שיפור תמונות צבע תוך שימוש ב -Multiscale Retinex מבצעים : מרינה בלבנוב ירון זליכה מנחה : דר’ דורון שקד סמסטר חורף תשנ”ט

מטרת הפרוייקט מימוש ובדיקה של אלגוריתם ה -MSRCR תוך חיפוש אחר פרמטרים אופטימליים. MSRCR- Multiscale Retinex with Color Restoration

תאור הפרויקט חקירה של אלגוריתם SSR ומציאת פרמטרים אופטימליים שילוב 3 פונקציות SSR לקבלת MSR וביצוע תיקון צבעים בנית ממשק גראפי עבור אלגוריתם ה -MSRCR השוואת תוצאות ה -MSRCR עם שיטות נפוצות לשיפור תמונות

מבוא

אלגוריתם ה -SSR

תמונה מקורית תמונה לאחר הצללה דיגטלית

בחירת פונקצית ה -surround פונקצית ה -Gaussian : פונקציה ריבועית הופכית : פונקציה אקספוננציאלית :

בחירת פונקצית ה -surround פונקצית ה -Gaussian : (C=120 ) פונקציה ריבועית הופכית : ( C=50 ) פונקציה אקספוננציאלית : ( C=72 )

מיקום פונקצית ה -Log לפני בנית ה - surround : אחרי בנית ה - surround :

מיקום פונקצית ה -Log לפני בנית ה - surround : אחרי בנית ה - surround : (C=120)

גורם ה -scale של פונקצית ה - Gaussian C=20C=50C=80 C=120C=200C=250

עיבוד תוצאת ה -Retinex 100%85% 70% 55%40%25%

עיבוד תוצאת ה -Retinex 100%85%70% 55%40%25% C = 80

Multiscale Retinex

C=80C=120 C=250 Multiscale original

Color Restoration

תמונה מקורית : MSR : MSRCR :

ממשק גראפי

דיאגרמת בלוקים MSRCR I(x,y)  F 1 (x,y) F 2 (x,y) F 3 (x,y) קונבולוציה “  ” קונבולוציה “  ” קונבולוציה “  ” Log w1w1 w2w2 w3w3  - + Gain\ Offset נירמול  Log MSR תיקון צבעים (CRF)

השוואה בין שיטות שיפור שונות תמונה מקורית MSRCR תיקון גאמא histogram equalization

השוואה בין שיטות שיפור שונות תמונה מקורית MSRCR תיקון גאמא histogram equalization

השוואה בין שיטות שיפור שונות תמונה מקורית MSRCR תיקון גאמא histogram equalization

סיכום ומסקנות פונקצית ה -surround המתאימה הנה Gaussian פונקצית ה -Log תמוקם לאחר בנית ה - surround גורם ה - scale המומלץ : תוצאת ה -Retinex דורשת עיבוד

סיכום ומסקנות MSR המורכב משלוש פונקציות SSR, בעלות קבועי scale: גדול (c=250), בינוני (c=120) וקטן (c=80) CRF דרושה עבור תמונות המפירות את הנחת " העולם האפור ” התוצאות ה -MSRCR הנן טובות באופן עקבי