ЛР3 / МТ ЛР3

ГУАП

КАФЕДРА №41

ОТЧЕТ ЗАЩИЩЕН С ОЦЕНКОЙ

ПРЕПОДАВАТЕЛЬ

ОТЧЕТ О ЛАБОРАТОРНОЙ РАБОТЕ №3

ИЗУЧЕНИЕ МЕТОДОВ УПРАВЛЕНИЯ КОНТРАСТНОСТЬЮ ПОЛУТОНОВЫХ ИЗОБРАЖЕНИЙ

по курсу: МУЛЬТИМЕДИА ТЕХНОЛОГИИ

РАБОТУ ВЫПОЛНИЛ

СТУДЕНТ ГР. №

Санкт-Петербург 2023

Цель работы

Изучить методологию управления контрастностью полутоновых изображений с целью улучшения их визуального восприятия. Реализовать типовые методы контрастирования изображений в среде Matlab.

Краткие сведения о методах управления контрастностью полутоновых

изображений

Методы управления контрастностью полутоновых изображений используются для изменения распределения яркостей на изображении с целью улучшения его внешнего вида и читаемости. Они включают в себя гистограммное выравнивание, локальное контрастирование, использование нелинейных функций преобразования яркости и методы. Все эти методы позволяют управлять контрастом изображения как в целом, так и в отдельных его частях.

Индивидуальный вариант

Индивидуальный вариант в соответствии с таблицей 1.

Таблица 1 – Индивидуальный вариант задания

2

Ход работы

1. Написали код для программной реализации методов повышения контрастности изображений. Код программы фильтрации в соответствии с листингом 1.

Листинг 1 – Программа для моделирования тестового аудиосигнала

clc, clear, close all

I1 = imread('image1.jpg'); % чтение изображения в матрицу figure('Name','Исходник 1')

imshow(I1); figure('Name','histogram_Image1');

imhist(I1(:,:,1)); % вычисление и вывод графика гистограммы

I = I1;

I=I1;

% % HISTEQ h=64;

J1 = histeq(I(:,:,1),h); figure('Name','Equalized Image1'); imshow(J1); figure('Name','histogram_EQ_Image1'); imhist(J1(:,:,1));

%IMADJUST

A=0.3; B=0.7; % may be tuned for better quality 0<A<1; A<B<1; J2 = imadjust(I,[A B],[]);

figure('Name','imadjust');

imshow(J2); figure('Name','histogram_imajust_Image'); imhist(J2(:,:,1));

% ADAPTHISTEQ

LAB = rgb2lab(I);

L = LAB(:,:,1)/100;

% L = adapthisteq(L,'NumTiles',[8 8],'ClipLimit',0.005);

L = adapthisteq(L,'ClipLimit',0.02,'Distribution','rayleigh'); LAB(:,:,1) = L*100;

J3 = lab2rgb(LAB); figure('Name','adapthisteq_Image'); imshow(J3); figure('Name','histogram_adapthisteq_Image'); imhist(J3(:,:,1));

imwrite(J3, 'output_image.jpg'); %запись полученного изображения в файл

3

Первая часть

Выполнении преобразований исходного изображения с теми же настройками, что и в программе с листинга 1.

Исходное изображение и гистограмма в соответствии с рисунком 1. Обработанные изображения в соответствии с рисунками 2-4.

Рисунок 1 – Исходное изображение

Рисунок 2 – Изображение, преобразованное фильтром HISTEQ

Рисунок 3 – Изображение, преобразованное фильтром IMADJUST

Рисунок 4 – Изображение, преобразованное фильтром ADAPTHISTEQ

4

Провели исследование влияния параметра h для нашего варианта функции HISTEQ

на получаемые результаты обработки. Протестировали заданную функцию при нескольких значениях указанного в варианте задания параметра h.

Провели обработку исходного изображения для значений параметра h равных 10 для верхнего и 250 для нижнего изображения в соответствии с рисунком 5. Код программы в соответствии с листингом 2.

Листинг 2 – Код программы подбора значения параметра фильтра

clc, clear, close all %очистка памяти

I1 = imread('image1.jpg'); % чтение изображения в матрицу figure('Name','Исходник 1')

imshow(I1); figure('Name','histogram_Image1');

imhist(I1(:,:,1)); % вычисление и вывод графика гистограммы

I2=imread('image2.jpg');

I = I1;

%% HISTEQ h = 10;

J1 = histeq(I(:,:,1),h); figure('Name','Equalized Image1'); imshow(J1); figure('Name','histogram_EQ_Image1'); imhist(J1(:,:,1));

imwrite(J1, 'output_image.jpg'); %запись полученного изображения в файл

%% HISTEQ

h = 250;

J1 = histeq(I(:,:,1),h); figure('Name','Equalized Image1'); imshow(J1); figure('Name','histogram_EQ_Image1'); imhist(J1(:,:,1));

imwrite(J1, 'output_image.jpg'); %запись полученного изображения в файл

6

Вывод

В ходе данной лабораторной работы мы получили навыки управления контрастностью полутоновых изображений с целью улучшения их визуального восприятия.

Реализовали типовые методы контрастирования изображений в среде Matlab.

Нами были написаны программы, которые проводили обработку изображений и строили гистограммы частот тонов пикселей получаемых изображений.

Изучив параметры функции histeq выяснили что лучше не задавать слишком низких значений параметра h, так как оттенки цвета сливаются и детали на изображении пропадают, что влечет за собой ухудшение качества изображения и потерю информации изображаемой на нем.

8

Список использованной литературы

1. Обработка изображений в среде Matlab с использованием Image Processing Toolbox: лабораторный практикум / Н.П. Семичевская, Л.А. Соловцова. Благовещенск:

Амурский гос. ун-т, 2005 – 32 с.

2.Основы цифровой обработки изображений. Учебно-методическое пособие. /сост. К.В. Филатов, Изд-во ТРТУ, Таганрог, 2002. 89 с.

3.Цифровая обработка изображений в информационных системах. Учебное пособие. / Грузман И.С., Киричук В.С., Косых В.П., Перетягин Г.И., Спектор А.А.,

Новосибирск: Изд-во НГТУ, 2000. 168 с.

4.Улучшение качества растровых изображений: Учеб. пособие. / Н.В.Соловьев,

А.М.Сергеев. СПб: СПбГУ ИТМО, 2010. 158 с.

5. Мультимедиатехнологии в информационных системах. Представление и

обработка изображений в компьютере: учеб. пособие/ Н.Н.Красильников,

О.И.Красильникова. ГУАП. СПб, 2007. 132 с.

6.Contrast-limited adaptive histogram equalization (CLAHE) // URL: https://www.mathworks.com/help/images/ref/adapthisteq.html

7.Список функций Image Processing Toolbox // URL: https://hub.exponenta.ru/post/spisok-funktsiy-image-processing- toolbox152?ysclid=l8vjnq87jn578408698

9