrt Koordinatentransformationen aus. Dabei wird
ein Eingabebild durch eine allgemeine Transformationsvorschrift in ein Ausgabebild
uberfuhrt. Beispiele hierfur sind die Rotation, die ein Bild um einen beliebigen Wert um
einen Drehpunkt rotieren laßt, die Translation, die eine Verschiebung der Bildkoordinaten
bewirkt, und die Inversion, der eine Spiegelung der Bildpunkte an festgelegten Achsen
zugrunde liegt. Wenn eine Transformation das Ausgabebild im Vergleich zum Eingabebild
verkleinert, spricht man von einem kontrahierenden Operator. Fallt das Resultatsbild
großer aus als die Eingabe, so nennt man den Operator expandierend. Ein einfaches
Beispiel hierfur ist die Bildskalierung, welche ein Bild auf neue Abmessungen abbilden
kann.
Globale Operatoren beziehen sich bei der Bestimmung der Ausgabebildpunkte enweder
auf alle Bildpunkte des Eingabebildes oder es muss erst durch weitere Berechnungen
ermittelt werden, welche Bildpunkte der Eingabe Einfluss auf das Ergebnis haben. Die
Menge der globalen Operatoren ist die rechen- und speicherintensivste. Beispiele sind
signaltheoretische Transformationen, basierend auf z.B. der Fourier- oder Walshtransfor-
mation.
Lokale Operatoren verwenden zur Berechnung eines Bildpunktes im Ausgabebild ei-
ne fixierte Fensterfunktion, die den entsprechenden Bildpunkt des Eingabebildes als
Mittelpunkt enthalt und noch weitere Punkte in seiner Nachbarschaft umfasst. Aus
dieser Menge von Punkten wird nun der Wert eines Ausgabebildpunktes ermittelt.
Liegt ein Bildpunkt der Eingabe zu nah am Bildrand, so dass das Fenster nicht mehr
ausgefullt ist, wird dieser Bildpunkt einfach in das Ausgabebild ubernommen, ohne
2
KAPITEL 1. OPERATOREN - EIN UBERBLICK 3
weitere Berechungen durchzufuhren. Man bezeichnet einen lokalen Operator als parallel,
wenn die von der Fensterfunktion berechneten Bildpunkte in ein von der Eingabe
unterschiedliches Ausgabebild eingetragen werden. Wenn jedoch das Eingabebild mit
den Ausgabebildpunkten uberschrieben wird und somit eine schrittweise Veranderung
des Ursprungsbildes eintritt, spricht man von einem sequentiellen lokalen Operator. Ein
homogener lokaler Operator fuhrt seine Fensterfuntkion auf alle Nicht-Rand-Bildpunkte
aus und jeder Ausgabebildpunkt kann mit einem Eingabebildpunkt identifiziert werden.
Ist dies nicht der Fall, handelt es sich um einen inhomogenen Operator.
Die Punktoperatoren konnen als Spezialfall der homogenen, lokalen Operatoren gesehen
werden, dann wenn man fur die Operatorberechungen ein Fenster der Große 1x1
zugrunde legt, also fur die Berechnung eines Ausgabebildpunktes nur der entsprechende
Eingabebildpunkt herangezogen wird. Zusatzlich kann ein Punktoperator auch die
Position eines Bildpunktes als Berechnungskriterium berucksichtigen. Hierbei spielt es
fur das Ergebnis offensichtlich keine Rolle, ob ein Punktoperator parallel oder sequentiell
arbeitet.
Punktoperatoren werden hauptsachlich mit Grauwerttransformationen in Verbindung
gebracht, die auch den Schwerpunkt dieser Arbeit bilden, jedoch lassen sich einige
Funktionen auf mehrkanalige Bilder ubertragen (z.B. Farbinvertierung). Sie dienen
der Verbesserung des visuellen Eindrucks, sowie der Aufbereitung der Bilddaten fur
weitergehende Bearbeitungsschritte oder Analysen.
Kapitel 2
Hilfsmittel
2.1 Histogramme
Die Grauwerthaufigkeit eines Bildes wird im Histogramm dargelegt. Dazu werden die ein-
zelnen Graustufen g in ihrer Haufigkeit abgezahlt und in das Histogramm H eingetragen.
