SlideServe
Télécharger Obtenir Pro
Menu
Accueil Pro
Préférences
ApparenceLight Aide et commentaires
© SlideServe · v2026

Intensity Transformations and Spatial Filtering

grady-sexton avatar
grady-sexton
21 diapositives · 579 Views · Nov 09, 2014

Intensity Transformations and Spatial Filtering. Basics of Intensity Transformation and Spatial Filtering. Spatial Domain Process Neighborhood is rectangle, centered on ( x,y ), and much smaller in size than image. Neighborhood size is 1x1, 3x3, 5x5, etc. Intensity Transformation.

Intensity Transformations and Spatial Filtering - slide 1
01 / 21Intensity Transformations and Spatial Filtering
1 / 17

Télécharger la présentation

Intensity Transformations and Spatial Filtering
Une image / un lien ci-dessous est fourni (tel quel) pour télécharger la présentation

Politique de téléchargement : le contenu du site vous est fourni TEL QUEL pour votre information et votre usage personnel ; il ne peut être vendu, concédé sous licence ni partagé sur d’autres sites sans l’accord de son auteur.Le contenu vous est fourni TEL QUEL, pour votre information et votre usage personnel uniquement. Téléchargez la présentation en cliquant sur ce lien. Lors du téléchargement, si vous ne parvenez pas à télécharger une présentation, l’éditeur a peut-être supprimé le fichier de son serveur.Pendant le téléchargement, si vous ne parvenez pas à obtenir une présentation, le fichier a peut-être été supprimé par l’éditeur.

F I N

Plus de contenu associé

Transcription de la présentation

  1. Intensity Transformations and Spatial Filtering

  2. Basics of Intensity Transformation and Spatial Filtering • Spatial Domain Process • Neighborhood is rectangle, centered on (x,y), and much smaller in size than image. • Neighborhood size is 1x1, 3x3, 5x5, etc.

  3. Intensity Transformation • T[f(x,y)] is Intensity Transformation, if the neighborhood size is 1x1. • Intensity Transformation can be written as follows • s = T[r], where s = g(x,y), and r = f(x,y)

  4. Image Negatives • s = L-1 – r where intensity level is in the range [0, L-1]

  5. Log Transformations • s = c Log(1+r) • Log Transformation is used to expand the value of the dark pixels while compressing the higher-level value. • It is used to compress the intensity of an image which has very large dynamic range.

  6. Log Transformations of Fourier Spectrum • We cannot see the Fourier spectrum, because its dynamic range is very large. Original Image Fourier Spectrum Log Transform of Fourier Spectrum

  7. Power-Law (Gamma) Transformations • If <1, expand dark pixels, compress bright pixels. • If >1, compress dark pixels, expand bright pixels.

  8. Examples of Gamma Transformations

  9. Contrast Stretching • If r<r1 then s = r*s1/r1 • If r1<= r<=r2 then s = (r-r1)*(s2-s1)/(r2-r1)+s1 • If r>r2 then s = (r-r2)*(255-s2)/(255-r2)+s2 • If r1=r2 and s1=0,s2=255, the transform is called “Threshold Function”.

  10. Examples of Contrast Stretching

  11. Contrast Stretching in Medical Image • Window Width/Level(Center) s1=0,s2=255 width (w)=r2-r1, level (c)=(r1+r2)/2

  12. Histogram & PDF • h(r) = nr where nr is the number of pixels whose intensity is r. • The Probability Density Function (PDF)

  13. Cumulative Distribution Function (CDF) PDF CDF Transfer Function s r

  14. Example of Histogram and Cumulative Distribution Function (CDF)

  15. Low Contrast Image • The image is highly concentrated on low intensity values. • The low contrast image is the image which is highly concentrated on a narrow histogram. High Concentrate Low Concentrate

  16. Histogram Equalization • The Histogram Equalization is a method which makes the histogram of the image as smooth as possible

  17. The PDF of the Transformed Variable • s = Transformed Variable. • = The PDF of r • = The PDF of s

  18. Transformation Function of Histogram Equalization • The PDF of s

  19. Histogram Equalization Example

  20. Histogram Equalization Example (cont.)

  21. Histogram Matching • How to transform the variable r whose PDF is to the variable t whose PDF is . T( ) G-1( ) r s t