Filtrace obrazu
Cíl cvičení
- Porozumět principu prostorových filtrů
- Umět prostorové filtry aplikovat
Základní pojmy
Aplikace prostorových filtrů na obrazová data se řadí mezi metody zvýraznění obrazu. S jinými metodami zvýraznění obrazu jsme se setkali již v minulých cvičeních. Příkladem byla úprava (roztažení) histogramu v Colour Manipulation, či vytváření barevných syntéz a počítání spektrálních indexů. Metody zvýraznění obrazu můžeme tedy rozdělit do následujících skupin:
- Bodové (radiometrické) zvýraznění - manipulace s odstíny šedi, prahování, hustotní řezy
- Prostorové zvýraznění - prostorové filtrace, Fourierovy transformace
- Spektrální zvýraznění - sestavování barevných syntéz, barevná zvýraznění více pásem (analýza hlavních komponent, aritmetické kombinace, IHS transformace)
Prostorová frekvence
Popisuje množství změn v hodnotách pixelů pro dané území v závislosti na vzdálenosti. Nízká prostorová frekvence znamená, že jsou si hodnoty v rastru podobné. Naopak pokud se hodnoty v rastru výrazně liší, mluvíme o vysoké prostorové frekvenci.
Konvoluce
- Jedná se o proces, kde je pro výpočet nových hodnot pixelů využito pohyblivé okno (kernel) s předem definovanými hodnotami váh. Toto pohyblivé okno se postupně pohybuje po celém rastru.
- Pohyblivé okno je zpravidla čtvercového tvaru a má většinou rozměry 3×3, 5×5 nebo 7×7 pixelů (je potřeba mít lichý počet sloupců a řádků, protože se počítá hodnota prostředního pixelu, nicméně nemusí to být pravidlem).
- Nové hodnoty rastru se počítají nejčastěji pomocí tzv. konvolučního vzorce, což ale není nic jiného, než vážený průměr hodnot pixelů v pohyblivém okně.
Dělení filtrů
Prostorové filtry můžeme dělit dvěma způsoby. První způsob dělení je podle druhu informace, kterou dané filtry propouští, a druhou metodou je pak způsob, jakým jsou nové hodnoty rastru určovány.
Dělení podle propustnosti informací
- Vysokofrekvenční (high-pass) filtry - propouštějí vysokofrekvenční informaci a zesilují tedy rozdíly mezi hodnotami v obraze. Dochází tak ke zvýraznění obrazu. Využívají se například pro detekci hran.
- Nízkofrekvenční (low-pass) filtry - propouštějí pouze nízkofrekvenční informaci a potlačují tak rozdíly mezi hodnotami v obraze. Dochází k vyhlazení obrazu. Slouží například k redukci šumu.
Dělení podle způsobu výpočtu nových hodnot
- Lineární filtry - nová hodnota daného pixelu je vypočtena jako lineární kombinace hodnot v jeho okolí (v pohyblivém okně). Je použito konvolučního vzorce.
- Nelineární filtry - nová hodnota daného pixelu není lineární kombinací okolních hodnot a k výpočtu tedy není použita konvoluce. Příkladem může být např. mediánový filtr, či filtry přiřazující danému pixelu maximální případně minimální hodnotu z okolí.
Využití filtrů a shrnutí
Filtry mají v DPZ řadu využití. Příklady mohou být následující:
- Vylepšení, zvýraznění obrazu
- Analýza či automatické zpracování
- Odstranění šumu
- Vyhlazení klasifikačních výsledků
Princip prostorových filtrů názorně shrnují následující videa:
Ukázka použití filtrů ve SNAP
Ve SNAP máme dvě možnosti, jak se dostat k prostorovým filtrům. Buď můžeme kliknout pravým tlačítkem myši na některé pásmo v Product Explorer a následně zvolit možnost Filtered Band... nebo můžeme přes menu Raster → Filtered Band... Pokud k prostorovým filtrům přistupujeme druhým způsobem, je potřeba mít označeno pásmo buď v Product Explorer nebo v mapovém okně.
V nově otevřeném okně si pak můžeme vybrat jeden z nabízených filtrů nebo si vytvořit svůj vlastní. Dále můžeme volit počet iterací nebo se podívat na kernel jednotlivých filtrů.
Po aplikování filtru se nám filtrovaný obraz přidá do mapového okna.
Úkol - Aplikace vybraných filtrů
- Použít na jedno z původních desetimetrových pásem (tj. B2, B3, B4 nebo B8) čtyři různé filtry (alespoň jeden nízkofrekvenční a jeden vysokofrekvenční). Popsat co se děje s obrazem pro následující oblasti:
- Vodní plocha a břehové oblasti
- Město / zástavba
- Lesní plocha
- Ke každému popisu přidat obrázek jako důkaz
- V závěru zhodnoťte, které filtry jsou výhodné pro zvýraznění změn mezi jednotlivými plochami a které potlačují různorodosti v rámci ploch stejného typu.
Nízkofrekvenční filtry
- Průměrový (Mean)
- Mediánový
- Low-Pass
- Min/Max
- Morphological
Vysokofrekvenční filtry
- Line (edge) detection
- Laplace
- High-Pass
- Emboss
- Standard Deviation
Vysokofrekvenční filtr lze získat i tak, když od původního pásma odečteme pásmo s aplikovaným nízkofrekvenčním filtrem.