Zbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5
|
|
- Ignacy Mazurkiewicz
- 4 lat temu
- Przeglądów:
Transkrypt
1 5. FILTRY LINIOWE I STATYSTYCZNE. WYRÓWNYWANIE TŁA. Znacznie większe znaczenie w przetwarzaniu obrazu niż operacje punktowe mają takie przekształcenia w których zmiana poziomu szarości piksela zależy nie tylko od jego oryginalnej wartości, ale również od poziomów szarości pikseli sąsiednich. W naprostszym przypadku przez otoczenie rozumie się 4 sąsiadujące piksele, po bokach, oraz na górze i na dole. Bardziej skomplikowana sytuacja uwzględnia również piksele sąsiadujące po skosie - w takim przypadku otoczenie składa się z 8 pikseli. 4 i 8 w nazwach niektórych makr i pluginów odnosi się właśnie do tego, jakie otoczenie piksela uwzględnia dany proces. 5.1 KONWOLUCJE - FILTRY LINIOWE Konwolucja (splot) to operacja matematyczna służąca do łączenia dwóch funkcji. W analizie obrazów istota konwolucji opiera się na interakcji dwóch tablic z liczbami, z których jedną jest obraz wyjściowy a drugą filtr (maska, kernel). Taki filtr jest tablicą, najczęściej kwadratową, o nieparzystej liczbie kolum i wierszy. Rys. 5.1 Maska o wymiarach 3 x 3 przesuwa się po obrazie zaczynając od lewego górnego rogu (początek obrazu). Wartość nowego poziomu szarości każdego piksela, na który kolejno wypada środek maski (na rysunku np. N 22 ), jest zmieniana zgodnie z przedstawioną na rysunku regułą. Zależy więc nie tylko od swojej początkowej wartości, ale również od wartości sąsiednich pikseli, czyli od kontekstu. M to wartości w tablicy tworzącej maskę, O i N to początkowe i wynikowe wartości poziomów szarości pikseli w obrazie. Nowa wartość każdego piksela zależy nie tylko od starej wartości, ale też od wartości poziomów szarości pikseli sąsiednich. Wielkość otoczenia zależy od wielkości maski, najprostsze maja rozmiary 3 x 3, czyli pod uwagę brane jest 8 pikseli otoczenia. Wielkość maski może być dowolna, choć używanie masek niewiele mniejszych od obrazu nie ma większego sensu. Załóżmy, że wszystkie wartości M rys. 3.1 wynoszą 1. Maskę takiego filtru możemy przedstawić w postaci:
2 Załóżmy, że wszystkie wartości M rys. 3.1 wynoszą 1. Maskę takiego filtru możemy przedstawić w postaci: W takiej sytuacji formuła na rysunku upraszcza się do postaci N 22 = (O 11 + O O 33 )/9 czyli nowa wartość poziomu szarości danego piksela to średnia z jego starego poziomu szarości i poziomów szarości 8 pikseli w sąsiedztwie. Filtr o takiej masce nazywamy filtrem uśredniającym. Filtry można podzielić na dolnoprzepustowe i górnoprzepustowe. Filtry dolnoprzepustowe (Low-pass) to filtry służące do usuwaniu zakłóceń z obrazu. Najczęściej jest to szum - piksele lub małe skupiska pikseli odbiegające poziomem szarości od otoczenia. Filtry te wygładzają obraz, mogą jednak spowodować rozmycie konturów, co nie jest efektem pożądanym Najbardziej znane filtry tej grupy to filtr uśredniający (Mean) i filtr Gaussa - ten drugi zazwyczaj daje nieco lepsze wyniki. Filtr uśredniający zmienia wartość piksela na wartość równą średniemu poziomowi szarości w jego otoczeniu - wielkość tego otoczenia zależy od wielkości zastosowanej maski. Nazwa filtru Gaussa nawiązue do tego, że rozkład wartości w masce stanowi przybliżenie krzywej dzwonowej Gaussa, z majwiększymi wartościami w centrum i coraz mniejszymi ku obrzeżom Rys. 5.2 Najprostsze filtry dolnoprzepustowe: Mean i i dwa filtry Gaussa, o masce 3 x 3 Określenie: dolnoprzepustowy odnosi się do stosowanego w analizie obrazów pojęcia częstotliwości przestrzennej. O wysokich częstotliwościach mówimy wówczas, gdy w obrazie następują częste i wyraźne zmiany poziomu jasności, o niskich gdy obraz zawiera duże i mało zmienne pod względem poziomu jasności elementy. Stąd filtr dolnoprzepustowy to taki, który eliminuje (albo przynajmniej osłabia) elementy o dużej częstotliwości. Filtr górnoprzepustowy (high-pass) to taki, który będzie wzmacniał elementy o wysokiej częstotliwości przestrzennej. Najbardziej znany w tej grupie to filtr wyostrzający (Sharpen), filtry gradientowe, wzmacniające krawędzie w określonym kierunku (filtry Robertsa, Prewitta, Sobela) oraz filtry Laplace'a (i ich warianty, takie jak Mexican hat) służące do wykrywania krawędzi niezależnie od ich ułożenia Rys.5.3 Przykłady masek filtrów wyostrzających: sharpen, filtr Laplace'a, shadows(east) i gradientowy Sobela (dla linii pionowych).
