Analiza obrazu. wykład 6. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
|
|
- Adam Sawicki
- 7 lat temu
- Przeglądów:
Transkrypt
1 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 strony internetowej t autorstwa R.Tadeusiewicza
2 Filtracja obrazów w dziedzinie Fouriera
3 Filtracja w dziedzinie F-obrazu. Filtr cyfrowy przeznaczony do filtracji obrazów można zinterpretować jako F-obraz, a filtrację jako mnożenie punktowe dwóch F-obrazów - jednego, pochodzącego od filtrowanego obrazu, i drugiego, będącego filtrem. Dla przykładu weźmy obraz kwadrat, który wraz z odpowiadającym mu F-obrazem przedstawiono na rysunku: a) b) Wykres amplitudy F-obrazu, który został ł wykorzystany jako filtr dolnoprzepustowy Przyjmuje wartości 0 i 1. Tzw. okno o częstotliwości. ośc Faza jest wszędzie równa zero. a) b) Obraz kwadrat oraz jego wykres otrzymany po filtracji filtrem na rysunku wyżej.
4 Filtracja w dziedzinie F-obrazu. Wartości otrzymanej w dziedzinie pierwotnej funkcji wykraczają poza zakres i przed prezentacją w postaci poziomów szarości wartości przekraczające dopuszczalny zakres musiały zostać odpowiednio ograniczone. Charakterystyczną cechą idealnych filtrów - określonych w postaci F-pikseli o wartościach 0 i 1 - jest powstanie w obrazie otrzymanym po filtracji oscylacji. Obraz wraz z wykresem odtworzony z części rzeczywistej powstałej w dziedzinie pierwotnej po filtracji obrazu kwadrat filtrem podobnym do ale z przesuniętym obszarem wypełnionym jedynkami.
5 Filtracja obrazu w dziedzinie F. Obraz wraz z wykresem odtworzony z części urojonej powstałej w dziedzinie pierwotnej po filtracji obrazu kwadrat filtrem podobnym do ale z przesuniętym oknem częstotliwościowym. Rysunek a) powstał po dodaniu stałej 128 do wartości funkcji przedstawionej na wykresie b). a) b)
6 Przykłady. Filtracja dolnoprzepustowa obrazu Lena : a) F-obraz filtru, b) amplituda F-obrazu Lena po filtracji, c) faza F-obrazu Lena po filtracji, d) obraz po filtracji otrzymany w dziedzinie pierwotnej. a) b) c) d)
7 Przykłady. Filtracja dolnoprzepustowa obrazu dwa_kwadraty : a) amplituda F-obrazu po filtracji, b) obraz w dziedzinie d i i pierwotnej otrzymany po filtracji. a) b)
8 Przykłady. Filtracja górnoprzepustowa obrazu Lena : a) amplituda F-obrazu b po filtracji, b) obraz w dziedzinie pierwotnej otrzymany po filtracji (oraz po dodaniu stałej 128). Filtracja górnoprzepustowa obrazu dwa_kwadraty kwadraty : a) amplituda F-obrazu po filtracji, b) obraz w dziedzinie pierwotnej otrzymany po filtracji (oraz po dodaniu stałej 128). Filtr górnoprzepustowy p otrzymamy y gdy w F-obrazie filtru dolnoprzepustowego p zamienimy zera na jedynki a jedynki na zera
9 Filtry kierunkowe (poziome). Filtracja obrazu Lena z wyróżnionym kierunkiem poziomym: a) amplituda F-obrazu po filtracji dolnoprzepustowej, b) odtworzony obraz po filtracji dolnoprzepustowej, c) odtworzony obraz po komplementarnej filtracji górnoprzepustowej (oraz dodaniu stałej 128). a) b) c) Filtracja obrazu dwa_kwadraty z wyróżnionym kierunkiem poziomym: a) amplituda F-obrazu po filtracji dolnoprzepustowej, b) odtworzony obraz po filtracji dolnoprzepustowej, c) odtworzony obraz po komplementarnej filtracji górnoprzepustowej (oraz dodaniu stałej 128). a) b) c)
