home *** CD-ROM | disk | FTP | other *** search
/ Night Owl 6 / Night Owl's Shareware - PDSI-006 - Night Owl Corp (1990).iso / 020a / img_fltr.zip / FILTERS.DOC < prev   
Text File  |  1991-11-25  |  7KB  |  193 lines
  1.  
  2. The following is a list of all the 3 X 3 image processing filters for use 
  3. with a program such as IMPROCES.  These kernals can be used in the custom 
  4. filter  and boost items of the enhance section in the improces program.  
  5. This text file is being supplied with two PCX files which have a variable 
  6. frequency bar taget and variable frequency sinusoidal targets for use with 
  7. the image filters contained within this document.  The following kernal 
  8. information was taken from the program CONVOLVE.  The program CONVOLVE uses 
  9. text files to describe the filter function.  The image filter information 
  10. presented here is from the CONVOLVE program.  The limitation of the program 
  11. CONVOLVE is that it can only work on 320 X 200 images; the program IMPROCES 
  12. has no such limitation.  The kernal information from CONVOLVE can now be used
  13. on all VGA/SVGA resolutions using the IMPROCES program.  IMPROCES allows the 
  14. user to manipulation the 3 X 3 kernal in the images enhancement menu. However 
  15. the interger data is manually entered in to the kernal.  IMPROCES also has a 
  16. boost function linear multiplier which allows some of the low pass filters to be 
  17. realized. Thus some of the filter function can not be achieved yet with the 
  18. IMPROCES program but it is hoped that  shortly this particular feature can be 
  19. delivered by this fantastic program.
  20.  
  21. The following text is taken almost directly from the CONVOLVE program user
  22. documentation.
  23.  
  24. CONVOLUTION
  25. The concept of convolution is the application of a filter function to an 
  26. image to enhance specific aspects of it.  Convolution is an area process.  
  27. What is meant by an area process is that each pixel in the resultant image is 
  28. determined a group of pixels in the imediate area, in the original image.  
  29. Specifically this group of pixels is a 3x3 filter, or kernal,  that gets 
  30. applied to our original image.  Each of the filters provided has a certain 
  31. mathematical significance.  Using the test patterns provided will help the 
  32. user see exactly what is happening to the image as each filter is applied.  
  33. Also this document contains other filter functions for items which are 
  34. contained in the Enhance menu of the IMPROCES program; the filters here can 
  35. be used as an alternative to filters provided to yield an additional degree 
  36. of freedom.
  37.  
  38. Blurring Filter
  39.     The purpose of this filter is to blurr the image
  40.     
  41.     BLUR: The blurring filter               
  42. 1  1  1
  43. 1  1  1
  44. 1  1  1
  45.  
  46. Gradient Directional Edge Enhancement :
  47.  
  48. Using Gradient edge detectors allows you to specify a direction for the 
  49. edges other than just horizontal or vertical.  Diagonal edges can be 
  50. specified as well.  This is accomplished by using directions to indicate 
  51. the exact direction of the edges desired. If a positive slope in the 
  52. direction of the filter exists, a light-colored pixel will be placed in the 
  53. resultant image.  For example if the East Kernal is used, a light-colored 
  54. pixel will be placed in the output image if there is a transition from 
  55. black to white in the east (left to right) direction of image.  Constant 
  56. regions will be attenuated while regions of high frequency change will be 
  57. accentuated.
  58.  
  59.     GRADEAST: The gradient East filter
  60. -1  1  1
  61. -1 -2  1
  62. -1  1  1
  63.     GRADNE: The gradient North East filter
  64.  1  1  1
  65. -1 -2  1
  66. -1 -1  1
  67.     GRADN: The gradient North filter
  68.  1  1  1
  69.  1 -2  1
  70. -1 -1 -1
  71.     GRADS:  The gradient South filter.
  72. -1 -1 -1
  73.  1 -2  1
  74.  1  1  1
  75.     GRADNW:  The gradient North West filter.
  76.  1  1  1
  77.  1 -2  1
  78. -1 -1 -1
  79.     GRADIENT SE:  The gradient South East filter.
  80. -1 -1  1
  81. -1 -2  1
  82.  1  1  1
  83.     GRADSW:  The gradient South West filter.
  84. 1 -1 -1
  85. 1 -2 -1
  86. 1  1  1
  87.     GRADW:  The gradient West filter.
  88. 1  1 -1
  89. 1 -2 -1
  90. 1  1 -1
  91.  
