Wybrane zagadnienia robotyki, część 2: Cyfrowe przetwarzanie obrazów
|
|
- Małgorzata Kamila Marcinkowska
- 5 lat temu
- Przeglądów:
Transkrypt
1 Wybrane zagadnienia robotyki, część 2: Cyfrowe przetwarzanie obrazów Andrzej Kordecki (ML.NK500) 1 / 78
2 Spis treści 1 Zakres tematyki Zaliczenie 2 Przykłady 3 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 4 Co to jest kolor? Modele percepcyjne barw 5 Współczynniki porównania obrazów Miary detekcji obiektów w obrazach 2 / 78
3 Zakres tematyki Zaliczenie 3 / 78
4 Prowadzący Zakres tematyki Zaliczenie dr inż. Andrzej Kordecki adiunkt (stanowisko naukowo-dydaktyczne) w Zakładzie Teorii Maszyn i Robotów (ZTMiR), akordecki@meil.pw.edu.pl, pokój NL230, godziny konsultacji: czwartek , dodatkowe informacje: 4 / 78
5 Zakres tematyki Zakres tematyki Zaliczenie Przetwarzanie obrazów (ang. Image Processing) - dziedzina przetwarzania sygnałów cyfrowych zajmuje się algorytmami przetwarzania i akwizycji obrazów cyfrowych w celu ulepszenia obrazu lub odszukania użytecznych infromacji, Widzenie komputerowe (ang. Computer Vision) - celem jest zautomatyzowanie zadań wykonywanych przez ludzki system wizualny poprzez odpowiednią akwizycję, przetwarzanie i analizę obrazów. Wykonywane zadania zorientowane są na analizę scen i rozpoznawaniu obiektów w obrazach. 5 / 78
6 Zakres tematyki Zakres tematyki Zaliczenie Dziedziny pokrewne: Widzenie maszynowe (ang. Machine Vision), Grafika komputerowa (ang. Computer Graphics), Uczenie maszynowe (ang. Machine Learning), Sztuczna inteligencja (ang. Artificial Intelligence), Psychologia poznawcza (ang. Cognitive Science). 6 / 78
7 Grafika rastrowa i wektorowa Zakres tematyki Zaliczenie Wykłady będą dotyczyć grafiki rastrowej Grafika rastrowa: Obraz jest budowany z siatki pikseli. Reprezentowana jako dwuwymiarowa tablica. Rozmiar w pamięci nie zależy od stopnia skomplikowania obrazu. Skalowanie obrazu prowadzi do utraty jakości. Grafika wektorowa: Obraz jest rysowany za pomocą punktów, linii, krzywych, itd. Reprezentowana przez parametry figur geometrycznych. Rozmiar w pamięci zależy od stopnia skomplikowania obrazu. Trudność w oddaniu fotorealistycznych obrazów. Skalowanie obrazu bez straty jakości. 7 / 78
8 Grafika rastrowa i wektorowa Zakres tematyki Zaliczenie Różnice w obrazie rastrowym i wektorowym po zmianie skali 8 / 78
9 Zakres tematyki Zakres tematyki Zaliczenie Zakres tematyki Metody akwizycji i dyskretyzacji obrazów. Modele i przestrzenie barw. Miary jakości przetwarzania obrazów. Metody poprawy jakości obrazów cyfrowych. Metody liniowego i nieliniowego przetwarzania obrazów. Operacje morfologiczne. Analiza obrazów złożonych. Metody segmentacji obrazu. Współczynniki kształtu i metody klasyfikacji obrazów. Rozpoznawanie obiektów w obrazach. Konwolucyjne sieci neuronowe w przetwarzaniu obrazów. 9 / 78
10 Literatura Zakres tematyki Zaliczenie Gonzalez R., Woods R., Digital Image Processing, Prentice Hall (2008), Gonzalez R., Woods R., Eddins S., Digital Image Processing Using MATLAB, Dorling Kindersley (2006), Pratt W., Digital Image Processing, Wiley (2007), Goodfellow I., Bengio Y., Courville A., Deep Learning, MIT Press (2016). 10 / 78
11 Zaliczenie Zakres tematyki Zaliczenie Zestaw 3-5 pytań (sprecyzowane przed testem) z zakresu przetwarzania obrazów, Zastosowanie etapu lub całego zadanego algorytmu dla zadanego przykładu. Określenie wpływu zdanej metody na obraz. 11 / 78
12 Programowanie Zakres tematyki Zaliczenie Przydatne narzędzia: C++ wraz bibliotekami opencv + Leptonica + FreeImage + TensorFlow Python (lub Anaconda) wraz bibliotekami opencv + SciKit-Image + TensorFlow Matlab z image processing toolbox, Inne z odpowiednią biblioteką. 12 / 78
13 Przykłady 13 / 78
14 Przykłady Przeważająca większość informacji wpływa do mózgu z wykorzystaniem wzroku. Rosnąca dostępność sprzętu, a szczególnie telefonów komórkowych zawierających kamerę, Szybki rozwój rozwiązań z zakresu wizji komputerowej oraz szczególnie uczenia maszynowego, Multimedia i Internet. Celem przetwarzania jest uproszczenie polepszenie i ułatwienie wykonywania czynności w wielu dziedzinach naszego życia. 14 / 78
15 Cele Przykłady Po co przetwarzamy obrazy: Akwizycja obrazu (poprawna ekspozycja i balans kolorów) Wyświetlenie lub wydruk (poprawa rozmiaru obrazu, odwzorowanie barw, korekcja gamma) Archiwizacja obrazów (format i kompresja obrazów, detekcja twarzy, rozpoznanie tekstu) Wyszukanie informacji w obrazie (wyszukanie kodów kreskowych, kodów QR, ale także bardziej złożone jak detekcja twarzy, czy detekcja zmiany pasa ruchu) 15 / 78
16 Ocena Przykłady Kryteria oceny systemów wizji komputerowej: złożoność obliczeniowa i pamięciowa, wynik: trafność, czułość lub dokładność, niezawodność i odporność na zmiany jakości obrazu (np. szumy, mniejsza rozdzielczość), 16 / 78
17 Przykłady - Odzumianie Przykłady Filtr Non-local means, tutorial_py_non_local_means.html 17 / 78
18 Przykłady Przykłady - Detekcja krawędzi Filtr Canny, 18 / 78
19 Przykłady - Segmentacja Przykłady Konwolucyjna sieć neuronowa Digits, https: //devblogs.nvidia.com/image-segmentation-using-digits-5/ 19 / 78
20 Przykłady Przykłady - Detekcja obiektów Konwolucyjna sieć neuronowa YOLO, 20 / 78
21 Przykłady Przykłady - Rozpoznwania twarzy Detektor Haar-cascade, tutorial_py_face_detection.html 21 / 78
22 Przykłady Przykłady - OCR Tesseract OCR, 22 / 78
23 Przykłady - Opis sceny Przykłady Konwolucyjna sieć neuronowa Faster-RCNN + Iterative Message Passing, 23 / 78
24 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 24 / 78
25 Postrzeganie barw Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Obraz barwny powstaje w wyniku działania trzech podstawowych czynników: źródła światła, przedmiotu i obserwatora. 25 / 78
26 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Swiatło a widmo elektromagnetyczne Fizycznym bodźcem potrzebnym do powstania barwy jest promieniowanie elektromagnetyczne w widzialnym zakresie widma, które jest powszechnie nazywane światłem. 26 / 78
