بخشی از مقاله
چکیده - تیز نمودن تصویر ابزاری قدرتمند در نیرومند ساختن بافت تصویر و افزایش تمرکز ناظر روی جزئیات تصویر میباشد و کاربرد بسیار وسیعی دارد. به عنوان نمونه ضعف در طراحی لنزها منجر به دریافت تصاویری دارای نویز توسط دوربین های عکس برداری می شود. برای رفع نویز ایجاد شده دوربین تا حدودی تصویر دریافتی را تار می نماید و بدین ترتیب موجب کاهش جزئیات تصویر می گردد. در این راستا جهت بهبود کیفیت تصویر روشهای تیز کردن تصاویر از کارایی مطلوبی برخوردار میباشند. در روش پیشنهادی از افزایش کیفیت تصاویر بر اساس تیز نمودن تصویر در فضای رنگی YPbPr بهره گرفته شده است. در نهایت این روش با استفاده از معیار ارزیابی کیفیت تصویر EME با روشهای مطرح امروزی مقایسه گردیده و کارایی آن مورد ارزیابی قرار گرفته است.
-1 مقدمه
تیز نمودن تصویر موارد استفاده متنوعی دارد. برای مثال تصاویر پرتو نگاری سیتیاسکن با دو معیار تیز بودن و نویز پیکسل تصویر ارزیابی میشوند و افزایش میزان تیز بودن تصویر در این کاربرد بسیار ارزشمند میباشد .[1] همچنین لنزها و سنسورهای دوربینهای دیجیتال همواره درجهای از فیلترهای تار کننده را روی تصویر اعمال می کنند. ضمن اینکه چشم انسان نیز نسبت به لبهها و جزئیات ریز یک تصویر بسیار حساس میباشد.
در روشهای تیز نمودن تصویر جهت افزایش جزئیات یک تصویر لبهها را یافته و پر رنگ مینمایند .[2] تاکنون الگوریتمهای بسیاری در زمینه تیز نمودن تصویر پیشنهاد شده است. - روسا و همکاران، - 2002 یک روش بهبود تصویر جهت تیز نمودن و کاهش نویز ارائه نمودند. در این روش از مدل های فازی برای جلوگیری از افزایش نویز در زمان تیز نمودن تصویر استفاده کردند. از مزیتهای این روش بهبود تصاویری دارای نویزهای گاوسی و سادگی تنظیم پارامترهای فازی میباشد .[3] - کیم و همکاران، - 2008 یک مدل ماسک نمودن غیر تیر تطبیقی نویز بر اساس آزمون توسط نظریه آماری ارائه نمودند.
در روش جهت تقویت نشدن نویز تصویر الگوریتم ماسک نمودن غیر تیز - UM - به صورت تطبیقی روی تصویر اعمال می گردد و نویز تصویر تا جای ممکن تقویت نمی شود. روش آنها افزایش کنتراست محلی تصویر بویژه نواحی دارای جزئیات کم را ممکن ساخت .[4] - ینگ و همکاران، - 2008 یک الگوریتم تیز نمودن تصاویر بر اساس موجک و استفاده از فیلتر بالاگذر ارائه نمودند. در روش آنها در ابتدا یک تصویر شامل اطلاعات لبههای تصویر اصلی از یک مجموجه انتخابی شامل ضرائب موجکها ایجاد می گردد. سپس این تصویر با تصویر اصلی ترکیب میگردد و تصویری دارای کیفیت بالاتر ایجاد میگردد. به علاوه رویکردی جهت حذف ضرائب مربوط به نویز جهت رسیدن به افزایش کیفیتی مطلوب تر در روش آنها ارائه گردیده است .[5]
-2 بررسی مشکلات تیز نمودن تصاویر
روشهایی مانند ماسک نمودن غیر تیز خطی - USM - و فیلتر لاپلاسی کاربرد قابل توجهی در تیز نمودن تصاویر دارند. USM و عملگر های لاپلاسی در نتیجه مشتقهای مرتبه دوم بدست آمده اند و به عنوان فیلتر های مکانی محلی در نظر گرفته شده اند. هر چند این فیلترها با وجود سادگی خوب عمل می کنند اما دارای دو ضعف عمده میباشند. اولاً عملگر خطی بسیار به نویز حساس میباشد. ثانیاً این روشها معمولاً کنتراستهای بسیار بالا را افزایش میدهند که مصنوعی شدن تصویر را در پی خواهد داشت.