H(g) ist somit eine diskrete Funktion. Das Histogramm ist fur die Punktoperatoren eine
große Hilfe, da es den Operatoren erlaubt, die Grauwertverteilung eines Bildes schnel-
ler zu untersuchen als dies im Eingabebild selbst der Fall ware. Der mittlere Grauwert,
die Varianz, sowie andere statistische Bildeigenschaften lassen sich aus ihm ableiten. Ei-
ne andere Moglichkeit die Grauwertverteilung in einem Histogramm aufzuzeigen, ist das
Grauwert-Summenhaufigkeitshistogramm, in welchem die Werte von sumH(g) sich aus
der Summe der Haufigkeit der Graustufe g und der Haufigkeiten aller Grauwerte < g
berechnet. sumH(g) ist fur jedes Bild eine monoton steigende Funktion.
Abbildung 2.1: Bild (links), Histogramm (mitte), Summenhistogramm (rechts)
4
KAPITEL 2. HILFSMITTEL 5
2.2 Look-Up-Tabellen
Angesichts großer, hochauflosender Bilder kann sich die Anzahl an Pixeln in einem Bild
in Millionenhohe befinden. Um zu vermeiden, dass die selben Berechnungen fur unter-
schiedliche Bildpunkte, die jedoch den gleichen Grauwert haben, unnotigerweise wieder-
holt ausgefuhrt werden, kann eine sogenannte Look-Up-Tabelle (LUT) angelegt werden.
Fur jeden Grauwert (bei 8bit Graustufenmodus: 0 − 255) wird die Rechenfunktion des
Punktoperators ausgefuhrt und das Ergebnis in der LUT an der Stelle des korrespondie-
renden Grauwerts gespeichert, so dass nun bei der Anwendung des Operators mit den
Grauwerten aus dem Eingabebild als Index auf die LUT zugegriffen werden kann. Das
gefundene Ergebnis kann direkt in das Ausgabebild geschrieben werden. Mit diesem Vor-
gang kann kostbare Rechenzeit gespart werden.
Was fur ein Graustufenbild ein gutes Werkzeug ist, hilft bei Bildern mit großerer farbli-
cher Vielfalt nicht mehr weiter. Bei 24bit RGB-Bildern mußte die LUT 256 ∗ 256 ∗ 256 =
16.777.216 Eintrage umfassen, obwohl in einem Bild normalerweise nur ein Bruchteil da-
von zu finden ware. Somit lohnt sie sich in diesem Fall in der Regel nicht mehr.
Kapitel 3
Punktoperatoren
3.1 Farb-Invertierung
Die Farb-Invertierung ist ein denkbar einfacher Punktoperator, der statisch die Farbwerte
der Eingabebildpunkte in die jeweilige Komplementarfarbe wandelt. Fur Graustufenbilder
bietet sich deshalb eine LUT an. Zu diesem Zweck berechnet man fur alle Grauwerte g
den inversen Grauton und speichert ihn in der LUT ab:
Sei G die Anzahl der zur Verfugung stehenden Graustufen
ginvers = (G− 1)− g (3.1)
LUT [g] = ginvers (3.2)
Nach dieser Vorbereitung arbeitet der Operator alle Eingabebildpunkte ab und tauscht
die Grauwerte gegen ihr Komplement:
gresultat = LUT [g] (3.3)
Abbildung 3.1: UrBild (links), invertiertes Bild (rechts)
6
KAPITEL 3. PUNKTOPERATOREN 7
Fur ein dreikanaliges Farbbild (RGB) bietet sich die LUT, wie unter 2.2 angesprochen,
nicht mehr an. Daher benotigt man ein Verfahren, um fur jeden Farbwert die Komple-
mentarfarbe auf effiziente Art zu berechnen. Anstelle der getrennten Umwandlung der
drei Farbkanale kann der ganze RGB-Wert bitweise invertiert werden, was ebenfalls dem
Komplement entspricht, da die Anzahl der moglichen Werte eines Farbkanals einer Zwei-
erpotenz entspricht (28) und somit alle Bitmuster von 00000000 bis 11111111 eindeutigen
Farbwerten eines Kanals zugeordnet werden konnen.