27 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Swiatło a widmo elektromagnetyczne Niezależnie od tego, czy światło pochodzi ze źródła światła, czy jest odbite od obiektu, to zakres widzialny widma elektromagnetycznego jest zwykle określony przez długość fali od λ min = 360 nm do λ max = 830 nm. 27 / 78
28 Obiekt obserwacji Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Obiekt będący wtórnym źródłem światła, może światło częściowo odbić, pochłonąć lub przepuścić: widmowy współczynnik odbicia - stosunek strumienia promieniowania odbitego od obiektu do promieniowania padającego na obiekt. widmowy współczynnik absorpcji - stosunek całkowicie pochłoniętego promieniowania do strumienia promieniowania padającego na obiekt. widmowy współczynnik przepuszczania - stosunek strumienia promieniowania przepuszczonego przez obiekt do strumienia promieniowania padającego na obiekt. 28 / 78
29 Obiekt obserwacji Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 29 / 78
30 Obiekt obserwacji Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Widmowy współczynnik odbicia różnych barw. 30 / 78
31 Układ wzrokowy Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Oko w dużym uproszczeniu to układ optyczny skupiający światło w celu utworzenia obrazu oglądanego obiektu. Budowa oka: 1 - rogówka, 2 - soczewka, 3 - siatkówka, 4 - tęczówka, 5 - plamka żółta. 31 / 78
32 Układ wzrokowy Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Istnieją dwa rodzaje fotoreceptorów: Pręciki są bardzo wrażliwe na światło i są używane do widzenia przy bardzo niskim poziomie oświetlenia. Czopki są odpowiedzialne za widzenie barw. Obserwatorzy z normalnym widzeniem barwnym posiadają trzy rodzaje czopków, które różnią się między sobą wykorzystywanym pigmentem o różnej charakterystyce absorpcji. 32 / 78
33 Układ wzrokowy Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Funkcje dopasowania barw r, g i b normalnego obserwatora kolorymetrycznego CIE / 78
34 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Pozyskiwanie obrazów barwnych W urządzeniach rejestrujących obraz możemy wyróżnić: układ optyczny - skupia światło na sensorze aparatu fotograficznego. Sensor obrazu i filtry barwne - zamienia światło skupione przez układ optyczny na proporcjonalny do padającego światła sygnał elektryczny. układ analogowy - przetwarza sygnał analogowy (m.in. separacja barw, wzmocnienie sygnału) i konwertuje na sygnał cyfrowy, układ cyfrowy - wykorzystuje procesor sygnałowy do m.in.: automatycznej kontroli ekspozycji (AE), autofokusa (AF), demozaikowania. układ sterowania - steruje poprawnością wykonywania sekwencji operacji, np. AE i AF. 34 / 78
35 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Pozyskiwanie obrazów barwnych Rdzeniem aparatu fotograficznego jest sensor, który zamienia padające na niego światło na sygnał elektryczny. Urządzenia do pozyskiwania obrazów zapisują docierające do nich zmiany intensywności promieniowania w postaci funkcji opisującej zbiór punktów na płaszczyźnie. 35 / 78
36 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Pozyskiwanie obrazów barwnych Barwny filtr mozaikowy (ang. Color filter array, CFA) - wiekszosc aparatów fotograficznych wykorzystuje pojedynczy sensor obrazu z barwnym filtrem mozaikowym wykorzystujący tzw. wzór Bayera. W ten sposób każda fotodioda jest czuła tylko na wybraną barwę reprezentującą określony zakres widma. 36 / 78
37 Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Pozyskiwanie obrazów barwnych Przykładowe czułości aparatu fotograficznego dla kanału czerwonego, zielonego i niebieskiego. 37 / 78
38 Proces akwizycji obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 38 / 78
39 Czym jest obraz? Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Dwa procesy dyskretyzacji: przestrzenna i wartosci sygnału. 39 / 78
40 Czym jest obraz? Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Dwuwymiarowa tablica (macierz) intensywności pikseli lub funkcje f intensywności pikseli zdefiniowaną na kartezjańskim układzie współrzędnych. 40 / 78
41 Czym jest obraz? Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 41 / 78
42 Parametry obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Rozdzielczość obrazu liczba pikseli w pionie i poziomie, Liczba punktów na cal (dpi) lub pikseli na cal (ppi) - dokładność wyswietlania i informacja o rozmiarze, Rozdzielczość 300 DPI 100 DPI pikseli 1,69 1,69 cm 5,08 5,08 cm 42 / 78
43 Parametry obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Głebia bitowa - miara liczby bitów przechowujacych informacje o jednym pikselu obrazu. 43 / 78
44 Parametry obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu 3 8 = 24 bit 3 4 = 12 bit 3 2 = 6 bit Najczęściej: f : N N [0, 1](R) f : N N [0, 255](N) 44 / 78
45 Parametry obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Opis obrazu musi posiadać sprecyzowaną informację o sposobie wyświetlania barw: obraz barwny - zawiera informacji o ilości barw każdej składowej lub liczby barw w obrazie, np. 24 bity obraz barwny to obraz z 256 kolorami (3 8 bit) na składową przestrzeni barw RGB, obraz monochromatyczny (lub w odcieniach szarości) - zawiera informacje o liczbie odcieni szarości, np. obraz 8 bitowy zawiera 256 odcieni szarości, obraz czarno-biały - zawiera tylko informacje, czy dany piksel jest biały albo czarny. 45 / 78
46 Parametry obrazu Postrzeganie barw Swiatło Akwizycja obrazu Parametry obrazu Format pliku (np. BMP, JPEG, TIFF, PNG) okeśla sposób zapisu danych i metodę kompresji danych: kompresja stratna, kompresja beztratna. JPG, Q=100 JPG, Q=60 3 JPG, Q=10 86 KB 13 KB 4 KB Wielkość pliku obrazu zależy od zastosowanej metody kompresji! 46 / 78
47 Co to jest kolor? Modele percepcyjne barw 47 / 78
48 Co to jest kolor? Co to jest kolor? Modele percepcyjne barw Barwa powstaje w wyniku działania trzech podstawowych czynników: źródła światła, przedmiotu i obserwatora. Barwa z jednej strony jest psychofizyczną cechą percepcji wzrokowej, ale z drugiej strony, jest wielkością próbującą zobiektywizować i usystematyzować opis tych wrażeń wzrokowych. 48 / 78
