Yrd. Doç. Dr. Saygın ABDİKAN Öğretim Yılı Bahar Dönemi

Dijital Görüntü İşleme (JDF338)

Yrd. Doç. Dr. Saygın ABDİKAN

2016-2017Öğretim Yılı Bahar Dönemi

1

Geçen ders

 Mekansal/Konumsal/Geometrik(Spatial resolution)

 Radyometrik

 Spektral

 Zamansal

2

Dijital /Sayısal Görüntü İşleme

 Sayısal görüntünün bilgisayar ortamında değişik algoritmalarla analizinde göz önüne alınan genel işleme adımları aşağıda verilmektedir:



Ön işleme



Görüntü zenginleştirme

 Spektral dönüşüm

 Mekânsal dönüşüm



Görüntü Sınıfandırma

Dijital /Sayısal Görüntü İşleme



Sayısal görüntülerden amaca uygun bilgilerin

çıkartılmasında genel olarak iki farklı yöntem kullanılır:



Görsel analiz

Görüntüler bu konuda tecrübe sahibi kişiler tarafından görsel/optik olarak yorumlanırlar.



Kantitatif analiz

Görüntüler bilgisayar ortamında oldukça karmaşık olabilen

matematik istatistik algoritmalarla işlenirler.

DİJİTAL UYDU GÖRÜNTÜSÜ Renkli görüntü

mor beyaz

parlak kırmızı

koyu gri koyu yeşil sarı

Uzaktan Algılama teknolojisinin kullanılmaya başlandığı ilk zamanlarda doğada tüm objelerin farklı –ayırt edilebilir bir spektral yansıması olduğu düşünülüyordu .

Ancak böyle olmadığı görüldü.. Örneğin iki farklı ağaç türü yılın belli zaman diliminde farklı yansıma yaparken başka bir zaman diliminde aynı yansımayı yapabileceği tespit edildi.

 İşlenmemiş ham uydu görüntüleri genelde gri renk seviyesi formatında depolanırlar

 genellikle 256 (8bit) dir

 Her bir değer cisimlerden yansıtılan parlaklık değerini gösterir.

 Bir cismin uydu görüntüsünde ayırt edilebilirliği, görüntünün mekânsal, spektral ve radyometrik çözünürlükleri ile ilişkilidir.

 Buna ek olarak dikkate alınması gereken diğer faktörler ise cismin;

 boyutu,

 doğrultusu,

 rengi (ya da spektral yansıtım özelliği),

 dokusu,

 arka plan ile kontrastı,

 örüntüsü,

 diğer cisimlerle olan birleşimi

DİJİTAL UYDU GÖRÜNTÜSÜ

Renkli görüntü

Sayısal Görüntü İşleme Görsel Analiz

Görsel Yorumlama da dikkate alına temel özellikler



Kontrast, bir cismi (veya görüntüdeki temsilini) diğer cisimlerden ve arka plandan ayırt etmeye yarayan görsel özelliklerdeki farklılıktır.

 Görsel algılamada kontrast, bir cismin aynı görüş alanında bulunan diğer cisimlerle olan renk ve parlaklığındaki farklılıklar ile belirlenir.

 En basit ifade ile kontrast, görüntüdeki en parlak bölüm ile en karanlık bölüm arasındaki fark olarak tanımlanabilir.

 Görüntüde yeterli kontrast olup olmadığı görüntü histogramına bağlı olarak analiz edilir.

DİJİTAL UYDU GÖRÜNTÜSÜ

Kontrast

9

Bu haftanın konuları

10

 Radyometrik düzeltme



Atmosferik düzeltme



Topografik düzeltme

 Histogram

 İstatistiksel parametreler

 Görüntü zenginleştirme

RADYOMETRİK DÜZELTME

 Kısmen atmosferik olayların ve atmosferin fiziksel ve kimyasal yapısının etkisinden

 çoğunluk olarak da



arazi yüzeyinden,



dünyanın yuvarlak şeklinden kaynaklanan aydınlatma



ve yansıtma anormallikleri sonucu oluşan hatalı piksel değerlerinin düzeltilmesi amacıyla uygulanan

matematiksel yöntemlerdir.

http://anapod.anadolu.edu.tr/groups/ucs541maltan/wiki/154fa/

 Uydu görüntüsündeki piksel yansıtım değerleri algılayıcıya gelen ışınırlık değerlerine

dönüştürülür.