KAPITEL 3. PUNKTOPERATOREN 8
3.2 Graustufen-Konvertierung
Um ein dreikanaliges Bild (RGB) in 256 Graustufen zu konvertieren, muss man zunachst
berucksichtigen, dass das menschliche Auge die Helligkeiten der verschiedenen Farbkanale
unterschiedlich stark wahrnimmt. Grunanteile einer Farbe sind zu ca. 60% auschlaggebend
fur die wahrgenommene Helligkeit (Luminanz). Rot hat einen Einfluss von ca. 30%, Blau
nur noch von ca. 10%. Damit ergibt sich die Umwandlung:
Fur jedes Pixel p des Eingabebildes gilt
Grauwert(p) = 0.299 ·RKanal(p) + 0.587 ·GKanal(p) + 0.114 ·BKanal(p) (3.4)
Abbildung 3.2: RGB-Bild (links), 8bit-Graustufen Bild (rechts)
3.3 Binarisierung
Die Binarisierung wandelt ein Eingabebild in ein Schwarz-Weiss-Bild um.
3.3.1 mit konstantem Schwellenwert
Bei einer Binarisierung mit konstantem Schwellenwert, werden den Bildpunkten des Ein-
gabebildes, welche einen Grauwert g haben, der kleiner als der Schwellenwert t ist, die
Farbe Weiss zugeordnet. Alle anderen Bildpunkte werden schwarz gefarbt:
Sei G die Anzahl der zur Verfugung stehenden Graustufen. Fur jedes Pixel p des Einga-
bebildes gilt
Grauwertneu(p) =
{0 fur Grauwert(p) < t
G− 1 fur Grauwert(p) ≥ t(3.5)
KAPITEL 3. PUNKTOPERATOREN 9
3.3.2 mit rekursiver Schwellenwertsuche
Dieser Operator berechnet zunachst iterativ eine geeignete Binarisierungsschwelle, be-
vor er diese auf das Eingabebild anwendet. Fur die Schwellenwertsuche wird das globale
Grauwerthistogramm verwendet. Die Idee des Algorithmus ist es, nachdem anfanglich der
Schwellenwert t0 auf die Halfte des zur Verfugung stehenden Grauspektrums G gesetzt
wurde, in der nachsten Iteration t1 zwischen die mittleren Grauwerte µ1 und µ2, der durch
to aufgeteilten Bereiche zu setzen. Dies wird solange rekursiv fortgesetzt bis | tx−tx−1 |< ε.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, H das Histogramm des Ein-
gabebildes und g ein Grauwert
tx =µ1 + µ2
2= (3.6)
=1
2
tx−1∑
g=0
gH(g)
·
tx−1∑
g=0
H(g)
−1
+
G−1∑
g=tx−1+1
gH(g)
·
G−1∑
g=tx−1+1
H(g)
−1
Der durch dieses Verfahren berechnete Schwellenwert t, ist der Wert, fur den die gesamte
mittlere quadratische Abweichung e fur jeden der beiden mittleren Grauwerte getrennt
gerechnet, minimal ist:
e =t∑
g=0
(g − µ1)2H(g) +
G−1∑
g=t+1
(g − µ2)2H(g) (3.7)
Abbildung 3.3: UrBild (l.), fester Schwellenwert t=128 (m.), rekursive Schwellenwertsuche (r.)
KAPITEL 3. PUNKTOPERATOREN 10
3.4 lineare Grauwertskalierung
Lineare Grauwertskalierungen dienen dem gleichmaßigen Verschieben, Strecken oder
Komprimieren des Grauwertumfangs eines Bildes. Dabei konnen subjektive Bildverbes-
serungen erreicht werden, auch wenn das Bild tatsachlich weniger Informationsgehalt hat
als vor der Skalierung.