3 Podobnie jak przy operacjach LUT przefiltrowany obraz powinien być przeskalowany do zakresu W przeciwnym przypadku piksele których wartości po filtrowaniu przekroczą 0 lub 255 zostana zrównane do wartości granicznych, co może spowodować utratę szczegółów obrazu (rys. 5.4). Rys. 5.4 Przycinanie lub skalowanie zakresu poziomów szarości zmienionego przez konwolucję. Rys Przykład działania filtru Sharpen (tylko dla czterech zaznaczonych na niebiesko pikseli, na górze obraz oryginalny, na dole przefiltrowany.
4 Rys. 5.6 Działanie filtru Gaussa (tylko dla czterech zaznaczonych na niebiesko pikseli, na górze obraz oryginalny, na dole przefiltrowany) 5.2 FILTRY NIELINIOWE KOMBINOWANE Do wykrywania krawędzi oprócz filtrów Laplace'a używane są również i to na ogół z lepszymi wynikami, filtry kombinowane. Idea tych filtrów polega na zastosowaniu dwóch gradientów prostopadłych względem siebie. Każdy z tych gradientów niezależnie filtruje obraz - tak, że w efekcie otrzymujemy dwa przefiltrowane obrazy. Z tych dwóch obrazów otrzymywany jest obraz wynikowy, przy czym wartość każdego piksela w tym obrazie (n) jest wyliczona na przykład według wzoru: Gdzie g 1, g 2 - wartości pikseli w przefitrowanych gradientowo obrazach. Najczęściej w takim przypadku używa się gradientowych filtrów Sobela, stąd też filtr kombinowany również jest określony nazwą filtru Sobela - co może prowadzić do nieporozumień. Na takim algorytmie opiera się funkcja Find Edges (Process).
5 Rys. 5.7 Filtry krawędziowe. Na górze efekt działania Find Edges (menu Process), na dole filtr Canny-Deriche (Plugins Filters Deriche) oraz Mexican Hat (Plugins Filters Mexican hat filter). 5.3 FILTRY NIELINIOWE STATYSTYCZNE W filtrach tej grupy nowa wartość poziomu szarości piksela również zależy od wartości pikseli sąsiadujących. Filtr medianowy sortuje wartości pikseli w otoczeniu o wymiarach co najmniej 3 x 3 i przypisuje centralnemu pikselowi wartość środkową (medianę). Jest to bardzo skuteczny filtr do usuwania szumu - znacznie lepszy niż filtr uśredniający lub Gaussa. Mniejsza popularność filtru medianowego wynika z faktu, że tego typu filtry są trudniejsze obliczeniowo (z komputerowego punktu widzenia) i wymagają więcej czasu, choć w miarę rozwoju techniki staje się to coraz mniejszym problemem. Filtr minimalny przypisuje centralnemu pikselowi wartość najniższą (gray erode), a maksymalny wartość najwyższą z otoczenia (gray dilation). Filtr minimalny zmniejsza, a maksymalny rozszerza krawędzie jasnych obiektów. Zastosowanie kolejno filtru minimalnego i maksymalnego to tzw. zamykanie (Close), a te same filtry w odwrotnej kolejności to otwieranie (Open). Filtr wariancyjny (Variance) zmienia wartość poziomu szarości piksela na wartość równą wariancji poziomów szarości piksela w otoczeniu. Służy do wykrywania krawędzi.
6 Rys Przykład działania filtrów Median i Variance. 5.4 FILTR UNSHARP Unsharp mask, unsharp filter to jedna z najpopularniejszych operacji stosowanych, wbrew nazwie, w celu wzmocnienia szczegółów i konturów na obrazie. W istocie jest to seria operacji: 1. Oryginalny obraz jest wygładzany (Mean,Gauss lub Median); 2. Obraz wygładzony jest odejmowany od obrazu oryginalnego; 3. Różnica z odejmowania jest dodawana do obrazu oryginalnego.
7 Rys. 5.8 Operacje składające się na procedurę "unsharp" i zmiany profilu poziomów jasności pikseli wzdłuż zaznaczonej na obrazie linii. Rys. 5.9 Przykład działania filtru Unsharp (Process Filters Unsharp mask). Kontury komórki stają się wyraźniejsze, ale jednocześnie wzrasta poziom szumu na obrazie.
8 5.5 FILTRY W IMAGEJ Wbudowane w program filtry znajdują się w menu PROCESS. Smooth, Sharpen, Find Edges, Shadows - to proste filtry o masce 3 x 3. Submenu Filters oferuje filtr Gaussa, medianowy, uśredniający (Mean), Minimum, Maximum, Unsharp i Variance oraz ich odpowiedniki pracujące na obrazach 3D (czyli na stosach). Po wywołaniu odpowiedniej procedury otrzymujemy okno, w którym można wpisać parametry filtru oraz wybrać opcję Preview, co pozwala na wygodną obserwację skutków działania filtru. Dla większości filtrów podaje się promień maski w pikselach. W przypadku filtru Gaussian blur wartość wpisywana do okienka to wartość odchylenia standardowego definiującego krzywą Gaussa (im wyższa wartość tym bardziej płaska krzywa). Ten sam parametr wpisywany jest do okienka Unsharp Mask. Drugi parametr funkcji Unsharp, Mask Weight - określa stopień wzmacniania oryginalnego obrazu (rys. 5.10). Dodatkowe możliwości stworzone są przez narzędzie Convolver, w którym można ręcznie wpisać maskę dowolnej wielkości - jedyne ograniczenie to to, że maska musi być kwadratowa, i mięć nieparzystą liczbę kolumn i wierszy. Rys Wpływ ustawień promienia i wagi maski na efekty działania filtru Unsharp Mask. Profile pokazują rozkład jasności pikseli wzdłuż poziomej linii przechodzącej przez obraz (niezaznaczonej na rysunku).
9 5.6 FILTRY W PLUGINACH Kolejne możliwości filtrowania obrazu związane są z pluginami. Na stronie ImageJ można znaleźć dziesiątki różnych filtrów, kilka z nich zostało wgranych do menu Plugins, submenu Filters. Rys Przykłady kilku filtrów z Plugins Filters: filtr Lipschitza, Kuwahary i falkowy filtr Haara. Filtr falkowy Haara używany jest do redukcji szumu. Oprócz pluginu dostępne jest makro: Test_Wavelets.txt które pomaga w ustawieniu parametrów filtru. Filtr Lipschitza może być wykorzystany do wygładzania tła. Filtr Kuwahary redukuje szum zachowując krawędzie w obrazie. Bardziej efektywny w wygładzaniu tła przy zachowaniu krawędzi jest filtr Anisotropic Diffusion (rys. 5.12).
10 Rys Oryginalne zdjęcie (na górze po prawej) i trzy przykłady stosowania dyfuzji anizotropowej przy różnych ustawieniach parametrów. 5.7 SUBTRACT BACKGROUND Jednym z poważniejszych problemów w przypadku obrazów uzyskanych w świetle przechodzącym jest nierównomierne oświetlenie tła. Problem można rozwiązać na wiele sposobów, jednym z nich jest funkcja Subtract Bacground (menu Process) - czyli odejmowanie tła. Funkcja wyrównuje poziom tła między obiektami - przy założeniu, że obiekty są niewielkiemi skupiskami pikseli odbiegającymi wyraźnie poziomem szarości od tła. Wartość wpisana w okno: Rolling Ball Radius powinna być co najmniej równa promieniowi największych obiektów na obrazie.