 Bu dönüşüm özellikle farklı zamanlarda farklı algılayıcılar tarafından ölçülen objelerin

yansıtımlarındaki değişimlerin analizinde ve

parlaklık değerlerinin yeryüzünde yapılan sayısal ölçümlerle ilişkilendirilmesi (örneğin su kalitesi ile ilgili ölçümler-spektrometre) için gerekli olan

matematiksel modellerin geliştirilmesinde kullanılır.

Ön İşleme-Radyometrik Düzeltme

Algılayıcı Kalibrasyonu

 Algılayıcılardaki her bir bant için gelen ışınırlık değerini piksel parlaklık/gri değerine

dönüştüren farklı bir çıkış fonksiyonu ( kalibrasyon parametreleri) vardır.

 Bu fonksiyonların özellikleri, algılayıcı

platformundaki kalibrasyon lambalarıyla veya Güneş’e yapılan periyodik gözlemlerle sürekli kontrol edilir. Bu şekilde platform üzerindeki ölçmelerle sürekli kontrol edilen ve

güncellenen kalibrasyon verileri kullanıcılara işletmeci firma tarafından sağlanır.

13

 Genellikle algılayıcılar gelen enerjiye lineer bir tepki verecek şekilde tasarlanırlar.

 Algılayıcıya gelen ışınırlıkla piksellere atanan gri değerleri (DN) arasındaki ilişki, platformdaki iç kalibrasyon standartlarının spektral ışınırlık

değerlerinden lineer regresyon analiziyle bulunur, örn.;

 Landsat TM için; R_ölçülen = A_i * DN + B_i

 SPOT HRV için; R_ölçülen = DN / A_i

R_ölçülen = ölçülen ışınırlık

A_i = i bantı için kalibrasyon kazancı B_i = i bantı için kalibrasyon ötelemesi

A ve B değerleri literatürden veya görüntü destek dosyalarından bulunabilir.

Ön İşleme-Radyometrik Düzeltme

Algılayıcı Kalibrasyonu

15



Atmosfer, Güneş ışınırlığı ve algılayıcının ölçtüğü ışınırlık arasında karmaşık bir ilişki oluşturur.



Temel olarak atmosfer gelen enerjiyi yutar ve/veya saçar.

 Optik bölgede uzaktan algılama sistemleri ile elde edilen enerji

yeryüzünden yansıyan ve/veya yayılan enerjiyle atmosferin yaydığı ve/veya saçtığı enerjinin karışımıdır

 Diğer bir ifade ile algılayıcının birim zamanda birim alandan birim katı içinden algıladığı enerji (ışınırlık), birim zamanda birim alana gelen enerjinin (birim ışınırlık), hedef yansıtımının, atmosferin saçtığı enerjinin ve atmosferik yutulmanın bir fonksiyonudur.

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme



Görüntüdeki her bir piksel değerinin fonksiyonu olan algılayıcı ışınırlığı matematiksel olarak;

Burada;

R_ölçülen = algılayıcının ölçtüğü toplam spektral ışınırlık,

 = algılanan yer yüzeyinin yansıtımı,

E = birim zamanda yer yüzeyinin birim alanına gelen enerji (birim ışınırlık),

T = atmosferin geçirimi (gelen enerji miktarının atmosfer olmaması durumunda yeryüzüne gelecek olan enerji miktarına oranı),

Lp = atmosferik yol ışınırlığı matematiksel olarak

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme

Ön İşleme-Radyometrik Düzeltme Atmosferik Düzeltme

Toplanan atmosferik yol ışınırlığı (Lp) görüntü kontrastını azaltan pus etkisi oluşturur ve bu etki küçük dalga

boylarına doğru artış gösterir.

 Atmosferik etkilerin giderilmesinde kullanılan radyometrik düzeltme üç farklı şekilde yapılmaktadır:

1. Uydu algılayıcısı, atmosfer ve hedef arasındaki ilişkiyi ve etkileşimleri modelleyen fiziksel metotlar kullanılır. Atmosferik düzeltmelerin fiziksel olarak modellendiği bu yaklaşım en sağlam ve tutarlı ancak en zor

yaklaşımdır.

 En yaygın kullanılan modeller 5S, 6S, LOWTRAN, MODTRAN, FLAASH, ATCOR2 ve ATCOR3 modelleridir.