-3روشهای Image Enhancment
تاکنون روش های بسیاری در مورد بهبود کیفیت تصویر پیشنهاد شده است. از جمله میتوان به روش های پردازش و اندازه گیری تصاویر و ویدئوهای حرارتی [8]، طرحی نوین در زمینه اندازه گیری بهبود حذف مه و غبار [9] ، روش متعادل سازی هیستوگرام [10] Cross-entropy، روش بهبود و تجزیه تصویر بر پایه فاصله روش و تیره [11]، روش اندازه گیری کیفیت تصویر حرارتی [12]، روش تصویر برداری حرارتی در نظارت شرایط به صورت فازی [13] و روش بهبود تصویر فازی فاقد نویز بر پایه قوانین [14] و RMSHE، DSIHE و ESIHE اشاره کرد.
در روش پیشنهادی از چندین روش استفاده شده است. اولین روش مورد استفاده روش RMSHE می باشد. این روش متعادلسازی بازگشتی هیستوگرام تفکیک شده بر پایه میانگین میباشد . ابتدا بر اساس میانگین روشناییهای تصویر اولین آستانه بدست میآید و هیستوگرام به دو بخش تقسیم میگردد. سپس تصویر با استفاده از میانگین دو بخش هیستوگرام به چهار زیر تصویر تقسیم میگردد و روی هر بخش متعادلسازی هیستوگرام اعمال میشود و در نهایت چهار زیر تصویر ادغام میگردند. .[15] روش به کار برده شده دیگر DSIHE می باشد. در روش DSIHE یا متعادلسازی
-4 روش تیز نمودن تصویر پیشنهادی
در طراحی این روش تیز نمودن تصویر ابتدا از Contrast Stretching یا بسط کنتراست در فضای رنگی RGB استفاده شده است. بسط کنتراست یا نرمالسازی تکنیکی جهت بهبود کنتراست یک تصویر توسط بسط دادن بازه مقادیر روشنایی آن میباشد. بسط کنتراست توزیع و بازه مقدار روشنایی هر پیکسل از یک تصویر را تغییر میدهد .[18] سپس فضای رنگی به YPbPr تغییر یافته است. پردازشهای دیگر روی کانال Y این فضا بر روی عکس اعمال گردیده است.
به این ترتیب که ابتدا نویز تصویر با استفاده از الگوریتمهایی بر پایه تبدیلهای طول موجی حذف میگردد. این الگوریتمها از سه گام تشکیل شده اند. گام اول محاسبه تبدیل طول موجی سیگنال دارای نویز میباشد. گام دوم به اصلاح ضرائب طول موج دارای نویز توسط قوانینی تعریف شده میپردازد. درگام سوم تبدیل معکوس با استفاده از ضرائب اصلاح شده صورت میگیرد .[19] سپس توسط روشهای تشخیص لبه و استفاده از فیلترهای لاپلاسی تصویر تیز می گردد.
سپس جهت بهبود نهایی تصویر از روشهای Image Enhancement تحت عناوین RMSHE، DSIHE و ESIHE استفاده گردیده است و در نهایت مطابق شکل 2 با تبدیل فضای رنگی از YPbPr به RGB تصویر بهبود یافته ایجاد میگردد. با مقایسه تصاویر بدست آمده از روش پیشنهادی می توان تیز شدن تصویر و در عین حال افزایش کنتراست آن را به وضوح مشاهده نمود. شکل 2 روند کلی روش پیشنهادی را نشان میدهد.