11 Rys Przykład działania funkcji Subtract Background. Po lewej obraz oryginalny, w środku odjęte tło, po prawej przefiltrowany obraz, na dole profile pokazujące rozkład poziomów szarości wzdłuż żółtej linii.
Przetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowo9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie
9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie Obrazy binarne to takie, które mają tylko dwa poziomy szarości: 0 i 1 lub 0 i 255. ImageJ wykorzystuje to drugie rozwiązanie - obrazy
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie piąte Filtrowanie obrazu Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z pojęciami szumu na obrazie oraz metodami redukcji szumów
Bardziej szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 7
7. NORMALIZACJA I BINARYZACJA ADAPTATYWNA 7.1. Normalizacja lokalna Zwykłe konwolucje działają w jednakowy sposób na całym obrazie. Plugin Local Normalization przeprowadza filtrowanie Gaussa w zależności
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu Poprawa ostrości Usunięcie określonych wad obrazu Poprawa obrazu o złej jakości technicznej Rekonstrukcja
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie piate Filtrowanie obrazu Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z pojęciami szumu na obrazie oraz metodami redukcji szumów przez
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 szczegółowoPrzetwarzanie obrazów wykład 4
Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Podział metod filtracji obrazu Metody przestrzenne i częstotliwościowe Metody liniowe i nieliniowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania Grupa ID308, Zespół 11 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 6 Temat: Operacje sąsiedztwa wyostrzanie obrazu Wykonali: 1. Mikołaj Janeczek
Bardziej szczegółowoAnaliza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 4 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Filtry górnoprzepustowe - gradienty Gradient - definicje Intuicyjnie, gradient jest wektorem, którego zwrot wskazuje
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowo3. OPERACJE BEZKONTEKSTOWE
3. OPERACJE BEZKONTEKSTOWE 3.1. Tablice korekcji (LUT) Przekształcenia bezkontekstowe (punktowe) to takie przekształcenia obrazu, w których zmiana poziomu szarości danego piksela zależy wyłącznie od jego
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 szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej szczegółowoPrzekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu
Definicja Przekształcenia kontekstowe są to przekształcenia które dla wyznaczenia wartości jednego punktu obrazu wynikowego trzeba dokonać określonych obliczeń na wielu punktach obrazu źródłowego. Przekształcenia
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015
Ćwiczenia z grafiki komputerowej 5 FILTRY Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 12 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadanie ilustruje
Bardziej szczegółowoFiltracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej
Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)
Bardziej szczegółowoRozpoznawanie Twarzy i Systemy Biometryczne
Filtry Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu
Bardziej szczegółowoLaboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 11. Filtracja sygnałów wizyjnych
Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 11 Filtracja sygnałów wizyjnych Operacje kontekstowe (filtry) Operacje polegające na modyfikacji poszczególnych elementów obrazu w zależności od stanu
Bardziej szczegółowoFiltracja w domenie przestrzeni
1 Filtracja Filtracja w domenie przestrzeni Filtracja liniowa jest procesem splotu (konwolucji) obrazu z maską (filtrem). Dla dwuwymiarowej i dyskretnej funkcji filtracja dana jest wzorem: L2(m, n) = (w
Bardziej szczegółowoGrafika komputerowa. Dr inż. Michał Kruk
Grafika komputerowa Dr inż. Michał Kruk Operacje kontekstowe Z reguły filtry używane do analizy obrazów zakładają, że wykonywane na obrazie operacje będą kontekstowe Polega to na wyznaczeniu wartości funkcji,
Bardziej szczegółowoPrzetwarzanie obrazów
Przetwarzanie obrazów Zajęcia 11 Filtracje przestrzenne obrazów rastrowych (2). Zasady wykonania ćwiczenia Obrazy wynikowe do zadań zapisujemy w pliku nazwiskonr.rvc (bieżące nr 1) a komentarze do wyników
Bardziej szczegółowoProjekt 2: Filtracja w domenie przestrzeni
Projekt 2: Filtracja w domenie przestrzeni 1. 2. Wstęp teoretyczny a. Filtracja w domenie przestrzeni b. Krótko o szumie c. Filtracja d. Usuwanie szumu typu Salt and Pepper filtrem medianowym e. Wnioski