 Bu simülasyonlar meteorolojik, mevsimsel ve coğrafik değişkenleri girdi olarak alırlar. Pratikte bu değişkenler için yeterli zamansal ve mekânsal çözünürlükte değerler elde edilemez ve özellikle atmosferik aerosollerin dağılımının tahmini zordur. Bu yaklaşımlarda Güneş birim ışınırlığı, Güneş ile Dünya arasındaki uzaklığın değişimine bağlı olarak normalize edilir.

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme

http://www.exelisvis.com/docs/FLAASH.html 20

21 http://www.exelisvis.com/docs/FLAASH.html

22 http://www.pcigeomatics.com/pdf/geomatica/tutorials/Geomatica_2015_ATCOR.pdf

2. Atmosferik düzeltmeler, yansıtımı bilinen doğal veya yapay yeryüzü hedeflerine dayalı olarak

yapılır.

Yansıtım özellikleri çok iyi bilinen, yeterli

çözünürlüğe sahip ve görüntü alanına iyi dağılmış hedef objeleri atmosferik koşulların konumdan

konuma olan değişimlerinin belirlenmesinde etkin olarak kullanılabilir

23

3. En kolay ve en yaygın kullanılan atmosferik düzeltme yöntemi “koyu piksel çıkartımı” yöntemidir.

 Bu yöntemde herhangi bir spektral bant için bir minimum parlaklık değeri (DN) belirlenir ve bu değere göre görüntü histogramı ötelenir. Yani belirlenen değer görüntüdeki bütün piksellerin yansıtım değerlerinden çıkartılır.

 Bu yöntemde ilgili spektral bant için bazı piksellerin sıfır yansıtım değerine sahip olması gerekliliği kabul edilir.

 Böylece bu pikseller için ölçülen ışınırlığın (Lp) atmosferik saçılma sonucu oluştuğu ve konumdan konuma değişmediği kabul edilir. Genellikle optik veriler için gölge alanlar ve kızıl ötesi bantlar için temiz derin su kütleleri hedef olarak seçilir.

 Ancak bu yöntem oldukça kaba bir yaklaşımdır ve daha çok pratik amaçlar için kolay ve uygulanabilir bir yöntemdir.

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme

Genellikle optik veriler için gölge alanlar ve kızıl ötesi bantlar için temiz derin su kütleleri hedef olarak seçilir.

Şekilde İstanbul, Büyükçekmece bölgesine ait Landsat TM uydu verisinde kızıl ötesi bantta su cismi hedef olarak seçilerek görüntü histogramı incelenmiş ve su cismine ait piksellerin sıfır

yansıtım değerine sahip olması gerekliliğinden yola çıkılarak atmosferin etkisi belirlenmiştir. Ancak bu yöntem oldukça kaba bir yaklaşımdır ve daha çok pratik amaçlar için kolay ve uygulanabilir bir yöntemdir

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme



Topoğrafik düzeltme adımında, topoğrafik değişimlere bağlı olarak oluşan sinyal farklılıkları normalize edilir. Bu amaçla en yaygın kullanılan yöntem “bant oranlaması”

dır.

 Örneğin, Landsat TM için 5. bandın 4. banda oranı gibi.



Yansıtım, topoğrafyaya bağlı olarak aynı cisim için

farklılık gösterse de iki bandın birbirine olan oranı aynı olacaktır. Oldukça basit olan bu yöntem topoğrafik etkiyi kısmen gidermektedir.

Ön İşleme-Radyometrik Düzeltme

Topoğrafik düzeltme

http://cret.cnu.edu.cn/clab/lecture/multi-lecture/rs&ii/lect-09.pdf 27

 Diğer bir yaklaşım, yüzeyin Lambert yüzeyi olduğu kabulüyle, dalga boyunun sabit olduğu ve atmosferik etkileşimlerin olmadığı kabul edilerek, yansıtımdaki değişimin lokal geliş açısından kaynaklanması durumudur. Bu durumda algılayıcıya gelen ışınırlık aşağıdaki eşitlik ile normalize edilir:

R_ölçülen algılayıcıya gelen ışınırlık

R₀ topoğrafik farklılıklar için normalize edilmiş ışınırlık değeridir.

_i lokal geliş açısı, Güneş ışınırlık yolu ile lokal yüzey normali arasındaki açıdır.

