Быстрый алгоритм аппроксимации изображения в скользящем окне
Автор: Глумов Н.И., Крайнюков Н.И., Сергеев В.В., Храмов А.Г.
Журнал: Компьютерная оптика @computer-optics
Рубрика: Обработка изображений: Восстановление изображений, выявление признаков, распознавание образов
Статья в выпуске: 13, 1993 года.
Бесплатный доступ
Предложен быстрый алгоритм аппроксимации функции яркости изображения в скользящем прямоугольном окне в виде многочлена от двух переменных. Коэффициенты при степенях неизвестных находятся по рекуррентным формулам, что позволяет существенно сократить вычисления.
Короткий адрес: https://sciup.org/14058279
IDR: 14058279
Текст научной статьи Быстрый алгоритм аппроксимации изображения в скользящем окне
Для вычисления локальных характеристик изображения при наличии шумов часто используются различные алгоритмы аппроксимации изображения. Аппроксимация функции яркости изображения в некотором окне в виде многочлена от двух переменных позволяет выполнить сглаживание изображения, вычислить значение производных, определить геометрические инварианты (первую и вторую квадратичную форму поверхности, среднюю и гауссовскую кривизну) и т.д. Аппроксимация функции яркости производится методом наименьших квадратов, в этом случае аппроксими-руюший многочлен представляет собой проекцию на конечномерное подпространство многочленов степени меньше или равной заданной 11,2]. При вычислении коэффициентов многочлена используются рекуррентные формулы, позволяющие существенно сократить вычисления.
-
2.Локальная аппроксимация изображения
Пусть х(ш,п) - функции яркости изображения в точке Qiipi^eG, G - область определения изображения. Аппроксимация изображения х(м,л) в симметричном прямоугольном окне И^{ (А',О | -MsksM, -N^kN } размером (2М+1)х(2Л'+1) заключается в том, что для каждого положения центра окна ишется приближенное представление функции яркости в виде полинома степени Р.
x(m-k,n-iy £ a^m,n) k'l', U-Пей (1)
(m,n)t?G , (k,l)e W где D={ (zj) | (УУР, УуР, O^j^P } - множество показателей степеней, соответствующих полиному степени Р. Заметим, что коэффициенты полинома а^т,л) являются функциями от положения центра окна (/щи).
Найдем коэффициенты а^т.п) в (1) из условия минимума среднеквадратичной ошибки аппроксимации:
е2(т,л) = £ -x^m-k.n-^-x^m-k.n-^2 - min tk.l^W по коэффициентам полинома, получаем систему линейных уравнений относительно неизвестных коэффициентов:
Е e^fVa^m.nl^p^m.n) , (s.r)eQ , (2)
UPeQ где pst(m,n)= ^ к*Гх(.т-к,п-1) -моментфунк-(k.l)eW ции яркости изображения порядка (уд) при положении центра окна в точке ^т.п). 6s t= V ksl' (k.l)eW
- постоянные коэффициенты, определяемые размерами окна И<
Решая систему (2), находим значения коэффициентов апроксимируюшего полинома в виде линейной функции от моментных характеристик.
Рассмотрим случай аппроксимации квадратичным полиномом:
x(m-*,n-/)=A(m,n)*2^S(m,n)*/+(3)
+ С(л7,л)л2+£?(л?,л)А+Е’(т1л)/+Г(л?,л)
Решение системы (2) в этом случае будет иметь следующий вид:
А(т,л) =
ЕЦт.пу
45 ^(ЛТ, л)--------- J
M^M^2N^8M3*A2M2-2M-3^ ___ 9Ац( т.л)___
M(M*1)/V(^1)(2M+1)(2M-1) ’
С(Л7,Л) =
0(П7,Л) =
Е^т.пу
F(m,ny
^Ау^т.пУ 45 ^ог(т,л)J
N(N-1)(2AM)(8N3 + 12N?-2N3)
Зн0(л7,л)
М(АМ)(2АМ)(2АМ) ’
3-ц01(т ,л)
А/(АМ)(2ЛМ)(2АМ) *
Иоо(т,л)
(2ЛМ)(2М+1)
Ц^.пу ^^^
(2^-1)(8М3^12М2-2М-3)
1ц02(т,л)--—- — J
(2ЛМ)(8А/М2Л/2 2N 3)
Из выше приведенных формул видно, что вычислительная сложность алгоритма локаль-
Приравнивая нулю частные производные
ной аппроксимации определяется, в основном, затратами времени на вычисление моментных характеристик ц,^т,пУ
-
3. Рекурсивный алгоритм вычисления моментов.
