Średnie nazwy filtrów Średnia filtracja, wygładzanie, uśrednianie, filtrowanie pól. Błustego opisu. Mean filtrowanie jest prostą, intuicyjną i łatwą do wdrożenia metodą wygładzania obrazów, tzn. Zmniejszenie różnicy natężenia między jednym pikselem a następnym. zmniejszyć hałas w obrazach. Jak działa. Pomysł filtrowania oznacza po prostu zastąpienie każdej wartości pikseli obrazem ze średnią średnią wartościami sąsiadów, w tym samym sobą. Ma to na celu wyeliminowanie wartości pikseli, które są niereprezentatywne dla otoczenia Średnia filtrowanie jest zwykle traktowane jako filtr splotowy Podobnie jak inne konwergenty, opiera się on wokół jądra, który reprezentuje kształt i rozmiar sąsiedztwa, który ma być próbkowany podczas obliczania średniej Często używa się jądra kwadratowego 3 3, jak pokazano na rysunku 1, chociaż większe jądra, np. 5 5 kwadratów może być użyte do bardziej surowego wygładzania Uwaga, że małe jądro może być stosowane więcej niż jeden raz w celu uzyskania podobnego, ale nie identycznego ef ect jako pojedynczy przełęcz z wielkim jądrem. Rysunek 1 3 3 uśrednianie jądra często używane w średnim filtrowaniu prostego splatania obrazu z tym jądrem prowadzi średnią proces filtrowania. Nadania dla use. Mean filtrowanie jest najczęściej używany jako prosty metoda redukcji hałasu na obrazie. Zilustrujemy filtr używając. pokazuje oryginał uszkodzony przez szum Gaussa ze średnią zera, a standardowe odchylenie 8. pokazuje efekt zastosowania filtra średniego 3 3 Zwróć uwagę, że hałas jest mniej oczywisty , ale obraz został zmiękczony Jeśli zwiększamy rozmiar średniego filtra do 5 5, otrzymamy obraz o mniejszym poziomie szumu i mniej wysokiej częstotliwości, co pokazano na rysunku. Ten sam obraz poważniej uszkodzony przez szum Gaussa ze średnim zerowy i 13 jest pokazany w wyniku średniego filtrowania z jądrem 3 3. Daje to jeszcze większe wyzwanie. Pokazuje efekt wygładzania hałaśliwego obrazu za pomocą filtra 3 3 Ponieważ wartości pikseli pikseli są uśrednione są bardzo często różni się od wartości otaczających, mają tendencję do znacznego zniekształcania średniej pikseli obliczonej przez filtr średni. Wykorzystując 5 5 filtr daje. Ten wynik nie jest znaczącą poprawą redukcji szumów, a ponadto obraz jest teraz bardzo rozmazany. Te przykłady ilustrują dwa główne problemy związane ze średnim filtrowaniem, które są. Pojedynczy piksel o bardzo niewspółmiernej wartości może w znaczący sposób wpływać na wartość średnią wszystkich pikseli w jej sąsiedztwie. Kiedy sąsiedztwo filtru straddles krawędzi, filtr interpoluje nowe wartości dla piksele na krawędzi i tak zacierają tę krawędź Może to być problemem, jeśli na wyjściu potrzebne są ostre krawędzie. Wszystkie te problemy są rozwiązywane przez filtr mediana, który jest często lepszym filtrem redukującym hałas niż średni filtr, ale to trwa dłużej, aby obliczyć. Ogólnie rzecz biorąc, filtr średniej działa jak filtr częstotliwości dolnoprzepustowej, a tym samym zmniejsza pochodne natężenia przestrzennego obecne na obrazie. jako zmiękczenie cech twarzy w powyższym przykładzie Teraz rozważ obraz. przedstawiający scenę zawierającą szerszy zakres różnych częstotliwości przestrzennych Po wygładzeniu raz z 3 3 średnim filtrem uzyskuje się. Nieznajomość, że informacje o niskiej częstotliwości przestrzennej w tło nie zostało dotknięte znacząco przez filtrowanie, ale ostre krawędzie przedmiotu pierwszego planu zostały wyraźnie wygładzone Po filtracji z filtrem 7 7 otrzymaliśmy jeszcze bardziej dramatyczną ilustrację tego zjawiska, przygotowując ten wynik do uzyskanego przez przejęcie 3 3 na oryginalnym obrazku trzy razy nieaktywne Warianty. Wartości omawianego tutaj średniego filtru wygładzania obejmują uśrednianie progowe, przy czym wygładzanie jest stosowane