10 Filtry kierunkowe (pionowe). Filtracja obrazu Lena z wyróżnionym kierunkiem pionowym: a) amplituda F-obrazu po filtracji dolnoprzepustowej, b) odtworzony obraz po filtracji dolnoprzepustowej, c) odtworzony obraz po komplementarnej filtracji górnoprzepustowej (oraz dodaniu stałej 128). a) b) c) Filtracja obrazu dwa_kwadraty z wyróżnionym kierunkiem pionowym: a) amplituda F-obrazu po filtracji dolnoprzepustowej, b) odtworzony obraz po filtracji dolnoprzepustowej, c) odtworzony obraz po komplementarnej filtracji górnoprzepustowej (oraz dodaniu stałej 128). a) b) c)
11 Inne filtry (filtr pasmowy). Filtracja zero-jedynkowa nie musi być dolno- lub górnoprzepustowa. Można wybrać dowolny fragment dwuwymiarowej dziedziny F, jako obszar jedynek lub zer filtru, pamiętając jedynie o zachowaniu odpowiednich symetrii. F-obraz przykładowego filtru pasmowego (po pomnożeniu przez 255). Wynik filtracji obrazu Lena i dwa_kwadraty : a) filtrem pasmowym, b) filtrem komplementarnym do pasmowego. a) b)
12 Inne filtry (podpasmowe). Zestaw filtrów do rozkładu obrazu cyfrowego na trzy podpasma: a) filtr dolnoprzepustowy, b) filtr eksponujący krawędzie ukośne, c) filtr powstały jako uzupełnienie filtrów a) i b). A) B) C) Rozkład obrazu Lena i dwa_kwadraty na trzy pod obrazy w oparciu o filtry podpasmowe: a) obraz oryginalny, b) obraz otrzymany po filtracji filtrem z A, c) obraz otrzymany po filtracji filtrem B (plus stała 128), d) obraz otrzymany po filtracji filtrem C (plus stała 128). a) b) c) d) a) b) c) d)
13 Niezerowa faza filtru. W przetwarzaniu sygnałów jednowymiarowych, a w szczególności sygnałów ciągłych znany jest warunek liniowości fazy. Na kilku przykładach pokażemy teraz, że w przypadku obrazów faza powinna być nie tylko jak najbardziej zbliżona do liniowej ale wręcz jak najbardziej zerowa. Należy pamiętać, że przesunięcie obrazu nawet o jeden, czy dwa piksele może w istotny sposób zmienić jego wygląd - część pikseli znajdzie się poza ramką obrazu i te wysunięte z jednej strony ramki piksele w wyniku cyklicznego przesunięcia wsuną się do obrazu z drugiej strony. Przykładowo, to, co było z lewej strony obrazu znajdzie się po prawej, a to co było na górze obrazu będzie po przesunięciu w jego dole - zwykle niezbyt pożądany efekt. Idealna liniowa faza filtru posiadającego amplitudę wszędzie równą 1 jest przedstawiona na rysunku. Fazę tę wyznaczono tak, by płaszczyzna jej wykresu przechodziła w punkcie składowej stałej przez wartość zero oraz by nachylenie tej płaszczyzny wyznaczone w kierunku wiersza wynosiło: Δϕ Δk i= const a kolumny: = 2 Δ N Δi ϕ k = const = 2 M
14 Niezerowa faza filtru. Obraz Szach o rozmiarach 32x32 piksele oraz jego wykres. Obraz otrzymany po filtracji filtrem jedynkowym o fazie z w postaci poziomów szarości oraz w postaci wykresu funkcji.
15 Niezerowa faza filtru. Wykres fazy filtru jedynkowego o nachyleniach kierunkowych według wzorów: Δϕ Δk i= const = 10 Δ ϕ N Δi k = const π = 4 M P iż k d t i b t filt ji filt j d k f i Poniższy rysunek przedstawia obraz otrzymany po filtracji filtrem jedynkowym o fazie takiej jak wyżej w postaci poziomów szarości i w postaci wykresu funkcji.
16 Niezerowa faza filtru. Wykres fazy filtru jedynkowego o nachyleniach h kierunkowych k według wzorów przy obu współczynnikach równych 1. : Δϕ Δk i= const = k ϕ 2 π Δϕ i ϕ 2 π gdzie k ϕ oraz i ϕ to dowolne liczby = N Δi M całkowite, dodatnie lub ujemne. k = const Poniższy rysunek przedstawia obraz otrzymany po filtracji filtrem jedynkowym o fazie takiej jjak wyżej w postaci poziomów szarości i w postaci wykresu funkcji.