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 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 szczegółowoFiltracja splotowa obrazu
Informatyka, S1 sem. letni, 2012/2013, wykład#3 Filtracja splotowa obrazu dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 53 Proces przetwarzania obrazów Obraz f(x,y)
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania Grupa ID308, Zespół 11 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 8 Temat: Operacje sąsiedztwa detekcja krawędzi Wykonali: 1. Mikołaj Janeczek
Bardziej szczegółowoPolitechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 8 Filtracja uśredniająca i statystyczna. Cel ćwiczenia Celem ćwiczenia jest zdobycie umiejętności tworzenia i wykorzystywania
Bardziej szczegółowoPrzetwarzanie obrazów. Grupy metod przetwarzania obrazu. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe
Przetwarzanie obrazów Ogólna definicja Algorytm przetwarzający obraz to algorytm który, otrzymując na wejściu obraz wejściowy f, na wyjściu zwraca takŝe obraz (g). Grupy metod przetwarzania obrazu Przekształcenia
Bardziej szczegółowoWYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego
WYKŁAD 3 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego 1 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego (c.d.) 2 Zestawienie zbiorcze - Regulacje
Bardziej szczegółowoKomputerowe obrazowanie medyczne
Komputerowe obrazowanie medyczne Część II Przetwarzanie i analiza obrazów medycznych Grafika rastrowa i wektorowa W grafice wektorowej obrazy i rysunki składają się z szeregu punktów, przez które prowadzi
Bardziej szczegółowoRekonstrukcja obrazu (Image restoration)
Rekonstrukcja obrazu (Image restoration) Celem rekonstrukcji obrazu cyfrowego jest odtworzenie obrazu oryginalnego na podstawie obrazu zdegradowanego. Obejmuje ona identyfikację procesu degradacji i próbę
Bardziej szczegółowoFiltracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):
WYKŁAD 3 Operacje sąsiedztwa Są to operacje, w których na wartość zadanego piksla obrazu wynikowego q o współrz. (i,j) mają wpływ wartości piksli pewnego otoczenia piksla obrazu pierwotnego p o współrzędnych
Bardziej szczegółowoALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.
Grupa IZ07IO1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel. Wykonali:
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie siódme Usuwanie tła i segmentacja 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z metodami usuwania tła z obrazu oraz algorytmami
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie siódme Usuwanie tła i segmentacja Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z metodami usuwania tła z obrazu oraz algorytmami
Bardziej szczegółowoAnaliza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 3 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Binaryzacja Binaryzacja jest jedną z ważniejszych ż czynności punktowego przetwarzania obrazów. Poprzedza prawie zawsze
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX Lokalne transformacje obrazów Joanna Ratajczak, Wrocław, 28 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami lokalnych
Bardziej szczegółowoPolitechnika Świętokrzyska. Laboratorium. Przetwarzanie obrazów medycznych. Ćwiczenie 5. Filtracja kontekstowa obrazów.
Politechnika Świętokrzyska Laboratorium Przetwarzanie obrazów medycznych Ćwiczenie 5 Filtracja kontekstowa obrazów. Cel ćwiczenia Celem ćwiczenia jest zdobucie umiejętności tworzenia funkcji realizujących
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia geometryczne Obroty Przesunięcia Odbicia Rozciągnięcia itp Przekształcenia geometryczne Obroty Wielokrotność 90 stopni Inne Przekształcenia geometryczne Obroty Wielokrotność
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie drugie Podstawowe przekształcenia obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami obrazu wykonywanymi
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania WIT
3-1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa BD2,TC1, Zespół 2 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr3 Temat: Operacje sąsiedztwa wygładzanie i wyostrzanie
Bardziej szczegółowoPrzetwarzanie obrazów wykład 3
Przetwarzanie obrazów wykład 3 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Operacje kontekstowe (filtry) Operacje polegają
Bardziej szczegółowoDetekcja twarzy w obrazie
Detekcja twarzy w obrazie Metoda na kanałach RGB 1. Należy utworzyć nowy obrazek o wymiarach analizowanego obrazka. 2. Dla każdego piksela oryginalnego obrazka pobiera się informację o wartości kanałów