3.4.1 mit konstanten Parametern
Die lineare Grauwertskalierung mit konstanten Parametern fuhrt folgende Berechnung auf
allen Bildpunkten des Eingabebildes durch:
Sei g der Grauwert eines Bildpunktes
gneu = (g + c1) · c2 (3.8)
In dieser linearen Transformation bewirkt die Konstante c1 eine Verschiebung der Grau-
werte in den helleren bzw. dunkleren Bereich (Helligkeitseinstellung). Die Konstante c2
verandert den Kontrast des Eingabebildes. Fur 0 < c2 < 1 wird der Kontrast verringert,
fur c2 > 1 erhoht. Damit die Transformation stets zulassige Werte liefert, muss der Grau-
wertbereich, in den abgebildet wird, begrenzt werden:
Sei G die Anzahl der zur Verfugung stehenden Graustufen und g ein Grauwert
gneu =
{ 0 fur (g + c1) · c2 < 0G− 1 fur (g + c1) · c2 ≥ G
(g + c1) · c2 sonst(3.9)
Abbildung 3.4: UrBild (links), skaliertes Bild mit c1 = 25 und c2 = 1.3 (rechts)
KAPITEL 3. PUNKTOPERATOREN 11
3.4.2 mit Vorgabe von Mittelwert und Varianz
Die lineare Skalierung mit Vorgabe von Mittelwert und Varianz fuhrt die bereits bekannte
Transformation auf die Bildpunkte des Eingabebildes aus, mit dem Unterschied, dass die
Parameter c1 und c2 nicht frei wahlbar sind, sondern erst vom Operator berechnet werden.
gneu = (g + c1) · c2
Die Konstanten c1 und c2 lassen sich so wahlen, dass vorgegebene Werte fur den mittleren
Grauwert, sowie fur die Varianz des Eingabebildes erreicht werden. Dafur berechnet der
Operator zunachst die Werte fur c1 und c2 in Abhangigkeit der zu erzielenden Großen
und wendet dann die lineare Skalierung auf alle Bildpunkte p des Eingabebildes B an.
Sei m der mittlere Grauwert und q die Varianz des Eingabebildes, m′ der gewunschte
Mittelwert, q′ die gewunschte Varianz des Ausgabebildes B′, g ein Grauwert. |B| entspricht
hierbei der Anzahl an Pixeln in B
m′ =1
|B| ·∑
p∈B
(g(p) + c1)c2
=
1
|B| ·∑
p∈B
g(p)
c2 + c1c2
= m · c2 + c1c2 (3.10)
q′ =1
|B′| ·∑
p∈B′(g(p)−m′)2
=1
|B| ·∑
p∈B
((g(p) + c1)c2 − (mc2 + c1c2))2
=1
|B| ·∑
p∈B
(g(p)−m)2 · c22
= c22 · q (3.11)
Durch Auflosen der Gleichungen nach c1 und c2 bekommen wir die benotigten Werte fur
die Parameter der linearen Skalierung, um im Ergebnisbild die geforderten Großen fur
Mittelwert und Varianz zu erhalten:
c2 =√
q′q
, c1 = m′c2−m (3.12)
KAPITEL 3. PUNKTOPERATOREN 12
3.4.3 Grauwertspreizung
Die Grauwertspreizung ist eine stuckweise lineare Skalierung. Dabei wird ein festzule-
gender Grauwertbereich auf die gesamte zur Verfugung stehende Graupalette abgebildet.
Werte, die sich außerhalb dieses Bereichs befinden, werden entfernt, und der bestimmte
Grauwertbereich wird kontrastreicher dargestellt. Der Operator dient somit der Hervor-
hebung relevanter Bildbereiche.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, g1 und g2 die Grenzen des zu
bearbeitenden Grauwertbereichs
gneu =
{ 0 falls g < g1g−g1
g2−g1· (G− 1) falls g ∈ [g1 : g2]
G− 1 falls g > g2
(3.13)
Abbildung 3.5: UrBild (l.o.), skaliertes Bild (l.u.), zugehorige Histogramme jeweils rechts
KAPITEL 3. PUNKTOPERATOREN 13
3.5 nicht lineare Grauwertskalierung
Die nicht lineare Grauwertskalierung transformiert die verschiedenen Grauwerte eines Ein-
gabebildes nicht gleichmaßig, sondern variiert in der Starke der Skalierung.
3.5.1 Gamma-Korrektur
Die Gamma-Korrektur als Anwendungsbeispiel einer nicht linearen Skalierung dient z.B.
der Kompensation von Farbdarstellungen auf Monitoren. Bei einem Monitor/Fernseher
wird aus einem Spannungssignal die Lichtintensitat bestimmt. Jedoch wachst mit steigen-
der Spannung die Intensitat nicht linear. Im dunkleren Farbspektrum steigt die Intensitat
langsamer als im helleren Bereich. Um eine verfalschte Wiedergabe zu verhindern, wer-
den Bilder mit Hilfe der Gamma-Korrektur vorentzerrt. Meist erfolgt eine Vorentzerrung
bereits bei der Aufnahme von Bildern.
