Facultatea de Inginerie Electrică, secţia CalculatoareUniversitatea „Ştefan cel Mare” Suceava, ©2004 Iunie

Aplicaţie ce ridică contrastul unei imagini prin metode de

Histogramă- Proiect semestrial Procesare de Imagini -

Profesor Îndrumător:Remus Prodan

Student: Nesteriuc AlexandruGrupa: 1143A

Nesteriuc Alexandru Grupa 1143A

Introducere

Prelucrarea (digitală) a imaginilor reprezintă un domeniu foarte larg, de sine stătător. Acest domeniu are la bază o teorie matematică riguroasă, bine pusă la punct, dar în general implementările pe diverse maşini de calcul sunt destul de mari consumatoare de resurse (putere de calcul, memorie), în special dacă ne referim la utilizarea în timp real a informaţiilor extrase din imagini. Totuşi, înainte de a continua trebuie specificat ce este o imagine. Într-un sens cât mai general, o imagine este o descriere a variaţiei unui parametru pe o suprafaţă. De exemplu, imaginile (în sensul clasic) sunt rezultatul variaţiei intensităţii luminii într-un plan bidimensional. Dar acest parametru nu este singurul folosit; de exemplu o imagine poate fi generată de temperatura unui circuit integrat, emisiile de radiaţii (cu diverse lungimi de undă) ale unor galaxii etc. Însă aceste tipuri de imagine sunt,de obicei, convertite în imagini clasice (prin pseudocolorare de exemplu) pentru ca operatorul uman să poate face o evaluare vizuală a variaţiei unor parametrii.

Din aceste considerente, pe parcursul lucrării toate referirile se vor face la imaginiîn sensul clasic. O imagine este deci un semnal bidimensional; prin urmare prelucrarea imaginilor poate fi considerată şi o ramură a prelucrării digitale de semnal (care mai include prelucrearea audio, telecomunicaţii etc.). După cum s-a menţionat anterior, prelucrarea de imagine şi în genereal prelucrarea digitală a semnalelor presupune un consum relativ mare de resurse de calcul şi memorie. Implementarea algoritmilor specifici se poate face pe sisteme clasice (PC-uri, evoluţia microprocesoarelor oferă puterea de calcul necesară), dar pentru sistemele dedicate, de timp real, sefolosesc în general procesoare dedicate numite procesoare digitale de semnal (DSP = Digital Signal Processing). Aceste tipuri de procesoare au implementate hardware diverse optimizări şi paralelisme pentru a oferi puterea de calcul necesară (de obieci la frecvenţe mult mai mici decât microprocesoarele clasice); evident ele presupun şi un consum mai mic de energie faţă de microprocesoare.

Prelucrarea imaginilor include sau este legată mai multe discipline:- preluarea, compresia şi stocarea imaginilor;- restaurarea şi ameliorarea imaginilor prin corecţii geometrice, radiometrice,

ajustări de contrast, filtrarea zgomotului etc;- fotogrammetrie, adică măsurători ale unor obiecte, fenomene făcute pe baza

unor imagini;- recunoaşterea formelor (pattern matching, shape recognition, face recognition);- vederea artificială (computer vision, robot vision);- inteligenţa artificială;- sinteza de imagini, imagini generate de calculator;Inteligenţa artificială şi prelucrearea imaginilor sunt domenii ce se întrepătrund.

Un număr important din algoritmii performanţi folosiţi la prelucrarea imaginilor utilizează metode şi tehnici din domeniul inteligenţei artificiale, cum ar fi: reţele neuronale, logica fuzzy. Pe de altă parte, inteligenţa artificială presupune proiectarea şi construirea de sisteme capabile să realizeze funcţii ale intelectului uman: învăţarea prin experienţă, înţelegerea limbajului natural, utilizarea unui raţionament pentru rezolvarea

1

Nesteriuc Alexandru Grupa 1143A

unor probleme sau luarea unor decizii. Toate aceste presupun însă şi acumularea unei anume cantităţi de informaţie (baza de cunoştinţe, informaţii din mediu etc.).

