Analiza cech w przestrzeni RGB

Analiza cech w przestrzeni RGB zostanie przeprowadzona dla 4 cech, tj. pRGB, kR, kG, kB

zgodnie z opisem w rozdziale 6.4. Cechy przyjmują odpowiednio wartości

 od 0 do 1 dla progu pRGB ze skokiem 0,05,

 od 0 do 1 dla kR, kG, kB ze skokiem 0,1.

Operacja binaryzacji, parowania i analizy zamknięta jest w poczwórnej pętli, w której są zmieniane wartości cech decydujących o powstaniu obrazu binarnego, tj. pRGB, kR, kG i kB. Metoda szczegółowo przedstawiona została na schemacie blokowym na rys. 8.3.

Oz(L)Oz(P) w przestrzeni RGB. Per analogiam proces zachodzi dla przestrzeni HSV i Lab.

Binaryzacja obrazów przeprowadzona zostanie metodą SSSB opisaną w rozdziale 6.2.2. Jakość znalezionej odpowiedniości punktów zostanie zarejestrowana poprzez wyliczenie dla każdej wartości cechy, wartości błędów r i D opisanych w rozdziale 7.1.

Dla każdego testowanego obrazu obliczono 27 951 macierzy dysparycji, spośród których wybrano macierz dysparycji, dla której wartości błędów r, rp i D, Dp były najniższe i wraz z wartościami cech i nazwą obrazu przedstawiono w tab. 8.12, tab. 8.13, tab. 8.14 i tab. 8.15.

Analogiczna metodologia ma zastosowanie w przypadku przestrzeni HSV i Lab.

Tab. 8.12 Minimalne wartości r dla przestrzeni RGB.

Minimalne wartości błędów zostały osiągnięte dla obrazu Aloe, osiągając r = 25 pikseli dla wartości cech pRGB = 0,95, kR = 0,3, kG = 0,4 i kB = 0,7 i D = 95 % dla wartości cech pRGB

= 0,95, kR = 0,3, kG = 0,4 i kB = 0,7. Wartość progu jest powiązana z intensywnością kanału dla którego występuje najwyższa cecha. Dla wysokich wartości intensywności próg ma również wysoką wartość, osiągając wartość graniczną 1, jak np. dla Bowling1 czy Lampshade1. Dla niższych wartości intensywności również próg ma niższą wartość, jak w przypadku obrazu Baby1 czy Baby2, gdzie osiąga wartość 0,65.

Najczęściej najwyższa wartość cechy towarzyszy kanałowi, dla którego średnia wartość składowej barwy dla całego obrazu w danym kanale jest najniższa. Niższe wartości w danym

wpływ na powstawanie wyraźnych i cienkich krawędzi podczas binaryzacji, które się następnie dobrze parują. Dodatkowo można zauważyć, iż jasność poszczególnych kanałów jest silnie zróżnicowana, tzn. można wizualnie wyróżnić kanał ciemniejszy, jasny i najjaśniejszy. Obrazy robią wrażenie zrównoważonych pod względem liczby obiektów, ich położenia na obrazie i ich barwy. Tezę tą potwierdzają między innymi obrazy Aloe, Baby1, Midd1, Monopoly, Rocks1 i Wood1 (Tab. 8.12).

W badanej próbce obrazów występują również sytuacje dla których pewien zakres wartości cechy (wachlarz) towarzyszy kanałowi, dla którego średnia wartość składowej barwy dla całego obrazu w danym kanale jest najwyższa. Łączy się to z dominacją elementów na obrazie o barwie związanej z kanałem, w którym występuje wachlarz. Obrazy te są zdominowane przez określony obiekt, jego pozycję na obrazie i jego barwę. w efekcie obraz danego kanału jest wypełniony silnym konturem dominujących elementów bez drobnych szczegółów. Wtedy dla każdej wartości cechy z zakresu, binaryzacja daje takie same rezultaty.

Przykładami mogą tu być obrazy Bowling2, Lampshade1 lub Plastic (Tab. 8.12).

Jeśli do powyżej opisywanych własności dołączy zbliżona wartość średnia składowej barwy dla dwóch lub trzech kanałów, w jednym z kanałów z najwyższą średnią wartością intensywności pojawia się najwyższa cecha. Może to oznaczać również sytuację, w której dwa kanały zdominowały trzeci. w tym wypadku kanał, który nawet minimalnie dominuje pod względem wysokokontrastowych obiektów, daje lepsze wyniki binaryzacji i co za tym idzie parowania. Przykładem mogą tu być obrazy Cloth1 czy Cloth4 (Tab. 8.12).

Tab. 8.13 Minimalne wartości D dla przestrzeni RGB.

Lp Nazwa p kR kG kB r D D

12 Lampshade1 0,95 0,0 0,1 0,8 41 98 2 intensywności kanałów podobnie, jak podczas analizy wartości r. Część obrazów o średnich wartościach intensywności dla poszczególnych kanałów zróżnicowanych względem siebie, robiących wrażenie zrównoważonych zarówno pod względem barwy, liczby i wielkości obiektów, jak i ich rozmieszczenia na obrazie, można zaobserwować większe wartości cech dla składowych barwy o najwyższych wartościach. Przykładem mogą tu być obrazy Baby1, czy Baby2. Tak więc występuje tu odwrotna zależność niż dla r.

Tab. 8.14 Minimalne wartości rp dla przestrzeni RGB.

Lp Nazwa p kR kG kB r D r

15 Midd2 1,0 0,1-1,0 0,0 0,0 31 86 44

 średnie wartości intensywności w kanałach nie są już wyraźnie zróżnicowane,

 nie można zaobserwować równowagi pod względem barwy, liczby i wielkości obiektów, jak i ich rozmieszczenia na obrazie,

za rozmieszczenie cech są odpowiedzialne lokalnie dominujące właściwości, trudne do wyłonienia ze zróżnicowanych obrazów.

Tab. 8.15 Minimalne wartości Dp dla przestrzeni RGB.

Lp Nazwa p kr kg kb r D D

16 Monopoly 0,95 0,6 0,4 0,0 36 68 16 17 Plastic 0,95 0,6 0,2 0,0 29 70 27 18 Rocks1 0,90 0,4 0,8 0,0 38 80 11 19 Rocks2 0,90 0,8 0,1 0,3 41 76 15

20 Wood1 0,90 0,0 0,2 0,5 48 76 18

21 Wood2 0,95 0,2 0,8 0,3 31 81 11

Analiza minimalnych wartości rp i Dp ogólnie potwierdza wcześniejsze ustalenia dla r

i D. Jednak dla obrazów, gdzie średnie wartości składowych barwy nie są w stosunku do siebie silnie zróżnicowane, wystąpiły przeskoki wartości cech pomiędzy składowymi. Potwierdza to wysoką czułość procesu binaryzacji na odległości pomiędzy średnimi wartościami intensywności poszczególnych składowych barwy RGB.

Ogólnie można zaobserwować bardzo wysoką czułość algorytmów parowania na kontrast poszczególnych kanałów, którą wyrażają wartości cech. Znaczenie ma także obszar, na którym dominuje silny kontrast – cały obraz, czy mniejszy obszar, oraz charakter różnic w kontraście, wielkość odstępów pomiędzy wartościami średnimi składowych barwy. w następnym podrozdziale przedstawiona zostanie analiza wpływu cech na jakość odpowiedniości w przestrzeni HSV.