Yrd.Doç.Dr.Esra Tunç Görmüş GÖRÜNTÜ DÖNÜŞÜMLERİ Doç. Dr. Oğuz Güngör Yrd.Doç.Dr.Esra Tunç Görmüş Karadeniz Teknik Üniversitesi Jeodezi ve Fotogrametri Mühendisliği Bölümü 61080 Trabzon ogungor@ktu.edu.tr etunc@ktu.edu.tr

Görüntü Dönüşümü Nedir? Görüntü dönüşümü, bir veya birden fazla bant görüntünün barındırdığı bilginin başka şekilde ifade edildiği bir operasyondur. Görüntü dönüşümü işlemi bir yemek kitabına benzetilebilir. Aynı malzemeler kullanılarak çok çeşitli kekler üretmek gibidir. Başlangıçtaki malzemeler tamamen aynıdır fakat sonuç olarak üretilen kekler farklı görüntüde olabilir veya farklı lezzetlerde olabilir.

Aritmetik Operasyonlar Görüntü Toplama + Görüntü Çıkarma - Görüntü Çarpma * Görüntü Bölme / Mantık Operasyonlar Operation Definition NOT OR AND XOR

Görüntü Toplama İki görüntünün toplanması genellikle ortalama almak maksatlı kullanılır. Daha önce kontrast iyileştirme yapılmamış görüntülere uygulanır Eğer sonuç görüntü toplam radyometrik çözünürlüğü aşıyorsa sonuç görüntüdeki piksel değerleri toplan girdi görüntü sayısına bölünebilir Görüntü toplama aynı yere ait birden fazla görüntüye uygulanarak görüntülerdeki gürültüyü azaltmak maksatlı yapılır.

Görüntü Toplama G(x,y) = F(x,y) + N(x,y) G(x,y) Orijinal görüntü F(x,y) Gerçek görüntü N(x,y) Rastgele gürültü N(x,y) birbirinden bağımsız, küçük hataların toplamından oluştuğu için genelde ortalaması sıfır olan normal dağılımdadır Gerçek görüntü F(x,y) aynı yere ait görüntüler için sabittir. Bu yüzden aynı anda çekilmiş ve aynı yere ait resimlerin toplanarak ortalamalarının alınması rastgele olan gürültünün birbirini götürmesini sağlayabilir. Eğer sonuç görüntü toplam radyometrik çözünürlüğü aşıyorsa G(x,y) = (F(x,y) + N(x,y))/2 Sonuç genelde en yakın tam sayıya yuvarlanır

Aritmetik İşlemler a b NOT(a) a . b a + b Kaynak:https://sisu.ut.ee/imageprocessing/book/7

Görüntü Çıkartma Görüntü çıkarma farklı zamanlarda çekilmiş, aynı yere ait ve aynı koordinat sistemine referanslandırılmış görüntülere uygulanır. Amaç, iki farklı tarihte çekilmiş görüntülerdeki değişimi yakalamaktır. Görüntü çıkarma her iki görüntüdeki piksellerin farklarının alınması şeklinde yapılır. 8-bit lik bir görüntüde minimum negatif fark -255 ve maksimum pozitif fark 255 dir. Fark görüntünün piksel değerlerinin yeniden 0-255 arasına dönüştürülmesi faydalıdır. Bu işlem fark görüntüye 255 ekleyip sonucu ikiye bölmek suretiyle yapılır.

Gdiff (i,j) = (255 + G1(i,j) – G2(i,j))/2 Gdiff(i,j) fark görüntüsü maksimum değeri 127 de olan ve sol ve sağa doğru hızla frekans değeri düşen normal dağılım veya Gauss eğrili bir histogram sergiler. Maksimum değer 127 ve onun yakınları çok fazla değişimin olmadığı pikselleri temsil ederken kuyruklardaki pikseller çok büyük değişimlerin olduğu pikselleri gösterir.

Görüntü Çarpma iki görüntünün çarpılması nadiren kullanılan bir durumdur. Eger iki görüntü farklı iki bilgi içeriyorsa ve analizci bu bölgelerden sadece birisi ile ilgileniyorsa Görüntü çarpmanın bir diğer uygulama alanı da image fusion dır. Konumsal çözünürlüğü arttırılmak istenen multispektral görüntünün her bir bandındaki pikseller çözünürlüğü yüksek pankromatik banttaki karşılıklı piksellerle çarpılır. Bu işlemden önce multispektral görüntü yeniden örneklenmek suretiyle pankromatik görüntü ile aynı boyuta (toplam satır ve sütün sayısı) getirilmelidir.

. = + = Kaynak:https://sisu.ut.ee/imageprocessing/book/7

Denizin karaya yakın kısımları çok parlak çıktığından dikkati dağıtıyor (a) Amaç deniz ile kara sınırını daha belirgin yapmak Bu amaçla infrared band kullanılıyor. Çünkü deniz bu bantta çok küçük yansıma deşeri verirken kara daha ve yeşil bitkiler çok daha fazla yansıma değeri veriyor. Belli bir eşik değeri kullanılarak infrared banttan binary bir görüntü (sadece 0 ve 1 ler) oluşturuluyor (c) Son olarak a ve c çarpılıyor ve lineer germe işlemi sonucu d oluşturuluyor

Görüntü Bölme ve Bitki İndeksleri Bir görüntüdeki pikselin diğer görüntüdeki karşılıklı piksele bölünmesi oranlama olarak ta bilinir. Uzaktan algılamada en çok kullanılan aritmetik işlemdir. Jeolojide yaygın bir şekilde kullanılır