Bardziej szczegółowoMetody komputerowego przekształcania obrazów
Metody komputerowego przekształcania obrazów Przypomnienie usystematyzowanie informacji z przedmiotu Przetwarzanie obrazów w kontekście zastosowań w widzeniu komputerowym Wykorzystane materiały: R. Tadeusiewicz,
Bardziej szczegółowoAlgorytmy graficzne. Nieliniowa filtracja obrazów monochromatycznych
Algorytmy graficzne Nieliniowa filtracja orazów monochromatycznych Metody oceny efektywności filtracji Analizując filtry redukujące zakłócenia w orazie cyfrowym konieczne jest określenie ścisłych miar
Bardziej szczegółowoProste metody przetwarzania obrazu
Operacje na pikselach obrazu (operacje punktowe, bezkontekstowe) Operacje arytmetyczne Dodanie (odjęcie) do obrazu stałej 1 Mnożenie (dzielenie) obrazu przez stałą Operacje dodawania i mnożenia są operacjami
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 10 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 szczegółowoOperacje przetwarzania obrazów monochromatycznych
Operacje przetwarzania obrazów monochromatycznych Obraz pobrany z kamery lub aparatu często wymaga dalszej obróbki. Jej celem jest poprawienie jego jakości lub uzyskaniem na jego podstawie określonych
Bardziej szczegółowoGrafika komputerowa. Zajęcia IX
Grafika komputerowa Zajęcia IX Ćwiczenie 1 Usuwanie efektu czerwonych oczu Celem ćwiczenia jest usunięcie efektu czerwonych oczu u osób występujących na zdjęciu tak, aby plik wynikowy wyglądał jak wzor_1.jpg
Bardziej szczegółowoPOB Odpowiedzi na pytania
POB Odpowiedzi na pytania 1.) Na czym polega próbkowanie a na czym kwantyzacja w procesie akwizycji obrazu, jakiemu rodzajowi rozdzielczości odpowiada próbkowanie a jakiemu kwantyzacja Próbkowanie inaczej
Bardziej szczegółowoLaboratorium Cyfrowego Przetwarzania Obrazów
Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 4 Filtracja 2D Opracowali: - dr inż. Krzysztof Mikołajczyk - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie czwarte Przekształcenia morfologiczne obrazu Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie czwarte Przekształcenia morfologiczne obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
Bardziej szczegółowoKurs Adobe Photoshop Elements 11
Kurs Adobe Photoshop Elements 11 Gladiatorx1 Wyostrzanie 2015-01- 15 Spis treści Wyostrzanie... 2 Maska wyostrzająca... 2 Wyostrzenie krawędzi... 7 Dopasuj ostrość... 9 Górnoprzepustowy... 12 Wykonał gladiatorx1
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoAnaliza obrazu. wykład 6. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 6 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
Bardziej szczegółowoGIMP Grafika rastrowa (Ćwiczenia cz. 2)
Zjazd 1 GIMP Grafika rastrowa (Ćwiczenia cz. 2) Zaznaczenia Aby zacząć profesjonalnie rysować w programie GIMP należy opanować tematykę zaznaczeń. Zaznaczenia (inaczej maski) służą do zaznaczania obszarów
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VIII Podstawy przetwarzania obrazów Filtracja Przetwarzanie obrazu w dziedzinie próbek Przetwarzanie obrazu w dziedzinie częstotliwości (transformacje częstotliwościowe)
Bardziej szczegółowoFotografia cyfrowa obsługa programu GIMP. Cz. 18. Tworzenie ramki do zdjęcia. materiały dla osób prowadzących zajęcia komputerowe w bibliotekach
Fotografia cyfrowa obsługa programu GIMP materiały dla osób prowadzących zajęcia komputerowe w bibliotekach Cz. 18. Tworzenie ramki do zdjęcia W tym dwiczeniu wykonamy ciekawą i nietypową ramkę do zdjęcia.
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 3 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 szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 7 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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoEfekt rollover ze wskaźnikiem wybranej opcji
Strona 1 Efekt rollover ze wskaźnikiem wybranej opcji Włodzimierz Gajda Wykorzystując moŝliwości warstw, ścieŝek i selekcji zajmiemy się przygotowaniem szablonu witryny WWW. Szablon ten będzie wykorzystywał
Bardziej szczegółowoMetaliczny button z deseniem.
Metaliczny button z deseniem. Tutorial w programie GIMP Niniejszy tutorial jest wyłączną własnością Doroty Ciesielskiej Zapraszam na moją stronę http://www.direktorek03.wm studio.pl oraz http://www.porady.wm
Bardziej szczegółowoPodstawy OpenCL część 2
Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX3 Globalne transformacje obrazów Joanna Ratajczak, Wrocław, 2018 1 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami globalnych
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.
Ćwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 14 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadania
Bardziej szczegółowoSpis treści. Adobe Photoshop lab. 2 Jacek Wiślicki,
Spis treści 1. Napisy...2 1.1. Stara maszyna do pisania...2 1.2. Zamrożony napis...3 1.3. Krwawy tekst...5 1.4. Neon...7 1.5. Kamień...8 1.6. Inny kamień...9 1.7. Śnieg...9 strona 1 z 12 1. Napisy Poniższe
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 3
Analiza obrazów - sprawozdanie nr 3 Przekształcenia morfologiczne Przekształcenia morfologiczne wywodzą się z morfologii matematycznej, czyli dziedziny, która opiera się na teorii zbiorów, topologii i
Bardziej szczegółowoFILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI
FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI ( frequency domain filters) Każdy człon F(u,v) zawiera wszystkie wartości f(x,y) modyfikowane przez wartości członów wykładniczych Za wyjątkiem trywialnych przypadków
Bardziej szczegółowoAnaliza obrazów. Segmentacja i indeksacja obiektów
Analiza obrazów. Segmentacja i indeksacja obiektów Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 Analiza obrazu Analiza obrazu
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie trzecie Operacje na dwóch obrazach 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z operacjami jakie możemy wykonywać na dwóch obrazach,
Bardziej szczegółowoAlgorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych.
Algorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych. Słowa kluczowe: teledetekcja, filtracja obrazu, segmentacja obrazu, algorytmy
Bardziej szczegółowoMaskowanie i selekcja
Maskowanie i selekcja Maska prostokątna Grafika bitmapowa - Corel PHOTO-PAINT Pozwala definiować prostokątne obszary edytowalne. Kiedy chcemy wykonać operacje nie na całym obrazku, lecz na jego części,
Bardziej szczegółowoZAZNACZENIA. Zaznaczenia (inaczej maski) służą do zaznaczania obszarów rysunku.
1 z 5 ZAZNACZENIA Zaznaczenia (inaczej maski) służą do zaznaczania obszarów rysunku. WAŻ E: Jeżeli obraz posiada zaznaczenie, to wszystkie przekształcenia obrazu (lub warstwy) są wykonywane w ramach. Rodzaje
Bardziej szczegółowoWprowadzenie do przetwarzania obrazów
Wprowadzenie do przetwarzania obrazów Radosław Mantiuk Zakład Grafiki Komputerowej Wydział Informatyki Politechnika Szczecińska Maj 2008 All Images in this presentation are the courtesy of Richard Alan
Bardziej szczegółowoOperator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości
Operator rozciągania q = 15 ( p p1 ) ( p p ) 0 2 1 dla p < p p 1 2 dla p p, p > p 1 2 Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości q = 0 dla p p1 q2 dla p1
Bardziej szczegółowoSpis treści. strona 1 z 10
Spis treści 1. Zaawansowane techniki obróbki fotografii...2 1.1. Odbicia na samochodzie...2 1.2. Mokra nawierzchnia...4 1.3. Odbicie od powierzchni wody...5 1.4. Koloryzacja fotografii...7 1.5. Phantasy...8
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoTECHNIKI MULTIMEDIALNE LABORATORIUM GIMP: Projektowanie tła
TECHNIKI MULTIMEDIALNE LABORATORIUM GIMP: Projektowanie tła 1. Cel ćwiczenia Celem ćwiczenia jest nabycie umiejętności tworzenia tła poprzez wykorzystanie funkcji dostępnych w programie GIMP. 2. Wiadomości
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie trzecie Operacje na dwóch obrazach Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z operacjami jakie możemy wykonywać na dwóch obrazach,
Bardziej szczegółowoPrzetwarzanie obrazów wykład 2
Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna
Bardziej szczegółowoAnaliza Statystyczna
Lekcja 5. Strona 1 z 12 Analiza Statystyczna Do analizy statystycznej wykorzystać można wbudowany w MS Excel pakiet Analysis Toolpak. Jest on instalowany w programie Excel jako pakiet dodatkowy. Oznacza
Bardziej szczegółowoRaport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010
Raport Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010 1. Wykrywanie krawędzi 1.0. Obraz oryginalny 1. 1.1. Sobel. Parametry: domyślne. 1.2. Prewitt. Parametry: domyślne. 1.3. Roberts. Parametry: domyślne.