49 Co to jest kolor? Co to jest kolor? Modele percepcyjne barw Teoria trójchromatyzmu, której twórcami sa Young i Helmholtz - sygnały z trzech rodzajów receptorów sa transmitowane do mózgu, gdzie w tzw. korze wzrokowej na ich podstawie jest formowana informacja barwna. Teoria barw przeciwstawnych Heringa. Zauważył on, ze pewne barwy oceniane sa jako proste (czerwone, zielone, niebieskie i żółte), a pozostałe barwy sa kombinacjami barw prostych. Hering założył istnienie trzech typów komórek o dwubiegunowych odpowiedziach: jasno-ciemno, czerwono-zielono oraz niebiesko-żółto. 49 / 78
50 Co to jest kolor? Co to jest kolor? Modele percepcyjne barw Teoria strefowa zakłada, że odpowiedzi trzech receptorów nie są przesyłane bezpośrednio do mózgu jak w teorii trójchromatyzmu, lecz są przetwarzane na sygnały przeciwstawne. Zgodnie z współczesną teoria trójchromatyzmu, sygnały z trzech czopków są sumowane z odpowiednią wagą (L+M+S), aby uzyskać achromatyczna informacje o obrazie. 50 / 78
51 Przestrzenie barw Co to jest kolor? Modele percepcyjne barw Przestrzenie reprezentacji barw określa sposób organizacji i opisu barw. Istnieje wiele przestrzeni barw: RGB, HSI, Luv, Yxy,... Motywacje dla utrzymywania wielu przestrzeni reprezentacji barw: zgodność z percepcja wzrokowa człowieka, zgodność z pewnymi procesami/standardami technologicznymi, zróżnicowanie reprezentacji barw przydatne w przetwarzaniu i wnioskowaniu. Do opisu barw w urządzeniach stosuje się dwa modele: addytywny, reprezentowany przez przestrzeń RGB, substraktywny, reprezentowany przez przestrzeń CMY. 51 / 78
52 Model barw RGB Co to jest kolor? Modele percepcyjne barw Addytywna model barw RGB: R red (czerwony), G green (zielony), B blue (niebieski). Własności: Daną barwę możemy odtworzyć przez addytywne mieszanie trzech barw podstawowych, Jednostkowa moc promieniowania barw podstawowych jest dobrana tak, aby mieszanina ich jednostkowych wartości barwy była równa światłu białemu. 52 / 78
53 Model barw RGB Co to jest kolor? Modele percepcyjne barw Model RGB jest najczęściej stosowanym modelem opisu barw w obrazach. 53 / 78
54 Model barw CMY Co to jest kolor? Modele percepcyjne barw Substraktywny model barw CMY: C - cyan (Cyjan), M - magenta (Magenta), Y - yellow (Żółty). Własności: Daną barwę możemy odtworzyć przez usunięcie (odjęcie) od barwy białej niechcianego zakresu widma przez zastosowanie odpowiedniego substancji barwiącej, Zastosowanie wszystkich barw (CMY absorbcje światło w zakresie barwy czerwonej, zielonej i niebieskiej) spowoduje abosobjcę światła w całym zakresie widma. 54 / 78
55 Obliczenia Co to jest kolor? Modele percepcyjne barw Konwersja barw z przestrzeni RGB do CMY: C = 1 R M = 1 G Y = 1 B Należy zwrócić uwagę na Zazwyczaj występuje różnica w sposobie wyświetlania danej barwy pomiędzy urządzeniami, Wzory do przekształceń obrazu dla składowych przestrzeni barw w zakresie / 78
56 Model barw HSV Co to jest kolor? Modele percepcyjne barw Niestety przedstawione wcześniej modele barw RGB i CMY nie pozwalają na praktyczny opis z punktu interpretacji barw przez człowieka. Kiedy opisujemy kolory wykorzystujemy takie pojęcia jak: odcień, nasycenie i jasność. Dzielmy opis koloru na część: achromatyczną - związaną z jasnością, chromatyczną - związaną z odcieniem i nasyceniem. Przestrzenie barw HSV wykorzystują taki model opisu barw. 56 / 78
57 HSV Co to jest kolor? Modele percepcyjne barw Model barw HSV interpretowana w postaci stożka barw: H Hue (odcień światła) - wyrażona kątem na kole barw, S Saturation (nasycenie koloru) - promień podstawy stożka, V Value (jasność/moc) - wysokość stożka. 57 / 78
58 Model barw HSV Co to jest kolor? Modele percepcyjne barw Wyświetlenie obrazu zapisanego w przestrzeni HSV na urządzeniu wyświetlającym barwy w przestrzeni RGB. 58 / 78
59 Obliczenia Co to jest kolor? Modele percepcyjne barw Konwersja barw z przestrzeni barw RGB do HSV: Współczynnik chrominancji: M = max{r, G, B} m = min{r, G, B} C = M m Składowe przestrzeni HSV: nieokreślone jeżeli C = 0 H G B mod6 jeżeli M = R C = B R + 2 jeżeli M = G C R G + 4 jeżeli M = B C V = M 0 jeżeli V = 0 S = C jeżeli V 0 V H = 60 H 59 / 78
60 Model barw XYZ Co to jest kolor? Modele percepcyjne barw W 1931 i 1964 CIE (ang. International Commission on Illumination) zaadaptowała dwa różnych obserwatorów kolorymetrycznych normalnym. Określaja one uśredniony sposób reakcji na postrzegana barwe przez wyznaczona grupę obserwatorów. 60 / 78
61 Model barw XYZ Co to jest kolor? Modele percepcyjne barw Funkcje wyznaczono w dokładnie określonych warunkach, w których na przedzielonym dwustronnie obszarze oglądanym były porównywane bodźce barwne. 61 / 78
62 Model barw LAB Co to jest kolor? Modele percepcyjne barw Przestrzen CIELAB opiera swa budowe na teorii barw przeciwstawnych. Do opisu barwy wykorzystano trzy składowe: L opisuje jasność, a opisuje odchylenie barwy w stronę czerwonego lub zielonego i b opisuje odchylenie barwy w stronę żółtego lub niebieskiego. 62 / 78
63 Obliczenia Co to jest kolor? Modele percepcyjne barw Składowe CIELAB wyznaczane są z dwóch zestawów współrzędnych CIEXYZ według następujących zależności: L = 116f (Y /Y n ) 16 a = 500[f (X /X n ) f (Y /Y n )] b = 200[f (X /X n ) f (Z/Z n )] (1) f (ω) = { ω 1 3 dla ω > (6/29) 3 (841/108)ω + 4/29 dla ω (6/29) 3 (2) gdzie: X, Y i Z - składowe bodźca barwnego, X n, Y n i Z n - składowe bodźca bieli, ω - zastępuje wyrażone w równaniu (1) wartości X /X n, Y /Y n i Z/Z n. 63 / 78
64 Współczynniki porównania obrazów Miary detekcji obiektów w obrazach 64 / 78
65 Jakość obrazów Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Informacje zawarte w obrazie pozwalają na porównanie: wielu systemów wizyjnych pod względem wybranej cechy, obrazów ze sobą pod względem wybranych cech. Wykonane na obrazach działania związane np. detekcja samochodów, czy poprawność odwzorowania barw w pewnym momencie zostanie ocenione pod względem ich jakości. 65 / 78
66 Jakość obrazów Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Miary mogą dotyczyć: różnicy pomiędzy wartościami pikseli porównywanych obrazów, różnicy w postrzeganiu porównywanych obrazów przez człowieka, dokładności detekcji obiektu w obrazie, wiele innych! 66 / 78
