1.马尔科夫随机场和二值图割
马尔可夫随机场(MRF, Markov Random Field):
MRF 是一种用来描述图像像素之间空间关系的概率模型。它假设图像中的像素不仅取决于自身的值,还与周围像素有关。这种模型经常用于图像分割、去噪等任务。
在去噪问题中,MRF 可以用于表示像素之间的关联性,确保去噪过程中不仅关注单个像素,还考虑周围像素的影响。
二值图割(Binary Graphcuts):
图割算法是一种常用于图像分割和去噪的技术。它通过将图像像素建模为图中的节点,并使用图割技术来最小化能量函数,从而实现分割或去噪。
二值图割的意思是将像素分类为两个类别,通常是"前景"和"背景",或者"噪声"和"非噪声"。
结合图论中的最小割问题,可以找到一种最优的像素分割方式,从而去除噪声。
py
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from scipy import linalg
import random as rm
import math
import cv2
import random
import gco
# foreground blue
fg = np.array([0,0,255])
# background yellow
bg = np.array([245,210,110])
im = cv2.imread('bayes_theorem.jpg',cv2.IMREAD_COLOR)
im = cv2.cvtColor(im, cv2.COLOR_BGR2RGB)
#show the original figure
plt.figure( figsize=(15,15) )
plt.imshow(im)
# distance
def dis(xi,xj):
return np.sum(np.abs(xi - xj))/3/255
# generate nodes
def nodes(im,lmd,fg,bg):
[row,col,c] = im.shape
unary = np.zeros([row,col,2])
for x in range(0,col):
for y in range(0,row):
# pixel color
pc = im[y,x,:]
# data term
fdf = dis(pc,fg)
fdb = dis(pc,bg)
# prior term
# right neighbor pixel
fpr = 1
# below neighbor pixel
fpb = 1
unary[y,x,0] = fdf + lmd*(fpr + fpb)
unary[y,x,1] = fdb + lmd*(fpr + fpb)
return unary
# graph cut
def gcut(unary,lmd):
[row,col,c] = unary.shape
smooth = 1 - np.eye(2)
labels = gco.cut_grid_graph_simple(unary, smooth*lmd, n_iter=-1)
labels = labels.reshape(row,col)
return labels
# original iamge denoise
def dimage(im,labels):
[row,col,c] = im.shape
dim = np.zeros(im.shape)
for i in range(0,row):
for j in range(0,col):
# background
if labels[i,j] == 1:
dim[i,j] = bg
elif labels[i,j] == 0:
dim[i,j] = fg
return dim.astype(int)
# lambda = 1
lmd = 1
# nodes
unary = nodes(im,lmd,fg,bg)
# graphcut
label = gcut(unary,lmd)
# image denoising
dim = dimage(im,label)
这个代码实现了一个使用图割算法(Graph Cut)进行图像去噪的简单例子。代码的主要思想是使用马尔可夫随机场(MRF)模型,将图像像素分为两类:前景(蓝色)和背景(黄色),并通过图割来优化像素的分割,以达到去除噪声的目的。
1.距离函数dis():这个函数用于计算两个像素点之间的色彩距离。这里计算的是每个像素的绝对色差,然后进行归一化处理(将颜色差值除以 255,保持在 0-1 之间)
2.生成节点:nodes(),这个函数的作用是构建每个像素的代价(unary term),即每个像素分别属于前景和背景的代价。
3.gcut()图割算法通过最小化能量函数,分割前景和背景,返回每个像素的标签(0:前景,1:背景)在这一步中已经进行了最小化处理了,给每个像素一个前景或者后景的标签
4.def dimage(im,labels):这个函数染色
5.通过设置 lambda 参数来调整平滑项的权重。较大的 lambda 会增强对像素间平滑性的惩罚,使图像看起来更平滑,但也可能会损失细节。生成 unary 代价矩阵,执行图割,最终生成去噪后的图像。
效果图:
2.校正立体图像的深度
主要任务是图像匹配和视差计算,用来将两个深度图像进行对比,从而估计深度信息。具体来说,通过计算两幅图像中对应像素点之间的匹配,生成一个视差图,进而可能用于3D重建或者深度信息提取。
py
%matplotlib inline
import numpy as np
import matplotlib.pyplot as plt
from scipy import linalg
import random as rm
import math
import cv2
import random
import gco
im1 = cv2.imread('depth_im1.png',cv2.IMREAD_COLOR)
im1 = cv2.cvtColor(im1, cv2.COLOR_BGR2RGB)
im2 = cv2.imread('depth_im2.png',cv2.IMREAD_COLOR)
im2 = cv2.cvtColor(im2, cv2.COLOR_BGR2RGB)
im = np.hstack((im1,im2))
#show the original figure
plt.figure( figsize=(15,15) )
plt.imshow(im)
使用 OpenCV 读取两张深度图(im1 和 im2),并将它们水平拼接成一张图,然后显示出来。
py
# distance
def distance(xi,xj):
return np.sum(np.abs(xi - xj))/3
def median(data):
data.sort()
half = len(data) // 2
return (data[half] + data[~half])/2
def mode(data):
data = list(data)
return max(set(data),key=data.count)
distance:计算两个像素的欧几里得距离
median:返回列表的中值
mode:返回列表的众数值
py
def Ddistribution(im1,im2):