 Yüzeyin Lambert olmaması durumunda düzeltme işlemi oldukça karmaşıklaşır

 Yapılan uygulamalara göre, eğer yüzey eğim açısı 25° den küçükse ve etkin aydınlanma açısı yaklaşık 45° ise, yüzeyin Lambert yüzeyi olarak kabul edilmesi daha uygun bir yaklaşım olacaktır.

Ön İşleme-Radyometrik Düzeltme

Atmosferik Düzeltme

Lambert yüzeyi, gelen enerjiyi her doğrultuda uniform yansıtan bir yüzeydir.

Daha teknik bir ifade ile yüzeyden olan ışınırlık difüz (dağınık) yansıtıma bağlı olarak izotropik (eş yönlü) tir.

Örneğin, cilasız bir ahşap yüzey yaklaşık Lambert yüzeyi iken cilalandıktan sonra değişik noktalarda oluşan speküler

yansımaya bağlı olarak Lambert yüzeyi değildir.

Tüm kaba dokulu yüzeyler ideal Lambert yüzeyi olmamasına rağmen bu kabul, yüzey özelliklerinin bilinmediği durumlar için geçerli bir yaklaşımdır.

http://en.wikipedia.org/wiki/Diffuse_reflection

 Bazı durumlarda farklı optik görüntülerin karşılaştırılabilmeleri için

aydınlanma geometrilerindeki farklılıkların standartlaştırılması (normalize edilmesi) gerekir.

 Yüzeyin Lambert yüzeyi, dalga boyunun sabit olduğu ve atmosferik etkileşimlerin olmadığı kabul edilerek yansıtımdaki değişimin Güneş’in açısal yüksekliğine bağlı olduğu durumda algılayıcıya gelen ışınırlık aşağıdaki eşitlik ile normalize edilir:

 R_ölçülen algılayıcıya gelen ışınırlık

 R₀ aydınlanma geometrilerindeki farklılıklar için normalize edilmiş ışınırlık değeridir.

  Güneş’in açısal yüksekliği olup görüntünün karşılık geldiği coğrafi konuma, mevsime ve zamana bağlıdır.

Ön İşleme-Radyometrik Düzeltme:

Güneş’in Açısal Yüksekliğine ve Yeryüzüne Olan Uzaklığına

Bağlı Düzeltme

 Diğer bir deyişle, bu açı Güneş ışınlarının atmosferde kat ettiği uzaklık ile ilişkilidir,

 örn., dik Güneş açısı daha kısa atmosferik yolu belirtir. Bu bağlamda, yukarıda belirtilen basit normalize işleminde Güneş ışınlarının yeryüzüne olan farklı uzaklıkları da dikkate alınarak ortak bir düzeltme yapılır.

 Güneş’in birim ışınırlığı, Dünya – Güneş uzaklığının karesiyle ters orantılı olarak azalır. Bu mesafe genellikle “astronomik birimle” ifade edilir.

 Astronomik birim, Dünya’nın Güneş etrafındaki eliptik

yörüngesinin büyük ekseninin yarısı olan 1.496 x 10¹¹ metredir.

 Yüzeyin bir Lambert yüzeyi olduğu kabul edilirse yüzeydeki algılayıcıya doğru olan ışınırlık değeri aşağıdaki eşitlikle ifade edilebilir:

Ön İşleme-Radyometrik Düzeltme

Güneş’in Açısal Yüksekliğine ve Yeryüzüne Olan Uzaklığına

Bağlı Düzeltme

Ön İşleme-Radyometrik Düzeltme

Güneş’in Açısal Yüksekliğine ve Yeryüzüne Olan Uzaklığına Bağlı Düzeltme

Bu düzeltme işleminde, algılayıcının nadir doğrultusunun görüntülenen yatay yüzeyin normal doğrultusuyla çakışık olduğu ve Güneş’in bu yüzeyi

“d “ mesafeden  zenit açısıyla aydınlattığı kabul edilir. Buna göre farklı aydınlanma koşulları altında elde edilen görüntü verisi Güneş’in zenitte olduğu varsayımıyla

normalize edilir.

Ön İşleme-Radyometrik Düzeltme

Güneş’in Açısal Yüksekliğine ve Yeryüzüne Olan Uzaklığına Bağlı Düzeltme

E0 1 astronomik birim uzaklığındaki Güneş’in atmosfer dışındaki birim ışınırlığı.

