فیلتر کننده خاکستری هوش مصنوعی
چکیده :
شرح مذاکرات کمیسیون بین المللی مهندسی برق IEEE درکنفرانس سال 1998 ، در مورد نگرش درباره کامپیوتر شهر بمبئی ، افغانستان ،. پالایش دو جانبه تصاویر هم معنی است با ترکیب غیر خطی که شباهت با تصویر روشی است بدون تکرار و ساده هنگامیکه لبه های خود را حفظ می کنند. این ترکیبات سطوح خاکستری رنگ روی تراکم ژئومتریک و مشابهت فتو متریک پایه گذاری شده اند که نزدیکترین مقدار را به مقدارهای فاصله هم برای دامنه و هم برای محدوده نرجیح می دهند . در مقایسه با فیلترها که بهره برداری می کنند آندسته از تصاویر رنگی جداگانه را فیلتر دو طرفه می تواند وادار کند دریافت متریک اساسی را با فضای رنگ CIE _Lab .رنگ بدون خدشه و نگهداشتن لبه در راه که با آگاهی فاکتورهای انسانی وفق یافته شده است. همچنین در تباین با صاف کردن استاندارد فیلترینگ دو جانبه بدون فانتوم رنگهایی که در امتداد لبه ها در تصاویر رنگی هستند ، و کاهش می دهند فانتوم رنگها را در تصاویر اصلی جاییکه آنها پدیدار میشوند.
کلمات کلیدی :
حل کردن،فیلتر،لبه ، ترکیب شدن ، ناپدید شدن ، بر آمد، پیکسل ،تصویر،پیشینه نما.
Abstract
Proceedings of the 1998 IEEE International Conference on Computer Vision, Bombay, India Bilateral filtering smooths images while preservingedges, by means of a nonlinear combination of nearby image values. The method is noniterative, local, and simple.It combines gray levels or colors based on both their geometric closeness and their photometric similarity, and prefers near values to distant values in both domain and range. In contrast with filters that operate on the three bands of a color image separately, a bilateral filter can enforce the perceptual metric underlying the CIE-Lab color space, and smooth colors and preserve edges in a way that is tuned to human perception. Also, in contrast with standard filtering, bilateral filtering produces no phantom colors along edges in color images, and reduces phantom colors where they appear in the original image.
Keywords:
Solve , filter , edge , combine , disappear , issues , pixel ,image ,histogram.
1.مقدمه
صاف کردن فیلترینگ ممکن است اساسی ترین عملیات در پردازش تصویر و دید گاه کامپیوتر باشد . در پهن ترین دریافت از دوره صاف کردن مقداری از تصاویر صاف شده حالتی از مقادیر تابعی دارند که از مقداری از تصاویر ورودی در مجاورت همان موقعیت کوچک است .دراین خصوص میدان مغناطیسی فیلترینگ کوتاه میزان میانگین همسایگی در مقادیر پیکسل ها در کامپیوتر ها در این زمینه کاهش داده میشود که این سنگینی با فاصله گرفتن از مرکز همسایگی است اگرچه قراردادی است و توصیف چندی از این پهنای انحرافی میتواند باشذ اما دریافت نوعی تصویر در سرتاسر فضا خیلی آهسته است. همینطور پیکسل ها نزدیک به هم هستند . بنابراین میانگین آنها با
هم اختصاص داده میشود .مقادیر پارازیت پیکسل های نزدیک به هم را که دوجانبه مرتبط هستند نسیت به مقادیر سیگنال خراب میکند .