size1 = im1.shape
size2 = im2.shape
if size1 != size2 :
raise ValueError('input shape not matches')
dis_col = []
for i in range(size1[0]):
Dis = np.zeros(size1[1])
for j in range(size1[1]):
pixel = im1[i,j]
im2_pixel = im2[i,j:]
difference = abs(im2_pixel - pixel)
dis = np.sum(difference,axis = 1) / 3
disparity = np.argmin(dis)
if dis[disparity] < 5 :
Dis[j] = disparity
disp = [p for p in Dis if p > 0]
dis_col.append(mode(disp))
return dis_col
分布:遍历一幅图像中的所有像素,得到两幅图像的视差值范围
计算图像 im1 和 im2 之间的视差分布,逐行计算每个像素在 im1 和 im2 之间的最小差异,并且记录最匹配的位移量(视差)。
py
# generate nodes
def nodes(im1,im2,Disparity,depth = None):
# input protection
size1 = im1.shape
size2 = im2.shape
if size1 != size2 :
raise ValueError('input shape not matches')
[row,col,c] = size1
# preprocessing: get the disparity distribution first for getting D: dmin and dmax
# Disparity = Ddistribution(im1,im2)
dmin = min(Disparity)
dmax = max(Disparity)
if depth == None:
depth = int(dmax - dmin)
else :
depth = int(depth)
step = (dmax - dmin) / depth
# print(Disparity)
print('dmin:',dmin,'dmax',dmax)
unary = np.zeros([row,col,depth])
for x in range(0,row):
for y in range(0,int(col - dmax)):
# pixel color
pixel1 = im1[x,y]
labels = np.zeros(depth)
for i in range(depth):
if i < depth - 1:
pixel2_index_start = round(i * step + dmin)
pixel2_index_end = round((i+1) * step + dmin)
elif i == depth - 1:
pixel2_index_start = round(i * step + dmin)
pixel2_index_end = int(dmax)
pixel2 = im2[x,y+pixel2_index_start:y+pixel2_index_end]
dis = []
for p in pixel2:
dis.append(distance(pixel1,p))
dis_min = min(dis)
labels[i] = dis_min / 255
unary[x,y] = labels
# print('label computing: %.2f%%'%(x/row)*100)
unary_cut = unary[:,:int(col-dmax),:] * depth
return unary_cut, depth
节点:根据计算出的视差生成数据项,D(dmax - dmin)的深度等于视差的最大值减去视差的最小值
生成图像匹配的能量(unary)矩阵,每个像素点有多个视差候选值(基于不同的深度),该函数计算每个像素与可能的匹配点之间的差异并归一化为能量值。
Disparity 用于确定视差的上下限。
作用: 这个步骤通过遍历图像中的每一个像素点,计算它在不同视差下的匹配质量,输出的 unary 是图像的视差匹配成本图,后续会用于图割算法。
py
# graph cut
def gcut(unary,depth,lmd):
[row,col,c] = unary.shape
fp = np.zeros([depth,depth])
for i in range(depth):
for j in range(depth):
fp[i,j] = abs(i-j)
labels = gco.cut_grid_graph_simple(unary, fp*lmd, connect = 8, n_iter=-1)
labels = labels.reshape(row,col)
labels = labels[:,depth:]
return labels
Disparity = Ddistribution(im2,im1)
print(min(Disparity),max(Disparity))
unary,depth = nodes(im2,im1,Disparity)
gcut:先生成先验项,然后进行图切割并返回标签
使用图割算法(graph cut)对能量矩阵进行全局优化,最终得到每个像素点的最佳视差值(标签)。这里的图割通过计算视差标签之间的平滑约束,确保邻近的像素视差值不会有太大跳变。
作用: 在视差图中,优化每个像素点的视差标签,使得输出的结果更连贯和自然。
py
lmd = 0.1
labels = gcut(unary,depth,lmd)
plt.figure( figsize=(8,8) )
plt.imshow(labels,'gray')
主要逻辑和输出
读取图像:首先读取并拼接两张图像,用于可视化差异。
计算视差分布:通过 Ddistribution 函数计算 im1 和 im2 之间的像素差异,提取视差分布。
生成能量矩阵:通过 nodes 函数计算能量矩阵,每个像素点在不同视差下的匹配成本。
图割优化:通过 gcut 函数使用图割算法对能量矩阵进行全局优化,得到最佳视差标签。
可视化视差图:最终输出视差标签,并可视化为灰度图。
lmd=0.1噪声大,锯齿明显
lmd=0.5鲁棒性更好
lmd=5
现在手动设定depth为10,之前的depth差不多是50左右
深度图像不明显。
depth 代表的是离散的深度层数,用于分离图像中不同像素的深度信息。它决定了在图像的视差计算过程中,离散化深度的精细程度。depth 的计算方式与视差范围有关,即两幅图像之间像素点位移的可能值范围(最小视差到最大视差之间的距离)
现在通过更改lmd的值可以看到不同的效果,lmd小的时候,噪声很大,lmd大的时候,深度信息就看不清了,对比相同lambda,不同dpeth的深度图,在dmin和dmax不变的情况下,深度层数越少,深度图中的噪声越小。同时lambda值和数据项、先验项的值有关,其实lambda和数据项平均值的比值很重要。