  92.  
  93. High-Pass Spatial Filters
  94.  
  95. High-pass filters accentuate the high- frequency details of an image while 
  96. leaving  the low-frequency content intact.  High pass filtering is used 
  97. whenever objects with high spacial-frequency content need to be examined. 
  98. The higher-frequency portions of an image will be highlighted while the 
  99. lowe frequency portions become black.  The use of High pass filters may 
  100. highlight images at the expense of adding noise to the image.  High 
  101. frequency in images can be found by looking at edges of objects.  Edge 
  102. enhancement of an image is  possible with the use of High-pass filtering.
  103.  
  104. HIGHPASS191:  High pass spatial filter 
  105. -1 -1 -1
  106. -1  9 -1
  107. -1 -1 -1
  108. HIGHPASS150:
  109.  0 -1  0
  110. -1  5 -1
  111.  0 -1  0
  112. HIGHPASS125:
  113.  1 -2  1
  114. -2  5 -2
  115.  1 -2  1
  116.  
  117. Laplacian Edge Enhancement    
  118.  
  119. Laplacian edge enhancement differs from the other enhancement methods since 
  120. it is omni- directional.  It highlights edges regardless of direction.  
  121. Laplacian edge enhancements generate sharper edge definition than do most 
  122. other enhancment operation.  Additionally, it highlights edges having both 
  123. positive and negative brightness slopes.  All regions in the image which 
  124. illustrate a rapid change will be accentuated and non-varing regions 
  125. attenuated.
  126.  
  127. LAP1:
  128. 0  1  0
  129. 1 -4  1
  130. 0  1  0
  131. LAP2:
  132. -1 -1 -1
  133. -1  8 -1
  134. -1 -1 -1
  135. LAP3:
  136. -1 -1 -1
  137. -1  9 -1
  138. -1 -1 -1
  139. LAP4:
  140.  1 -2  1
  141. -2  4 -2
  142.  1 -2  1
  143.  
  144. Low-Pass Spatial Filters 
  145.  
  146. Low-pass filters leave the low-frequency content of an image intact while 
  147. attenuating the high frequency content.  Low-pass filters are good at 
  148. reducing the visual noise contained in an image.  Noise is garbage found 
  149. in image that does not pertain to image.  Low frequency areas in an image is 
  150. where the color of the pixels vary slowly or remains constant.  
  151.  
  152. LOWPAS10:  
  153. 0.1 0.1 0.1
  154. 0.1 0.2 0.1
  155. 0.1 0.1 0.1
  156.  
  157. LOWPAS19:
  158.  
  159. 0.1111 0.1111 0.1111
  160. 0.1111 0.1111 0.1111
  161. 0.1111 0.1111 0.1111
  162.  
  163. LOWPAS486:
  164.  
  165. 0.0625 0.125 0.0625
  166. 0.125  0.25  0.125
  167. 0.0625 0.125 0.0625
  168.  
  169. Shift and Difference Edge Enhancement 
  170.  
  171. As the name implies, these filters enhance image edges by shifting an 
  172. image pixel and then substracting the shifted image from the original.  The 
  173. result of the substraction is a measure of the slope of the brightness trend. 
  174. In an area of constant pixel intensity, the substraction will yield a slope 
  175. of zero.  Zero results in black pixel values.  In an area with large changes 
  176. in intensity, an edge, for example, the subtraction will yield a large value 
  177. for the slope, which will become a light colored pixel.  The larger the 
  178. difference in intensities, the lighter the pixel.
  179.  
  180. SDVEDGE: Shift and difference vertical edge
  181. -1  0  0
  182.  0  1  0
  183.  0  0  0
  184. SDHEDGE:  Shift and difference horizontal edge
  185.  0 -1  0
  186.  0  1  0
  187.  0  0  0
  188. SDHVEDGE:  Shift and difference vertical and horizontal edges
  189.  0  0  0
  190. -1  1  0
  191.  0  0  0
  192.  
  193.