مقاله کامل و جامع انواع فیلتر و کاربرد آن در پردازش تصاویر با ارایه مثال کاربردی .
در این مقاله کاربردی انواع مختلف فیلتر ها توضیح و تشریح شده است. سپس بر اساس 3 نوع تصویر لندست 8، استر و سنتینل 2 نتایج با هم مقایسه و بحث شده است. این مقاله سنجش از دوری توسط مدرسه سنجش از دور و جی ای اس ارایه شده است.
در مقاله انواع فیلتر و کاربرد آن در پردازش تصاویر چه مواردی آموزش داده شد است:
- انواع فیلتر مکانی و فرکانسی
- انواع فیلتر مکانی
فیلتر چیست؟
برای نمایش ترکیب، مورفولوژی و پیچیدگی عناصر از فیلترها استفاده میشود. عمل فیلتر عمدتا به منظور بالابردن وضوح تصاویر از طریق حذف فرکانسهای فضایی مشخصی در تصاویر انجام می گردد. فرکانس های فضایی، تغییرات روشنایی (DN) و مقادیر متفاوت را در خود دارند.
البته فیلترهای ترکیبی نیز به منظور استخراج اطلاعات در مورد ترکیب تصاویر به کار می روند، فیلتر ها برای آشکار سازی اطلاعات در تصاویر به کار می روند و در بخش بارز سازی تصاویر معمولا به کار گرفته میشوند.
از فیلترهای مورفولوژی نیز به منظور تهیه تصاویر مختلف براساس شکل پدیدهها استفاده میشود. از کاربردهای دیگر فیلترها در بحث فیوژن است که امروزه خیلی کاربرد پیدا کرده است.
کاربردهای فیلترها
- بهبود کنتراست
- تهیه تصاویر رنگی ترکیبی
- تبدیلهای طیفی و مکانی
فیلترها به طور کلی به دو دسته تقسیم میشوند:
- فیلتر مکانی
- فیلتر طیفی (فرکانسی)
فیلترهای مکانی
فیلتر مکانی هستند که بعد مکان را در نظر میگیرند، از کرنل ها یا پنجره های با ابعاد ثابت استفاده کرده و روی تک تک پیکسلهای تصویر اعمال شده و انواع مختلفی دارد.
فیلتر پایین گذر
هدف آن فرکانس پایین تصاویر را عبور داده و فرکانس بالا را حذف میکند و در ساختار آن از یک میانگین گیری استفاده میشود و جزییات را کم و بیشتر اطلاعات طیفی مد نظر است. در این فیلتر، تصاویر را نرم (Smooth) و نویز ها را نیز حذف میکند.
البته یک نوع فیلتر دیگر هست که به آن فلیتر Median گویند که این فیلتر نیز جزء فیلتر های پایین گذر میباشد و سعی میکند تا حد امکان اطلاعات لبه را نیر حفظ کند.
فیلتر های بالا گذر
این فیلترها فرکانسهای بالا را عبور میدهد و بیشتر اطلاعات مکانی را بارز میکند. از جمله، لبهها که انواع مختلفی دارد. این نوع فیلتر در نوع خودش جز فیلتر های لبه نیز به شمار میروند.
از انواع فیلتر های لبه می توان فیلتر :
Robert
Laplacian
Sobel
که در تشخیص لبه کارایی بالایی دارند، را نام برد.
فیلترهای فرکانسی (طیفی)
این فیلترهای تغییرات فرکانسها را در نظر میگیرند. که به دو دسته فرکانس بالا (HFF) و فرکانس پایین (LFF) تقسیم میشوند. در واقع این فیلترها اطلاعات و تغییرات فرکانسها را در تصاویر مورد بررسی قرار میدهند.
ارایه یک مثال کاربردی از انواع فیلتر در مقاله کاربردی انواع فیلتر و کاربرد آن در پردازش تصاویر
برای یک منطقه شهری با استفاده از تصاویر Landsat_8 ، Aster و Sentinel_2 فیلتر گذاریهای مختلف انجام گرفته و نتایج مورد بررسی قرار گرفته است.
به طور کلی هدف بررسی شبکه جادهای داخل شهری با استفاده از فیلتر های مختلف میباشد.
فیلترگذاری برای تصاویر لندست 8
نتایج اعمال فیلترها در شکل زیر نمایش داده شده است. برای بارز سازی خطوط شهری از فیلترهای تشخیص لبه از تصاویر لندست 8 استفاده شده است. همانطور که از شکل هم مشخصه فیلتر فلیتر Median تا جایی که امکان داشته اطلاعات طیفی نگه داشته و لبه ها را نیز حفظ کرده است.
فیلتر پایین گذر اطلاعات طیفی را حفظ کرده و اطلاعات مکانی را تا حدودی از بین برده است و لبهها خوب تشخیص داده نمیشوند. در فیلترهای بالا گذر اطلاعات طیفی حذف و لبه ها به خوبی تشخیص داده می شوند.
فیلتر Sobel بر اساس مشاهدات برای مناطق شهری زیاد مناسب نیست و تصویر را به هم میریزد، اما فیلتر Laplacian به خوبی توانسته لبه ها را تشخیص بدهد.
فیلترگذاری برای تصاویر استر (َAster)
برای بارز سازی خطوط شهری از فیلتر های تشخیص لبه از تصاویر Aster استفاده شده و همانطور که از شکل هم مشخصه فیلتر Median تا جایی که امکان داشته اطلاعات طیفی نگه داشته و لبه ها را نیز حفظ کرده است.
فیلتر پایین گذر اطلاعات طیفی را حفظ کرده و اطلاعات مکانی را تا حدودی از بین برده است و لبهها خوب تشخیص داده نمیشوند. در فیلترهای بالا گذر اطلاعات طیفی حذف و لبه ها به خوبی تشخیص داده میشوند.
فیلتر Sobel بر اساس مشاهدات برای مناطق شهری زیاد مناسب نیست و تصویر را بههم میریزد اما فیلتر Laplacian به خوبی توانسته لبه ها را تشخیص بدهد. البته با توجه به قدرت مکانی پایین تر نسبت به داده های لندست کمتر تونسته خطوط شهری را بارز بکند.
فیلترگذاری برای تصاویر سنتینل 2 (Sentinel- 2)
برای بارز سازی خطوط شهری از فیلتر های تشخیص لبه از تصاویر Sentinel_2 استفاده شده و همانطور که از شکل هم مشخصه فلیتر Median تا جایی که امکان داشته اطلاعات طیفی نگه داشته و لبه ها را نیز حفظ کرده است.
فیلتر پایین گذر اطلاعات طیفی را حفظ کرده و اطلاعات مکانی را تا حدودی از بین برده است و لبه ها خوب تشخیص داده نمی شوند. در فیلترهای بالا گذر اطلاعات طیفی حذف و لبه ها به خوبی تشخیص داده می شوند .
فیلتر Sobel بر اساس مشاهدات برای مناطق شهری زیاد مناسب نیست البته از دو تصویر قبلی نتایج بهتری بدست آمده است و دلیل آن میتواند قدرت مکانی بهتر تصویر باشد.
اما فیلتر Laplacian به خوبی توانسته لبه ها را تشخیص بدهد.البته با توجه به قدرت مکانی بالاتر نسبت به تصاویر دیگر بهتر تونسته خطوط شهری را بارز گند.