Сначала построим рекурсивный алгоритм для расчета моментных характеристик функции одной переменной. Момент порядка к в точке п определяется по формуле:
N v^Y. skx(n-s} .
*=-N
Установим связь между ^к(и) и моментами р0(/г-1), Pi(«-1),—, Pk(«-i) в предыдущей точке (л-1):
N ЛМ
52 skx(n-sV 52 s*x(n-s)+(-W)*x(n+W)-e=-N«—IM
(NA^n-NA)
W*1
52 SkX(.n-sV 52 (s+1)*x(n-1-s)= s—fMs—N
N кк
-£ ^с^х^и-^сЬф-^.
»=-N /=0/=О где Ск' - биноминальные коэффициенты.
Таким образом, рекуррентное соотношение для вычисления моментов функции одной переменной имеет вид:
^п>У С/*р/(л-1)*(-Л/)*х(л+Л/)- (4)
АНА^х^п-МА^ .
По аналогии с (4) получим рекурсивный алгоритм расчета моментных характеристик функции двух переменных:
ц^т.л)^ C/-n;(m-1,n)*(-*f)*x(m+/V,n)-мо
I
Ukilm-n) =Е C* H*/(m,n-1) A-N)^^m,n*N)-
Л»
ANAy^m,n-NA^ .
Данный алгоритм позволяет за один проход изображения скользящим окном вы-числить все требуемые моментные характеристики за счет некоторого увеличения требуемого объема оперативной памяти для хране ния промежуточных одномерных моментов рк(л),Л-0,..., Р. Другой особенностью алгоритма является независимость объема вычислений от размеров окна обработки (23/+1)(2.У+1).
Для случая аппроксимации квадратичным полиномом (3) требуется вычислить моменты до второго порядка включительно, и система (5) принимает следующий вид:
цДт,л)=р0(т-1,л)+х(т<-М,л)-х(т-М-1,/7)
^m.ri^v^mA ,п) ^(т-1 ,л) -
+Мх(т*М,л)-(АМ)х(т-М-1,л)
ц2(т,^=н0(т-1, л) +2-^ (т-1 ,л) *
*ц2(т-1,л) + М2х(т+М,л)-(М+1)2х(т-М-1,п)
Цад(т,л)=1100(т,л-1)+р0(т1л*/У)-^
ц01(т,л)=ц00(т,л-1) *BOi(m. л-1) -
-М ц0(т,л+/У)-(/УИ) р0(т,л-А/-1)(6)
рО2(т,л) = Роо(т,п-1)+2цО1(т,п-1) + *и02(т,л-1)+Л/2ц0(т,л+ЛО-
-(^1)2110(т,л-А/-1)
и10(т,л)=ц10(т,л-1)^1(т,л*А/)-ц1(т,л-У-1) р11(т,л)=ц10(т,л-1)*р11(т,л-1)-
-/V-n^m.n+AO-tAMpn^m.n-N-l)
Vi20(1m,ri) = \i20(lm,n-AV^m>n^-vi2(m.n-N-A') .
Для расчетов моментов по рекуррентным соотношениям (6) требуется лишь 10 операций умножения и 27 операций сложения для каждого положения окна (умножение на два считается сложением). Рассмотренный алгоритм существенно эффективнее метода непосредственного вычисления моментов, для которого в данном случае требуется приблизительно 6(2Л/+1)(2У+1) операций умножения и сложения. Как показывает анализ, рекурсивный алгоритм вычисления моментов также эффективнее вычислений на основе быстрых алгоритмов дискретного преобразования Фурье.
4. Заключение.
Предложенный быстрый алгоритм позволяет произвести локальную аппроксимацию изображения в скользящем окне в виде многочлена любой степени от двух переменных. Рекурсивное вычисление кэффипиентов существенно сокращает вычисления в случае больших размеров.
1. Треногин В А. Функциональный анализ. М.: