| dc.date.accessioned |
2015-04-08T11:46:50Z |
und |
| dc.date.accessioned |
2017-10-24T12:21:42Z |
|
| dc.date.available |
2015-04-08T11:46:50Z |
und |
| dc.date.available |
2017-10-24T12:21:42Z |
|
| dc.date.issued |
2015-04-08T11:46:50Z |
|
| dc.identifier.uri |
http://radr.hulib.helsinki.fi/handle/10138.1/4577 |
und |
| dc.identifier.uri |
http://hdl.handle.net/10138.1/4577 |
|
| dc.title |
Demosaicing : värikuvan muodostus digitaalikamerassa |
fi |
| ethesis.discipline |
Mathematics |
en |
| ethesis.discipline |
Matematiikka |
fi |
| ethesis.discipline |
Matematik |
sv |
| ethesis.discipline.URI |
http://data.hulib.helsinki.fi/id/44bc4f03-6035-4697-993b-cfc4cea667eb |
|
| ethesis.department.URI |
http://data.hulib.helsinki.fi/id/61364eb4-647a-40e2-8539-11c5c0af8dc2 |
|
| ethesis.department |
Institutionen för matematik och statistik |
sv |
| ethesis.department |
Department of Mathematics and Statistics |
en |
| ethesis.department |
Matematiikan ja tilastotieteen laitos |
fi |
| ethesis.faculty |
Matematisk-naturvetenskapliga fakulteten |
sv |
| ethesis.faculty |
Matemaattis-luonnontieteellinen tiedekunta |
fi |
| ethesis.faculty |
Faculty of Science |
en |
| ethesis.faculty.URI |
http://data.hulib.helsinki.fi/id/8d59209f-6614-4edd-9744-1ebdaf1d13ca |
|
| ethesis.university.URI |
http://data.hulib.helsinki.fi/id/50ae46d8-7ba9-4821-877c-c994c78b0d97 |
|
| ethesis.university |
Helsingfors universitet |
sv |
| ethesis.university |
University of Helsinki |
en |
| ethesis.university |
Helsingin yliopisto |
fi |
| dct.creator |
Helander, Jenni |
|
| dct.issued |
2015 |
|
| dct.language.ISO639-2 |
fin |
|
| dct.abstract |
Muodostaakseen värikuvan digitaalikamera tarvitsee kuhunkin kuvan pikseliin tiedon kolmesta väristä: punaisesta, vihreästä ja sinisestä. Tavallinen digitaalikamera ei kuitenkaan mittaa jokaisen mainitun värin numeerista arvoa jokaiseen pikseliin, vaan vain yhden näistä. Demosaicing-algoritmit ovat algoritmeja, jotka käyttävät näitä kameran mittaamia vajaita väritietoja arvioidakseen puuttuvat tiedot väreistä kuhunkin pikseliin. Tämän tutkielman tarkoituksena on esitellä muutama tällainen demosaicing-algoritmi ja verrata näiden algoritmien tuottamia tuloksia keskenään.
Tutkielmassa esitellään ensin itse aiheen ymmärtämistä varten tarvittava taustateoria. Tämä tapahtuu luvussa kaksi, jossa ensin määritellään kuva ja siihen liittyvää termistöä, esitellään kaksi väriavaruutta: RGB-väriavaruus ja CIELAB-väriavaruus sekä, miten siirtyminen RGB-väriavaruudesta CIELAB-väriavaruuteen tapahtuu. Väriavaruuksien jälkeen luvussa kaksi perehdytään hieman digitaalikameran toimintaan ja siihen, miten digitaalikamera eroaa perinteisestä filmikamerasta. Filmikamera muodostaa kuvan kuvattavasta kohteesta filmille, mutta digitaalikamerassa ei käytetä vanhanaikaista filmirullaa tai -paperia, vaan kuva muodostetaan elektronisesti CCD-kennoon tai CMOS-kennoon, jotka ovat tutkielmassa seuraavana esittelyvuorossa. Niin CCD- kuin CMOS-kenno ovat kumpikin värisokeita kuvanmuodostukseen käytettäviä komponentteja. Jotta otettavasta valokuvasta saataisiin värillinen, täytyy käytössä olevan kennon eteen asettaa värisuodatin. Tällaisista värisuodattimista esitellään yleisessä käytössä oleva Bayer-suodatin. Viimeiseksi luvussa kaksi esitellään vielä Fourier-muunnos, konvoluutio ja SSIM.
Luvussa kolme esitellään kolme eri demosaicing-algoritmia: bilineaarinen interpolaatio, gradienttikorjattu bilineaarinen interpolaatio ja homogeeniohjautuva demosaicing-algoritmi. Luvussa neljä esitellään tutkielmassa käytettävä aineisto, jona toimii kaksi itse otettua valokuvaa. Valokuvat otettiin kameralla, joka mittaa jokaisen värikuvan muodostamiseen tarvittavan värin kussakin kuvan pikselissä. Näin ollen demosaicing-algoritmeilla saaduilla värikuvilla on vertailukohde, joka on samanaikaisesti algoritmien tavoitekuva.
Luvussa viisi esitellään tutkielmassa käytetyillä algoritmeilla saadut tulokset tutkielman aineistolle ja luvussa kuusi tehdään johtopäätöksiä saaduista tuloksista. Tulokset ovat jopa yllättäviä. Kaikki esitellyistä algoritmeista tuottavat hyviä tuloksia, mutta mikään niistä ei päädy olemaan paras tai huonoin. Algoritmit näyttävät suoriutuvan eri tilanteissa erilailla. Mikäli käsiteltävät kuvat ovat tarpeeksi suuria, vaikuttaisi bilineaarinen interpolaatio toimivan parhaiten. Mikäli käsiteltävät kuvat ovat pieniä ja reunojen terävyydelle on tarvetta, on gradienttikorjattu bilineaarinen interpolaatio hyvä valinta. Jos käsiteltävät kuvat ovat pieniä sekä halutaan, että kuvassa on mahdollisimman vähän värihäiriöitä, tällöin puolestaan homogeeniohjautuva demosaicing-algoritmi on toimiva valinta. |
fi |
| dct.language |
fi |
|
| ethesis.language.URI |
http://data.hulib.helsinki.fi/id/languages/fin |
|
| ethesis.language |
Finnish |
en |
| ethesis.language |
suomi |
fi |
| ethesis.language |
finska |
sv |
| ethesis.thesistype |
pro gradu-avhandlingar |
sv |
| ethesis.thesistype |
pro gradu -tutkielmat |
fi |
| ethesis.thesistype |
master's thesis |
en |
| ethesis.thesistype.URI |
http://data.hulib.helsinki.fi/id/thesistypes/mastersthesis |
|
| dct.identifier.urn |
URN:NBN:fi-fe2017112252050 |
|
| dc.type.dcmitype |
Text |
|