Bardziej szczegółowoPrzetwarzanie i Kompresja Obrazów. Filtracja
Przetwarzanie i Kompresja Obrazów. acja Aleksander Denisiuk(denisjuk@pja.edu.pl) Polsko-Japońska Akademia Technik Komputerowych Wydział Informatyki w Gdańsku ul. Brzegi 55, 80-045 Gdańsk 7 kwietnia 206
Bardziej szczegółowo24. Profesjonalne wygładzanie skóry i usuwanie krost
24. Profesjonalne wygładzanie skóry i usuwanie krost Wygładzane skóry na zdjęciach (zwłaszcza tych dla klientów) jest procesem wymagającym cierpliwości i często dużej wprawy. Bardzo ważne jest to, aby
Bardziej szczegółowoInstrukcje dla zawodników
Płock, 17 marca 2018 r. Instrukcje dla zawodników Arkusze otwieramy na wyraźne polecenie komisji. Wszystkie poniższe instrukcje zostaną odczytane i wyjaśnione. 1. Arkusz składa się z 3 zadań. 2. Każde
Bardziej szczegółowoANALIZA STATYCZNA PŁYTY ŻELBETOWEJ W SYSTEMIE ROBOT. Adam Wosatko
ANALIZA STATYCZNA PŁYTY ŻELBETOWEJ W SYSTEMIE ROBOT Adam Wosatko v. 0.1, marzec 2009 2 1. Definicjazadania 6m 1m 4m 1m ściana20cm Beton B30 grubość: 20 cm 2m ściana25cm otwór ściana25cm 2m obciążenie równomierne:
Bardziej szczegółowoGRAFIKA INŻYNIERSKA INSTRUKCJA PODSTAWOWE KOMENDY AUTOCADA - TRÓJKĄTY
Politechnika Białostocka Wydział Budownictwa i Inżynierii Środowiska Zakład Informacji Przestrzennej Inżynieria Środowiska GRAFIKA INŻYNIERSKA INSTRUKCJA PODSTAWOWE KOMENDY AUTOCADA - TRÓJKĄTY Prowadzący
Bardziej szczegółowoDetekcja kodów kreskowych w obrazach za pomocą filtrów gradientowych i transformacji morfologicznych
ZACNIEWSKI Artur 1 Detekcja kodów kreskowych w obrazach za pomocą filtrów gradientowych i transformacji morfologicznych WSTĘP Kod kreskowy (ang. barcode) to graficzna reprezentacja informacji, w postaci
Bardziej szczegółowoFotografia cyfrowa obsługa programu GIMP
Fotografia cyfrowa obsługa programu GIMP wskazówki dla osób prowadzących zajęcia komputerowe w bibliotekach Cz. 20. Efekty specjalne w fotografii Kolorowy element na szarobiałym tle Otwieramy obraz w programie
Bardziej szczegółowoOperacja macro. czyli jak podpisać zdjęcie i zrobić miniaturę. Tworzymy nową akcję. Anna Góra. Zmiana dpi zdjęcia na 300 piks/cal.
Operacja macro czyli jak podpisać zdjęcie i zrobić miniaturę 29 września 2009 29 września 2009r. Tworzymy nową akcję 1. Otwieramy zdjęcie w Photoshopie. W palecie Operacje, po prawej stronie obszaru roboczego
Bardziej szczegółowoWYKŁAD 3 WYPEŁNIANIE OBSZARÓW. Plan wykładu: 1. Wypełnianie wieloboku
WYKŁ 3 WYPŁNINI OSZRÓW. Wypełnianie wieloboku Zasada parzystości: Prosta, która nie przechodzi przez wierzchołek przecina wielobok parzystą ilość razy. Plan wykładu: Wypełnianie wieloboku Wypełnianie konturu
Bardziej szczegółowoWYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ
WYDZIAŁ FIZYKI I INFORMATYKI STOSOWANEJ Hybrid Images Imię i nazwisko: Anna Konieczna Kierunek studiów: Informatyka Stosowana Rok studiów: 4 Przedmiot: Analiza i Przetwarzanie Obrazów Prowadzący przedmiot:
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowo