السلام عليكم ورحمة الله وبركاته
بداية شكرا للاخ الدكتور اياد محمد علي طرح الموضوع .. واقول للدكتور اياد كما يقول الرسول الكريم في مثل هذه المواقف " فلتصبر ولتحتسب فأن لله ما اخذ ولله ما ابقي وكل شي عنده بأجل مسمي"
لو تفحصت مرئيات لاندسات لوجدت ان هناك تراكب يحدث بين كل مرئيتين متجاورتين اي ان طرف المرئية الايمن هو نفسه طرف المرئية المجاورة الايسر .. بذلك يمكن قص الطرف المشوه وتعويضه من المرئية المجاورة الذي غالبا مايكون سليم بأستخدام " Mosaic "
علي العموم بالنسبة لموضوع التشويه الذي يحدث في المرئيات عموماً (حيث لم استطع مشاهدة المرئية التي رفعها الدكتور لان الموقع محجوب عنا) فأن برنامج الادريسي يقدم اكثر من حل ...فاذا كانت مرئيات من لاند سات والتشوه التي بها علي هئية خطوط عمودية او افقية فأن الموديل " DESTRIPE " يقوم بمعالجة هذه التشوهات سواء كانت عمودية او افقية وفكرة عمل الموديل تعتمد علي حساب المتوسط الحسابي والانحراف المعياري للمرئية ككل وكذلك المتوسط الحسابي والانحراف المعياري لكل صف او عمود منفصلا ( عموديا او افقيا حسب نوع التشوه)) ومن ثم يتم حذف القيم المشوهه واستبدالها بقيم بناءً علي الاحصائيات السابقة ...هذه الطريقة جيدة جداَ في حالة ما يكون التشويه منتظم عمودي او افقي ... كما انه في حالة الرغبة في معالجة منطقة معينة من المرئية فقط واستثناء مناطق اخري فذلك يمكن بأستخدام عمل الماسك "Mask " بنفس الموديل وبالتالي المعالجة تتم في منطقة معينة اما باقي المناطق تبقي كما هي.
بالنسبة للطريقة التي ذكرها الاخ فيصل ( الدخول الي الميتاداتا وتعديل هذه القيم يدوياً ) ممكنه اذا كانت القيم المشوهه قليلة ولكن صعبة اذا كان عدد البيكسل المشوهه كبير .. تحتاج الي وقت وجهد
ايظا يمكن استخدام الموديل " Filter " هذا الموديل يفيد جداً في حالة التشوهات العشوائية (اي اذا كان التشوه غير منتظم ..بهذا المرشح يوجد 12 طريقة احصائية يمكن تطبيقها منها مجموعة تعطي نتائج ممتازة لتصحيح التشوهات
FILTER creates a new image in which each pixel's value is based on its value and those of its immediate neighbors in an input image. The nature of this operation is determined by the values stored in a 3 x 3, 5 x 5, 7 x 7 or variable-sized kernel that is centered over each pixel as it is processed. For all filters except the median, mode and adaptive box filter, the pixel and its neighbors are multiplied by the values stored in the corresponding positions of the kernel, and the resulting values are summed to arrive at a new value for the pixel. FILTER includes options for the following filters for the given kernel sizes:
§ Mean (low pass) Filter: 3 x 3, 5 x 5, 7 x 7
§ Gaussian Filter: 3 x 3, 5 x 5, 7 x 7
§ Minimum Filter: 3 x 3, 5 x 5, 7 x 7
§ Median Filter: 3 x 3, 5 x 5, 7 x 7
§ Maximum Filter: 3 x 3, 5 x 5, 7 x 7
§ Adaptive Box Filter: 3 x 3, 5 x 5, 7 x 7
§ Mode Filter: 3 x 3, 5 x 5, 7 x 7
§ Standard Deviation: user-defined mask
§ Laplacian Edge Enhancement Filter: 3 x 3, 5 x 5, 7 x 7
§ High Pass Filter: 3 x 3, 5 x 5, 7 x 7
§ Sobel Edge Detector: 3 x 3
§ User-Defined Filter File: size up to 255 x 255
Filtering is used for a variety of purposes. Mean and Gaussian filters are commonly used to generalize an image. The minimum and maximum filters are for applying mathematical morphology to remotely sensed images. The median filter is excellent for random noise removal. The adaptive box filter is good for correcting "salt-and-pepper" random noise and also for noisy data where pixel brightness is related to the image scene but has an additive or multiplicative noise factor. Mode filters are good for filling gaps between polygons after a vector-to-raster conversion. Edge enhancement filters accentuate areas of change in continuous surfaces. High-pass filters emphasize areas of abrupt change relative to those of gradual change. The Sobel Edge Detector extracts edges between features or areas of abrupt change. The user-defined filter file option is useful for simulation modeling. Mask filters can be used to define the extent and shape of a local neighborhood for which one wants to derive standard deviation statistics.
يمكن مراجعة الادريسي لمزيد من التفاصيل ..كما ان هناك تدريب عملي تطبيقي لهذة المديلات وغيرها داخل الادريسي ...
تحياتي
رد مع اقتباس