17 Odpowiedz impulsowa filtru. Dość istotną t rolę w problematyce filtracji odgrywa pojęcie odpowiedzi d i impulsowej filtru. Jak wskazuje nazwa, jest to wynik otrzymany po filtracji danym filtrem danych wejściowych będących impulsem jednostkowym. Przykład obrazu cyfrowego, o rozmiarach 6x6 pikseli, będącego impulsem jednostkowym. Opis filtru w postaci odpowiedzi impulsowej jest przydatny do przeprowadzania filtracji bezpośrednio w dziedzinie obrazu bez przechodzenia do dziedziny F. Dwuwymiarowy obraz okresowy i dwa sposoby wyboru jednego reprezentacyjnego okresu.
18 Odpowiedz impulsowa filtru. Jeden okres obrazu okresowego: a) odpowiadający pierwotnemu obrazowi cyfrowemu, b) po przesunięciu okresu reprezentacyjnego tak, by lewy górny narożnik obrazu pierwotnego znalazł się w centrum nowego obrazu. a) b) Odpowiedź impulsowa filtru dolnoprzepustowego z rysunku : a) po wyznaczeniu odwrotnej transformacji Foriera z F-obrazu filtru, b) po przesunięciu lewego, górnego narożnika do centrum, przy wykorzystaniu okresowości obrazu. a) b)
19 Odpowiedz impulsowa filtru. Obcięcie pola odpowiedzi impulsowej z b) do obszaru 5x5 pikseli: a) wykres odpowiedzi impulsowej po redukcji pola, b) amplituda F-obrazu filtru wynikająca z redukcji pola odpowiedzi impulsowej. c) faza F-obrazu filtru po zredukowaniu pola odpowiedzi impuslowej, d) część rzeczywista F-obrazu filtru opisanego amplitudą ą b) i fazą ą c). a) b) c) d)
20 Filtracja splotowa
21 Filtracja splotowa. Przykład odpowiedzi impulsowej filtru i maski do wyznaczania splotu. Filtr ( ) zdefiniowany za pomocą odpowiedzi impulsowej zawierającej jedynki w centralnym polu 5x5 pikseli, podzielone przez skalującą wartość 25: a) wykres odpowiedzi impulsowej, b) część rzeczywista F-obrazu filtru. a) b)
22 Filtracja splotowa. Obraz 32x32 piksele do ilustracji filtracji dolnoprzepustowej filtrem uśredniającym: a) w postaci odcieni szarości, b) w postaci wykresu. a1) b1) Obraz z rysunku a1) po filtracji filtrem : a) w postaci odcieni szarości, b) w postaci wykresu. a) b)
23 Filtracja splotowa. Obraz oryginalny do ilustracji okresowości filtracji w dziedzinie F: a) w postaci odcieni szarości, b) w postaci wykresu. a) b) Obraz z wcześniejszego resunku otrzymany po filtracji filtrem uśredniającym przeprowadzonej w dziedzinie częstotliwości (równoważnej splotowi kołowemu, czyli okresowemu): a) w postaci poziomów szarości, b) w postaci wykresu. a) b) Obraz Lena po powiększeniu i pola obrazu za pomocą powielenia wartości pikseli z brzegu obrazu, w celu umożliwienia wyznaczenia wyniku filtracji za pomocą maski w pobliżu brzegu obrazu.
