В этом примере показано, как использовать blockproc
вычислить статистику из больших изображений и затем использовать ту информацию, чтобы более точно обработать изображения blockwise. blockproc
функция хорошо подходит для применения операции к изображению blockwise, сборки результатов и возврата их как новое изображение. Много алгоритмов обработки изображений, однако, запрашивают "глобальную" информацию об изображении, которое не доступно, когда вы только рассматриваете один блок данных изображения за один раз. Эти ограничения могут оказаться проблематичными при работе с изображениями, которые являются слишком большими, чтобы загрузить полностью в память.
Этот пример выполняет задачу, похожую на найденный в Улучшении Многоспектрального Цветного Составного примера Изображений, но адаптированный к большим изображениям с помощью blockproc
. Вы будете улучшать видимые полосы файла LAN Эрдаса rio.lan
. Эти типы методов обработки блока обычно более полезны для больших изображений, но маленькое изображение будет работать в целях этого примера.
Используя blockproc
, считайте данные из rio.lan
, файл, содержащий Landsat тематическое формирование изображений картопостроителя в формате файла LAN Эрдаса. blockproc
имеет встроенную поддержку чтения TIFF и файлов JPEG2000 только. Чтобы считать другие типы файлов, необходимо записать класс Адаптера Изображений, чтобы поддержать ввод-вывод для конкретного формата файла. Этот пример использует предварительно созданный класс Адаптера Изображений, LanAdapter
, который поддерживает файлы LAN чтения. Для получения дополнительной информации о записи классов Адаптера Изображений смотрите, Выполняют Обработку Блока на Файлах изображений в Неподдерживаемых форматах.
Формат LAN Эрдаса содержит видимый красный, зеленый, и синий спектр в полосах 3, 2, и 1, соответственно. Используйте blockproc
извлекать видимые полосы в изображение RGB.
Создайте объект LanAdapter, сопоставленный с rio.lan.
input_adapter = LanAdapter('rio.lan');
Выберите видимый R, G, и полосы B.
input_adapter.SelectedBands = [3 2 1];
Создайте функцию блока, чтобы просто возвратить неизменные данные о блоке.
identityFcn = @(block_struct) block_struct.data;
Создайте начальное изображение истинного цвета.
truecolor = blockproc(input_adapter,[100 100],identityFcn);
Отобразите результаты перед улучшением.
imshow(truecolor)
title('Truecolor Composite (Not Enhanced)')
Получившееся изображение истинного цвета похоже на тот из paris.lan
в Улучшении Многоспектрального Цветного Составного примера Изображений. Изображение RGB кажется тусклым с небольшим контрастом.
Во-первых, попытайтесь расширить данные через динамический диапазон с помощью blockproc
. Эта первая попытка просто задает новый указатель на функцию, который вызывает stretchlim
и imadjust
на каждом блоке данных индивидуально.
adjustFcn = @(block_struct) imadjust(block_struct.data,... stretchlim(block_struct.data)); truecolor_enhanced = blockproc(input_adapter,[100 100],adjustFcn); imshow(truecolor_enhanced) title('Truecolor Composite with Blockwise Contrast Stretch')
Вы сразу видите, что результаты являются неправильными. Проблема состоит в том что stretchlim
функция вычисляет гистограмму на входном изображении и использует эту информацию, чтобы вычислить пределы фрагмента. Поскольку каждый блок настроен в изоляции от его соседей, каждый блок вычисляет различные пределы из своей локальной гистограммы.
Чтобы исследовать распределение данных через динамический диапазон изображения, можно вычислить гистограмму для каждой из трех видимых полос.
При работе с достаточно большими изображениями вы не можете просто вызвать imhist
создать гистограмму изображений. Один способ инкрементно создать гистограмму состоит в том, чтобы использовать blockproc
с классом, который суммирует гистограммы каждого блока, когда вы отодвигаетесь изображение.
Исследуйте HistogramAccumulator
класс.
type HistogramAccumulator
classdef HistogramAccumulator < handle properties Histogram Range end methods function obj = HistogramAccumulator() obj.Range = []; obj.Histogram = []; end function addToHistogram(obj,new_data) if isempty(obj.Histogram) obj.Range = double(0:intmax(class(new_data))); obj.Histogram = hist(double(new_data(:)),obj.Range); else new_hist = hist(double(new_data(:)),obj.Range); obj.Histogram = obj.Histogram + new_hist; end end end end
Класс является простой оберткой вокруг hist
функция, позволяя вам добавить данные в гистограмму инкрементно. Это не характерно для blockproc
. Наблюдайте следующее простое использование HistogramAccumulator
класс.