Această informaţie este preluată de sistemele inteligente prin senzori şi crează o imagine a mediului în momentul preluării datelor (snapshot). Din imaginea astfel obţinută trebuie extrase informaţiile utile. Toate acestea ţin de domeniul vederii artificiale (Computer Vision, Robot Vision).

Histograma

Histograma este un grafic ce indică numarul de pixeli (un pixel este reprezentat pe 1 byte) corespunzători unui canal de culoare. În funcţie de tipul imaginii (respectiv spaţiul de culori - RGB - mod de culoare bazat pe culorile roşu, verde şi albastru; HSV - mod de culoare bazat pe tentă, saturaţie şi luminozitate; LaB - mod de culoare independent de dispozitiv; HDRI - imagini în care culorile pot avea orice valoare) se pot afişa graficele corespunzătoare fiecărui canal al unei imagini. Pentru o imagine pe 8 biţi, histograma va afişa pe numărul de pixeli pentru fiecare valoare de culoare posibilă (256 valori).

Utilitatea histogramei este cea mai evidentă în prelucrarea imaginilor (sau filmelor) care sunt digitizate după peliculă sau sunt capturate direct in format digital. Fiecare metodă de a transforma o imagine reală în una digitală are neajunsurile ei, de aici apărând necesitatea unei caracterizări mai precise decât observarea cu ochiul liber (care implică şi un anumit talent). Evaluând o imagine cu ajutorul histogramei permite o apreciere rapidă a paşilor necesari pentru a imbunătăţii calitatea imaginii, adică la o corecţie a culorilor de calitate.

Pentru cei veniţi din lumea fotografiei tradiţionale, se poate spune că histograma permite corectarea problemelor de expunere. În lumea digitală ajustarea expunerii este de cele mai multe ori automată (putând fi eventul modificaţi parametrii de gain), iar în cazul imaginilor renderizate este practic inexistentă. În special în ultimul caz sunt necesare multe imagini de test pentru a reuşi o potrivire a luminilor care să cuprindă întregul spectru.

În principiu, aceeaşi corecţie a unei imagini se poate face în mai multe feluri. Histograma şi Curves (Curves - ajustarea imaginii cu ajutorul unei curbe care reprezintă relaţia între input şi output) duc cam la aceleaşi rezultate, diferenţa fiind ca în cazul al doilea spline-urile care permit o ajustare mult mai fină.

Unele aparate foto digitale de nivel avansat calculează distribuţia pixelilor dintr-o imagine si afişeaza un grafic de frecvenţa pe 256 nivele (fiecărui pixel din imagine i se calculeaza nivelul - de la 0 = negru absolut, la 255 = alb pur). O histogramă este deci un grafic ce ilustrează modul în care sunt distribuţi intr-o imagine pixelii grupaţi după intensitatea de culoare. Analizind aspectul curbei, putem sa determinam amploarea detaliilor in umbre (in partea stanga), la nivelul gri-mijlociu (in mijlocul graficului) şi în lumini (in partea dreapta a graficului). Histograma permite fotografului ca, dintr-o analiza simplă, sa decidă dacă rezultatul este mulţumitor sau dacă trebuie să repete fotografia cu alte valori ale indicelui de expunere (EV).

2

Nesteriuc Alexandru Grupa 1143A

Programele avansate de prelucrare a fotografiilor dispun de analiza prin histograma a imaginilor (de ex. Photoshop, chiar 3D Studio Max prin introducerea unor scripturi) şi oferă utilizatorului metode precise şi fine de corectare. Identificarea zonelor celor mai luminoase, respectiv cele mai intunecoase zone dintr-o imagine este, de asemenea importantă in procesul de imprimare. Putem astfel stabili, in procesul de fotoeditare, amploarea ajustărilor, pentru a nu expanda inutil tonalităţile si la nivelul unor zone izolate, unde nu avem detalii care sa poata fi imprimate. Trebuie menţionat aici ca imprimantele nu pot printa detalii la nivele foarte inalte de alb, si nici de negru (cuprind nivele de la 10 până la 245 sau chiar mai puţin, in funcţie de model).

Cum se citeşte o histogramă?

