pnmnlfilt - Online na nuvem

PROGRAMA:

NOME

pnmnlfilt - filtros não lineares: suave, média de compensação alfa, suavização de estimativa ideal,
aprimoramento de borda.

SINOPSE

pnmnfilt alfa raio [arquivo pnm]

DESCRIÇÃO

pnmnfilt produz uma imagem de saída onde os pixels são um resumo de vários pixels próximos
o local correspondente em uma imagem de entrada.

Este programa funciona em fluxos de várias imagens.

Isso é algo como um filtro de canivete suíço. Possui 3 modos operacionais distintos. Em tudo
dos modos, cada pixel na imagem é examinado e processado de acordo com ele e seu
valores de pixels circundantes. Em vez de usar os 9 pixels em um bloco 3x3, 7 áreas hexagonais
as amostras são tomadas, o tamanho dos hexágonos sendo controlado pelo parâmetro de raio. UMA
o valor do raio de 0.3333 significa que os 7 hexágonos se encaixam exatamente no pixel central (ou seja,
não haverá efeito de filtragem). Um valor de raio de 1.0 significa que os 7 hexágonos
cabem exatamente em uma matriz de 3x3 pixels.

alfa aparado significar filtro. (0.0 <= alfa <= 0.5)

O valor do pixel central será substituído pela média dos 7 valores do hexágono, mas
os 7 valores são classificados por tamanho e as partes alfa superior e inferior dos 7 são excluídas
da média. Isso implica que um valor alfa de 0.0 dá o mesmo tipo de saída que um
convolução normal (ou seja, média ou filtro de suavização), onde o raio determinará o
"força" do filtro. Um bom valor para começar para a filtragem sutil é alfa = 0.0,
raio = 0.55 Para um efeito mais evidente, tente alfa 0.0 e raio 1.0

Um valor alfa de 0.5 fará com que o valor mediano dos 7 hexágonos seja usado para substituir
o valor do pixel central. Este tipo de filtro é bom para eliminar "pop" ou pixel único
ruído de uma imagem sem espalhar o ruído ou borrar recursos na imagem.
O uso criterioso do parâmetro radius fará o ajuste fino da filtragem. Valores intermediários de
alpha dá efeitos em algum lugar entre suavização e redução de ruído "pop". Para sutil
tente filtrar começando com valores de alfa = 0.4, raio = 0.6 Para um efeito mais evidente
tente alfa = 0.5, raio = 1.0

Optimal estimativa alisamento. (1.0 <= alfa <= 2.0)

Este tipo de filtro aplica um filtro de suavização de forma adaptativa sobre a imagem. Para cada pixel
a variação dos valores do hexágono circundante é calculada, e a quantidade de suavização
é tornado inversamente proporcional a ele. A ideia é que se a variação for pequena, então é
devido ao ruído na imagem, enquanto se a variação for grande, é por causa da imagem "desejada"
recursos. Como de costume, o parâmetro radius controla o raio efetivo, mas provavelmente
aconselhável deixar o raio entre 0.8 e 1.0 para que o cálculo da variância seja
significativo. O parâmetro alfa define o limite de ruído, sobre o qual menos suavização
ser feito. Isso significa que pequenos valores de alfa proporcionarão a filtragem mais sutil
efeito, enquanto valores grandes tendem a suavizar todas as partes da imagem. Você poderia começar
com valores como alfa = 1.2, raio = 1.0 e tente aumentar ou diminuir o alfa
parâmetro para obter o efeito desejado. Este tipo de filtro é melhor para filtrar
ruído de pontilhamento em imagens bitmap e coloridas.

borda Aprimoramento. (-0.1 >= alfa >= -0.9)

Este é o tipo de filtro oposto ao filtro de suavização. Ele realça as bordas. O alfa
O parâmetro controla a quantidade de realce de borda, de sutil (-0.1) a evidente (-0.9).
O parâmetro radius controla o raio efetivo como de costume, mas os valores úteis estão entre
0.5 e 0.9. Tente começar com valores de alfa = 0.3, raio = 0.8

Densidades usar.

Os vários modos de pnmnfilt pode ser usado um após o outro para obter o resultado desejado.
Por exemplo, para transformar uma imagem pontilhada monocromática em uma imagem em tons de cinza você pode tentar um
ou duas passagens do filtro de suavização, seguidas por uma passagem da estimativa ideal
filtro e, em seguida, algum aprimoramento de borda sutil. Observe que o uso de aprimoramento de borda só é provável
para ser útil após um dos filtros não lineares (média alfa aparada ou estimativa ideal
filtro), pois o realce da borda é o oposto direto de suavização.

Para reduzir o ruído de quantização de cores em imagens (ou seja, transformar arquivos .gif de volta em 24 bits
arquivos), você pode tentar uma passagem do filtro de estimativa ideal (alfa 1.2, raio 1.0), um
passagem do filtro mediano (alfa 0.5, raio 0.55) e, possivelmente, uma passagem da borda
filtro de aprimoramento. Várias passagens do filtro de estimativa ideal com alfa decrescente
os valores são mais eficazes do que uma única passagem com um grande valor alfa. Como de costume, há
uma compensação entre a eficácia da filtragem e a perda de detalhes. A experimentação é
encorajado.

Referências:

O filtro de média aparada em alfa é baseado na descrição em IEEE CG&A Maio de 1990 Página 23 por
Mark E. Lee e Richard A. Redner, e foi aprimorado para permitir alfa contínuo
ajustamento.

O filtro de estimativa ideal é obtido de um artigo "Converter imagens pontilhadas de volta para
Gray Scale "por Allen Stenger, Dr Dobb's Journal, novembro de 1992, e este artigo
referências "Aprimoramento de imagem digital e filtragem de ruído pelo uso de estatísticas locais",
Jong-Sen Lee, IEEE Transactions on Pattern Analysis and Machine Intelligence, março de 1980.

Os detalhes de aprimoramento de borda são de pgmenhance(1), que é retirado de Philip R.
O programa "xim" de Thompson, que por sua vez o retirou da seção 6 de "Meios-tons digitais por
Dot Diffusion ", DE Knuth, ACM Transaction on Graphics Vol. 6, No. 4, outubro de 1987,
que por sua vez o obteve de dois artigos de 1976 de JF Jarvis et. al.

Use pnmnlfilt online usando serviços onworks.net