Gamma-Werte zwischen 0 und 1 fuhren zu einer Verdunkelung des Bildes, wahrend Werte
großer als 1 das Bild aufhellen. Ein Gamma-Wert von 1 fuhrt zu keiner Veranderung.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, g ein Grauwert,
γ der Parameter der Gamma-Korrektur
gneu =(
g
G− 1
) 1γ · (G− 1) (3.14)
Abbildung 3.6: UrBild (links), linear skaliert mit Mittelwert m = 155 (mitte), Gamma-korrigiert mit Mittelwert m = 155 (rechts)
KAPITEL 3. PUNKTOPERATOREN 14
3.6 Grauwertaqualisation (Histogrammausgleich)
Wahrend die Skalierungsoperatoren das Histogramm eines Bildes nur strecken oder stau-
chen, soll bei der Grauwertaqualisation eine moglichst gleichhaufige Verteilung der ein-
zelnen Graustufen erreicht werden. Da eine exakte Gleichverteilung nicht mit einfachen
Mitteln zu bewerkstelligen ist, beschrankt man sich meist auf die Bedingung, dass in kon-
stanten Grauwert-Intervallen gleich viele Bildpunkte liegen.
Sei HB das Histogramm eines Bildes B. Das Ergebnisbild A soll nun eine gleichmaßige
Grauwertverteilung haben:
HA(gneu) = C (3.15)
Ferner muß gelten:
HB(g)dg = HA(gneu)dgneu = Cdgneu → dgneu
dg=
1
C·HB(g) (3.16)
Durch Integration erhalt man:
gneu(g) =1
C·∫ g
0HB(g)dg (3.17)
Wir sehen nun, dass die transformierende Funktion des Operators aus der Histogramm-
dichtefunktion abgeleitet wird. Zunachst wird die mittlere im Histogramm auftretende
Haufigkeit ermittelt. Beginnend mit der niedrigsten Graustufe werden dann solange Grau-
werte zusammengefasst, bis die mittlere Histogrammhaufigkeit erreicht ist. Die Grauwer-
te im berechneten Intervall werden nun auf den niedrigsten im Intervall vorkommenden
Grauwert reskaliert. Dadurch ergibt sich eine Verminderung der Graustufen, was aber auf-
grund der begrenzten Wahrnehmungsfahigkeit des menschlichen Auges keine Rolle spielt.
Das aqualisierte Bild erscheint informationsreicher.
Im diskreten Fall muß das normierte Histogramm HnormBdes Eingabebildes B berechnet
werden, um eine LUT erstellen zu konnen:
Sei G die Anzahl der zur Verfugung stehenden Graustufen
HnormB(g) =
∑gu=0 HB(u)
∑G−1u=0 HB(u)
(3.18)
LUT (g) = (G− 1) ∗g∑
u=0
HnormB(u) (3.19)
Wie in Abbildung 3.7 zu sehen ist, ergibt sich fur die kumulative Haufigkeit der Grauwerte
im aqualisierten Bild eine konstant steigende Funktion. Dies liegt daran, dass innerhalb
eines Grauwertintervalls alle Grauwerte konstant sind.
KAPITEL 3. PUNKTOPERATOREN 15
Abbildung 3.7: UrBild (l.o.), Grauwertaqualisiertes Bild (l.u.), zugehorige Summenhisto-gramme jeweils rechts
3.7 Erzeugen von verrauschten Bildern
Punktoperatoren, die in einem Bild Storungen erzeugen, mogen auf den ersten Blick
unschlussig erscheinen. Es ist jedoch so, dass zum Testen von Rauschfiltern und anderen
bildverbessernden Operatoren das gezielte Einsetzen von Storungen erwunscht ist. Es
lassen sich verschiedene Arten von Rauschen in ein Bild einfugen.