Histograma unei imagini este o funcţie care indică câţi pixeli au un anume nivel de gri. Pe axa orizontala este reprezentat nivelul de strălucire, de la stânga (negru) la dreapta (alb); fiecare pixel este analizat din acest punct de vedere şi i se atribuie o valoare. Se numără apoi toţi pixelii cu o anumită valoare de strălucire iar numărul lor se afişeaza pe axa verticală. Cu cât se inregistrează mai multi pixeli de un anumit nivel de strălucire, cu atat graficul va urca mai sus in dreptul acelui nivel.

Ca idee generală putem să ne dăm seama imediat că o imagine corect expusa prezintă o distribuţie relativ uniformă a pixelilor pe intreaga scală de strălucire, în timp ce o imagine cu contrast redus va arăta aglomerări pronunţate ale pixelilor la anumite valori, simultan cu zone întinse, slab populate.

3

Nesteriuc Alexandru Grupa 1143A

Tema Proiectului şi Consideraţii Teoretice

Tema acestui proiect este realizarea unui program care să mărească contrastul unei imagini cu ajutorul metodei histogramei. Modelarea histogramei este de obicei introdusă folosind funcţii de proces continue în locul celor discrete. Aşadar, vom presupune că imaginile care ne interesează vor avea nivele de intensitate continue (în intervalul [0,1]) şi că funcţia de transformare f care mapează o imagine de intrare A(x,y) într-o imagine de ieşire B(x,y) este continuă în acest interval. Vom mai presupune că funcţia de transfer (care mai poate fi scrisă în termeni ai nivelului de intensitate a densităţii, de exemplu: este monoton crescătoare şi cu o singură valoare (cum este cazul în egalizarea histogramei) deci este posibil să definim funcţia inversă

. Un exemplu al unei astfel de funcţie de transfer este ilustrată în figura 1:

Figura 1. O Funcţie de Transformare a Histogramei

Toţi pixelii din imaginea de intrare cu densităţi de la la vor avea valorile pixelilor reatribuite în aşa fel încât densitatea pixelilor de ieşire va fi între şi

. Deci suprafeţele şi vor fi egale rezultând:

unde

Acest rezultat poate fi scris în limba teoriei probabilităţii dacă histograma h este considerată o funcţie a densităţii cu probabilitate continuă p ce descrie distribuţia nivelelor de intensitate (presupuse random):

4

Nesteriuc Alexandru Grupa 1143A

În cazul egalizării histogramei, probabilitatear densităţii de ieşire ar trebui sa fie toate o parte egală din numărul maxim al nivelului intensităţii a imaginii de intrare, DM

(unde nivelul minim considerat este 0). Funcţia de transfer necesară atingerii acestui rezultat este:

, deci

unde este o histogramă cumulativă a imaginii originale. Deci o imagine care este transformată folosing histograma cumulativă are ca rezultat o histograma aplatizată.

O implementare digitală a egalizării histogramei este de obicei executată prin definirea unei funcţii de transfer de forma:

Unde N este numărul de pixeli ai imaginii şi este numărul de pixeli la intensitatea de nivel k sau mai mic.

În implementarea digitală, imaginea de output nu e neapărat egalizată în totalitate şi pot exista „găuri” în histogramă (adica nivele de intensitate nefolosite). Este posibil ca aceste efecte să descrească o dată cu creşterea pixelilor şi a cantităţii nivelelor intensităţii în imaginea de input.

Exemple de Histograme

Aspectul histogramei depinde deci nivelul de contrast al cadrului ales pentru fotografie dar şi de modul în care alegem expunerea.

Dacă fotografia are contrast redus, aceasta se va traduce prin aglomerarea spre centru a graficului histogramei (ca în histograma care se obţine pentru fotografia 1 - foto-01-contrast-redus.bmp).

O imagine cu contrast crescut va avea graficul in forma de "doua cocoaşe" (ca în histograma care se obţine pentru fotografia 2 - foto-02-contrast-mare.bmp).

Imaginea cu contrast normal are (teoretic), forma unei benzi negre, uniforme, dispuse în partea de jos a graficului. Desigur fotografiile reale nu sunt ca şi cele teoretice , dar graficul unei astfel de poze ar trebui să tinda către aspectul teoretic (graficul histogramei din fotografia 3 - foto-03-contrast-normal.bmp).