67 MSE i PSNR Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Miary w oparaciu o różnice w wartościach pikseli: Błąd średniokwadratowy (ang. Mean Squared Error, MSE): MSE = 1 M 1 (X (m, n) Y (m, n)) 2 NM m=0 Szczytowy stosunek sygnału do szumu (ang. peak signal-to-noise ratio, PSNR): PSNR = 10log S 2 MSE Gdzie: X - obraz oryginalny, Y - obraz zniekształcony, (m, n) - współrzędne porównywanych pikseli, M i N - rozdzielczość pionowa i pozioma obrazów. Miara dotyczy obrazów w skali 67 / 78
68 MSE i PSNR Współczynniki porównania obrazów Miary detekcji obiektów w obrazach 68 / 78
69 SSIM Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Miarą w oparaciu o różnice w postrzeganiu obrazów jest Indeks strukturalnego podobieństwa (SSIM, ang. structural similarity index metric). Obrazy mają złożoną strukturę i do ich zmierzynia należy wykorzystać nie tylko różnice w wartości pikseli, ale także 69 / 78
70 SSIM Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Informacja strukturalna obrazu jest zdefiniowana jako zestaw atrybutów, które tworzą strukturę obiektów reprezentowanych w obrazie, niezależnie od ich średniej luminancji, czy kontrastu. Zmierzenie luminancji x i y, rozumianej jako wartość średnia: µ x = 1 NM Nn=1 Mm=1 x mn µ y = 1 NM Nn=1 Mm=1 y mn Kontrasty porównywane są za pomocą następującej funkcji: l(x, y) = 2µ xµ y + C 2 µ 2 xµ 2 y + C 2 gdzie parametry C to wartości stałe wybrane do oceny obrazów. 70 / 78
71 SSIM Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Informacje o luminancji są usuwane poprzez obliczanie odchyleń standardowych dwóch obrazów w celu uzyskania ich średniego kontrastu: ( σ x = ( σ y = 1 NM 1 NM Nn=1 Mm=1 M 1 m=0 (x mn µ x ) 2 ) 0.5 Nn=1 Mm=1 M 1 m=0 (y mn µ y ) 2 ) 0.5 Kontrasty porównywane są za pomocą następującej funkcji: c(x, y) = σ xσ y + C 2 σ 2 x + σ 2 y + C 2 71 / 78
72 SSIM Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Ostatnim strukturą jest funkcja porównywania s(x, Y ), która zapamiętuje indeks korelacji Pearsona pomiędzy dwoma sygnałami: s(x, Y ) = σ xy + C 3 σ x σ y + C 3 Ostatecznie miara SSIM wyznaczna jest następująco: SSIM(n, m) = [l(x, y)] α + [c(x, y)] β + [s(x, y)] γ dla parametrów α = β = γ = 1: SSIM(n, m) = (2µ xµ y + C 1 )(2σ xy + C 2 ) (µ 2 x + µ 2 y + C 1 )(σ 2 x + σ 2 y + C 2 ) 72 / 78
73 SSIM Współczynniki porównania obrazów Miary detekcji obiektów w obrazach SSIM = 1 dla identycznego obrazu. 73 / 78
74 Jakość detekcji Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Macierz błędów / tablica pomyłek (ang. confusion matrix) jest podstawowym narzędziem stosowanym do oceny jakości detekcji i klasyfikacji obiektów w obrazach. Porównywać w obrazach można poprawną detekcję danej klasy, poprawność detekcji położenia (pikseli) danego obiektu, itd. Liczba klas (k liczba klas) w obrazie poddanym klasyfikacji oraz danych porównawczych są sobie równe. Pola macierzy weryfikują, które obiekty zostały zaliczone do klasy i, podczas gdy faktycznie należą do klasy j, co wyrażono w wartość w macierzy w polu n ij (i,j = 1, 2,..., k). 74 / 78
75 Jakość detekcji Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Populacja Klasa Klasa pozytywna negatywna Stan Prawdziwie Fałszywie pozytywny pozytywna negatywna Stan Fałszywie Prawdziwie negatywny pozytywna negatywna 75 / 78
76 Jakość detekcji Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Możliwe wyniki klasyfikacji: Prawdziwie pozytywna (True-Positive, TP) - liczba poprawnie sklasyfikowanych przykładów z wybranej klasy, Prawdziwie negatywna (True-Negative, TN) - liczba błędnie sklasyfikowanych przykładów z tej klasy, Fałszywie pozytywna (False-Positive, FP) - liczba przykładów poprawnie nie przydzielonych do wybranej klasy (błąd I typu), Fałszywie negatywna (False-Negative, FN) - liczba przykładów błędnie przydzielonych do wybranej klasy, podczas gdy w rzeczywistości do niej nie należą (błąd II typu). 76 / 78
77 Jakość detekcji Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Wyróżnione miary oceny klasyfikacji: Czułość (Sensitivity, True Positive Rate, TPR): TP/(TP + FN) Dokładność (Accuracy): (TP + TN)/(TP + TN + FP + FN) Precyzja (Precision): TP/(TP + FP) Błąd niedoszacowania (False omission rate): FN/(FN + TN) 77 / 78
78 Współczynniki porównania obrazów Miary detekcji obiektów w obrazach Koniec 78 / 78
Cyfrowe przetwarzanie obrazów i sygnałów Wykład 1 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoAkwizycja obrazów. Zagadnienia wstępne
Akwizycja obrazów. Zagadnienia wstępne Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 A. Przelaskowski, Techniki Multimedialne,
Bardziej szczegółowoTeoria światła i barwy
Teoria światła i barwy Powstanie wrażenia barwy Światło może docierać do oka bezpośrednio ze źródła światła lub po odbiciu od obiektu. Z oka do mózgu Na siatkówce tworzony pomniejszony i odwrócony obraz
Bardziej szczegółowoGRAFIKA RASTROWA GRAFIKA RASTROWA
GRAFIKA KOMPUTEROWA GRAFIKA RASTROWA GRAFIKA RASTROWA (raster graphic) grafika bitmapowa: prezentacja obrazu za pomocą pionowo-poziomej siatki odpowiednio kolorowanych pikseli na monitorze komputera, drukarce
Bardziej szczegółowoPODSTAWY BARWY, PIGMENTY CERAMICZNE
PODSTAWY BARWY, PIGMENTY CERAMICZNE Barwa Barwą nazywamy rodzaj określonego ilościowo i jakościowo (długość fali, energia) promieniowania świetlnego. Głównym i podstawowym źródłem doznań barwnych jest
Bardziej szczegółowoPercepcja obrazu Podstawy grafiki komputerowej
Percepcja obrazu Podstawy grafiki komputerowej Światło widzialne wycinek szerokiego widma fal elektromagnetycznych 1 Narząd wzroku Narząd wzroku jest wysoko zorganizowanym analizatorem zmysłowym, którego
Bardziej szczegółowoPojęcie Barwy. Grafika Komputerowa modele kolorów. Terminologia BARWY W GRAFICE KOMPUTEROWEJ. Marek Pudełko
Grafika Komputerowa modele kolorów Marek Pudełko Pojęcie Barwy Barwa to wrażenie psychiczne wywoływane w mózgu człowieka i zwierząt, gdy oko odbiera promieniowanie elektromagnetyczne z zakresu światła
Bardziej szczegółowoDo opisu kolorów używanych w grafice cyfrowej śluzą modele barw.