 Güneş ile algılanan cisim arasındaki gerçek astronomik uzaklık



Aslında daha gerçekçi bir yaklaşım, ölçülen ışınırlığın

Güneş’in lokal geliş açısıyla (Güneş’in lokal zenit açısı)

normalize edildiği durumdur.

Atmosferik Düzeltme Öncesi

Atmosferik Düzeltme Sonrası

A.Ü Doç.Dr. Semih EKERCİN 2006

A.Ü Doç.Dr. Semih EKERCİN 2006

 Görüntü histogramı , dijital bir görüntüdeki tonal frekans dağılımının grafik gösterimidir.



Diğer bir ifade ile görüntüdeki her bir parlaklık değerini içeren toplam piksel sayısı ile

görüntü piksellerinin istatistiksel dağılımı gösterilmektedir.

GÖRÜNTÜ KARAKTERİSTİKLERİ

Histogram



Sıklıkla histogram, her bir parlaklık seviyesindeki (DN) piksel sayısının görüntüdeki toplam piksel sayısına

oranı olan bağıl frekans ile de belirlenmektedir.



Frekans gösteriminde, düşey eksen belirli bir gri renk tonu seviyesi için toplam piksel sayısını, yatay eksen ise olası bütün parlaklık değerlerini küçükten büyüğe doğru (görüntünün dinamik aralığı)

göstermektedir.

38



Diğer bir ifade ile histogramın sol tarafı koyu renk tonuna, orta bölgeler orta gri renk tonuna ve sağ tarafı ise açık renk tonuna sahip pikselleri göstermektedir.



Görüntü histogramına bakılarak öncelikle görüntüdeki tonal dağılım hakkında bir fikir edinilir ve görüntünün görsel

kalitesinin arttırılması için gerekli görüntü işleme adımları belirlenir

GÖRÜNTÜ KARAKTERİSTİKLERİ

Histogram

40

41

 Farklı görüntüler aynı histograma sahip olabilir çünkü Histogramla piksel değerlerinin dağılımını gösterir, mekansal dağılımı göstermez.

3 bitlik 4 bantlı yapay bir dijital uydu görüntüsünde, Bant 1’in frekans dağılımı ve histogram grafiği

GÖRÜNTÜ KARAKTERİSTİKLERİ

Histogram

Sayısal Görüntü İstatistiksel Parametreleri



Piksel ölçü vektörü (xij); tek bir pikselin tüm bantlar için veri dosya değeridir.



Örneğin 4 spektral bantlı bir IKONOS görüntüsündeki herhangi bir piksel ölçü vektörü;

DN= [ ^DN

^DN

^DN

^DN

] ile gösterilir. Burada;

DN

: B

bantındaki piksel yansıtım değeridir.

44

Histogram örneğindeki sentetik görüntü verisi için satır-sütun koordinatları (1,1) olan pikselin ölçü vektörü

= [1 6 2 6]’dır.



Görüntüyü oluşturan her bir bant için genel parlaklığı yansıtır. Herhangi bir bant için (i-j) satır-sütun

konumundaki bir pikselin dijital değeri DN

ve N toplam veri (piksel) sayısı olmak üzere

Sayısal Görüntü İstatistiksel Parametreleri

(Aritmetik) Ortalama (μ)



Mod; histogramın maksimum olduğu diğer bir deyişle frekansı en büyük parlaklık değeridir.

 Birden fazla mod olabilir (bimodal = çift hörgüçlü histogram).

 Eğer bütün parlaklık değerleri aynı frekans değerine sahip olsaydı mod tanımlı olmazdı.



Medyan; histogram alanını eşit iki parçaya bölen dijital değerdir. Toplam piksellerin %50’ si bu değerin altında ve

%50’si de bu değerin üstündedir.

 Diğer bir ifadeyle, görüntüdeki bütün pikseller gri değerlerine göre küçükten büyüğe sıralandığında tam orta sıradaki parlaklık/gri değeri verinin medyanıdır.

 Örn., bir görüntü verisi için toplam 25 piksel olduğunda tam orta nokta 13. sıraya karşılık gelir.

Sayısal Görüntü İstatistiksel Parametreleri

Mod, Medyan

Sayısal Görüntü İstatistiksel Parametreleri Varyans, Standart sapma



Varyans (

); verinin ortalama değer etrafındaki yayılımını anlamak için kullanılır.