Aspectul curbei histogramei ne permite să determinăm obiectiv nivelul cel mai adânc de negru ca şi albul cel mai luminos, adică punctul de alb şi punctul de negru. Intervalul dintre aceste două puncte reprezintă intervalul dinamic, tonal sau contrastul imaginii. O imagine cu contrast redus concentrează cele doua puncte intr-un interval mic, mult mai mic decat cele permise de cele 256 de trepte. De asemenea, o imagine

5

Nesteriuc Alexandru Grupa 1143A

supraexpusă aglomereză pixelii in zona din dreapta, iar una subexpusă in zona din stânga (o astfel de fotografie este fotografia 4 - foto-04-interval-redus.bmp).

Analiza histogramei arată absenţa pixelilor cu grad ridicat de alb, şi deci o reducere marcată a intervalului dinamic.

Corectarea acestui aspect se poate face in mai multe feluri, dar cel prezentat aici este cel al întinderii histogramei. Desigur corectarea pe această cale nu este cea mai impresionantă dar există programe specializate de prelucrare a imaginilor care pot duce la un rezultat final mult mai bun decât originalul.

Histograma fotografiei ajustate arată acum un interval dinamic „mai” corect (histograma fotografiei 4 corectate - foto-04-interval-redus-Corectata.bmp). Un alt exemplu de corectare a unei imagini este si extinderea liniară a histogramei fotografiei 5 care iniţial aproape ca nici nu se pot distinge formele din poză. (foto-05-scara_de_gri.bmp).

Extinderea liniară a histogramei este folosita îndeosebi la mărirea contrastului imaginilor cu nuanţe de gri (dar si la cele color) iar rezultatele sunt mai interesante şi mai vizibile la fotografiile cu nuanţe de gri. Folosirea acestei metode la imaginile color duce la un rezultat ce constă într-o imagine cu contrastul ridicat dar de cele mai multe ori va schimba culorile în moduri nedorite; de exemplu când va fi aplicată metoda întinderii histogramei la o imagine cu contrastul slab cu o pară galbenă cu frunze verzi rezultatul va fi o para galbenă dar frunzele vor fi (foarte probabil) albastre. Se poate urmari histograma fotografiei 5 (foto-05-scara_de_gri-Corectata.bmp) pentru vizualizarea schimbărilor. Deasemenea următorul exemplu evidenţiaza schimbarea histogramei unei imagini cu nuanţe de gri (foto-06-scara_de_gri_2.bmp -> foto-06-scara_de_gri_2-Corectata.bmp).

Egalizarea Histogramei

Pentru a ilustra utilitatea egalizării histogramei vom considera următoarea imagine în scara de gri (pe 8 biti) care este o fotografie a suprafeţei lunii (foto-07-Moon.bmp). Histograma va confirma ce putem vedea prin inspecţia vizuală adică faptul că are un contrast redus. Pentru a îmbunătăţi contrastul acestei imagini, fără a afecta structura (geometria) informaţiei ce o conţine, vom aplica egalizarea histogramei. Imaginea ce rezultă este (foto-07-Moon-Corectata.bmp) nu va avea o histogramă aplatizată (ca în exemplul cazului continuu) dar intervalul dinamic si contrastul au fost intensificate. A se observa că la egalizarea imaginilor cu histograme înguste şi relativ puţine nivele de gri, mărind intervalul dinamic are efectul invers efectului de creştere a particolelor (grainyness effect).

În continuare vom mai lua un exemplu de imagine pentru a scoate în evidenţă utilitatea egalizării histogramei şi pentru aceasta vom lua o poză a Monumentului Scott din Scoţia (foto-08-Monument.bmp). Deşi contrastul clădirii este acceptabil, regiunea în care este cerul este reprezentată aproape în totalitate de pixeli deschişi la culoare. Aceasta face ca majoritatea pixelilor histogramei să fie „împinşi” într-un pisc îngust în regiunea de sus de nivele de gri. Operatorul de egalizarea a histogramei defineşte o mapare bazată

6

Nesteriuc Alexandru Grupa 1143A

pe histograma cumulativa din Figura 2 care duce la un rezultat final nesatisfăcător (foto-08-Monument-Corectata.bmp).

