anisotrope_diffanisotrope_diffAnisotropeDiffanisotrope_diffAnisotropeDiffAnisotropeDiff (Operator)

Name

anisotrope_diffanisotrope_diffAnisotropeDiffanisotrope_diffAnisotropeDiffAnisotropeDiff — Kantenerhaltende Glättung durch anisotrope Diffusion.

Warnung

anisotrope_diffanisotrope_diffAnisotropeDiffanisotrope_diffAnisotropeDiffAnisotropeDiff ist veraltet und wird nur aus Gründen der Rückwärtskompatibilität zur Verfügung gestellt. Neue Applikationen sollten stattdessen anisotropic_diffusionanisotropic_diffusionAnisotropicDiffusionanisotropic_diffusionAnisotropicDiffusionAnisotropicDiffusion verwenden.

Signatur

Beschreibung

anisotrope_diffanisotrope_diffAnisotropeDiffanisotrope_diffAnisotropeDiffAnisotropeDiff realisiert ein iteratives, anisotropes Glättungsverfahren, das auf den mathematischen Grundlagen der physikalischen Diffusion beruht. In Analogie zum physikalischen Diffusionsprozess, der den Konzentrationsausgleich zwischen Molekülen in Abhängigkeit vom Dichtegradienten beschreibt, führt der Diffusionsfilter eine Glättung der Grauwerte, abhängig von den lokalen Grauwertgradienten, durch.

Zur iterativen Berechnung des Grauwertes eines Pixels werden die Grauwertdifferenzen zu den vier bzw. acht Nachbarn herangezogen. Diese Grauwertdifferenzen gehen jedoch mit unterschiedlicher Gewichtung in die Berechnung ein, d.h. es handelt sich um einen nichtlinearen Diffusionsprozess.

Die Gewichtung erfolgt mittels einer Diffusionsfunktion (implementiert wurden zwei verschiedene Funktionen, ModeModeModeModeModemode = 1 bzw. 2), die --- abhängig vom Gradienten --- dafür sorgt, dass innerhalb homogener Regionen stärker geglättet wird als über die Regionengrenzen hinweg. Die Kanten bleiben deswegen scharf erhalten. Die Diffusionsfunktion wird mittels einer Histogrammanalyse im Gradientenbild (nach Canny) auf das Rauschverhältnis des Bildes hin abgestimmt. Ein hoher Wert für PercentPercentPercentPercentPercentpercent erhöht dabei die glättende Wirkung, verwischt aber auch Kanten etwas mehr (typisch sind Werte von 80 - 90 Prozent).

Der Parameter IterationIterationIterationIterationIterationiteration legt die Zahl der Iterationen fest (typisch 3--7).

Parallelisierung

• Multithreading-Typ: reentrant (läuft parallel zu nicht-exklusiven Operatoren).
• Multithreading-Bereich: global (kann von jedem Thread aufgerufen werden).
• Automatisch parallelisiert auf Tupelebene.
• Automatisch parallelisiert auf Kanalebene.

Parameter

read_image(Image,'fabrik')
anisotrope_diff(Image,Aniso,80,1,5,8)
sub_image(Image,Aniso,Sub,2.0,127)
disp_image(Sub,WindowHandle)

read_image(&Image,"fabrik");
anisotrope_diff(Image,&Aniso,80,1,5,8);
sub_image(Image,Aniso,&Sub,2.0,127.0);
disp_image(Sub,WindowHandle);

read_image(Image,'fabrik')
anisotrope_diff(Image,Aniso,80,1,5,8)
sub_image(Image,Aniso,Sub,2.0,127)
disp_image(Sub,WindowHandle)

read_image(Image,'fabrik')
anisotrope_diff(Image,Aniso,80,1,5,8)
sub_image(Image,Aniso,Sub,2.0,127)
disp_image(Sub,WindowHandle)

read_image(Image,'fabrik')
anisotrope_diff(Image,Aniso,80,1,5,8)
sub_image(Image,Aniso,Sub,2.0,127)
disp_image(Sub,WindowHandle)

read_image(Image,'fabrik')
anisotrope_diff(Image,Aniso,80,1,5,8)
sub_image(Image,Aniso,Sub,2.0,127)
disp_image(Sub,WindowHandle)

Komplexität

Pro Bildpunkt: O(Iterations * 18).

Ergebnis

Sind die Parameterwerte korrekt, dann liefert anisotrope_diffanisotrope_diffAnisotropeDiffanisotrope_diffAnisotropeDiffAnisotropeDiff den Wert 2 (H_MSG_TRUE). Das Verhalten bei leerer Eingabe (keine Eingabebilder vorhanden) lässt sich mittels set_system('no_object_result',<Result>)set_system("no_object_result",<Result>)SetSystem("no_object_result",<Result>)set_system("no_object_result",<Result>)SetSystem("no_object_result",<Result>)SetSystem("no_object_result",<Result>) festlegen. Gegebenenfalls wird eine Fehlerbehandlung durchgeführt.

Vorgänger

read_imageread_imageReadImageread_imageReadImageReadImage, grab_imagegrab_imageGrabImagegrab_imageGrabImageGrabImage

Nachfolger

regiongrowingregiongrowingRegiongrowingregiongrowingRegiongrowingRegiongrowing, thresholdthresholdThresholdthresholdThresholdThreshold, sub_imagesub_imageSubImagesub_imageSubImageSubImage, dyn_thresholddyn_thresholdDynThresholddyn_thresholdDynThresholdDynThreshold, auto_thresholdauto_thresholdAutoThresholdauto_thresholdAutoThresholdAutoThreshold

Alternativen

sigma_imagesigma_imageSigmaImagesigma_imageSigmaImageSigmaImage, rank_imagerank_imageRankImagerank_imageRankImageRankImage

Siehe auch

smooth_imagesmooth_imageSmoothImagesmooth_imageSmoothImageSmoothImage, binomial_filterbinomial_filterBinomialFilterbinomial_filterBinomialFilterBinomialFilter, gauss_imagegauss_imageGaussImagegauss_imageGaussImageGaussImage, sigma_imagesigma_imageSigmaImagesigma_imageSigmaImageSigmaImage, rank_imagerank_imageRankImagerank_imageRankImageRankImage, eliminate_min_maxeliminate_min_maxEliminateMinMaxeliminate_min_maxEliminateMinMaxEliminateMinMax

Literatur

P. Perona, J. Malik: „Scale-space and edge detection using anisotropic diffusion“, IEEE transaction on pattern analysis and machine intelligence, Vol. 12, No. 7, July 1990.

Modul

Foundation