همینطور وقتیکه سیگنال حفظ میشود پارازیت در راه است وقتی که
برآیند نامشخص به نظر می آید با کم کردن فیلترینگ فرض ما از تغییر فاصله آهسته در لبه است . تلاش زیادی اختصاص داده شده برای کاهش این تاثیرات ناخواسته 11 10 9 8 7 6 5 4 3 2 1 }
{ 17 16 15 14 13 .چگونه ما از میانگین کلیه ضایعات ممانعت میکنیم وقتیکه هنوز ناحیه بدون اشکال در میانه است ؟
نفوذ ناهمسان گرد {12 14} پاسخ معمول و عمومی : ناپایداری تصاویر موضعی شمرده شده در عمر نقطه ، و مفادیر پیکسل ها میانگینی از همسایه هایی هستند که اندازه وشکلشان وابسته به اختلالات محلی است . انتشار روشهای میانگین گیری در سرتاسر ناحیه توسعه یافته با حل کردن بخشی از معادلات مشتق است و بنابراین آنها ذاتا تکراری هستند . شروع مجدد ممکن است پایداری ارسال را افزایش دهد و یا به وسیله معماری الگوریتمها راندمان را افزایش دهد . مشابهت دیگر در بازدید از بخش 6 هستند . در این مقاله ما پیشنهاد عدم تکرار برنامه را برای لبه های مسطح کننده که غیر تکراری هستند را داریم . اگرچه ما عدم ارتباط با مشاهده یاخته عصبی فیزیولوزیکی را ادعا میکنیم اما هدف ما فراتر از برنامه ای است که میتواند تکمیل شود با تنها لایه ای از شیه یاخته عصبی که عملیات دیگر را فقط یک بار توسط تصویر اجرا میکند . به علاوه طرح ما اجازه میدهد که خواسته هایی را که تصور میکنیم از فضای فتومتریک انجام دهیم . این هست نکته مهم برای فیلترینگ رنگ تصویر . اگر 3 بانند از رنگ تصاویر به طور جداگانه از یکدیگر صاف شده باشند رنگ های خراب واضح میکنند بدی ضایعات تصویر را . در حقیقت تفاوت سطوح باندها از تباین آنها متمایز بودن اشکال آنهاست . اختصاص دادن به هموار سازی در تعادل رنگ ها ایجاد مزاحمت میکند و سپس ترکیب رنگ ها ظاهر میشود . فیلترهای 2 طرفه در باندهای دیگر میتواند بهره برداری کند از 3 باند با هم و میتواند صراحتا بیان شود بنابراین بحث میشود وقتیکه رنگها کمتر هستند یاوجود ندارند .فقط دریافت رنگهای مشابه با هم میانه هستند ، و مصنو ع نامبرده ناپدید میشود . دید درباره اصول فیلتر دو طرفه هست دامنه ای از یک تصویر که فیلترهای قدیمی روی دامنه آنها کارمیکنند . دو پیکسل میتوانند به پایان برسنند با یکدیگر ،آن هست ، اشغال شده به نزدیک ترین موقعیت فاسله و آنها میتوانند شبیه یکدیگر باشند و مقادیر شبیه به هم داشته باشند . تراکم رجوع میکند به نزدیکی و همسایگی در حوزه ، مشابهت به دلیل مجاورت در دامنه فیلترینگ قدیمی در خوزه فیلترینگ است وبه اجرا درآوردن تراکم با اندازه گرفتن مقدار پیکسل ها با ضریب شکست فاسله محاسبه میشود . .به طور مشابه ما دامنه فیلترینگ را مقدار تصویر میانه ها با سنگینی تباه شده عدم تجانس معنی کردیم .دامنه فیترها غیر خطی هستند زیرا سنگینی آنها مربوط به شذت تصویر یا رنگ میشود.درسایل انجام شده به وسیله الگوریتمها که آنها پیچیدگی کمتری نسبت به فیلترهای غیر قابل تفکیک دارند .مهم این است که ضایعات باقی نگه داشته میشوند همانطوکه ما در بخش 4 نشان میدهیم . موقعیت فضایی هنوز هم یک نظریه مهم است . در حقیقت دامنه فیلترینگ را صرفا با تحریف کردن یک نقشه تصویر رنگی نشان میدهیم .در این هنگام ما ترکیب دامنه و حوزه فیلترینگ را داریم که این نمایش ترکیب بیشتر جالب توجه است . ما فیلترهای ترکیب شده را مانند فیلترهای دوطرفه علامتگذاری میکنیم . وقتیکه فیلترهای دو طرفه را در یک مفهوم و نظریه صریح از فاصله در حوزه و در دامنه از تابع تصویر فرض کنیم ،آنها میتوانند از یک تابع استفاده کاربردی کنند وقتیکه این دو فاصله تعریف شده باشد .در این خصوص
*پشتیبانی از NFSاعطا شده به DOD و IRI_9506064 اعطا شده به 94_G0284وDAAH04_96_1_0007 .و تاسیس شده از سوی Charles Lee Powell .