3.7.1 Punktrauschen
Das Punktrauschen fugt einem Eingabebild positive und negative Impulsstorungen in un-
gefahr gleichem Verhaltnis zu. Dabei lasst sich sowohl die Starke des Storimpulses, wie
auch die durchschnittliche Storrate einstellen.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, Q die Storrate, S die Im-
pulshohe, r eine zwischen 0 und 1 gleichverteilte Zufallszahl, p ein Bildpunkt des Einga-
bebildes und g(p) dessen Grauwert
gneu(p) =
{ max{0, g(p)− S} wenn r(p) < qneg
g(p) wenn qneg ≤ r(p) ≤ qpos
min{G− 1, g(p) + S} wenn r(p) > qpos
(3.20)
mit: qneg = 12Q
und qpos = 1− qneg
KAPITEL 3. PUNKTOPERATOREN 16
3.7.2 gleichverteiltes Rauschen
Dieser Punktoperator bewirkt ein gleichverteiltes Rauschen im Eingabebild. Um dies zu
erzielen wird jedem Bildpunkt abhangig von einer gleichverteilten Zufallsgroße ein varia-
bler Storimpuls addiert bzw. subtrahiert.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, S die Streubreite der Gleich-
verteilung, re eine zwischen 0 und 1 gleichverteilte Zufallszahl, p ein Bildpunkt des Ein-
gabebildes und g(p) dessen Grauwert
gneu(p) =
{ 0 falls g(p)− S2
+ Sre < 0G− 1 falls g(p)− S
2+ Sre > 255
g(p)− S2
+ Sre sonst(3.21)
3.7.3 normalverteiltes Rauschen
Dieser Punktoperator bewirkt ein normalverteiltes Rauschen im Eingabebild. Hierbei wird
jedem Bildpunkt abhangig von einer normalverteilten Zufallsgroße mit Erwartungswert 0
und Standardabweichung 1 ein variabler Storimpuls addiert bzw. subtrahiert.
Sei G die Anzahl der zur Verfugung stehenden Graustufen, S die Streuung der Normal-
verteilung, rn eine normalverteilte Zufallszahl, p ein Bildpunkt des Eingabebildes und g(p)
dessen Grauwert
gneu(p) =
{ 0 falls g(p) + Srn < 0G− 1 falls g(p) + Srn > 255
g(p) + Srn sonst(3.22)
Abbildung 3.8: UrBild (l.o.), mit Punktrauschen (2.v.l.o.), gleichverteiltes Rau-schen(2.v.r.o.), normalverteiltes Rauschen(r.o.), zugehorige Histogramme jeweils darunter
Literaturverzeichnis
[1] Wolfgang Abmayr.
Einfuhrung in die digitale Bildverarbeitung
B.G. Teubner Stuttgart (1994), ISBN 3-519-06138-4
[2] Herbert Kopp.
Bildverarbeitung interaktiv
B.G. Teubner Stuttgart (1997), ISBN 3-519-02995-2
[3] Reinhard Klette, Piero Zamperoni.
Handbuch der Operatoren fur die Bildbearbeitung
Friedr. Vieweg und Sohn (1992), ISBN 3-528-06431-5
[4] Walter Schmidt, Jorg Knappen, Hubert Partl, Irene Hyna:
LATEX2e-Kurzbeschreibung
(2003) ftp://dante.ctan.org/tex-archive/info/lshort/german/
17
Index
Bildrauschen, 15
Bildstorung, 15
Binarisierung, 8
expandierender Operator, 2
Farbinvertierung, 6
Gamma Korrektur, 13
Geometrische Operatoren, 2
gleichverteiltes Rauschen, 16
Globale Operatoren, 2
Graustufenbild, 8
Grauwertaqualisation, 14
Grauwertspreizung, 12
Helligkeit, 10
Histogramm, 4
Histogrammausgleich, 14
homogener Operator, 2
inhomogener Operator, 2
Komplementarfarbe, 6
kontrahierender Operator, 2
Kontrast, 10
Konvertierung, 8
lineare Skalierung, 10
lokale Operatoren, 2
Look-Up-Tabelle(LUT), 5
Luminanz, 8
Mittelwert, 11
nicht-lineare Skalierung, 13
normalverteiltes Rauschen, 16
Operator, 2
paralleler Operator, 2
Punktoperatoren, 2
Punktrauschen, 15
Rauschen, 15
rekursive Schwellenwertsuche, 8
Schwarz-Weiss-Bild, 8
Schwellenwert, 8
sequentieller Operator, 2
Summenhaufigkeitshistogramm, 4
Varianz, 11
18