Figure 2 Histograma Cumulativă pentru foto-08-Monument.bmp

În timp ce egalizarea histogramei a mărit contrastul în regiunea cerului din imagine, poza arată acum artificială pentru că este prea puţină varietate în regiunea de mijloc a nivelelor de gri. Asta se întâmplă deoarece funcţia de transfer este bazată pe panta puţin adâncă a histogramei cumulative în regiunea de mijloc a nivelelor de gri şi duce la maparea multor pixeli din această regiune a imaginii originale în nivele de gri similare în imaginea de output. Acest lucru poate fi rezolvat dacă se defineşte o mapare bazată pe sub-secţiuni ale imaginii care conţin o distribuţie mai bună a intensităţii densităţii din partea de jos si mijloc a nivelelor de gri. Dacă tăiem o bucată din imagine care conţine mai multă clădire decât cer (foto-08-Monument-Taiat.bmp), se poate folosi histograma cumulativă (Figura 3) a acelei bucăţi pentru egalizarea întregii poze care va duce la un rezultat final mult mai natural.

Figure 3 Histograma Cumulativă pentru foto-08-Monument-Taiat.bmp

În cazul de faţă nu a fost implementată o asemenea rezolvare a problemei dar se poate folosi extinderea liniară a histogramei pentru rezultate mai bune decat cele a egalizării histogramei.

Egalizarea histogramei este limitată în sensul că poate produce doar un rezultat: o imagine cu o distribuţie uniformă a intensităţii. Câte o dată este bine să putem modifica

7

Nesteriuc Alexandru Grupa 1143A

forma histogramei de ieşire pentru a putea ridica anumite nivele de intensitate la o imagine.

Extinderea Liniară a Histogramei

La o analiză a histogramei diverselor tipuri de imagini, se constată că, de obieci, o imagine are mai multe nivele de gri şi prezintă două maxime locale. Folosind această caracteristică se poate face o segmentare cu prag a imaginii iniţiale, alegând pragul ca fiind, de regulă, minimul local dintre cele două puncte de maxim. Astfel, pixelii cu nivel de gri mai mic decât pragul ales pot fi consideraţi ca fiind, de exemplu, fundalul (li se atribuie valoarea corespunzătoare negrului), iar cei pentru care nivelul de gri este mai mare decât pragul sunt pixelii obiectului. Datorită iluminării slabe, neuniforme, pot rezulta imagini cu contrast scăzut, imagini pentru care pixelii nu iau valori în întreaga gamă de nivele de gri. Pentru a corecta aceste defecte se folosesc de regulă: egalizarea histogramei sau extinderea liniară la întreaga gama de nivele de gri. Prin aceste operaţii, unui pixel din noua imagine i se atribuie o valoare de gri calculată pe baza unei funcţii (liniare sau exponenţiale), funcţii ce se determină pe baza imaginii iniţiale.

Extinderea liniară a histogramei este o tehnică simplă de imbunătăţire a imaginii care încearcă să crească contrastul imaginii prin „extinderea” intervalului valorilor de intensitate, pe care le conţine, într-un interval de valori dorit (de exemplu întreg intervalul de valori ale pixelilor pe care îl permite tipul de imagine care ne interesează). Se diferenţiază faţă de egalizarea histogramei pentru ca poate să aplice doar o funcţie liniară la gama valorilor pixelilor imaginii. Ca rezultat „imbunătăţirea” este mai puţin vizibilă.

Înainte ca extinderea să fie făcută este necesar specificarea limitelor de jos si de sus a valorilor pixelilor în care imaginea va fi normalizată. De cele mai multe ori aceste limite vor fi chiar minimul şi maximul valorilor pixelilor pe care îl permite tipul de imagine care ne interesează (de exemplu pentru imagini pe 8 biti limitele de jos şi sus pot fi 0 şi 255). Vom nota limita de jos şi limita de sus a şi respectiv b. Apoi folosind cea mai simpla metodă de normalizare scanăm imaginea pentru a găsi valoarea cea mai mică şi cea mai mare a pixelilor prezenţi în imagine. Vom numi aceste valori c şi d. Apoi fiecare pixel este reglat folosind următoare funcţie:

Problema în acest caz este că un singur pixel cu o valoare foarte mică sau foarte mare poate afecta în mod drastic valoarea lui c sau d şi asta poate duce la o imagine de output greşită. Astfel o abordare mai interesantă ar fi ca în primul rând să se facă o histogramă a imaginii, şi apoi se selectează c şi d la, să zicem, 5% si 95% din histogramă (adică 5% din pixelii din histogramă vor avea valori mai mici decât c şi 5% din pixeli vor avea valori mai mari decât d). Acest lucru va împiedica acei pixeli „rebeli” să afecteze rezultatul întinderii.