Veri kümesindeki her bir eleman ile verinin ortalaması arasındaki farkların karelerinin ortalaması alınmaktadır.



Standart sapma (), varyansın pozitif kareköküne

eşittir ve verinin ortalama değerden tam olarak ne

kadar saptığını göstermektedir

Sayısal Görüntü İstatistiksel Parametreleri

 Standart sapma histogram genişliğini de (ortalama değer etrafındaki yayılma) gösterdiği için görüntü kontrastının bir ölçüsü olarak da kullanılmaktadır

◦

 Grafik’teki yüzdeler, ait oldukları ortalama değer etrafındaki simetrik aralıkların, tüm verinin yüzde kaçını içerdiğini göstermektedir. Verinin histogram eğrisi böyle bir çan eğrisine uygunluk gösterdiği sürece bu oranlar her zaman geçerlidir.

◦

Yukarıdaki örnek sentetik görüntü verisi için merkezi ve yayılım (dağılım) istatistik değerlerini bulunuz ve histogramını çiziniz.

Sayısal Görüntü İstatistiksel Parametreleri

ÖDEV-I

Sayısal Görüntü İstatistiksel Parametreleri Kovaryans



Kovaryans (

); çok spektrumlu bir görüntüde kovaryans, farklı spektral bantlar arasındaki ortak değişkenliğin lineer bir ölçüsüdür.



Örneğin B1 ve B2 bantları arasındaki kovaryans

değeri aşağıdaki eşitlikle hesaplanabilir:



Korelasyon; iki değişken (bant) arasındaki lineer bağımlılığı gösteren bir ölçüttür.



Korelasyon katsayısı (

); kovaryans değerinin normalize

edilmiş hali olduğu için birimsizdir. Bu amaçla kovaryans katsayıları ilgili değişkenlerin standart sapmalarının çarpımıyla bölünerek

normalize edilirler. Örneğin B1 ve B2 bantları arasındaki korelasyon katsayısı aşağıdaki eşitlikte veril miştir:

Kovaryans B1 B2

=

Standart sapma B1 x Standart sapma B2

•Korelasyon, [-1 +1] kapalı aralığında değerler alır

•Korelasyon katsayısının işareti ilişkinin yönünü gösterirken, sayısal değeri lineer ilişkinin gücünü gösterir.

Sayısal Görüntü İstatistiksel Parametreleri

Korelasyon, Korelasyon Katsayısı



Verilerdeki istatistiksel ilişkilerin yararlı bir özetidir.



Yüksek varyans, ilgili bant için daha fazla bilgi içeriğini gösterir.



Yüksek korelasyon ilgili bantlar arasında büyük miktarda bilgi tekrarı olduğunu gösterir.



Düşük korelasyon her bir bantın bir diğerinde bulunmayan bilgi içeriğini ifade eder.

Sayısal Görüntü İstatistiksel Parametreleri

Korelasyon, Korelasyon Katsayısı

 Genellikle, çok spektrumlu görüntü verileri için kovaryans ve korelasyon değerleri matris diziliminde gösterilir. Örneğin bir önceki sentetik görüntü verisi için

 Kovaryans matrisi (a) ve Korelasyon matrisi (b) aşağıda örüldüğü gibidir.

Sayısal Görüntü İstatistiksel Parametreleri Korelasyon, Korelasyon Katsayısı

ÖDEV-II

ÖDEV-II



Spektral uzaklık; n-boyutlu spektral uzayda (bant sayısı n olan) hesaplanan Öklit uzaklığıdır.

 Burada B_i bantında p ve k piksellerinin dijital değerleri

Sayısal Görüntü Spektral uzaklık

Bi bantında p ve k piksellerinin dijital değerleri

55 Örneğin 4 boyutlu sentetik verideki 3-4 ve 5-1 satır-sütun koordinatlarına karşılık gelen iki piksel

arasındaki spektral mesafe:

Burada, p pikselinin ölçü vektörü [6 4 5 7] ve k pikselinin ölçü vektörü de [1 1 2 3]’dür.



