• Save
Global and Local Histogram Equalization Using R
Upcoming SlideShare
Loading in...5
×
 

Like this? Share it with your network

Share

Global and Local Histogram Equalization Using R

on

  • 387 views

In Statistics, a histogram is a graphical representation of the frequency distribution of mass measurements, usually a vertical bar graph. The histogram is a graph composed of rectangles juxtaposed in ...

In Statistics, a histogram is a graphical representation of the frequency distribution of mass measurements, usually a vertical bar graph. The histogram is a graph composed of rectangles juxtaposed in which the base of each class corresponds to the range of their height and their incidence ...

Statistics

Views

Total Views
387
Views on SlideShare
385
Embed Views
2

Actions

Likes
0
Downloads
0
Comments
0

1 Embed 2

http://www.lcg.ufrj.br 2

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Global and Local Histogram Equalization Using R Document Transcript

  • 1. T´ecnicas de Equaliza¸c˜ao Global e Local de Histogramas. Michel A. dos Santos ∗ Setembro de 2010 ∗Bacharelando em Ciˆencia da Computa¸c˜ao, Universidade Federal do Estado de Alagoas(UFAL), Bolsista do Laborat´orio de Modelagem Geom´etrica e Vis˜ao Computacional do Centro de Pesquisa em Matem´atica Computacio- nal(CPMAT), Brasil - Macei´o/AL, Tel: 8805-0582 E-mail: michel.mas@gmail.com, michelalvessantos@hotmail.com 1
  • 2. Sum´ario Lista de Figuras 2 1 Introdu¸c˜ao 2 2 Histograma de Uma Imagem 3 3 Processamento Baseado em Histograma: Equaliza¸c˜ao 4 4 A Equaliza¸c˜ao em Si 4 4.1 Realce Global ou Equaliza¸c˜ao Global . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4.2 Realce Local ou Equaliza¸c˜ao Local . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4.3 Equaliza¸c˜ao Regional com Janelas de Larguras Diferentes . . . . . . . . . . . . . . 5 4.4 Tratamento das Bordas . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5 4.5 Equaliza¸c˜ao RGB . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 5 Resultados 6 Referˆencias Bibliogr´aficas 12 Lista de Figuras 1 Histograma de uma imagem. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3 2 Imagens com histogramas equivalentes. . . . . . . . . . . . . . . . . . . . . . . . . . 4 3 Imagem Original . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 4 Imagem Equalizada - Realce Global. . . . . . . . . . . . . . . . . . . . . . . . . . . 7 5 Imagem Equalizada - Realce Local - Janela de 50x50. . . . . . . . . . . . . . . . . 8 6 Compara¸c˜ao de Histogramas - Imagem Original vs. Realce GLocal. . . . . . . . . . 9 7 Imagem Equalizada - Imagem Original vs. Realce Local. . . . . . . . . . . . . . . . 10 8 Imagem Equalizada - Realce Global vs. Realce Local . . . . . . . . . . . . . . . . . 11 1 Introdu¸c˜ao Na Estat´ıstica, um histograma ´e uma representa¸c˜ao gr´afica da distribui¸c˜ao de frequˆencias de uma massa de medi¸c˜oes, normalmente um gr´afico de barras verticais. O histograma ´e um gr´afico com- posto por retˆangulos justapostos em que a base de cada um deles corresponde ao intervalo de classe e a sua altura `a respectiva freq¨uˆencia. Quando o n´umero de dados aumenta indefinidamente e o intervalo de classe tende a zero, a distribui¸c˜ao de freq¨uˆencia passa para uma distribui¸c˜ao de densidade de probabilidades. A constru¸c˜ao de histogramas tem car´ater preliminar em qualquer estudo e ´e um importante indicador da distribui¸c˜ao de dados. Podem indicar se uma distribui- ¸c˜ao aproxima-se de uma fun¸c˜ao normal, como podem indicar mistura de popula¸c˜oes quando se apresentam bimodais. Para o processamento digital de imagens, um histograma ´e um diagrama que representa a frequˆencia de ocorrˆencia dos brilhos de uma imagem. Observando a figura 1, ´e not´orio concluir que o limite esquerdo do gr´afico corresponda a cor preta e o lado direito a cor branca. Facilmente conclu´ımos por este histograma, mesmo n˜ao sabendo qual foi o objeto de onde ele foi retirado, que a imagem possui uma grande concentra¸c˜ao de preto. Na equaliza¸c˜ao do histograma, pretende-se que o histograma final da imagem seja o mais cons- tante poss´ıvel, distribuindo concentra¸c˜oes de brilhos. Deve-se notar que a opera¸c˜ao de equaliza¸c˜ao 2