فیلترهای دوطرفه میتوانند بنابررنگ تصاویر عینا به همان آسانی که با
یک واحد سیاه و سفید به کار برده شده اند کاربردی شوند . CIE-LAB رنگ فاسله ای {16}فضای خونگرم از رنگها با سنجش معنی دریافتی از رنگهای شبیه به هم ،هنگامیکه فاصله اقلیدسی کوتاه شدیدا با کارآیی فاکتورهای انسانی وابسته باشد . صرفا رنگهای دریافتی میانه با هم شبیه هم هستند و منحصرا ضایعات دریافتی که قابل رویت هستند حفظ میشوند .
در پیروی از این بخش ما نظریه دو طرفه بودن فیلترینگ را رسمی کردیم. بخش 3 دامنه فیلترینگ را در جداسازی تحلیل میکند . بخش 4و5 نمایش آزمایشات برای تصاویر سیاه وسفید و رنگی ، به ترتیب است .ارتباط با کارهای قبلی در بخش 6 مورد گفتگو قرار میگیرد .و نظر و عقیده برای اکتشافات مجدد به طور مختصردربخش 7 بیان شده است .
2.عقیده
پایین گذر دامنه فیلتر بکاربرده شده تصویر F(X) و بدست آوردن تصویرمعین به شرح زیر است :
اقداماتی که در تراکم هندسی میان مرکز مجاور نقطه نزدیک به شکل سیاه F و h برای تایید کردن تکرار مجدد هر دو شکل ورودی و خروجی است .
رد شدن از فیلتر به معنای حفظ کردن جزیی از کامپیوتر ازرد شدن بدست آورده شده است .
اگر جابجا کردن فیلتر تغییر ناپذیر است ، تابع فقط یک کار به تفاوت بردار و Kd ثابت است .
دامنه فیلتر به همین نحو تعریف شده است :
حالا جز آن یکی همانند اقدامات فتومتریک میان یک عنصر تصویری به صوی یک مرکز همسایگی X و نقطه ای نزدیک است . بنابراین همسانی کار S دریک دامنه برای همسانی شکل f و بکارانداختن همسانی نزدیک C درقلمرو F عادی شدن ثابت است.(2) جایگزین کردن با
بر خلاف آنچه اتفاق افتاد برای همسانی کار S مربوط به شکل f در ازای نزدیکی کار عادی شده است . بیان ما آن همسانی بی فرض کار S است اگر فقط منوط به تفاوت آن .توزیع فضایی از عکس بازی را در این رل تشدید نمیکند. و در دامنه فیلتر به وسیله خودش نگه میدارد . با هم پیوستن به وسیله تمامی شکل تشدید میشود ، اگر چه دریافت ساختن زیرا شاخص شکلی نبایستی دوراز X قطعی به مدار X برخورد کند . این افزایش قسمت 3 در دامنه فیلتر با خود فقط تغییر رنگ طرح در یک تصویررا نشان داد و بنابراین کاربرد کمی دارد .
راه حل مناسب برای این ترکیب و دامنه فیلتر بدان وسیله اجرا کردن هندسی و مکان فتومتریک هردو . ترکیب فیلترها میتواند به شرح زیر بیان شوند .
با حالت نرمال
ترکیب قلمرو و دامنه فیلترینگ میتواند معنی بدهد و دو طرفه فیلتر شود .