pod warunkiem, że wartość punktu środkowego piksela jest zmieniana tylko wtedy, gdy różnica między jej pierwotną wartością a średnią wartością jest większy niż ustawiony próg To powoduje, że hałas jest wygładzony z mniej dramatyczną utratą obrazu deta il. Innych filtrów splotowych, które nie obliczają średniej w sąsiedztwie są również często używane do wygładzania Jednym z najczęstszych z nich jest filtr wygładzania Gaussa. Doświadczenie interaktywne. Możesz interaktywnie eksperymentować z tym operatorem, klikając tutaj. Ten filtr jest obliczany za pomocą convolution Czy można myśleć o dowolnych sposobach, w których można użyć specjalnych właściwości filtra jądra średniej wielkości w celu przyspieszenia splotu. Jaka jest złożoność obliczeniowa tego szybszego splotu. Użyj detektora krawędzi na obrazie. siła sygnału wyjściowego Następnie zastosuj filtr 3 3 do oryginalnego obrazu i ponownie wykryj czujnik krawędzi Skomentuj różnicę Co się stanie, jeśli używany jest filtr 5 5 lub 7 7. Stosowanie filtra 3 3 oznacza, że dwukrotnie nie daje dość ten sam efekt co zastosowanie 5 5 średniego filtra raz Jednak można zbudować 5 5 jądra konfliktu, który jest równoważny Co to jest jądro. Create 7 7 convolution jądro, które ma equivale nt na trzy przejścia z filtra średniego 3 3.Jak myślisz, że średni filtr byłby radzić sobie z hałasem Gaussa, który nie był symetryczny względem zera. Spróbuj zastosować kilka przykładów. R Boyle i R Thomas Computer Vision Pierwszy kurs Blackwell Scientific Publications, 1988, str. 32 - 34.E Davies Machine Wizja Teoria, algorytmy i praktyki Academic Press, 1990, Chap 3.D Vernon Machine Vision Prentice-Hall, 1991, Chap 4. Informacje o lokalach. Szczegółowe informacje o tym operatorze można znaleźć tutaj. informacje na temat lokalnej instalacji HIPR są dostępne w sekcji Wprowadzenie do lokalnej informacji. Przewodnik naukowy i inżynierski w sprawie przetwarzania sygnałów cyfrowych Steven W Smith, Ph. D. Rozdział 15 Przenoszenie średnich filtrów. Relki filtra średniej ruchomej. W doskonałym świecie , projektanci filtrów musieliby zajmować się jedynie kodowaną informacją o domenach czasowych lub domenach częstotliwości, ale nigdy nie mieszają tych dwóch z tym samym sygnałem. Niestety istnieją pewne aplikacje, w których obydwie domeny są na przykład ważne sygnały telewizyjne należą do tej nieprzyjemnej kategorii Informacje wideo są zakodowane w dziedzinie czasowej, to znaczy, kształt kształtu fali odpowiada wzorcom jasności obrazu. Podczas transmisji sygnał wideo jest przetwarzany zgodnie z jego składowej częstotliwości, takiej jak całkowita przepustowość, dodawanie fali nośnej do koloru akustycznego, przywrócenie komponentów DC itp. Innym przykładem jest najlepsza interwencja elektromagnetyczna w dziedzinie częstotliwości nawet wtedy, gdy informacje o sygnałach jest kodowany w domenie czasowej Na przykład monitor temperatury w eksperymencie naukowym może być zanieczyszczony 60 hertzami linii energetycznych, 30 kHz od zasilania przełączającego lub 1320 kHz od lokalnej stacji radiowej AM Krewni filtra średniej ruchomej mają lepszą wydajność w domenie częstotliwości i mogą być użyteczne w tych aplikacjach domen. Wiele przechodzących średnich filtrów obejmuje przechodzenie Sygnał wejściowy przez ruchome średnie filtry dwa lub więcej razy Rysunek 15-3a pokazuje ogólny jądro filtra wynikające z jednego, dwóch i czterech przejść Dwa przejścia są równoważne użyciu trójkątnego jądra filtra prostokątnego jądra filtra konfliktowanego z samym sobą Po czterech lub więcej przejściach , równoważny jądro filtra wygląda jak Gaussa wspomina twierdzenie o limicie środkowym Jak pokazano na rysunku b, wielokrotne przejścia tworzą odpowiedź w kształcie kroku w porównaniu z linią prostą pojedynczego