Çoğu uygulamada bir pikselin sadece kendi değeri değil diğer piksellerle olan komşuluğu da dikkate alınır



4, köşegen (diagonal) ve 8 piksel komşuluk

56

57

Görüntü Zenginleştirme

Görüntü zenginleştirmede amaç;

 Görsel analiz için görüntülerin algılanabilirliğini veya yorumlanabilirliğini arttırmak

veya

 diğer otomatik görüntü işleme tekniklerine daha

“iyi” girdi görüntüsü sağlamaktır.

Bu amaca yönelik olarak



Spektral



Mekânsal

dönüşümler kullanılmaktadır.

Görüntü Zenginleştirme Spektral Dönüşümler

 Spektral dönüşümler, görüntünün spektral bilgi içeriğini değiştirirler.

Ancak,

 Bu değişimde görüntüye yeni bir bilgi

eklenmez sadece mevcut bilgi daha yararlı olacak şekilde farklı bir yapıda sunulur.

 Bu bağlamda her bir spektral dönüşüm farklı

bir özellik uzayı oluşturur.

 Özellik uzayı , sınıflandırma gibi üst seviye dijital görüntü analizlerinin etkin bir şekilde yapılabilmesi için kullanılan görüntüye ait her türlü bilgidir.

 Buna göre, orijinal piksel parlaklık değerleri de, dönüşümle elde edilen farklı nicelikler de hepsi birer özelliktir.

 Spektral dönüşümler aşağıdaki 3 temel başlıkta incelenebilir



Kontrast zenginleştirme



Aritmetik bant işlemleri



Ana bileşen dönüşümü

Görüntü Zenginleştirme

Spektral Dönüşümler



İnsan beyni objelerin mekânsal özelliklerini

yorumlamada ve detayları tespit etmede mükemmel performans gösterir.



Mekânsal birçok detay spektral karakteristiklerin

niceliksel karşılığı olan radyometrik özelliklerine göre fark edilir.



Radyometrik verideki çok küçük farklar bile anlamlı detaylara karşılık gelebilir .

Spektral Dönüşümler

Kontrast Artırımı

Ancak,



İnsan gözü radyometrik anlamda 16-32 farklı gri tonu ve yaklaşık 100 farklı rengi birbirinden ayırt edebilir.



Kontrast zenginleştirme yöntemleri, görüntüdeki değişik özellikler arasındaki parlaklık değerlerine dayalı ayırt edilebilirliği arttırmak için kullanılır.



Kontrast zenginleştirme, temelde görüntü histogramının değiştirilmesi işlemidir.



Bu yaklaşımla görüntünün mevcut yansıtım değer aralığı olası bütün dinamik aralığa yayılır.

Spektral Dönüşümler

Kontrast Artırımı

 Görüntünün kontrastını geliştirmek için kullanılan en yaygın teknikler;

 Doğrusal/Lineer kontrast artırımı ve

 Doğrusal olmayan



Histogram eşitleme



Normal (Gauss) yayma metodu da kontrast zenginleştirmesinde tercih edilen diğer

yöntemlerden biridir.

Spektral Dönüşümler Kontrast Artırımı

Lineer Kontrast Artırımı:

 En basit kontrast zenginleştirme yöntemidir.

 Histogramdan orijinal görüntünün minimum ve maksimum degerleri belirlenir ve bu aralık

dinamik aralığın tamamına yayılacak şekilde aşağıdaki eşitlik kullanılarak dönüştürülür.

Spektral Dönüşümler Kontrast Artırımı

(Minimum-Maximam Linear Contrast Stretch)

g 0 15 16 17 18 19 20 31 n - 1205 1693 1312 762 810 618 -

a) Görüntü hakkında bilgi veriniz

b) Yeni görüntünün lineer kontrast yöntemi ile elde edilecek gri değerlerini hesaplayınız

c) Histogramını ve kümülatif histogramını çiziniz (%)

Lineer kontrast yayma/germe

Örnek

Histogramı

 1205+1693+1312+762+810+618=6400 15% 19

16% 26 17% 20 18% 12 19% 13 20% 10

10 12 13 19 26

20

15 16 17 18 19 20

0 31

Kümülatif histogramı

 1205+1693+1312+762+810+618=6400 15% 19

16% 45 17% 65 18% 77 19% 90 20% 100

19 65

45 77 100

90

15 16 17 18 19 20

0 31

0.19 0.19+026 0.19+0.26+0.20 0.19+0.26+0.20+0.12 0.19+0.26+0.20+0.12+0.13 0.19+0.26+0.20+0.12+0.13+0.10