24 F-obrazy wybranych filtrów splotowych. Uśredniający filtr dolnoprzepustowy: a) maska filtru, b) część rzeczywista F-obrazu. a) b) Wykresy F-obrazu maski uśredniającej: a) amplituda, b) faza. a) b)
25 F-obrazy wybranych filtrów splotowych. Filtr gradientu Sobela eksponujący krawędzie poziome: a) maska filtru, b) część urojona F-obrazu filtru. a) b) Wykresy F-obrazu maski Sobela: a) amplituda, b) faza. a) b)
26 F-obrazy wybranych filtrów splotowych. Filtracja obrazu Lena o rozdzielczości 64x64 za pomocą filtru gradient Sobela: a) obraz oryginalny, b) obraz po filtracji maską z założeniem powielenia pikseli brzegowych obrazu, c) obraz po filtracji za pomocą splotu kołowego, d) negatyw modułu różnicy obrazów b) i c). a) b) c) d)
27 F-obrazy wybranych filtrów splotowych. Maska Prewitta do wyznaczania gradientu: a) zawartość maski, b) wykres części urojonej opisującej F-obraz dla filtru odpowiadającego masce. a) b) F-obraz filtru dla maski Prewitta: a) wykres amplitudy, b) wykres fazy. a) b)
28 F-obrazy wybranych filtrów splotowych. Maska realizująca Laplasjan w oparciu o sąsiedztwo 4-punktowe i jej F-obraz: a) zawartość maski, b) wykres amplitudy opisujący w sposób kompletny F-obraz filtru odpowiadającego masce. a) b) Maska realizująca Laplasjan w oparciu o sąsiedztwo 8-punktowe i jej F-obraz: a) zawartość maski, b) wykres amplitudy opisujący w sposób kompletny F-obraz filtru odpowiadającego masce. a) b)
29 F-obrazy wybranych filtrów splotowych. Maska gradientu Robertsa i jej F-obraz: a) zawartość maski, b) wykres amplitudy F-obrazu filtru odpowiadającego masce, c) wykres fazy F-obrazu filtru odpowiadającego masce. a) b) c) F-obraz filtru odpowiadającego masce gradientu kierunkowoego: a) zawartość maski, b) wykres amplitudy, c) wykres fazy. a) b) c)
30 Rozplatanie, czyli filtracja odwrotna. Obraz oryginalny. Amplituda filtru modelującego zniekształcenia. Amplituda odtwarzającego filtru odwrotnego do filtru zniekształcającego Obraz zniekształcony tym filtrem. Obraz odtworzony z obrazu zniekształconego.
31 Filtry morfologiczne
32 Podstawowym pojęciem przekształceń morfologicznych jest tzw. element strukturalny obrazu. Jest to pewien wycinek obrazu (pewien podzbiór elementów) z wyróżnionym jednym punktem punktem centralnym. Najczęściej stosowanym elementem strukturalnym jest koło o promieniu jednostkowym.
33 Ogólny algorytm przekształcenia morfologicznego: element strukturalny jest przemieszczany po całym obrazie i dla każdego punktu obrazu dokonywane jest porównanie punktów obrazu i elementu strukturalnego, przy założeniu, że badany punkt obrazu jest punktem centralnym elementu strukturalnego w każdym punkcie obrazu następuje sprawdzenie, czy rzeczywista konfiguracja pikseli obrazu w otoczeniu tego punktu jest zgodna z wzorcowym elementem strukturalnym w przypadku wykrycia zgodności wzorca pikseli obrazu i szablonu elementu strukturalnego następuje wykonanie pewnej operacji na badanym punkcie
34 Erozja
35 Aby zdefiniować operację erozji zakłada się, że istnieje nieregularny obszar X i koło B o promieniu r, które będzie elementem strukturalnym. Jako punkt środkowy elementu strukturalnego przyjmuje się środek koła B. Wówczas erozję figury X elementem B można zdefiniować na dwa sposoby: figura zerodowana to zbiór wszystkich środków kół opromieniur,którewcałości zawarte są we wnętrzu obszaru X koło B przetacza sięę po wewnętrzneję stronie brzegu figury, a kolejne położenia środka koła B wyznaczają brzeg figury zerodowanej Erozję można także zdefiniować jako tzw. filtr minimalny, tzn. taki operator, w którym każdemu punktowi przypisuje się minimum z wartości jego sąsiadów.