این جایگزینی عنصر تصویری به مقدار x به یک میانگین از شباهت ها و نزدیک به مقدار عنصر تصویری است . در منطقه صاف مقدار عنصر تصویری در یک همسایگی کوچک شبیه یکدیگر وبه صورت عادی همسانی کار بسوی یک بسته است .بطوریکه نتیجه یک فیلتر دو طرفه در اصل یک اعمال استاندارد در قلمرو فیلتر ومیانگین راههای کوچک است ،فرق میان همبستگی ضعیف عنصر تصویری جایگزین بعلت وجود سر وصدا است.حالا رسیدگی کردن به زیر خط حد میان تیره کردن وروشن کردن یک ناحیه در شکل 1(a)است . وقتی که فیلتر دو طرفه است مرکز بیان کننده عنصر تصویری براق است به جهت آنکه در کرانه ،مشابهت تابع sکه مقادیر فرض شده مسدود می شود یکی برای پیکسل ها در همان سمت وصفر را در جهت تیره برای پیکسل ها می بندد . توابع مشابه نشان داده شده اند در شکل 1(b)برای a 23*23 فیلتر پشتیبانی می کند دو پیکسل را در جهت راست در مرحله ای از شکل 1(a) در بازدید از شکل 1(a). عادی شدن دوره k(x) تضمین می کند که وزن برای همه پیکسل ها یکی اضافه می شود .در نتیجه، فیلتر پیکسل روشن را در مرکز با یک میانگین از پیکسل های روشن در مجاورت آنها جایگزین میکند و ضرورتا پیکسل های تاریک را نادیده می گیرد .به طور معکوس ، وقتی که فیلتر در مرکز پیکسل تاریک است ، در عوض پیکسل روشن نادیده گرفته میشود بنا بر این ، شکل نشان داده شده 1(c)فیلترینگ خوبی است که عملکرد آن در حد بالا است ، در نتیجه ترکیب دهنده دامنه در فیلتر و ضایعات خشک در همان زمان نگه داشته شده هستند .
نمودار 1: (a) A 100 ایجاد مزاحمت میکنند با پارازیت دادن میدان مغناطیسی با سطوح خاکستری . (b) از وزن سنگینی تشکیل شده برای 23*23 در همسایگی مرکز 2 پیکسل که عمودشده اند در گام (a) . جز دامنه به طور موثر پیکسل ها را در جهت تاریک تحت فشار قرار میدهد . (c) مرحله (a) بعد از فیلترینگ دو جانبه با سطوح خاکستری و
پیکسلها
2.1مثال :موقعیت میدان مغناطیسی
کیس ساده ومناسب فیلترینگ دو جانبه است فیلترینگ جابه جا کننده تغییر ناپذیر که هر دو دقت تابع ومشابهت تابع هستند در میدان مغناطیسی از فاصله اقلیدسی در مقام مقایسه با استدلالهای دیگر .به ویژه که c هست پرتو وار مناسب
فاصله اقلیدسی بین وXاست . تابع sکاملا مشابه تابع cاست:
مقدار مناسب فضا بین دو شدت مقدار است .در کیس مردج تفاوت قطعی به سادگی ممکن است داشته باشد . در اختلاف پیکسل ها یا ازآنجاییکه پارازیت افزایش میابد به شدت تصویر یک وزن نامستقل از آن ایجاد میشود . به ویژه مثال جالب توجه برای این دسته بردارها داده شده اند در بخش 5. این پراکندگی هندسی در حوزه منتخب مبنی بر مقدار مطلوب از کم کردن فیلترینگ است . یک تیرگی بزرگتر ،که ترکیب شده از مقادیر فاصله های بیشتر از محل های تصویر . همچنین هر وقت یک تصویر مدرج بالا- پایین که باید تنظیم شده باشد بر طبق آن صحیح باشد تا پاسخ معادل و هم معنی آن بدست آید . به همین نحو ،فتومتریک گسترش یافته در دامنه تصویر است . تنظیم با مقدار مطلوب از ترکیب و مقادیر پیچیده انجام رسانیدن است . پیکسل ها با مقادیر زیادی به یکدیگر محصور میشوند . پیکسل ها آمیخته با هم هستند و فاصله مقادیر بیشتر است از .اگر تصویر تقویت کننده یا ضعیف کننده است . بنابراین آن باید تنظیم شود به منظور اینکه نتایج تغییر نکنند .فقط این حالت از دامنه دسترسی فیلتری جابه جاکننده – تغییر ناپذیر است ، دامنه فیلتر میدان مغناطیسی معرفی میکند و از اینرو تحت تاثیر واقع نمیشود :چنانچه فیلترینگ F(x) تولید کند H(x) را ،سپس همان فیلتر کاربردی میشود مطابق F(x)+a بازده H(x)+a وقتیکه
همچنیین دامنه فیلتر جابجایی – تغییر ناپذیر است که میتوان با جمله اهی 3 و4 آن را بازبینی نمود .
