این دستور pnmnlfilt است که می تواند در ارائه دهنده هاست رایگان OnWorks با استفاده از یکی از چندین ایستگاه کاری آنلاین رایگان ما مانند Ubuntu Online، Fedora Online، شبیه ساز آنلاین ویندوز یا شبیه ساز آنلاین MAC OS اجرا شود.
برنامه:
نام
pnmnlfilt - فیلترهای غیر خطی: صاف، میانگین تریم آلفا، هموارسازی تخمین بهینه،
افزایش لبه
خلاصه
pnmnlfilt آلفا شعاع [pnmfile]
شرح
pnmnlfilt یک تصویر خروجی تولید می کند که در آن پیکسل ها خلاصه ای از چندین پیکسل نزدیک هستند
مکان مربوطه در یک تصویر ورودی
این برنامه بر روی جریان های چند تصویری کار می کند.
این چیزی شبیه فیلتر چاقوی ارتش سوئیس است. دارای 3 حالت کار مجزا است. در همه
از حالت هایی که هر پیکسل در تصویر با توجه به آن و آن مورد بررسی و پردازش قرار می گیرد
مقادیر پیکسل های اطراف به جای استفاده از 9 پیکسل در یک بلوک 3x3، 7 ناحیه شش ضلعی
نمونه برداری می شود، اندازه شش ضلعی ها با پارامتر شعاع کنترل می شود. آ
مقدار شعاع 0.3333 به این معنی است که 7 شش ضلعی دقیقاً در پیکسل مرکزی قرار می گیرند (یعنی.
هیچ اثر فیلتری وجود نخواهد داشت). مقدار شعاع 1.0 به این معنی است که 7 شش ضلعی
دقیقاً متناسب با یک آرایه پیکسل 3x3 است.
آلفا کمرنگ متوسط فیلتر کردن (0.0 <= آلفا <= 0.5)
مقدار پیکسل مرکزی با میانگین 7 مقدار شش ضلعی جایگزین می شود، اما
7 مقدار بر اساس اندازه مرتب شده اند و قسمت آلفای بالا و پایین 7 حذف می شوند
از میانگین این بدان معناست که مقدار آلفای 0.0 همان نوع خروجی را می دهد
پیچیدگی معمولی (یعنی فیلتر میانگین یا صاف کردن)، که در آن شعاع تعیین می کند
"قدرت" فیلتر. یک مقدار خوب برای شروع فیلترهای ظریف آلفا = 0.0 است.
شعاع = 0.55 برای تأثیر آشکارتر، آلفا 0.0 و شعاع 1.0 را امتحان کنید
مقدار آلفای 0.5 باعث می شود که از مقدار متوسط 7 شش ضلعی برای جایگزینی استفاده شود.
مقدار پیکسل مرکزی این نوع فیلتر برای حذف «پاپ» یا تک پیکسل خوب است
نویز از یک تصویر بدون پخش کردن نویز یا لکه دار شدن ویژگی های روی تصویر.
استفاده عاقلانه از پارامتر شعاع باعث تنظیم دقیق فیلتر می شود. مقادیر میانی از
آلفا اثراتی را بین صاف کردن و کاهش نویز "پاپ" ایجاد می کند. برای ظریف
فیلتر کردن را با مقادیر آلفا = 0.4، شعاع = 0.6 شروع کنید تا تأثیر آشکارتری داشته باشید.