przejścia Odpowiedzi częstotliwościowe w c i d podane są w równaniach 15 -2 mnożone przez siebie dla każdego przejścia Oznacza to, że każde zwoje domeny powodują mnożenie widma częstotliwości. Rysunek 15-4 przedstawia odpowiedź częstotliwościową dwóch innych krewnych ruchomych filtrów średnich Gdy czysty filtr Gaussa jest używany jako filtr jądro, odpowiedź częstotliwościowa jest również Gaussa, jak omówiono w rozdziale 11 Gaussa jest ważny, ponieważ jest odpowiedzią impulsową wielu naturalnych i sztucznych systemów Na przykład bri ef impuls światła wchodzącego do długiej światłowodowej linii transmisyjnej wyjdzie jako impuls Gaussa, ze względu na różne ścieżki pobierane przez fotony w obrębie włókna Gaussowskie jądro filtra stosuje się również w przetwarzaniu obrazu, ponieważ posiada unikalne właściwości umożliwiające szybkie dwa - wymiarowe odwzorowania patrz rozdział 24 Druga odpowiedź częstotliwościowa na Rys. 15-4 odpowiada wykorzystaniu okna Blackman jako filtra jądra Okno terminu nie ma znaczenia tutaj jest to po prostu część przyjętej nazwy tej krzywej Dokładny kształt okna Blackman jest podany w Rozdziale 16 Eq 16-2, Rys. 16-2, ale wygląda jak Gaussa. Jakie są krewne ruchomych filtrów średniej lepiej niż sam filtr średniej ruchomej Trzy sposoby Najpierw, a co najważniejsze, te filtry mają lepsze tłumienie stopów niż ruchome średnie filtru Po drugie, ziarna filtra zmniejszają się do mniejszej amplitudy w pobliżu końców Przypomnijmy, że każdy punkt sygnału wyjściowego jest ważoną sumą grupy próbek s od wejścia Jeśli ziarna filtra zwęża się, próbki w wejściowym sygnale, które są dalej oddalone są mniej obciążone niż te, które znajdują się blisko trzeciego, odpowiedzi etapowe to gładkie krzywe, a nie gwałtowna prosta linia średniej ruchomej Te dwie ostatnie zazwyczaj mają ograniczone korzyści, chociaż można znaleźć aplikacje, w których są to prawdziwe zalety. Średni ruchome filtry i jego krewni są mniej więcej takie same przy zmniejszaniu szumu przypadkowego przy zachowaniu ostrej odpowiedzi krokowej Niejednoznaczność polega na tym, jak risetime odpowiedzi krokowej mierzony Jeśli zmarszczki są mierzone od 0 do 100 kroku, najmniejszy ruch filtra jest najlepszym rozwiązaniem, jak to zostało wcześniej pokazane W porównaniu do pomiarów czasu poślizgowego od 10 do 90, okno Blackman jest lepsze od średniej filtra ruchu Punkt to jest tylko teoretyczne kłótnie uważać te filtry równe w tym parametrze. Najlepsza różnica w tych filtrów jest szybkość wykonania przy użyciu algorytmu rekurencyjnego opisanego n ext, średni ruchowy filtr będzie działał jak błyskawica w komputerze W rzeczywistości jest to najszybszy filtr cyfrowy dostępny Wiele przejść średniej ruchomej będzie odpowiednio niższe, ale nadal bardzo szybkie W porównaniu z filtrami Gaussa i Blackmana są bardzo szybko powolne, ponieważ muszą używać splotu Myślisz, że współczynnik dziesięć razy większa od liczby punktów w filtrze jądra na podstawie mnożenia jest około 10 razy wolniejszy niż dodanie Na przykład, spodziewaj się 100-punktowego Gaussa być 1000 razy wolniej niż średnia ruchoma przy użyciu rekursji. Moving Średnie w R. Znajdując się z najlepszej wiedzy, R nie ma wbudowanej funkcji do obliczania średnich ruchomej Używając funkcji filtrowania, możemy jednak napisać krótką funkcję przenoszenia średnich. Możemy następnie użyć tej funkcji na dowolnych danych mav lub mav, 11 jeśli chcemy podać inną liczbę punktów danych niż domyślne 5 prac drukarskich zgodnie z oczekiwaniami, wykres mav data. Oprócz liczby punktów danych, w których t o przeciętnie, możemy też zmienić argumenty boczne stron funkcji filtrów 2 korzysta z obu stron, a po bokach 1 używa tylko przeszłych wartości. Nawigacja po nawigacji nawigacyjnej.
No comments:
Post a Comment