Yeryüzünde farklı nesnelere ait spectral yansıma eğrileri arasındaki fark oranlama ile ortaya çıkarılabilir. Bitkiler için KÖ/K 1 den büyük bir rakam olacaktır Toprak için KÖ/K 1 den büyük ama 1 e yakın bir rakam olacaktır Su için KÖ/K 1 den küçük bir rakam olacaktır

Gölge veya Topoğrafyadan Kaynaklanan Etkilerin Azaltılması Güneş ışınları sağdaki yüzeye dik açıyla geliyor ve hem K hem de KÖ bantta yüksek yansıma değerleri veriyor Fakat güneş ışınları soldaki yüzeye neredeyse teğet geçiyor ve hem K hem de KÖ bantta düşük yansıma değerleri veriyor Bu iki bantı birbirinden çıkartsaydık bu etkiyi arttırırdık Oysaki bu iki bantı oranladığımızda neredeyse aynı değerleri buluyoruz, böylece topoğrafyadan oluşan etkiyi, veya gölge etkisini minimize ediyoruz.

Örnekler: Resim Kaynak :http://angeljohnsy.blogspot.com/2011/05/image-arithmetic.html

background=imread('back.jpg'); A=imread('tommy1.bmp'); B=imread('jerry1.bmp'); %Image addition %Both A and B are of same size object=A+B; background=imresize(background,[size(object,1) size(object,2)]); Im3=uint8(zeros(size(object))); whiteImg=uint8(ones(size(object)));

%Array right division. A. /B is the matrix with elements A(i,j)/B(i,j) %Array right division. A./B is the matrix with elements A(i,j)/B(i,j). A and B must %have the same size, unless one of them is a scalar. %Image Division mask=whiteImg./object; %Logical AND im3=uint8(mask&background);%uint8(and(mask,background)); figure,imshow(mask); %Array multiplication. A.*B is the element-by-element product of the arrays A and B. %Image multiplication %Multiply the background and the mask image %And the result with the foreground image to obtain the final Image. finalImg=(background.*im3)+object; figure,imshow(finalImg);

Daha Karmaşık Aritmetik İşlemler NDVI (Normalized Difference Vegitation Index) NDVI = (KÖ - K) / (KÖ + K) Görsel olarak KÖ ve K bantlarının direkt oranı ile NDVI çok yakın sonuçlar üretiyor. Fakat NDVI da bantların farkının ve toplamının kullanılması bir alanın belli bir zaman aralığında değerlendirilmesinin gerektiği durumlarda NDVI ı daha avantajlı yapar, Çünkü bu sayede atmosferik değişkenlerin oran görüntüyü etkileme olasılığı düşürülmüş olur.

a Spot Band 3 NIR band b görüntünün 2. bandı (Kırmızı) c NIR/Red NDVI görüntü

Kullanılan Diğer Bitki İndeksleri SQRT (KÖ/K) TNDVI = SQRT[ (KÖ-K / KÖ+K) + 0.5] Demir Oksit: TM3/TM1 Kil Mineralleri: TM5/TM7 Demir Mineralleri: TM5/TM4 Mineral Bileşikleri: TM5/TM7, TM5/TM4, TM3/TM1 Hidrotermal Bileşikleri: TM5/TM7, TM3/TM1, TM4/TM3

Tasseled Cap Çok Bantlı bir görüntüde her piksel N- boyutlu bir vektör olarak temsil edilebilir. Tasseled Cap dönüşümü orijinal Landsat MSS uzayını yeni 4 boyutlu bir uzaya dönüştürür. Bu dönüşüme Tasseled Cap ya da Kauth-Thomas dönüşümü denir.

Tablo : http://www.slideshare.net/Atiqa_khan/tct-2014 Tasseled Cap Dönüşüm sonucu oluşan yeni eksenler: Toprak Gri değer İndeksi (B) Yeşil Bitki örtüsü indeksi (G) Sarı Nesneler İndeksi (Y) Diğer Nesneler (N) Her bir eksen için katsayılar B = 0.433MSS1 + 0.632MSS2 + 0.586MSS3 + 0.264MSS4 Tablo : http://www.slideshare.net/Atiqa_khan/tct-2014

Eksiklikler Tasseled-cap dönüşümünün en önemli eksikliği ise sadece dönüşüm katsayıları hesaplanan uydular için kullanılıyor olmasıdır. Şimidlik şu uydular için hesaplanmış katsayıları olduğundan sadece bu uyduların verileri üzerinde uygulanabilir. Landsat,MODIS,ASTER, Ikonos, and SPOT. 

Bazı Uydulara Ait Kızılötesi ve Kırmızı Bantlar Landsat MSS 7 5 SPOT XS 3 2 Landsat TM 4 NOAA AVHRR 1 IKONOS QuickBird

Kaynak: http://angeljohnsy.blogspot.com/2011/05/image-arithmetic.html Alıştırma: Kaynak: http://angeljohnsy.blogspot.com/2011/05/image-arithmetic.html

%Matlab algoritması D=imread('img61.jpg'); E=imread('Sample_Image.jpg');  D=imresize(D,[size(E,1) size(E,2)]);  A=double(E);  C=uint8(zeros(size(A)));  F=E;  [x,y]=find((A(:,:,1)+A(:,:,2)+A(:,:,3))>650);  for i=1:size(x,1)     C(x(i),y(i),:)=1;      F(x(i),y(i),:)=0;      end C=C.*D;    C=C+F;  imshow(C);