  • 3. Figura 1: Histograma de uma imagem. de histograma s´o conduziria a histogramas efetivamente constantes se a gama de brilhos fosse con- t´ınua e fosse infinito o n´umero de pontos na imagem. No caso das imagens digitais, a discretiza¸c˜ao do espa¸co e dos brilhos n˜ao permite que esse resultado seja conseguido, como podemos ver pelos dois histogramas, o inicial e o obtido ap´os uma opera¸c˜ao de equaliza¸c˜ao. Contudo, essa opera¸c˜ao ´e muito usada com o objetivo de efetuar uma normaliza¸c˜ao da escala de brilhos, obtendo resultados muito satisfat´orios. 2 Histograma de Uma Imagem Conforme SILVA (2001), em processamento de imagens, trabalha-se sempre com os tons de cinza (digital numbers ou DNs) atribu´ıdos aos pixels de uma imagem. O histograma ´e uma das formas mais comuns de se representar a distribui¸c˜ao dos DNs de uma imagem, e possivelmente a mais ´util em processamento digital de imagens. Ele fornece a informa¸c˜ao sobre quantos pixels na imagem possuem cada valor poss´ıvel de DN (que, no caso das imagens de 8 bits, variam de 0 a 255) ou, de forma equivalente, qual a propor¸c˜ao da imagem que corresponde a cada valor de DN. Os histogramas s˜ao tamb´em conhecidos como distribui¸c˜ao de intensidades e Fun¸c˜ao de Den- sidade de Probabilidade (PDF). Esse ´ultimo termo adv´em do fato de que, estatisticamente, o histograma representa, neste caso, a probabilidade de se achar um DN de um dado valor dentro de uma imagem. Outro ponto importante com rela¸c˜ao a histogramas ´e que eles representam dados digitais, tamb´em chamados de discretos. Assim sendo, a distribui¸c˜ao de intensidades ´e representada por colunas discretas, que n˜ao podem ser divididas ou ”quebradas”, correspondentes a n´umeros inteiros (em contraposi¸c˜ao a n´umeros fracion´arios). Esse conceito assume importˆancia ao se tratar de realce de contraste em imagens. Ao se observar o histograma de uma imagem, tem-se uma no¸c˜ao instantˆanea sobre as carac- ter´ısticas da mesma. A forma do histograma fornece informa¸c˜oes de grande importˆancia (como por exemplo, o caso de imagens de sensoriamento remoto), tais como intensidade m´edia e espa- lhamento dos valores de DN; este ´ultimo, por sua vez, d´a a medida do contraste de uma imagem: quanto maior o espalhamento ao longo do eixo dos DNs, maior o contraste da imagem. O histograma de uma imagem, com n´ıvel de cinza na faixa de [0, L − 1], ´e uma fun¸c˜ao discreta h(rk) que indica o n´umero de pixels que apresentam um determinado n´ıvel de cinza. Conforme abaixo: h(rk) = nk (1) onde rk ´e o k-´esimo n´ıvel de cinza e nk ´e o n´umero de pixels na imagem com n´ıvel de cinza rk. O histograma n˜ao preserva a informa¸c˜ao espacial da distribui¸c˜ao dos pixels, pois este cont´em apenas a quantidade de pixels com um determinado n´ıvel de cinza mas n˜ao a sua posi¸c˜ao na imagem. A ´area do histograma ´e equivalente a ´area da imagem sendo que imagens distintas podem 3
  • 4. apresentar histogramas idˆenticos. Os histogramas podem ser utilizados para fins de reconhecimento Figura 2: Imagens com histogramas equivalentes. de padr˜oes. Entre as t´ecnicas que fazem uso da manipula¸c˜ao do histograma de uma imagem podemos citar o Stretch, a Equaliza¸c˜ao e o Matching. Nesse relat´orio iremos abordar apenas duas t´ecnicas de Equaliza¸c˜ao: a global e a local. 3 Processamento Baseado em Histograma: Equaliza¸c˜ao Atrav´es da visualiza¸c˜ao do histograma de uma imagem obtemos uma indica¸c˜ao de sua qualidade quanto ao n´ıvel de contraste e quanto ao seu brilho m´edio (se a imagem ´e predominantemente clara ou escura). A equaliza¸c˜ao (ou lineariza¸c˜ao) de histogramas consiste em fazer com que as probabilidades de ocorrˆencia das intensidades sejam distribu´ıdas de modo uniforme. O objetivo ´e encontrar uma fun¸c˜ao de transforma¸c˜ao de tons de cinza que aplicada a uma imagem de entrada produza uma imagem na sa´ıda cujo histograma seja uniforme, melhorando assim o contraste. Se usarmos como fun¸c˜ao de transforma¸c˜ao o histograma cumulativo, o resultado ser´a uma distribui¸c˜ao mais uniforme (equalizada). A equaliza¸c˜ao do histograma re-distribui os n´ıveis de cinza de acordo com a fun¸c˜ao de distri- bui¸c˜ao acumulada (cdf - cumulative distribution function) da distribui¸c˜ao de probabilidades da imagem original. Portanto, nesse processo a principal limita¸c˜ao est´a no fato de n˜ao ser poss´ıvel especificar nenhum parˆametro. 