آلفا = 0.5، شعاع = 1.0 را امتحان کنید
بهینه برآورد کردن صاف کردن (1.0 <= آلفا <= 2.0)
این نوع فیلتر یک فیلتر صاف کننده را به صورت تطبیقی روی تصویر اعمال می کند. برای هر پیکسل
واریانس مقادیر شش ضلعی اطراف محاسبه می شود و مقدار هموارسازی
با آن نسبت معکوس ساخته می شود. ایده این است که اگر واریانس کوچک است، پس همین است
به دلیل نویز در تصویر، در حالی که اگر واریانس زیاد است، به دلیل تصویر "خواسته" است
امکانات. طبق معمول، پارامتر شعاع شعاع موثر را کنترل می کند، اما احتمالاً
بهتر است شعاع را بین 0.8 و 1.0 بگذارید تا محاسبه واریانس باشد
معنی دار. پارامتر آلفا آستانه نویز را تعیین می کند که هموارسازی کمتری از آن عبور می کند
انجام شود. این بدان معنی است که مقادیر کوچک آلفا ظریف ترین فیلتر را ارائه می دهد
افکت، در حالی که مقادیر بزرگ تمام قسمت های تصویر را صاف می کند. شما می توانید شروع کنید
با مقادیری مانند آلفا = 1.2، شعاع = 1.0 و سعی کنید آلفا را افزایش یا کاهش دهید
پارامتر برای به دست آوردن اثر مورد نظر. این نوع فیلتر برای فیلتر کردن بهترین است
نویز پراکنده در تصاویر بیت مپ و رنگی.
لبه پیشرفت (0.1 >= آلفا >= -0.9)
این نوع فیلتر برخلاف فیلتر صاف کننده است. لبه ها را افزایش می دهد. آلفا
پارامتر میزان افزایش لبه را از ظریف (0.1-) تا آشکار (0.9-) کنترل می کند.
پارامتر شعاع طبق معمول شعاع موثر را کنترل می کند، اما مقادیر مفید بین این دو قرار دارند
0.5 و 0.9. سعی کنید با مقادیر آلفا = 0.3، شعاع = 0.8 شروع کنید
ترکیب استفاده کنید.
حالت های مختلف از pnmnlfilt می توان یکی پس از دیگری استفاده کرد تا به نتیجه دلخواه برسد.
به عنوان مثال برای تبدیل یک تصویر تک رنگ پراکنده به یک تصویر در مقیاس خاکستری، می توانید یکی را امتحان کنید
یا دو گذر از فیلتر صاف کننده و به دنبال آن عبور از تخمین بهینه
فیلتر، سپس برخی از بهبودهای ظریف لبه. توجه داشته باشید که استفاده از بهبود لبه فقط محتمل است
پس از یکی از فیلترهای غیر خطی (میانگین آلفای بریده شده یا برآورد بهینه) مفید باشد
فیلتر)، زیرا افزایش لبه برعکس صاف کردن است.
برای کاهش نویز کمی سازی رنگ در تصاویر (یعنی تبدیل فایل های .gif به 24 بیت
فایل ها) می توانید از فیلتر تخمین بهینه (آلفا 1.2، شعاع 1.0) عبور کنید.
عبور از فیلتر میانه (آلفا 0.5، شعاع 0.55) و احتمالاً عبور از لبه
فیلتر افزایش چندین عبور از فیلتر تخمین بهینه با آلفای نزولی
مقادیر موثرتر از یک پاس منفرد با مقدار آلفای بزرگ هستند. طبق معمول وجود دارد
معاوضه ای بین اثربخشی فیلتر کردن و از دست دادن جزئیات. آزمایش است
تشویق
منابع:
فیلتر میانگین آلفا بر اساس توضیحات IEEE CG&A می 1990 صفحه 23 توسط
مارک ای لی و ریچارد ای
تنظیم.
فیلتر تخمین بهینه از مقاله «تبدیل تصاویر پراکنده به بازگشت به
مقیاس خاکستری» توسط آلن استنگر، مجله دکتر داب، نوامبر 1992، و این مقاله
منابع "بهبود تصویر دیجیتال و فیلتر نویز با استفاده از آمار محلی"،
جونگ سن لی، معاملات IEEE در تحلیل الگو و هوش ماشینی، مارس 1980.
جزئیات بهبود لبه از pgmenhance(1) که از فیلیپ آر.
برنامه "xim" تامپسون، که به نوبه خود آن را از بخش 6 "Hightones دیجیتال توسط
Dot Diffusion، DE Knuth، ACM Transaction on Graphics جلد 6، شماره 4، اکتبر 1987،
که به نوبه خود آن را از دو مقاله 1976 توسط JF Jarvis et. al.
با استفاده از خدمات onworks.net از pnmnlfilt به صورت آنلاین استفاده کنید