Alt mod prin care scăpa de acei pixeli este folosirea unei histograme de intensitate pentru găsirea celui mai comun nivel de intensitate intr-o imagine (cum ar fi vârful histogramei) şi apoi o fracţie de tăiere care este de fapt intervalul minim al magnitudinii

8

Nesteriuc Alexandru Grupa 1143A

vârfului sub care datele vor fi ignorate. În alte cuvinte, toate nivelele de intensitate cu date în histogramă sub valoarea acestei fracţii de tăiere vor fi „tăiate” (duse la valoarea intensităţii 0) şi restul intervalului de intensităţi va fi mărit pentru a umple întregul interval a imaginii în discuţie.

Unele implementări funcţionează şi cu imagini colorate. În accest caz toate canalele vor fi întinse folosing aceeaşi compensare şi scalare pentru a menţine corect raportul de culori.

Exemple de Extindere Liniară a Histogramei

Această tehnică este folosită de obicei pentru a îmbunătăţi contrastul unei imagini fără a modifica intensităţile relative a nivelelor de gri într-un mod prea semnificant.

Vom lua pentru exemplu o poză (foto-09-Woman.bmp) care poate fi uşor îmbunătăţită chiar şi de unele implementări foarte simple de mărire a contrastului pentru că histograma intensităţii formează o grupare strânsă dar subţire cum se vede prin observarea histogramei. După extinderea histogramei, folosind o simpla interpolare liniară vom obţine o imagine îmbunătăţită (foto-09-Woman-Corectata.bmp) şi daca vom compara histogramele vom vedea de asemenea o schimbare radicală. Dar deşi imaginea rezultată este o imbunătăţire faţă de original, imaginea intensificată arată cam plată. Daca folosim egalizarea histogramei în acest caz, contrastul imaginii va fi mărit considerabil dar rezultatul (foto-09-Woman-Egalizata.bmp) lasă de dorit.

9

Nesteriuc Alexandru Grupa 1143A

Manual de Utilizare

Interfaţa grafică a programului este simplă, formată din 2 forme, 2 imagini, 7 butoane în forma principală şi 2 butoane, 3 check box-uri şi un grafic în a 2-a formă. În prima formă (forma principală care nu este redimensionabilă) avem în partea de jos, de la stânga la dreapta, următoarele butoane:

- Încãrcare Imagine: încarcă imaginea (în format *.bmp) care urmează să fie: extinsă liniar, egalizată sau pentru care se va trasa histograma;

- Salvare Imagine: care iniţial este dezactivat, se va activa dupa ce imaginea încărcată va fi supusă uneia din cele 2 metode de mărire a contrastului. Iar dacă întradevăr vom folosi una din metode atunci rezultatul va putea fi salvat in format *.bmp;

- Extindere Liniară: butonul este dezactivat până când se încarcă o imagine cu ajutorul butonului „Încarcare Imagine”, iar în momentul apăsării va aplica o extindere liniară asupra histogramei imaginii încărcate iar rezultatul va fi afişat în dreapta spaţiului ferestrei de lucru.

- Egalizare: şi acest buton este dezactivat până după încărcarea unei imagini şi după activare la acţionarea sa se va aplica o egalizare a histogramei imaginii încarcate şi rezultatul ca şi în cazul anterior va fi afişat în dreapta spaţiului ferestrei de lucru.