4 A Equaliza¸c˜ao em Si A Equaliza¸c˜ao tem como objetivo obter a m´axima variˆancia do histograma de uma imagem, fornecendo assim uma imagem com o melhor contraste, sendo o contraste, uma medida qualitativa e que est´a relacionada com a distribui¸c˜ao dos tons de cinza em uma imagem. A opera¸c˜ao de equaliza¸c˜ao aproxima o histograma da imagem original para um histograma uniforme, calculando o seu histograma acumulado e utilizando este como fun¸c˜ao de intensidade. A op¸c˜ao de equaliza¸c˜ao parte do princ´ıpio que o contraste de uma imagem seria otimizado se todos os 256 poss´ıveis n´ıveis de intensidade fossem igualmente utilizados ou, em outras palavras, todas as barras verticais que comp˜oem o histograma fossem da mesma altura. Obviamente isso n˜ao ´e poss´ıvel devido `a natureza discreta dos dados digitais de uma imagem. Contudo, uma aproxima¸c˜ao ´e conseguida ao se espalhar os picos do histograma da imagem, deixando intocadas as partes mais ”chatas”do mesmo. Esse processo ´e obtido atrav´es de uma fun¸c˜ao de transferˆencia que tenha uma alta inclina¸c˜ao toda vez que o histograma original apresentar um pico, e uma baixa inclina¸c˜ao no restante do histograma.(Camara G., 1996) Para equaliza¸c˜ao do histograma, trabalhamos com trˆes t´ecnicas distintas: equaliza¸c˜ao global, equaliza¸c˜ao regional por blocos e equaliza¸c˜ao regional pontual. Na equaliza¸c˜ao global o processo ´e aplicado levando-se em considera¸c˜ao todos os tons de cinza presentes na imagem. Nas equaliza¸c˜oes regional por blocos e pontual, utiliza-se uma janela de tamanho definido pelo usu´ario para varrer 4
  • 5. a imagem e, para cada posi¸c˜ao da janela na imagem, analisa-se apenas os tons de cinza dentro da janela. A diferen¸ca entre as duas t´ecnicas de equaliza¸c˜ao regional ´e que na equalizac˜ao por blocos, todos os pontos do bloco s˜ao equalizados enquanto que na equaliza¸c˜ao pontual apenas o ponto central da janela ´e equalizado. Para tal, o deslocamento da janela na equaliza¸c˜ao regional pontual ´e feito ponto a ponto, ao contr´ario do deslocamento de equaliza¸c˜ao regional por blocos que ´e feito bloco a bloco. Observando os resultados de cada uma das equaliza¸c˜oes utilizadas, notamos que a t´ecnica de equaliza¸c˜ao global preserva as caracter´ısticas globais da imagem maximizando o contraste e as t´ecnicas de equaliza¸c˜ao regional distorcem a imagem real¸cando os detalhes que n˜ao haviam sido percebidos com a utiliza¸c˜ao da equaliza¸c˜ao global. Na pr´atica, a obten¸c˜ao de um histograma perfeitamente uniforme n˜ao ´e poss´ıvel devido `a natureza das imagens digitais, cujos pixels podem assumir somente valores discretos. Existem t´ecnicas para melhorar este problema, mas pode acontecer de ´areas homogˆeneas na imagem original aparecerem ”pipocadas”, por que tons de cinza iguais s˜ao mapeados para n´ıveis de cinza diferentes. O processo de equaliza¸c˜ao pode levar a falsos contornos na imagem, pois o n´umero de n´ıveis de cinza pode ser reduzido. A equaliza¸c˜ao pode ter um efeito de realce not´avel da imagem, mas o contraste pode ser muito forte e, por isto a equaliza¸c˜ao de histograma deve ser usada com muito cuidado. 4.1 Realce Global ou Equaliza¸c˜ao Global Atrav´es dessa t´ecnica, a imagem equalizada apresenta um melhor contraste, isso deve-se `a equali- za¸c˜ao do histograma que faz com que ocorra um espalhamento do histograma ao longo de toda a gama de valores (0 a 255), ficando este mais uniforme. 