توضیحات
A Wavelet-Based Mammographic Image Denoising and Enhancement with Homomorphic Filtering
حذف نویز و بهبود کیفیت تصویر برمبنای فیلتر هومومورفیک بر روی تصاویر ماموگرافی
در این مقاله روشی برای حذف نویز و بهبود کیفیت تصویر برمبنای فیلتر هومومورفیک بر روی تصاویر ماموگرافی بیان شده است.
در این روش ابتدا با استفاده از تبدیل موجک تصویر را تجزیه می کند.
سپس با استفاده از ضرائب بدست آمده از این تجزیه به حذف نویز و بهبود کیفیت می پردازد.
به این صورت که با اعمال فیلتر هومومورفیک بر روی ضرائب تقریب و همینطور با استفاده از توزیع های گاوسی و لاپلاسین و اعمال این توزیع ها بر روی ضرائب جزئیات که از تبدیل موجک بدست می آید.
سپس با بازسازی دوباره تصویر و در نهایت با در نظر گرفتن یک حد آستانه به بهبود کیفیت و حذف نویز از تصاویر می پردازد.
به طور کلی با اعمال تغییراتی بر روی ضرائبی که از تبدیل موجک بدست می آید و سپس با استفاده از این ضرائب که مورد تغییر قرار گرفته اند به حذف نویز و بهبود کیفیت می پردازیم.
در تصویر زیر که در مقاله نیز موجود می باشد به صورت بسیار واضح مراحل الگوریتم پیشنهادی مشخص می باشد.
در کد پیاده سازی شده برای این الگوریتم ابتدا تصویر از ورودی خوانده می شود و با استفاده از تابع wavedec2تبدیل موجک را از تصویر ورودی با مشخص کردن نوع موجک که در این مقاله bior3.7میباشد، می گیریم.
خروجی تابع دو متغییر به نام های C و Sمی باشد که متغییر اول خروجی تجزیه تبدیل موجک یعنی همان ضرائب می باشد و متغییر دوم مشخص می کند که تا چه میزان از متغییر اول ضرائب تقریب و چه میزان ضرائب جزییات می باشد.
در مرحله بعد از این الگوریتم نوبت به اعمال تغییرات بر روی ضرائب بدست آمده می رسد که این اعمال در تابع DetailCoef انجام می شود.
در این تابع ابتدا ضرائب تقریب را از متغییر C بدست می آوریم و بر روی این ضرائب با استفاده از تابع homomorphfilter فیلتر همومورفیک را اعمال می کنیم.
و سپس ضرائب جزئیات را بدست می آوریم که خود سه ماتریس می باشند و با بدست آوردن یک حد آستانه برای هرکدام از این ضرائب به حذف نویز می پردازیم به این صورت که با استفاده از تابع GaussianDist حد آستانه برای هر ماتریس ضرائب جزئیات را بدست می آوریم و با استفاده از تابع sthresh به حذف نویز از این ماتریس ها می پردازیم.
در مرحله بعد ما با استفاده از تابع waverec2 و ضرایبی که مورد تغییر واقع شده اند در تابع DetailCoef به بازسازی دوباره تصویر می پردازیم تا یک تصویر بدون نویز را از این تابع بدست آوریم.
در نهایت با استفاده از تابع adaptivethreshold به بهبود کیفیت تصویر می پردازیم.
سعی می کنیم شدت نور هر پیکسل از تصویر را بیشتر کنیم به این صورت که با استفاده از چند حد آستانه یا مقداری بر پیکسل ها اضافه می کنیم و یا کم و یا هیچ تغییری در آنها اعمال نمیکنیم تا کیفیت بهبود داده شود.
نتیجه شبیه سازی با متلب:
کلید واژه : هوش مصنوعی، پردازش تصویر,پروژه متلب,شبیه سازی با متلب,matlab project,پروژه های matlab,
Image enhancement, Mammography, Image denoising .Wavelet transform
شبیه سازی
A Wavelet-Based Mammographic Image Denoising and Enhancement with Homomorphic Filtering
به تعداد محدودی قابل فروش می باشد.
سفارش انجام پروژه مشابه
درصورتیکه این محصول دقیقا مطابق خواسته شما نمی باشد،.
با کلیک بر روی کلید زیر پروژه دلخواه خود را سفارش دهید.
دیدگاهها
هیچ دیدگاهی برای این محصول نوشته نشده است.