O‘zbekiston respublikasi oliy

SAVOL VA TOPSHIRIQLAR

1. 
   Tasvirlarni dastlabki qayta ishlash va kontrastni o`zgartirish.
   
2. 
   Past kontrastli tasvirlari haqida tushunchalarni sanab bering.
   
3. 
   Matematik modellar haqida ayting?
   

7. Shovqunlarni tekislash.

Shovqinni kamaytirish algoritmlari odatda shovqinning muayyan turini bostirishga ixtisoslashgan. Har qanday shovqinni aniqlaydigan va bostiradigan universal filtrlar mavjud emas. Biroq, ko`plab shovqinlarni oq Gauss shovqin modeli bilan juda yaxshi yaqinlashtirish mumkin, shuning uchun aksariyat algoritmlar ushbu shovqin turini bostirishga qaratilgan. Shovqinni yo`q qilishning eng keng tarqalgan usullari:

• 
  Silliqlash filtrlari
  
• 
  Wiener filtrlari
  
• 
  Median filtrlari
  
• 
  Saralash filtrlari
  

Gauss shovqinini bostirish uchun ham chiziqli, ham chiziqli bo`lmagan filtrlardan foydalaniladi. Chiziqli filtr aniqlanadigan funksiya (filtr yadrosi) tomonidan belgilanadi. Filtrni o`zi diskret yig`ish (og`irlik yig`indisi) operatsiyasi yordamida amalga oshiriladi. To`g`ri tekislash filtri yordamida har bir nuqtada intensivlik darajasi bir tekislash niqobiga nisbatan o`rtacha bo`ladi. Maskalarga misollar:

₁ 1 1 1

(4.6.1)

^{𝐴1 =} ₉ ⁽1 1 1⁾

1 1 1

₁ 1 1 1
(4.6.2)

^{𝐴2 =} ₁₀ ⁽1 2 1⁾

1 1 1

₁ 1 2 1
(4.6.3)

^{𝐴3 =} ₁₆ ⁽2 4 2⁾

1 2 1

Birinchi holda, markaziy nuqtada intensivlik qiymati qo`shnilar intensivligining o`rtacha qiymati belgilanadi. Boshqa hollarda, koeffitsientlarga muvofiq o`rtacha og`irlik. Wiener filtri yordamida tasvirni qayta ishlashning eng yaxshi natijalari, xususan filtrlash natijalariga erishish mumkin. Uning qo`llanilishi tasvirning statsionarligini taxmin qilish bilan bog`liq. Tasvir qirralarining mavjudligi statsionarlikni buzganligi sababli, Wiener filtrlash qat`iyan maqbul emas. Biroq, ramka o`lchamlari rasmning korrelyatsiya oralig`idan sezilarli darajada oshsa, chegaralarning ta`siri kichik bo`ladi. Texnik jihatdan, Wiener filtri chastota sohasidagi diskret Furier transformatsiyasi yordamida amalga oshiriladi. Ammo chiziqli filtrlash usullaridan foydalanish bir qator amaliy muammolarning maqbul yechimini topishga imkon bermaydi. Axborotni uzatish, kodlash va idrok qilish jarayonlarining nochiziqiy tabiati, masalan, axborot sensori, aloqa kanali, insonning ko`rish tizimi va boshqalar e`tiborga olinishi kerak. Raqamli tasvirni qayta ishlash orqali hal qilinadigan vazifalar doirasini kengaytirish va chiziqli filtrlash usullariga xos bo`lgan kamchiliklarni bartaraf etish uchun, hozirgi vaqtda chiziqli bo`lmagan

raqamli filtrlash usullari faol ravishda amalga oshirilmoqda. Chiziqli filtrlash nazariyasidan farqli o`laroq, chiziqli bo`lmagan filtrlash nazariyasining qurilishi deyarli mumkin emas. Ushbu sinflarning har biri o`zining afzalliklari va qamroviga ega. Median filtr, tekislash filtridan farqli o`laroq, shovqinni bostirishning chiziqsiz usulini amalga oshiradi. Median filtr - bu toq raqamni qamrab olgan tasvir maydoni bo`ylab sirpanchiq oynadir sanaydi Markaziy hisoblash oynaga tushgan barcha tasvir elementlarining mediani bilan almashtiriladi. Diskret ketma-ketlikning medianasi asl ketma-ketlikni buyurtma qilish orqali olingan ketma-ketlikning o`rta darajadagi a`zosi. Silliqlash filtri singari, median filtr suratdagi qo`shimchalar va impulsli shovqinlarni bostirish uchun ishlatiladi.

Median filtrni silliqlashidan ajratib turadigan o`ziga xos xususiyati yorqinlik farqlarini (konturlarni) saqlashdir. Bundan tashqari, agar qo`shilgan oq shovqinning tarqalishiga nisbatan nashrida farqlari katta bo`lsa, u holda median filtr optimal chiziqli filtrga qaraganda yaxshiroq natijalar beradi. Median filtr ayniqsa impulsli shovqin holatida samarali bo`ladi. Tartibga solish filtri, silliqlash kabi, tasvirni o`zgartirish uchun niqobni ishlatadi. Maskada markaziy piksel bo`lishi mumkin yoki bo`lmasligi mumkin. Niqobga tushadigan elementlarning qiymatlari ketma-ket joylashtirilgan va ko`tarilgan (yoki kamayib boradigan) tartibda joylashtirilishi mumkin va ushbu seriyaning ma`lum daqiqalarini hisoblash mumkin, masalan, o`rtacha intensivlik va dispersiyaning qiymati. Markaziy namunani almashtiradigan filtrning chiqish qiymati - markaziy pikselning intensivligi va natijada olingan seriyaning mediani yig`indisi hisoblanadi.

Sensor darajasida, raqamli kameraning yo`llarida va keyinchalik raqamli ishlov berish bilan raqamli shovqinni bostirishning barcha turlari mavjud. Sensor darajasida kattaroq piksellar ishlatiladi va mikrolenslar bir-biriga yaqinroq joylashgan. Bundan tashqari, yorug`likning katta foizini o`tishga imkon beradigan rangli filtrlardan foydalanishingiz mumkin. Ikkinchi usul kameraning rang sifatiga salbiy ta`sir ko`rsatishi mumkin. Yuqori sifatli kuchaytirgichlar va yuqori aniqlikdagi ADClardan foydalanish shovqinni kamaytiradi. Ba`zan (masalan, astrofotografiyada) matritsani sovutish qo`llaniladi. Raqamli stoxastik shovqinni

qayta ishlashdan keyin bostirish algoritm “o`xshash” deb hisoblagan piksellar guruhiga nisbatan pikselning yorqinligini oshirish orqali amalga oshiriladi. Odatda, tasvir tafsilotlari yomonlashadi, u ko`proq “sovunli” bo`ladi. Bundan tashqari, asl sahnada bo`lmagan soxta tafsilotlar paydo bo`lishi mumkin. Masalan, agar algoritm “o`xshash” piksellarni qidirishga imkon bermasa, unda nozik satri va o`rta darajadagi shovqin bostirilishi mumkin va zaif, ammo baribir sezilarli, g`ayritabiiy “katta” shovqin ko`rinib turadi.