4.2 Realce Local ou Equaliza¸c˜ao Local Equaliza¸c˜ao ou especifica¸c˜ao de histogramas podem ser aplicadas em pequenas regi˜oes de uma imagem, centradas em cada pixel, como em um filtro NxN. `As vezes deseja-se real¸car detalhes em ´areas pequenas da imagem. O n´umero de pixels destas ´areas tem influˆencia desprez´ıvel no c´alculo da transforma¸c˜ao global. Nestes casos conv´em usar Realce Local, que pode ser descrito da seguinte forma: ”Define-se uma vizinhan¸ca, cujo centro se move de pixel a pixel na imagem. Para cada posi¸c˜ao equaliza-se o histograma para aquela vizinhan¸ca e obt´em-se uma fun¸c˜ao de transforma¸c˜ao. Esta fun¸c˜ao ´e aplicada sobre a intensidade do pixel central. O centro da vizinhan¸ca move-se para o primeiro pixel adjacente, e o procedimento se repete.” 4.3 Equaliza¸c˜ao Regional com Janelas de Larguras Diferentes A varia¸c˜ao do tamanho da janela influencia os resultados visuais obtidos no processo de equaliza¸c˜ao regional pontual. Aumentando o tamanho da janela, o resultado da equaliza¸c˜ao regional pontual se aproxima do resultado da equaliza¸c˜ao global, enquanto que diminuindo o tamanho da janela, mais detalhes ser˜ao destacados. 4.4 Tratamento das Bordas Um problema que ocorre com a equaliza¸c˜ao regional pontual ´e que o ponto da imagem a ser alterado, que corresponde ao centro da janela definida, depende dos valores dos pontos anteriores e posteriores a este. Se o ponto central da janela estiver nas extremidades da imagem, dependendo do tamanho da janela, os pontos anteriores e posteriores podem n˜ao pertencer `a imagem. Isto faz com que estes pontos centrais da janela sejam desprezados criando-se uma borda na imagem. Algumas solu¸c˜oes tˆem sido propostas para a resolu¸c˜ao deste problema. Dentre elas destacamos a utilizac˜ao da equaliza¸c˜ao global nas bordas, a equaliza¸c˜ao das bordas com uma janela de tamanho m´ınimo (3x3) e a utilizac˜ao de janelas adaptativas (tamanho variado). 5
  • 6. 4.5 Equaliza¸c˜ao RGB Para efetuar a equaliza¸c˜ao RGB, devemos executar a separa¸c˜ao das componentes vermelho, verde e azul e consequentemente combin´a-las, ap´os a equaliza¸c˜ao em separado, em um novo objeto do tipo imagem. 5 Resultados A seguir ser˜ao apresentados alguns resultados adquiridos atrav´es da plataforma R. Figura 3: Imagem Original 6
  • 7. Figura 4: Imagem Equalizada - Realce Global. 7
  • 8. Figura 5: Imagem Equalizada - Realce Local - Janela de 50x50. 8
  • 9. Imagem Original Histograma − Imagem Original x Frequency 0 20 40 60 80 120 01000025000 Imagem Equalizada Globalmente Histograma − Equalização Global x Frequency 0.0 0.2 0.4 0.6 0.8 1.0 0200040006000 Figura 6: Compara¸c˜ao de Histogramas - Imagem Original vs. Realce GLocal. 9
  • 10. Imagem Original Histograma − Imagem Original x Frequency 0 20 40 60 80 120 01000025000 Imagem Equalizada Localmente Histograma − Equalização Local x Frequency 0.0 0.2 0.4 0.6 0.8 1.0 0500015000 Figura 7: Imagem Equalizada - Imagem Original vs. Realce Local. 10
  • 11. Imagem Original Histograma − Imagem Original x Frequency 0 20 40 60 80 120 01000025000 Imagem Equalizada Globalmente Imagem Equalizada Localmente Figura 8: Imagem Equalizada - Realce Global vs. Realce Local 11
  • 12. Referˆencias Camara G., Souza R., F. U. G. J. (1996), ‘Spring: Integrating remote sensing and gis by object- oriented data modelling’, Computers & Graphics 20(3), 395–403. Gonzalez, R. & Woods, R. (1992), Digital Image Processing, Addison-Wesley Publishing Company. Jain, A. (1986), Fundamentals of Digital Image Processing, Prentice-Hall. Marion, A. (1991), An Introduction to Image Processing, Chapman and Hall. Ogˆe Marques Filho, H. V. N. (1999), Processamento Digital de Imagens, number 85-7452-009-8, Brasport. R Development Core Team (2009), R: A Language and Environment for Statistical Computing, R Foundation for Statistical Computing, Vienna, Austria. URL http://www.R-project.org, ISBN 3-900051-07-0. SILVA, A. M. e. (2001), Curso Processamento digital de imagens de sat´elite, Centro de Eventos da PUCRS - de 07 a 12 de outubro de 2001, Porto Alegre - RS. URL www.cartografia.org.br. Woods, R. C. G. . R. E. (1992), Digital Image Processing, number 0-201-50803-6, Addison Wesley. 12