2. KVANTLAŞDIRMA (GÖRÜNTÜ EMALI)
• Təsvir emalında adını çəkdiyimiz kvantizasiya, bir neçə müxtəlif
dəyərləri vahid bir kvant dəyərinə sıxaraq əldə edilən itkili bir sıxılma
üsuludur. Şəkilin (verilən) içərisində diskret işarələrin sayı azaldıqda,
şəkil daha sıxılabilən olur. Məsələn, rəqəmsal bir görüntünü göstərmək
üçün tələb olunan rənglərin sayının azaldılması, fayl ölçüsünü
azaltmağa imkan verir.
3. RƏNG KVANTLAŞDIRMASI
• Kompüter qrafikasında rəng kvantlanması və ya rəngli görüntü
kvantlaşdırılması rəng sahəsində tətbiq olunan anlayışdır;
• yeni görüntünün orijinal görüntüyə mümkün qədər vizual bənzər olması
niyyəti ilə bir görüntüdə istifadə olunan fərqli rənglərin sayını azaldan bir
prosesdir.
• Bitmaplarda rəng kvantlaşdırmasını həyata keçirən kompüter alqoritmləri
1970-ci illərdən bəri öyrənilir.
• Rəng kvantasiyası, adətən yaddaş məhdudiyyətlərinə görə məhdud sayda
rəng nümayiş etdirə bilən cihazlarda çox rəngli görüntülərin görünməsi üçün
vacibdir və müəyyən növ şəkillərin səmərəli sıxılmasını təmin edir.
4. RƏNG KVANTLAŞDIRMASI
ALQORİTMLƏRİ
• 1979-cu ildə Paul Heckbert tərəfindən
icad edilən rəng miqdarına görə ən
populyar alqoritm median kəsilmiş
alqoritmdir. Bu sxem üzrə bir çox versiya
istifadə olunur. Bu vaxtdan əvvəl rənglərin
ölçülməsi ən çox populyasiya alqoritmi və
ya populyasiya üsulu ilə aparılmışdır, bu
da bərabər ölçülü silsilələrin histoqramını
qurur və ən çox nöqtəni əhatə edən
silsilələrə rəng verir. Daha müasir bir
populyar metod, əvvəlcə Gervautz və
Purgathofer tərəfindən səkkizbucaq
istifadə edərək hazırlanan və Xerox PARC
tədqiqatçısı Dan Bloomberg tərəfindən
təkmilləşdirilmiş alqoritmin istifadəsi
çoxluq təşkil edir.
5. ŞƏKİL SEQMENTASİYASİ
• Kompüter görmə qabiliyyətində (computer vision), görüntü
seqmentasiyası rəqəmsal bir görüntünün çox seqmentə bölünməsi
prosesidir (görüntü obyektləri olaraq da tanınan piksel dəstləri).
Segmentasiyanin məqsədi görüntünün təsvirini kompüter üçün anlamlı
və təhlil etmək üçün daha asan bir verilən formasına çevirmək və / və ya
dəyişdirməkdir. Şəkil seqmentasiyası adətən şəkillərdəki obyektlərin və
sərhədlərin (xətlər, əyrilər və s.) müəyyən edilməsi üçün istifadə olunur.
Daha doğrusu, görüntü seqmentləşdirilməsi, eyni etiketli piksellərin
müəyyən xüsusiyyətləri bölüşdürdüyü bir görüntüdə hər pikselə etiket
verilməsi prosesidir.
6. SEQMENTASİYANİN TƏTBİQ SAHƏLƏRİ
• Məzmuna əsaslanan görüntü alınması
• Maşın görməsi
• Kompüter tomoqrafiyasından və maqnetik
rezonans görüntüsündən həcmli görüntülər
daxil olmaqla tibbi görüntüləmə.