-
دامنه ضد فیلترهای دوطرفه
در بخش قبلی ما برای ساختن فیلترهای متقارن ، منحنی فیلتر را با دایره قلمرو فیلتر ترکیب کردیم . حال نشان میدهیم که این ترکیبات بسیار ضروری هستند . از آنجا که خلاصه کردن مطلب از اهمیت خاصی برخوردار است ما بحث را به تصویرهای سیاه و سفید محدود میکنیم . اما نتیجه بدست آمده را برای تصاویر چند گانه نیز میتوانید استفاده کنید . نکته مهم این بخش این است که از منحنی فیلتر برای تغییر شکل دادن حد فاصل دو رنگ (سیاه وسفید) نیزاستفاده میگرد و در حقیقت این برداشتی است که میتوان از یک منحنی فیلتر بدست آورد . اجزای خاکستری که همان حد فاصل دو رنگ سیاه و سفید هستند هنگام ورود در شکل به سرعت پخش میشوند و اجزای خاکستری در حالتای متفاوت نمایش داده میشوند .هیستوگرام نوعی نمودار پیوسته از اعداد صحیح و اعشاری است که ارزش نقاط خاکستری روی شکل را نمایش میدهد . به خاطر اهمیت هماهنگی بین نقاط ، بحث را در رابطه با حالات پیوسته ادامه میدهیم . در ادامه بحث گذشته که مهارتهای عادی ، محدود کردن فضای تیره و نشان دادن تصاویر 3و4 ، برای منحنی فیلتر بود ، در اینجا موقعیت مستقل X را داریم که معادله (7) منحنی فیلتر را در تغییر شکل دادن اجزای خاکستری نمایش میدهد .
نقشه برداری نوعی تابع چگالی است که مقادیرش کامل و نامنفی میباشد و همانند هیستوگرام است که از احتمال توابع همسان دریک ناحیه به وجود آمده باشد . تابع چگالی از نظر شکل همانند معادله(7) است که نشان داده شد. ما میتوانیم با دردست داشتن مطالب بدست آمده نتایج زیر را داشته باشیم :منحنی فیلتر یک تغییر دهنده اشکال میانی یا خاکستری در تصاویر ورودی است . تغییر شکل دادن اشکال خاکستری عملکردی مشابه هیستوگرام دارد و بحث ما دو طرفه بودن فیلترهاست . به ویژه ما میخواهیم نشان دهیم که در محدوده فیلتر یا منحنی فیلتر هیستوگرام بهم فشرده است . در حقیقت این گونه فرض کنید هیستوگرام که دارای اشکال ورودی است منحنی ساده ای است که به اشکال گوناگون در شکل A(2) قرار گرفته است .به طوریکه بعضی از توابع ساده برای هیستوگرام منحنی های نامتوازن تولید میکنند . به طوریکه از سمت چپ نقشه به سمت راست و از سمت راست نقشه به سمت چپ کشیده شده اند و از آنجا که تغییر شکل نیز یک منحنی نامتوازن است دوطرف هیستوگرام حالت بهم فشردگی پیدا میکند . در مرحله اول نتیجه ای که از منحنی فیلتر گرفته میشود به نظر غیر مفید می آید اما پس از ترکیب منحنی فیلتر با دامنه