Modele barw Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw. Każdy model barw ma własna przestrzeo kolorów, a co za tym idzie- własny zakres kolorów możliwych do uzyskania oraz własny sposób
Bardziej szczegółowoMarcin Wilczewski Politechnika Gdańska, 2013/14
Algorytmy graficzne Marcin Wilczewski Politechnika Gdańska, 213/14 1 Zagadnienia, wykład, laboratorium Wykład: Światło i barwa. Modele barw. Charakterystyki obrazu. Reprezentacja i opis. Kwantyzacja skalarna
Bardziej szczegółowoGrafika komputerowa. Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Żółty
Grafika komputerowa Opracowali: dr inż. Piotr Suchomski dr inż. Piotr Odya Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Czerwony czopek
Bardziej szczegółowoGrafika komputerowa. Dla DSI II
Grafika komputerowa Dla DSI II Rodzaje grafiki Tradycyjny podział grafiki oznacza wyróżnienie jej dwóch rodzajów: grafiki rastrowej oraz wektorowej. Różnica pomiędzy nimi polega na innej interpretacji
Bardziej szczegółowoINFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ
INFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ Przygotowała mgr Joanna Guździoł e-mail: jguzdziol@wszop.edu.pl WYŻSZA SZKOŁA ZARZĄDZANIA OCHRONĄ PRACY W KATOWICACH 1. Pojęcie grafiki komputerowej Grafika komputerowa
Bardziej szczegółowoGrafika na stronie www
Grafika na stronie www Grafika wektorowa (obiektowa) To grafika której obraz jest tworzony z obiektów podstawowych najczęściej lini, figur geomtrycznych obrazy są całkowicie skalowalne Popularne programy
Bardziej szczegółowoKomunikacja Człowiek-Komputer
Komunikacja Człowiek-Komputer Kolory Wojciech Jaśkowski Instytut Informatyki Politechnika Poznańska Wersja: 4 listopada 2013 Światło Źródło: Practical Colour management R. Griffith Postrzegany kolor zależy
Bardziej szczegółowoKurs grafiki komputerowej Lekcja 2. Barwa i kolor
Barwa i kolor Barwa to zjawisko, które zachodzi w trójkącie: źródło światła, przedmiot i obserwator. Zjawisko barwy jest wrażeniem powstałym u obserwatora, wywołanym przez odpowiednie długości fal świetlnych,
Bardziej szczegółowoMODELE KOLORÓW. Przygotował: Robert Bednarz
MODELE KOLORÓW O czym mowa? Modele kolorów,, zwane inaczej systemami zapisu kolorów,, są różnorodnymi sposobami definiowania kolorów oglądanych na ekranie, na monitorze lub na wydruku. Model RGB nazwa
Bardziej szczegółowoWprowadzenie do grafiki maszynowej. Wprowadzenie do percepcji wizualnej i modeli barw
Wprowadzenie do grafiki maszynowej. Wprowadzenie do percepcji i modeli barw Aleksander Denisiuk Uniwersytet Warmińsko-Mazurski Olsztyn, ul. Słoneczna 54 denisjuk@matman.uwm.edu.pl 1 / 38 Wprowadzenie do
Bardziej szczegółowoPrzetwarzanie obrazów wykład 1. Adam Wojciechowski
Przetwarzanie obrazów wykład 1 Adam Wojciechowski Teoria światła i barwy Światło Spektrum światła białego: 400nm 700nm fiolet - niebieski - cyan - zielony - żółty - pomarańczowy - czerwony Światło białe
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów. Karol Czapnik
Cyfrowe Przetwarzanie Obrazów Karol Czapnik Podstawowe zastosowania (1) automatyka laboratoria badawcze medycyna kryminalistyka metrologia geodezja i kartografia 2/21 Podstawowe zastosowania (2) komunikacja
Bardziej szczegółowoKomunikacja Człowiek-Komputer
Komunikacja Człowiek-Komputer Kolory Wojciech Jaśkowski Instytut Informatyki Politechnika Poznańska Wersja: 10 sierpnia 2016 Światło Źródło: Practical Colour management R. Griffith Postrzegany kolor zależy
Bardziej szczegółowoKolor w grafice komputerowej. Światło i barwa
Kolor w grafice komputerowej Światło i barwa Światło Spektrum światła białego: 400nm 700nm fiolet - niebieski - cyan - zielony - żółty - pomarańczowy - czerwony Światło białe składa się ze wszystkich długości
Bardziej szczegółowodr inż. Piotr Odya dr inż. Piotr Suchomski
dr inż. Piotr Odya dr inż. Piotr Suchomski Podział grafiki wektorowa; matematyczny opis rysunku; małe wymagania pamięciowe (i obliczeniowe); rasteryzacja konwersja do postaci rastrowej; rastrowa; tablica
Bardziej szczegółowoFotometria i kolorymetria
9. (rodzaje receptorów; teoria Younga-Helmholtza i Heringa; kontrast chromatyczny i achromatyczny; dwu- i trzywariantowy system widzenia ssaków; kontrast równoczesny). http://www.if.pwr.wroc.pl/~wozniak/
Bardziej szczegółowoFotometria i kolorymetria
12. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK). http://www.if.pwr.wroc.pl/~wozniak/
Bardziej szczegółowoGrafika Komputerowa. Percepcja wizualna i modele barw
Grafika Komputerowa. Percepcja wizualna i modele barw Aleksander Denisiuk Polsko-Japońska Akademia Technik Komputerowych Wydział Informatyki w Gdańsku ul. Brzegi 55 80-045 Gdańsk denisjuk@pja.edu.pl 1
Bardziej szczegółowoPrzetwarzanie obrazów Grafika komputerowa. dr inż. Marcin Wilczewski 2016/2017
Przetwarzanie obrazów Grafika komputerowa dr inż. Marcin Wilczewski 216/217 1 Zagadnienia, wykład, laboratorium Wykład: Reprezentacja danych multimedialnych na przykładzie obrazów cyfrowych oraz wideo.
Bardziej szczegółowoWprowadzenie do cyfrowego przetwarzania obrazów
Cyfrowe przetwarzanie obrazów I Wprowadzenie do cyfrowego przetwarzania obrazów dr. inż Robert Kazała Barwa Z fizycznego punktu widzenia światło jest promieniowaniem elektromagnetycznym, które wyróżnia
Bardziej szczegółowoAdam Korzeniewski p Katedra Systemów Multimedialnych
Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Zastosowania grafiki komputerowej Światło widzialne Fizjologia narządu wzroku Metody powstawania barw Modele barw
Bardziej szczegółowoLaboratorium Grafiki Komputerowej Przekształcenia na modelach barw
Laboratorium rafiki Komputerowej Przekształcenia na modelach barw mgr inż. Piotr Stera Politechnika Śląska liwice 2004 Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z podstawowymi modelami barw stosowanymi
Bardziej szczegółowoWYKŁAD 14 PODSTAWY TEORII BARW. Plan wykładu: 1. Wrażenie widzenia barwy. Wrażenie widzenia barwy Modele liczbowe barw
WYKŁAD 14 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? PODSTAWY TEOII AW Światło Przedmiot (materia) Organ wzrokowy człowieka Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw
Bardziej szczegółowoTechnologie Informacyjne
Grafika komputerowa Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności December 12, 2016 1 Wprowadzenie 2 Optyka 3 Geometria 4 Grafika rastrowa i wektorowa 5 Kompresja danych Wprowadzenie
Bardziej szczegółowoWYKŁAD 11. Kolor. fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony
WYKŁAD 11 Modelowanie koloru Kolor Światło widzialne fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony ~400nm ~700nm Rozróżnialność barw (przeciętna): 150 czystych barw Wrażenie koloru-trzy
Bardziej szczegółowoModele i przestrzenie koloru
Modele i przestrzenie koloru Pantone - międzynarodowy standard identyfikacji kolorów do celów przemysłowych (w tym poligraficznych) opracowany i aktualizowany przez amerykańską firmę Pantone Inc. System
Bardziej szczegółowoGRAFIKA RASTROWA. WYKŁAD 1 Wprowadzenie do grafiki rastrowej. Jacek Wiślicki Katedra Informatyki Stosowanej
GRAFIKA RASTROWA WYKŁAD 1 Wprowadzenie do grafiki rastrowej Jacek Wiślicki Katedra Informatyki Stosowanej Grafika rastrowa i wektorowa W grafice dwuwymiarowej wyróżnia się dwa rodzaje obrazów: rastrowe,
Bardziej szczegółowo1 LEKCJA. Definicja grafiki. Główne działy grafiki komputerowej. Programy graficzne: Grafika rastrowa. Grafika wektorowa. Grafika trójwymiarowa
1 LEKCJA Definicja grafiki Dział informatyki zajmujący się wykorzystaniem komputerów do generowania i przetwarzania obrazów (statycznych i dynamicznych) oraz wizualizacją danych. Główne działy grafiki
Bardziej szczegółowoPODSTAWY TEORII BARW
WYKŁAD 12 PODSTAWY TEORII BARW Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? Światło Przedmiot (materia) Organ wzrokowy człowieka
Bardziej szczegółowoZmysły. Wzrok 250 000 000. Węch 40 000 000. Dotyk 2 500 000. Smak 1 000 000. Słuch 25 000. Równowaga?
Zmysły Rodzaj zmysłu Liczba receptorów Wzrok 250 000 000 Węch 40 000 000 Dotyk 2 500 000 Smak 1 000 000 Słuch 25 000 Równowaga? Fale elektromagnetyczne Wzrok Informacje kształt zbliżony do podstawowych
Bardziej szczegółowoFotometria i kolorymetria
13. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK) http://www.if.pwr.wroc.pl/~wozniak/
Bardziej szczegółowoWprowadzenie do technologii HDR
Wprowadzenie do technologii HDR Konwersatorium 2 - inspiracje biologiczne mgr inż. Krzysztof Szwarc krzysztof@szwarc.net.pl Sosnowiec, 5 marca 2018 1 / 26 mgr inż. Krzysztof Szwarc Wprowadzenie do technologii
Bardziej szczegółowoPrzetwarzanie obrazów i systemy wizyjne
Przetwarzanie obrazów i systemy wizyjne dr inż. Marcin Kiełczewski Katedra Sterowania i Inżynierii Systemów p. 420(EL) tel. 665 2848 marcin.kielczewski@put.poznan.pl www.put.poznan.pl/~marcin.kielczewski
Bardziej szczegółowoDzień dobry. Miejsce: IFE - Centrum Kształcenia Międzynarodowego PŁ, ul. Żwirki 36, sala nr 7
Dzień dobry BARWA ŚWIATŁA Przemysław Tabaka e-mail: przemyslaw.tabaka@.tabaka@wp.plpl POLITECHNIKA ŁÓDZKA Instytut Elektroenergetyki Co to jest światło? Światło to promieniowanie elektromagnetyczne w zakresie
Bardziej szczegółowoPrzedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.
Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego
Bardziej szczegółowoJanusz Ganczarski CIE XYZ
Janusz Ganczarski CIE XYZ Spis treści Spis treści..................................... 1 1. CIE XYZ................................... 1 1.1. Współrzędne trójchromatyczne..................... 1 1.2. Wykres
Bardziej szczegółowoObraz jako funkcja Przekształcenia geometryczne
Cyfrowe przetwarzanie obrazów I Obraz jako funkcja Przekształcenia geometryczne dr. inż Robert Kazała Definicja obrazu Obraz dwuwymiarowa funkcja intensywności światła f(x,y); wartość f w przestrzennych
Bardziej szczegółowoPrzetwarzanie obrazów i systemy wizyjne
Przetwarzanie obrazów i systemy wizyjne dr inż. Marcin Kiełczewski Instytut Automatyki i Robotyki p. 420(EL) tel. 665 2848 marcin.kielczewski@put.poznan.pl http://marcin.kielczewski.pracownik.put.poznan.pl/
Bardziej szczegółowoMultimedia i grafika komputerowa
Część pierwsza Grafika komputerowa wprowadzenie Autor Roman Simiński Kontakt siminski@us.edu.pl www.us.edu.pl/~siminski Niniejsze opracowanie zawiera skrót treści wykładu, lektura tych materiałów nie zastąpi
Bardziej szczegółowoPodstawy grafiki komputerowej
Podstawy grafiki komputerowej Krzysztof Gracki K.Gracki@ii.pw.edu.pl tel. (22) 6605031 Instytut Informatyki Politechniki Warszawskiej 2 Sprawy organizacyjne Krzysztof Gracki k.gracki@ii.pw.edu.pl tel.
Bardziej szczegółowoPrzykładowe pytania na teście teoretycznym
Przykładowe pytania na teście teoretycznym Przedmiot: Informatyka I Rok akademicki: 2014/2015 Semestr : zimowy Studia: I / Z W grafice wektorowej obraz reprezentowany jest: przez piksele przez obiekty
Bardziej szczegółowoPlan wykładu. Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie. informatyka +
Plan wykładu Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie 2 Wprowadzenie Po co obrabiamy zdjęcia Obrazy wektorowe i rastrowe Wielkość i rozdzielczość obrazu Formaty graficzne
Bardziej szczegółowoChemia Procesu Widzenia
Chemia Procesu Widzenia barwy H.P. Janecki Miłe spotkanie...wykład 11 Spis treści Światło Powstawanie wrażenia barwy Barwa Modele barw 1. Model barw HSV 2. Model barw RGB 3. Sprzętowa reprezentacja barwy
Bardziej szczegółowoTechnologie cyfrowe semestr letni 2018/2019
Technologie cyfrowe semestr letni 2018/2019 Tomasz Kazimierczuk Kompresja Kompresja bezstratna: z postaci skompresowanej można odtworzyć całkowitą informację wejściową. Kompresja polega na zastosowaniu
Bardziej szczegółowoPlan wykładu. Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie. informatyka +
Plan wykładu Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie 2 Po co obrabiamy zdjęcia Poprawa jasności, kontrastu, kolorów itp. Zdjęcie wykonano w niesprzyjających warunkach (złe
Bardziej szczegółowoGrafika rastrowa (bitmapa)-
Grafika komputerowa Grafika rastrowa Grafika rastrowa (bitmapa)- sposób zapisu obrazów w postaci prostokątnej tablicy wartości, opisujących kolory poszczególnych punktów obrazu (prostokątów składowych).