• Şişləri və digər patologiyaları tapmaq
• Toxuma həcmini ölçmək
• Diaqnoz, anatomik quruluşun öyrənilməsi
• Cərrahiyyə planlaşdırılması
• Virtual cərrahiyyə simulyasiyası
• Əməliyyatdaxili naviqasiya
• Obyekt aşkarlanması
• Piyada aşkarlanması
• Üz aşkarlanması
• Əyləc işığının aşkarlanması
• Peyk şəkillərində obyektləri (yollar, meşələr,
bitkilər və s.) Yerləşdirin
• Tanınma prosesləri
• Üzün tanınması
• Barmaq izinin tanınması
• İrsin tanınması
• Trafikə nəzarət sistemləri
• Video nəzarət
• Video obyektin birgə seqmentləşdirilməsi və
fəaliyyət lokalizasiyası
7. THRESHOLDING
(EŞİK - ПОРОГОВ)
• Şəkil seqmentləşdirilməsinin ən sadə üsulu eşik metodu adlanır. Bu üsul,
boz miqyaslı bir görüntüyü ikili (binar) görüntüyə çevirmək üçün eşik
dəyərinə əsaslanır.
• Bu metodun açarı eşik əmsalını seçməkdir. Maksimum entropiya
metodu, balanslaşdırılmış histoqram həddi, Otsu metodu və
klasterləşdirmə də daxil olmaqla bir neçə populyar metod istifadə
olunur.
• Son zamanlarda, kompüter tomoqrafiya (CT) şəkillərini thresholding
etmək üçün metodlar hazırlanmışdır. Əsas ideya odur ki, Otsu
metodundan fərqli olaraq, eşiklər (yenidən qurulmuş) görüntü yerinə
radioqraflardan alınır.
8. MATLABDA TƏSVİRİN
KVANTLAŞDIRILMASI
• İmquantize funksiyası – Verilmiş miqdar səviyyələri və çıxış
dəyərlərindən istifadə edərək görüntünü kvantlaşdırır
• quant_A = imquantize(A,levels) A görüntüsünü levels adnlanan
parametrdə verilmiş N tutumlu massivdəki kvantlaşdırma dəyərlərini
istifadə edərək kvantlaşdırır. Alınan quant_A şəkli A şəkli ilə eyni ölçüyə
malikdir və I və N+I aralığında N+I sayda diskret qiymətlər saxlayır.
9. NÜMÜNƏ: ŞƏKLI IKI ƏRƏFƏDƏN ISTIFADƏ
EDƏRƏK ÜÇ SEQMENTƏ BÖLMƏK
• Şəkli yaddaşdan oxuyuruq və ekrana çıxarırıq
I = rgb2gray(imread(“sekil.png”));
imshow(I)
axis off
title(“Original Sekil”)
10. İki hədd (eşik) səviyyəsi hesablayırıq.
thresh = multithresh(I,2);
imquantize istifadə edərək görüntüyü üç səviyyəyə bölürük.
seg_I = imquantize(I,thresh);
label2rgb istifadə edərək seqmentli görüntüyü rəngli
görüntüyə çeviririk və ekranda göstəririk.
RGB = label2rgb(seg_I); figure;
imshow(RGB)
axis off
title('RGB Seqmentli Görüntü')
11. BOZ RƏNG ÇALARLARI SƏVIYYƏSINI
256-DAN 8-Ə ENDIRMƏK
• Bir görüntüdə diskret səviyyələrin sayını 256-
dan 8-ə qədər azaldırıq. Bu nümunədə səkkiz
çıxış səviyyəsinin hər birinə dəyərlər təyin
etmək üçün iki fərqli metoddan istifadə edirik.
I = imread(qepik.png’);
imshow(I)
axis off
title(‘Qepikler')
12. • Multithresh-dən yeddi eşik əldə
edərək görüntüyü səkkiz
səviyyəyə bölün.
thresh = multithresh(I,7);
valuesMax vektorunu elə qururuq ki, hər kvantlaşdırma
intervalında maksimum dəyər çıxış görüntüsünün səkkiz
səviyyəsinə də təyin edilsin.
valuesMax = 1x8 uint8 sətir vektoru
65 88 119 149 169 189 215 255
[quant8_I_max, index] = imquantize(I,thresh,valuesMax);
valuesMin = [min(I(:)) thresh]
valuesMin = 1x8 uint8 row vector 23 65 88 119 149 169 189
215
quant8_I_min = valuesMin(index);