قلمروی آن یک منحنی متقارن بدست می آید که در اصطلاح فیلتر دو طرفه گفته میشود که در معادله 5 و6 نشان داده شده است و در حقیقت اولین دامنه ایست که تابع در آن پایدار می ماند . در اینجا ابتدا تابعی در منوی مجتمع شده X رسم میکنیم . سپس فیلتر متقارنی برای استفاده از منحنی فیلتر در منو بکارمیگیریم . اشکالی که از فیلتر بدست می آید نتیجه نقشه برداری موضعی از نقاط خاکستری رنگ است و جذابیت نقشه خاکستری به خاطر استفاده از نقاط متمایزدر اشکال است . برای مثال در منحنی سه بعدی شکل 2(b) یکی از گامهای هیستوگرام شکل 1(a) نشان داده شده است . این هیستوگرام دو بعدی است و دو بخش عمده نیز داراست که از هم مجزا هستند و به ما اجازه میدهد نتایج را در هر بخش به صورت فشرده مشاهده کنیم . فاصله میان خطوط در شکل 2(b) نشان دهنده تاثیر فیلتر متقارن در هیستوگرام است . و بهم فشردگی نشان دهنده مجزا بودن سطح روشن از سطح تیره است که در شکل 1(c) نشان داده شده است . همانند وقتی که تابعی با دقت زیاد شکل گرفته میشود مانند : گازها که در بخش 2 نشان داده شده اند . وقتی به گازها نیرو داده میشود همه به سمت مرکز متمرکز میشوند .
4 . آزمایش با اشکال سیاه وسفید
در این بحش ما به تجزیه و تحلیل فیلترهای دوطرفه یا فیلترهای متقارن در اشکال سیاه وسفید می پردازیم . در شکل 5(a) و 5(b) ،صفحه رنگی عامل تغییر مکان فیلتر دو طرفه هست . بعضی از مقادیر دسته های خاکستری به تدریج میتوانند در شکل 5(b) به نظر بیایند ، اما این باعث چاپ فرایند است نه باعث فیلتر شدن . شکل مختصر شده به وسیله شکل 5 (b) با مثال روشن میسازد که میتواند برای کاهش تولیدات بدون از دست دادن همه اشکال مفید باشذ . توجه کنید که پنجره فیلتر بسیارنازک تر از موی گربه است و پس ازمدتی بعد از فیلتر شدن به صورت حلقه حلقه میشود . مقذار زیادی از نقاط تیره رویهم رفته با یکدیگر از طرفی به طرف دیگر حرکت میکنند . در صورتیکه نقاط روشن هنگام جا به جا شدن اصلا به چشم نمی آیند . وقتی فیلترها به صورت مجتمع هستند به همه جا پراکنده میشوند و ارزش نقاط به طور متوسط با هم سنجیده میشود . شکل 3 نشان میدهد تاثیرات گونه های مختلف از پارامترها و نتایج بدست آمده از اشکال. سطرهای مانند هم دامنه فیلتر را شامل میشوند و ستونهای مانند هم محیط فیلتر را شامل میشوند . محیط فیلتر به طور ثایت رنج بین 100 تا 300 است و با دسترسی به محیطی بیرون از رنج مورد نظر میتوان بین 1 تا 254 نشانه