Bardziej szczegółowoGrafika 2D. Pojęcia podstawowe. opracowanie: Jacek Kęsik
Grafika 2D Pojęcia podstawowe opracowanie: Jacek Kęsik Obraz - przedmiot, przeważnie płaski, na którym za pomocą plam barwnych i kreski, przy zastosowaniu różnych technik malarskich i graficznych autor
Bardziej szczegółowoWykład II. Reprezentacja danych w technice cyfrowej. Studia Podyplomowe INFORMATYKA Podstawy Informatyki
Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład II Reprezentacja danych w technice cyfrowej 1 III. Reprezentacja danych w komputerze Rodzaje danych w technice cyfrowej 010010101010 001010111010
Bardziej szczegółowoJęzyk JAVA podstawy. Wykład 5, część 3. Jacek Rumiński. Politechnika Gdańska, Inżynieria Biomedyczna
Język JAVA podstawy Wykład 5, część 3 1 Język JAVA podstawy Plan wykładu: 1. Wprowadzenie do grafiki w Javie 2. Budowa GUI: komponenty, kontenery i układanie komponentów 3. Budowa GUI: obsługa zdarzeń
Bardziej szczegółowoGimp Grafika rastrowa (konwersatorium)
GIMP Grafika rastrowa Zjazd 1 Prowadzący: mgr Agnieszka Paradzińska 17 listopad 2013 Gimp Grafika rastrowa (konwersatorium) Przed przystąpieniem do omawiania cyfrowego przetwarzania obrazów niezbędne jest
Bardziej szczegółowoSystemy uczące się wykład 2
Systemy uczące się wykład 2 dr Przemysław Juszczuk Katedra Inżynierii Wiedzy, Uniwersytet Ekonomiczny 19 X 2018 Podstawowe definicje Fakt; Przesłanka; Konkluzja; Reguła; Wnioskowanie. Typy wnioskowania
Bardziej szczegółowoWSTĘP DO GRAFIKI KOMPUTEROWEJ
WSTĘP DO GRAFIKI KOMPUTEROWEJ Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 44 Plan wykładu Światło, kolor, zmysł wzroku Obraz: fotgrafia, poligrafia, grafika
Bardziej szczegółowoCo to jest współczynnik oddawania barw?
Co to jest współczynnik oddawania barw? Światło i kolor Kolory są wynikiem oddziaływania oświetlenia z przedmiotami. Różne źródła światła mają różną zdolność do wiernego oddawania barw przedmiotów Oddawanie
Bardziej szczegółowoĆwiczenie 2. Przetwarzanie graficzne plików. Wprowadzenie teoretyczne
Ćwiczenie Przetwarzanie graficzne plików Wprowadzenie teoretyczne ddytywne składanie kolorów (podstawowe barwy R, G, ) arwy składane addytywnie wykorzystywane są najczęściej w wyświetlaczach, czyli stosuje
Bardziej szczegółowoGrafika komputerowa. Adam Wojciechowski
Grafika komputerowa Adam Wojciechowski Grafika komputerowa Grafika komputerowa podstawowe pojęcia i zastosowania Grafika komputerowa - definicja Grafika komputerowa -dział informatyki zajmujący się wykorzystaniem
Bardziej szczegółowoBARWA. Barwa postrzegana opisanie cech charakteryzujących wrażenie, jakie powstaje w umyśle;
BARWA Barwa postrzegana opisanie cech charakteryzujących wrażenie, jakie powstaje w umyśle; Barwa psychofizyczna scharakteryzowanie bodźców świetlnych, wywołujących wrażenie barwy; ODRÓŻNIENIE BARW KOLORYMETR
Bardziej szczegółowoEKSPLORACJA ZASOBÓW INTERNETU LABORATORIUM VIII WYSZUKIWANIE OBRAZÓW
EKSPLORACJA ZASOBÓW INTERNETU LABORATORIUM VIII WYSZUKIWANIE OBRAZÓW 1. Motywacja Strony internetowe zawierają 70% multimediów Tradycyjne wyszukiwarki wspierają wyszukiwanie tekstu Kolekcje obrazów: Dwie
Bardziej szczegółowoKP, Tele i foto, wykład 3 1
Krystian Pyka Teledetekcja i fotogrametria sem. 4 2007/08 Wykład 3 Promieniowanie elektromagnetyczne padające na obiekt jest w części: odbijane refleksja R rozpraszane S przepuszczane transmisja T pochłaniane
Bardziej szczegółowoZasady edycji (cyfrowej) grafiki nieruchomej
Zasady edycji (cyfrowej) grafiki nieruchomej Trudno jest w czasie wykonywania fotografii widzieć i myśleć o wszystkim! Zasady ogólne wykonywania zdjęć (od strony wygody ich późniejszej edycji): 1. maksymalna
Bardziej szczegółowoKARTA PRZEDMIOTU. W5/1;W16/1 W5 Zna podstawowe metody przetwarzania wstępnego EP WM K_W9/3; obrazów barwnych.
(pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: PRZETWARZANIE OBRAZÓW CYFROWYCH 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma kształcenia: studia pierwszego stopnia 5. Forma
Bardziej szczegółowoWprowadzenie do cyfrowego przetwarzania obrazów medycznych.
Przetwarzanie obrazów medycznych Wprowadzenie do cyfrowego przetwarzania obrazów medycznych. dr. inż Robert Kazała Diagnostyka obrazowa Diagnostyka obrazowa (obrazowanie medyczne) grupa badań wykorzystująca
Bardziej szczegółowoJaki kolor widzisz? Doświadczenie pokazuje zjawisko męczenia się receptorów w oku oraz istnienie barw dopełniających. Zastosowanie/Słowa kluczowe
1 Jaki kolor widzisz? Abstrakt Doświadczenie pokazuje zjawisko męczenia się receptorów w oku oraz istnienie barw Zastosowanie/Słowa kluczowe wzrok, zmysły, barwy, czopki, pręciki, barwy dopełniające, światło
Bardziej szczegółowoPodstawy grafiki komputerowej. Teoria obrazu.
WAŻNE POJĘCIA GRAFIKA KOMPUTEROWA - to dział informatyki zajmujący się wykorzystaniem oprogramowania komputerowego do tworzenia, przekształcania i prezentowania obrazów rzeczywistych i wyimaginowanych.
Bardziej szczegółowoAnaliza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.
Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia
Bardziej szczegółowoWidzenie komputerowe (computer vision)
Widzenie komputerowe (computer vision) dr inż. Marcin Wilczewski 2018/2019 Organizacja zajęć Tematyka wykładu Cele Python jako narzędzie uczenia maszynowego i widzenia komputerowego. Binaryzacja i segmentacja
Bardziej szczegółowoDr inż. Krzysztof Petelczyc Optyka Widzenia
Literatura: Dr inż. Krzysztof Petelczyc Optyka Widzenia http://webvision.med.utah.edu/book A. Valberg Light Vision Color D. Atchison, G. Smith Optics of Human eye M. Zając Optyka okularowa Plan wykładu
Bardziej szczegółowoFotometria i kolorymetria
10. Opis barwy; cechy psychofizyczne barwy; indukcja przestrzenna i czasowa; widmo bodźca a wrażenie barwne; wady postrzegania barw; testy Ishihary. http://www.if.pwr.wroc.pl/~wozniak/ Miejsce i termin
Bardziej szczegółowoSztuczna Inteligencja w medycynie projekt (instrukcja) Bożena Kostek
Sztuczna Inteligencja w medycynie projekt (instrukcja) Bożena Kostek Cel projektu Celem projektu jest przygotowanie systemu wnioskowania, wykorzystującego wybrane algorytmy sztucznej inteligencji; Nabycie
Bardziej szczegółowoPhotoshop. Podstawy budowy obrazu komputerowego
Photoshop Podstawy budowy obrazu komputerowego Wykład 1 Autor: Elżbieta Fedko O czym dzisiaj będziemy mówić? Co to jest grafika komputerowa? Budowa obrazu w grafice wektorowej i rastrowej. Zastosowanie
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe
Bardziej szczegółowoUstawienia materiałów i tekstur w programie KD Max. MTPARTNER S.C.
Ustawienia materiałów i tekstur w programie KD Max. 1. Dwa tryby własności materiału Materiał możemy ustawić w dwóch trybach: czysty kolor tekstura 2 2. Podstawowe parametry materiału 2.1 Większość właściwości
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoRodzaje skanerów. skaner ręczny. skaner płaski. skaner bębnowy. skaner do slajdów. skaner kodów kreskowych
Skaner Rodzaje skanerów skaner ręczny skaner płaski skaner bębnowy skaner do slajdów skaner kodów kreskowych Skaner ręczny Skaner płaski Przetwornik CCD CCD (ang. Charge Coupled Device) technologia stosowana
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoKolor, mat. pomoc. dla technologia inf. (c) M. Żabka (12 listopada 2007) str. 1
Kolor, mat. pomoc. dla technologia inf. (c) M. Żabka (12 listopada 2007) str. 1 Kolor (barwa) 1 Modele RBG i CMY(K) Kolor każdego punktu, linii lub powierzchni (oraz inne cechy wyglądu) jest wyznaczony
Bardziej szczegółowo1. Reprezentacja obrazu w komputerze
1. Reprezentacja obrazu w komputerze Uczeń: Uczeń: a. 1. Cele lekcji i. a) Wiadomości 1. zna podstawowe rodzaje plików graficznych, potrafi podać ich krótki opis oraz ich zastosowanie, 2. umie obsługiwać
Bardziej szczegółowoPodstawy przetwarzania obrazów teledetekcyjnych. Format rastrowy
Podstawy przetwarzania obrazów teledetekcyjnych Format rastrowy Definicja rastrowego modelu danych - podstawowy element obrazu cyfrowego to piksel, uważany w danym momencie za wewnętrznie jednorodny -
Bardziej szczegółowoSprzężenie wizyjne w robotyce
Sprzężenie wizyjne w robotyce dr inż. Marcin Kiełczewski Katedra Sterowania i Inżynierii Systemów p. 420(EL) tel. 665 2848 marcin.kielczewski@put.poznan.pl www.put.poznan.pl/~marcin.kielczewski Literatura
Bardziej szczegółowoĆwiczenie Nr 11 Fotometria
Instytut Fizyki, Uniwersytet Śląski Chorzów 2018 r. Ćwiczenie Nr 11 Fotometria Zagadnienia: fale elektromagnetyczne, fotometria, wielkości i jednostki fotometryczne, oko. Wstęp Radiometria (fotometria
Bardziej szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
Bardziej szczegółowoPodstawy Informatyki Wykład V
Nie wytaczaj armaty by zabić komara Podstawy Informatyki Wykład V Grafika rastrowa Paint Copyright by Arkadiusz Rzucidło 1 Wprowadzenie - grafika rastrowa Grafika komputerowa tworzenie i przetwarzanie
Bardziej szczegółowoGRAFIKA. Rodzaje grafiki i odpowiadające im edytory
GRAFIKA Rodzaje grafiki i odpowiadające im edytory Obraz graficzny w komputerze Może być: utworzony automatycznie przez wybrany program (np. jako wykres w arkuszu kalkulacyjnym) lub urządzenie (np. zdjęcie
Bardziej szczegółowoGrafika Komputerowa Wykład 1. Wstęp do grafiki komputerowej Obraz rastrowy i wektorowy. mgr inż. Michał Chwesiuk 1/22
Wykład 1 Wstęp do grafiki komputerowej rastrowy i wektorowy mgr inż. 1/22 O mnie mgr inż. michalchwesiuk@gmail.com http://mchwesiuk.pl Materiały, wykłady, informacje Doktorant na Wydziale Informatyki Uniwersytetu
Bardziej szczegółowoSystemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład III 2016/2017
Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład III bogumil.konopka@pwr.edu.pl 2016/2017 Wykład III - plan Regresja logistyczna Ocena skuteczności klasyfikacji Macierze pomyłek Krzywe
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowoWykorzystanie grafiki wektorowej do tworzenia elementów graficznych stron i prezentacji
Wykorzystanie grafiki wektorowej do tworzenia elementów graficznych stron i prezentacji grafika rastrowa a grafika wektorowa -13- P SiO 2 Grafika rastrowa - obraz zapisany w tej postaci stanowi układ barwnych
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowo0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do
0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do obserwatora f) w kierunku od obserwatora 1. Obrót dookoła osi
Bardziej szczegółowoFOTOGRAMETRIA I TELEDETEKCJA
FOTOGRAMETRIA I TELEDETEKCJA 2014-2015 program podstawowy dr inż. Paweł Strzeliński Katedra Urządzania Lasu Wydział Leśny UP w Poznaniu Format Liczba kolorów Rozdzielczość Wielkość pliku *.tiff CMYK 300
Bardziej szczegółowoTeoria koloru Co to jest?
Teoria koloru Teoria koloru Co to jest? Dział wiedzy zajmujący się powstawaniem u człowieka wrażeń barwnych oraz teoretycznymi i praktycznymi aspektami czynników zewnętrznych biorących udział w procesie
Bardziej szczegółowoFormaty plików graficznych
Formaty plików graficznych grafika rastowa grafika wektorowa Grafika rastrowa Grafika rastrowa służy do zapisywania zdjęć i realistycznych obrazów Jakość obrazka rastrowego jest określana przez całkowitą
Bardziej szczegółowo