- Histograma: la fel ca şi „Extindere Liniară” şi „Egalizare” acest buton va fi activat după ce este încărcată o imagine asupra căreia se poate trasa o histogramă. Dacă este apăsat dupa ce a fost încărcată o imagine cea de-a 2-a formă (care de asemenea nu este redimensionabilă) va fi deschisă şi vom putea distinge:

acestea sunt cele 3 check box-uri care iniţial

sunt bifate dar la alegere pot fi debifate si la acţionarea lor se va trasa histograma pentru roşu, verde şi respectiv albastru.o Închidere Histogramă: se înţelege de la sine ce face acest buton adică

va inchide Forma2 readucând focusul pe Forma1 adica fereastra principală a programului.

o Resetează Histograma Precedentă: acest buton este dezactivat până la trasarea unei a 2-a histograme cu o imagine sursă diferită de prima imagine. Acest buton va reseta vechile histograme pentru RGB şi va fi afişată doar histograma imaginii încărcate ultima oară.

- Informaţii Autor: va afişa informaţii despre autor, nume, grupa, an.- Ieşire: acest buton va închide Forma1 sau fereastra principală a programului.

10

Nesteriuc Alexandru Grupa 1143A

Cerinţe Minime

Cerinţele minime de funcţionare ale programului sunt următoarele:

Cerinţe Hardware:

- procesor: Intel Pentium sau AMD Duron/Athlon de la 400Mhz în sus;

- spaţiu ocupat pe hard disk: 2MB (executabil + surse);

- spaţiu ocupat de imagini (în format *.bmp de 24 biti): 61MB

- memorie: minim 32MB RAM;

- VGA display cu rezoluţie de macar 800*600 (de preferat 1024*768) în

high/true color display mode;

Cerinţe Software:

- sistem de operare: Windows 95/98/NT/2000/XP;

- programul este stand-alone dar şi sursele au fost incluse pe CD-ul ataşat;

- pentru recompilare este nevoie de Borland C++ Builder 6.0 sau mai nou;

- programul a fost creat cu ajutorul lui Borland C++ Builder 6.0 (Build 10.57)

instalat sub Windows XP Professional, SP 1 (V. 5.1 - 2600);

- ca menţiune aş vrea să adaug că nu s-a folosit nimic în plus faţă de instalarea

standard a builderului adică nu s-a instalat nici un pachet în plus

11

Nesteriuc Alexandru Grupa 1143A

Concluzii

Prelucrarea imaginilor este un domeniu complex, dinamic, cu numeroase aplicaţii în diverse domenii. Noile tehnologii folosite în industria circuitelor integrate (s-au creat circuite integrate dedicate pentru achiziţie de imagine sau pentru o serie de prelucrări) au permis aplicarea a noi algoritmi şi metode pentru extragera informaţiilor utile din imagine: algoritmi paraleli, clasificatoare bazate pe reţele neuronale etc. Există acum diverse implementări de sisteme în timp real, bazate pe prelucrarea de imagini, sisteme utilizate în industria militară, medicină, sisteme de control automat a proceselor industriale.

S-au adus diverse îmbunătăţiri pentru sisteme de procesare a amprentelor digitale, recunoaşterea feţei, a scrisului. Pentru zonele aglomerate sau de interes strategic au fost proiectate şi implementate sisteme de securitate şi supraveghere bazate pe vederea artificială (machine-vision). De asemeni, prelucrarea computerizată a imaginilor are un rol foarte important în medicină, în domeniul tehnicii medicale: tomografia asistată de calculator, analiza şi interpretarea imaginilor microscopice celulare. În centrele de cercetare din universităţi s-au creat sisteme autonome mobile (roboţi mobili), care folosesc, pentru deplasare sau luarea diverselor tipuri de decizii, subsisteme de vedere artificială.

12

Nesteriuc Alexandru Grupa 1143A

Bibliografie

http://www.cee.hw.ac.uk/hipr/html/

http://terraweb.wr.usgs.gov/software/mips/link/table.html

http://www.canr.uconn.edu/nrme/nrme238/Exercise3.htm

http://www.ece.arizona.edu/~dial/tclsadie

http://supportweb.cs.bham.ac.uk/documentation/visilog5/html/refguide/chap4.html

http://www.olympusmicro.com/primer/digitalimaging/imageprocessingintro.html

http://www.netnam.vn/unescocourse/computervision/22.htm

http://homepages.inf.ed.ac.uk/rbf/HIPR2

13