را با یکدیگر ترکیب کرد . فیلترهای کوچکتر اثرات کمتری نیز دارند . دامنه فیلتر اعمال استاندارد منحنی فیلتر را نشان میدهد . این تاثیرات همانگونه که در ستون قبلی شکل 3 گفته شد به نظر می آید . برای کارهایی با دقت کمتر رنج محیط فیلتر بین 10 تا 30 است . دامنه رنج فیلتر بصورت ادراکی دریافت میشود . هر چند برای جزییات اشکال آنها باید حرکت داده شوند تا ارزشهای کمتر نیز نشان داده شوند . این امر ظاهرا نادرست ولی در اصل درست است و تاثیرات در سطر قبلی در شکل 3 نشان داده شده است . شکل ها را میتوان واضح تر ازآنچه هستند به نمایش گذاشت هر چند مبهم باشند . این نتیجه ایست که از تغییر شکل دادن نقشه خاکستری و ترکیب هیستوگرام گرفته میشود . در مورد نتایج در بخش 3 بحث شد . در حقیقت بسیاری از منحنی های پهناور دارای فیلترهای دوطرفه هستند زیرا محیط فیلتر یک مسیله مهم و اساسی است . از آنجایکه شدت مقادیر هستند دوباره طراحی شده با فیلتر دامنه جزییات اتفاق افتاده شده گم نمیشود . بعلاوه وقتی که دامنه فیلتر به هم فشرده باشد تصویر پیش نمایش میشود . شکل 2(c) نمایش پیش نمایش برای ورودی تصویر و 2 خروجی تصویر است با
تراکم نتیجه مشهود است . فیلترهای دوطرفه با پارامترهای پیکسلها و شدت مقادیر کاربردی است مطابق تصویر در نمودار 4 (a) و نتیجه تصویر هم در همین نمودارذکر شده است . شکل 4(c) نمایش جزییات شکل 4(a) است . و شکل 4(d) نمایش متناظر ورژن فیلتر است .دو اتحاد فرضی شبیه شاهده یک گراف که یک الگوی خوب دارد است . هر چند که سرتاسر تیرگی حفظ شده است ، زیرا آن درست در داخل حوزه فیلتر نوار است . و تقریبا ساده است با ناحیه فیلتر .
شکل 2: (a) پیش نمایش تصویر یک نمایی (استوار) و تابع مشابه میدان مغناطیسی (به سرعت انجام شده ) حاصلضرب عملکرد آنها (نقطه دار) که اریب شده به سمت راست است . (b) پیش نمایش (به سرعت انجام شده ) برای فیلتر تصویر دز شکل 1(c) .(c) شدت میدان مغناطیسی برای تصویر در نمودار(استوار) 5 (a)
وبرای تصاویر خروجی با (به سرعت انجام شده )و با نقطه دار از نمودار 3
همچنین مرز تحاد حقظ شده است . بر حسب هزینه انجام شده وسیله الگوریتم ها ،فیلتر دو جا نبه دو برابر گرانتر از حوزه فیلتر غیر قابل تفکیک با همان اندازه است .جزء دامنه مربوطه در تصویر غیر خطی وغیر قابل تفکیک است . در قاب میدان مغناطیسی اگر تصویر شامل سطوح n باشد وجود دارد 2n+1 مقادیر امکان پذیر برای s ، برای هر مقدار ممکن متفاوت است.
