Giáo trình xử lý ảnh y tế Tập 2 P15

Tham khảo tài liệu 'giáo trình xử lý ảnh y tế tập 2 p15', công nghệ thông tin, đồ họa - thiết kế - flash phục vụ nhu cầu học tập, nghiên cứu và làm việc hiệu quả
Nội dung trích xuất từ tài liệu:
Giáo trình xử lý ảnh y tế Tập 2 P15 H ình 10.5 Ảnh sao hoả bị mờ do ảnh hưởng của khí quyển. H ình 10.6 Khôi phục ảnh hình 10.5. 215 H ình 10.7 Ảnh mờ do ngo ài tiêu cự. H ình 10.8 Khôi phục ảnh hình 10.7. 10.6 Khôi phục lại ảnh qua phép xử lý vùng Các phép gần đúng ở phần trên dựa trên cơ sở coi rằng tất cả các vật thể trên bề mặt đều chịu một tác động bằng nhau của các vết mờ. Điều này sẽ đúng n ếu chỉ có một độ sâu nhỏ trên ảnh hoặc tất cả các vật thể cùng chuyển động theo một hướng. Một điều chúng ta biết rất rõ là một vật thể chuyển động gần camera sẽ có nhiều vết mờ h ơn các vật thể xa camera. Trong trường hợp 216 vết mờ chuyển động, vật thể chuyển động chậm hoặc cùng tốc độ nhưng lại gần camera sẽ chịu nhiều tác động mờ hơn vật thể chu yển động nhanh hoặc là cùng tốc độ nhưng ra xa camera. Điều n ày dẫn chúng ta quay lại với các giả thiết ban đầu của chúng ta (coi PSF là bất biến khoảng cách), dùng một OTF duy nh ất cho tất cả các trường hợp có thể không chấp nhận đư ợc trong một số trường hợp. Để khắc phục vấn đề này chúng ta sẽ xem xét giải thuật sau đây : 1 . Chia ảnh thành các miền chữ nhật hoặc là vuông không chồng lên nhau. 2 . Trong các miền này cần đo phạm vi của vết mờ x và y. Trong ph ần nào không có đư ờng biên, dùng x và y của miền gần nhất. 3 . Từ phạm vi của vết mờ tính các hàm khôi phục cho tất cả các phần. 4 . Thiết kế một bộ lọc cho mỗi phần để xấp xỉ các hàm khôi phục . 5 . Đưa ra ảnh khôi phục dùng bộ lọc theo các bước: a. Miền đầu tiên trên cao bên tay trái được khô i phục với bộ lọc có điều kiện ban đầu là zero. b. Các miền còn lại đ ược khôi phục với các bộ lọc khôi phục tương ứng của chúng; dù th ế n ào đi chăng nữa; điều kiện ban đầu các bộ lọc phụ thuộc được lấy từ các phần trước. Nhập vào phần trư ớc cần lấy từ nh ững miền chưa được khôi phục và xuất ra phần trước lấy từ những miền đ ã khôi phục. Chú ý là ảnh coi như là đư ợc bao quanh bởi zero, điều n ày sẽ đặt điều kiện ban đầu trên bộ lọc dùng trên các khối cao nh ất và trái nhất. Để tránh hiệu ứng khối, ví dụ như sự khác nhau của quá nhiều của các giá trị hàm mức xám trung bình giữa các khối gần nhau, hàm khôi phục vết mờ sẽ có dạng 1.0 ˆ (10.18) H (u , v)  ( u 2 x  v 2 2 ) / 2 2 y  1 .0 Ke ở đây K chọn trên giá trị của thử nghiệm và sai số làm giảm tác động khối. Chú ý là trong thuật toán trên các phần trùng nhau có thể dùng tác động khối nhỏ nhất. Để giải quyết vấn đề trên bạn cần phát triển ba chương trình. Ch ương trình đầu tiên tính phạm vi vết mờ, x và y cho tất cả các phần cắt. Chương trình thứ hai dùng thông tin này tính hệ số hồi phục cho tất cả các bộ lọc (bộ lọc IIR đã được dùng). Chương trình thứ ba và là chương trình cuối cùng sẽ lấy kết qu ả của chương trình thứ hai để khôi phục lại ảnh bị mờ. Bài tập 10.3 1 . Viết một chương trình tính phân tán vết mờ của các khối ảnh mà có thể trùng lên nhau (kích thước khối chọn bởi người dùng), chia nhỏ ảnh số. Nhập vào của chương trình này là m ột nền đư ờng biên ảnh. Để có một khối không có đường biên, dùng ph ạm vi vết mờ của các miền bên cạnh . 217 2 . Viết một chương trình dùng các phạm vi của tất cả các khối tính các hệ số bộ lọc cho cả hai kiểu bộ lọc FIR và IIR, dựa trên yêu cầu của ngư ời sử dụng. Giá trị K của biểu thức 10.8 cũng được ngư ời sử dụng lựa chọn. 3 . Viết một chương trình dùng các bộ lọc thiết kế trong phần 1 để loại bỏ các vết mờ. Giá trị nh ập vào cần cho các khối tại trên cao và bên trái ngoài rìa của tất cả các khối được cho riêng từng khối lấy từ phía trên và bên trái khối nằm xung quanh đ ã được xử lý . Để kiểm tra giải thuật trên ta dùng ảnh PARTY.IMG cho ở h ình 10.9. Vết mờ của ảnh có nguyên nhân là do sự chuyển động khác hướng của cặp này cùng với vết mờ do nằm ngo ài tiêu cự gây ra. Dùng ảnh thu đư ợc khi áp dụng các bước khôi phục ở phần 10.5 cho chúng ta một ảnh có chất lượng tốt hơn. Hình 10.10 là ảnh thu được khi dùng lọc FIR 5  5 trên toàn bộ ảnh thiết kế dùng cửa sổ Blackmann và hàm khôi phục vết mờ dùng các giả thiết và điều kiện ban đầu cho ở phần n ày. 10.7 Khôi phục dùng ảnh đồng dạng Phương pháp này rất hiệu quả khi khôi phục ảnh bị sai tiêu cự. Chú ý là nếu F(u,v) và G(u,v) là biến đổi Fourier của ảnh mờ và ảnh không mờ thì (10.19) G (u , v)  H (u , v) F (u , v)  N (u , v) 218 Hình 10.9 PARTY.IMG minh hoạ ảnh mờ do chuyển động và ngoài tiêu cự. Hình 10.10 Khôi phục ảnh PARTY.IMG. Nếu F(u,v) đ ược biết, th ì OTF, H(u,v) có th ể tính đ ược. Tuy nhiên, tất cả dữ liệu mà chúng ta có là G(u,v), và vì thế chúng ta có hai chọn lựa: hoặc là loại trừ H(u,v) từ G(u,v) như cách chúng ta đã làm ở phần trên hoặc dự đoán F(u,v) và từ biểu thức (10.20) rút ra một đánh giá cho H(u,v). Nếu biến đổi Fourier của một ảnh không mờ dùng để đánh giá F(u,v) thì H(u,v) có thể đánh giá được. Một kỹ thuật khôi phục ảnh rất hiệu quả phát triển bởi Stockham, Cole, và Cannon được tiến hành theo các bước sau: 1 . Chia ảnh mờ thành các ảnh nhỏ có thể chồng lên nhau. 2 . Với các ảnh nhỏ chúng ta có: ...