Создайте HistogramAccumulator
объект.
hist_obj = HistogramAccumulator;
Разделите демонстрационное изображение в 2 половины.
full_image = imread('liftingbody.png');
top_half = full_image(1:256,:);
bottom_half = full_image(257:end,:);
Вычислите гистограмму инкрементно.
addToHistogram(hist_obj,top_half); addToHistogram(hist_obj,bottom_half); computed_histogram = hist_obj.Histogram;
Сравните с результатами IMHIST.
normal_histogram = imhist(full_image);
Исследуйте результаты. Гистограммы численно идентичны.
figure subplot(1,2,1) stem(computed_histogram,'Marker','none') title('Incrementally Computed Histogram') subplot(1,2,2) stem(normal_histogram','Marker','none') title('IMHIST Histogram')
Теперь используйте HistogramAccumulator
класс с blockproc
создавать гистограмму красной полосы данных в rio.lan
. Можно задать указатель на функцию для blockproc
это вызовет addToHistogram
метод на каждом блоке данных. Путем просмотра этой гистограммы вы видите, что данные сконцентрированы в небольшой части доступного динамического диапазона. У других видимых полос есть подобные распределения. Это - одна причина, почему исходный составной объект истинного цвета кажется тусклым.
Создайте объект HistogramAccumulator.
hist_obj = HistogramAccumulator;
Настройте blockproc
указатель на функцию
addToHistFcn = @(block_struct) addToHistogram(hist_obj, block_struct.data);
Вычислите гистограмму красного канала. Заметьте что addToHistFcn
указатель на функцию действительно генерирует любой выход. Поскольку указатель на функцию передал blockproc
ничего не возвращает, blockproc
ничего не возвратит также.
input_adapter.SelectedBands = 3; blockproc(input_adapter,[100 100],addToHistFcn); red_hist = hist_obj.Histogram;
Отобразите результаты.
figure stem(red_hist,'Marker','none') title('Histogram of Red Band (Band 3)')
Можно теперь выполнить соответствующий контрастный фрагмент на изображении. Для обычных, рабочих процессов в оперативной памяти можно просто использовать stretchlim
функция, чтобы вычислить аргументы к imadjust
(как MultispectralImageEnhancementExample
пример делает). При работе с большими изображениями, как мы видели, stretchlim
легко не адаптируется к использованию с blockproc
поскольку это использует гистограмму полного образа.
Если вы вычислили гистограммы изображений для каждой из видимых полос, вычислите соответствующие аргументы к imadjust
вручную (подобный, к как stretchlim
делает).
Сначала вычислите гистограммы для зеленых и синих полос.
hist_obj = HistogramAccumulator; addToHistFcn = @(block_struct) addToHistogram(hist_obj,block_struct.data); input_adapter.SelectedBands = 2; blockproc(input_adapter,[100 100],addToHistFcn); green_hist = hist_obj.Histogram; hist_obj = HistogramAccumulator; addToHistFcn = @(block_struct) addToHistogram(hist_obj,block_struct.data); input_adapter.SelectedBands = 1; blockproc(input_adapter,[100 100],addToHistFcn); blue_hist = hist_obj.Histogram;
Вычислите CDF каждой гистограммы.
computeCDF = @(histogram) cumsum(histogram) / sum(histogram); findLowerLimit = @(cdf) find(cdf > 0.01, 1, 'first'); findUpperLimit = @(cdf) find(cdf >= 0.99, 1, 'first'); red_cdf = computeCDF(red_hist); red_limits(1) = findLowerLimit(red_cdf); red_limits(2) = findUpperLimit(red_cdf); green_cdf = computeCDF(green_hist); green_limits(1) = findLowerLimit(green_cdf); green_limits(2) = findUpperLimit(green_cdf); blue_cdf = computeCDF(blue_hist); blue_limits(1) = findLowerLimit(blue_cdf); blue_limits(2) = findUpperLimit(blue_cdf);
Подготовьте аргумент к IMADJUST.
rgb_limits = [red_limits' green_limits' blue_limits'];
Масштабируйтесь к области значений [0, 1].
rgb_limits = (rgb_limits - 1) / (255);
Создайте новый adjustFcn
это применяется, глобальная переменная превышают лимиты и используют blockproc
настраивать изображение истинного цвета.
adjustFcn = @(block_struct) imadjust(block_struct.data,rgb_limits);
Выберите полные данные о RGB.
input_adapter.SelectedBands = [3 2 1]; truecolor_enhanced = blockproc(input_adapter,[100 100],adjustFcn);
Отобразите результат. Получившееся изображение очень улучшено с данными, покрывающими больше динамического диапазона, и при помощи blockproc
вы стараетесь не загружать целое изображение в память.
imshow(truecolor_enhanced)
title('Truecolor Composite with Corrected Contrast Stretch')
blockproc
| imadjust
| imhist
| stretchlim