5 . آزمایش با رنگ تصاویر
برای تصاویر سیاه وسفید ،فراوانی بین هردو سطر خاکستری همیشه خاکستری است. نظر به اینکه نتیجه منطقی وقتی که تصاویر سیاه وسفید بدون اشکال با صافی پایین گذر استاندارد باشد به دست می آید. هدف های میانی از محصولات لبه های سر تا سر تولید شده هستند بدین وسیله لکه ی عکسها ایجا د می شود . با عکسهای رنگی یک پیچیدگی اضافی رخ خواهد داد به این خاطر که بین هر دو رنگ نوع دیگری وجود دارد ، بیشتر اوقات نسبتا رنگها متفاوت هستند مثلا:بین آبی وقرمز سایه ی رنگهای ارغوانی وصورتی وجود دارد . بدین گونه ،بر هم زدن نوارهای رنگ احتمالا هموار سازی سرتاسر ضایعات رنگ را ارائه می دهد. عکس هموار در یک نگاه فقط لکه دار نیست همینطور نمای یکه ای وتشعشعات رنگی اطراف شی را نمایش می دهد . نمودار 6(a) در صفحه های رنگی جزئیات یک عکس را با یک نیم تنه رنگی در مقابل یک آسمان آبی نشان می دهد . حتی در این عکس غیر تیره ، یک سوراخ نازک خط ارغوانی پدیدار است .و این علت ترکیب لنز تیره شده وپیکسل میانی است . در حقیقت پیکسل ها در طول کرانه هستند ،هنگامی که طرح به صحنه باز میگردد تقاطع نیم تنه قرمز وآسمان آبی وسوراخ میانی ازقرمز وآبی نتیجه رنگ است . هنگامی که هموار است ، این تاثیر تایید کننده ای بر پهنا است تیرگی سوراخ منطقه ارغوانی در شکل 6(b) نشان داده شده است به سختی لبه ی نگه دارنده ی هموار سازی برای قرمز وسبز ومولفه های آبی از عکس جدا گانه ای می توانست کاربردی باشد . هر چند شدت برش های عمودی لبه در درخت نوار های رنگی به طور کلی مختلف هستند ،تاثیرات هموار سازی جداگانه در یک زوج کاملا مشخص سوراخ نوار ارغوانی سبت به اصل است ،همین در شکل6(c)نشان داده شده است .نوار سوراخ ارغوانی ،اگر چه عریض نیست اما در نسخه تیرگی استاندارد از شکل 6(b) است .یک نتیجه خیلی خوب می توان از فیلترینگ رو طرفه بدست آورد.در حقیقت یک فیلترینگ دو طرفه مجوز ترکیبات سر نوار رنگی به طور مناسب واندازه گیری فتو متریک فاصله ها بین پیکسل ها در فضای ترکیب را صادر می کند .علاوه بر این ،این فاصله ترکیبات می تواند با ارتباط دقیق درک عدم تجانس بااستفاده از روابط اقلیدسی فاصله درCIE-lab فضای رنگی آزمایشگاه ساخت شود{16}.
این فضا مبنی بریک بدنه وسیع وابسته به علم روابط میان تن و روان داده در باب تطبیع رنگ است. آزمایشات انجام داده شده توسط بشر مشاهده شده است این فضای کم شدیدا مرتبط به فاصله های وابسته به هندسه اقلیدسی با درک اختلافات رنگی است . برای مثال تجربه ما یک میانگین رنگی معمولی مشاهده بشر است . بنابراین تا اندازه ای فیلترینگ دوطرفه انجام شده در CIE آزمایشگاه فضای رنگی باید نوع طبیعی از فیلترینگ باشد . برای تصاویر رنگی فقط ادراک رنگهای مشابه میانه با هم وادراکات لبه های مهم نگهداری میشوند .شکل 6(d)نتیجه تصویررا از هموار سازی دو طرفه در شکل 6(a) نشان می دهد .سوراخ نوار چروک شده به طور قابل ملاحظه وبدون اتفاقی رنگ ها مشاهده شده است. شکل7(C)در قابهای رنگ نشان دهنده نتیجه ی پنج تکراراز فیلترینگ دوطرفه از تصویر در شکل 7(a)است.
هنگامی ک یک سیگنال تکرار کننده تولید می شود تصویر کاملا پاک می شود . شکل7(b) نسبت به اصلی وشاید کفایت کننده برای بیشترین تصویر برداری نیاز است . تکرار متعدد روی مسطح کردن رنگها در یک تصویر قابل ملاحظه بدون تیرگی لبه هاتاثیر می گذارد .نتیجه تصویر مقداری خورده رنگ دارد وتاثیرات دو طرفه فیلترینگ به آسانی دیدن برگه چاپ شده هنگامی که نشان داده می شود هستند.
تذکر: نقشه نمونه شبیه ظاهر شکل7(c)است . همه سایه ها ولبه ها نگه داشته شده هستند اما بیشترین سایه رفع شده است که جدید نیستند ،رنگها معرف نوع فیلترینگ هستند.