36 Definicja I Zakładamy, że obraz wyjściowy zawiera pewien obszar (figurę) X, wyróżniający się pewną charakterystyczną cechą (np. odróżniającą się od tła jasnością). Figura X po wykonaniu operacji erozji (często określana krótko jako figura zerodowana) to zbiór punktów centralnych wszystkich elementów strukturalnych, które w całości mieszczą się we wnętrzu obszaru X. Miarą stopnia erozji jest wielkość elementu strukturalnego. Im większy rozmiar elementu strukturalnego - tym większa część brzegu podlegającej erozji figury zostaje usunięta. Definicja II Erozję można traktować jako filtr minimalny. Dzięki temu pojęcie erozji można rozszerzyć na obrazy posiadające wiele stopni szarości, a nawet kolorowe. W przypadku obrazu posiadającego wiele poziomów jasności operację erozji wygodnie zapisać jest jako: L'( m, n) = m i min, n i B( m, n) ( L( m gdzie: L(m,n) - jasność punktu o współrzędnych (m,n); B(m, n) - element strukturalny z punktem centralnym o współrzędnych (m,n). i, n i ))
37 Przykładową operacje erozji można wykonać posługując się elementem strukturalnym przedstawionym poniżej: Element strukturalny dla erozji
38 Efektem operacji erozji jest usunięcie ę małych obiektów oraz nieistotnych szczegółów dużych obiektów
39 Efektem operacji erozji jest usunięcie ę małych obiektów oraz nieistotnych szczegółów dużych obiektów
40 Efekt erozji silnie zależy od obiektu strukturalnego, którym erozja jest wykonywana y Obraz komórek poddanych operacji erozji z pomocą elementu strukturalnego o postaci dużego kwadratu (po lewej) i małego krzyża (po prawej)
41 Obraz przed erozją Obraz po 1-kr. erozji Obraz po 2-kr. erozji Obraz po 3-kr. erozji Obraz po 4-kr. erozji Obraz po 5-kr. erozji
42 obraz oryginalny erozja 3 x 3 erozja 5 x 5
43 Erozję możemy również interpretować jako filtr minimalny, co ukazuje poniższy schemat. Z lewej strony umieszczony jest obraz wyjściowy, natomiast z prawej obraz po erozji
44 Erozja obrazu barwnego
45 Dylatacja
46 Dylatacja jest to przekształcenie odwrotne do erozji. Aby zdefiniować operację dylatacji zakłada się, że istnieje nieregularny obszar (figura) na obrazie X i koło B o promieniu r, które będzie elementem strukturalnym. Wówczas dylatację figury X elementem B można zdefiniować na trzy sposoby: figura po dylatacji jest zbiorem środków wszystkich kół B, dla których choć jeden punkt pokrywa się z jakimkolwiek punktem figury wyjściowej koło B przetacza się po zewnętrznej stronie brzegu figury. Kolejne położenia środka koła B wyznaczają brzeg figury po dylatacji analogicznie jak w przypadku erozji, dylatację można zdefiniować jako filtr maksymalny
47 Operacje dylatacji można wykonać posługując się elementem strukturalnym przedstawionym poniżej: x x x x 0 x x x x Element strukturalny dla dylatacji
48 Dylatacja powoduje, że niewielkie dziury optyczne na obrazie zostają wypełnione, a także wygładzają się niewielkie zagłębienia konturu obiektów
49
50 Definicja I Zakładamy, że obraz wyjściowy zawiera obszar X wyróżniający się pewną charakterystyczną cechą (np. jasnością). Figura przekształcona przez dylatację to zbiór punktów centralnych wszystkich elementów strukturalnych, których którykolwiek punkt mieści się we wnętrzu obszaru X. Miarą dylatacji jest wielkość elementu strukturalnego. Definicja II Dylatację można traktować jako filtr maksymalny. Rozpatrywane otoczenie lokalne l punktu jest odpowiednikiem d iki elementu strukturalnego. Dzięki temu pojęcie dylatacji można rozszerzyć na obrazy posiadające wiele stopni szarości, a nawet kolorowe. W przypadku obrazu posiadającego wiele poziomów jasności operację dylatacji wygodnie zapisać jako: L'( mn, ) = max ( L( m, n)) m i, n i Bmn (, ) gdzie: di L(m,n) - jasność punktu o współrzędnych (m,n); B(m, n) - element strukturalny z punktem centralnym o współrzędnych (m,n). i i
51 Efekt dylatacji silnie zależy od obiektu strukturalnego, którym dylatacja jest wykonywana y Obraz komórek poddanych operacji dylatacji z pomocą elementu strukturalnego o postaci dużego ż kwadratu (po lewej) i małego ł krzyża ż (po prawej)
52 Obraz przed dylatacją Obraz po 1-kr. dylatacji Obraz po 2-kr. dylatacji Obraz po 3-kr. dylatacji Obraz po 4-kr. dylatacji Obraz po 5-kr. dylatacji
53 obraz oryginalny dylatacja 3 x 3 dylatacja 5 x 5
54 Analogicznie dylatację możemy interpretować jako filtr maksymalny, co ukazuje poniższy schemat. Tak jak poprzednio z lewej strony umieszczony jest obraz wyjściowy, natomiast z prawej obraz po dylatacji
55 Dylatacja obrazu barwnego
56 Operacja dylatacji pozwala wyznaczać kontury figur na obrazie kontur (X) = XOR [ X, dylatacja (X) ] kontur taki wygląda lepiej, gdy obraz X poda się przed dylatacją filtracji medianowej
57
Przetwarzanie obrazów wykład 6. Adam Wojciechowski
Przetwarzanie obrazów wykład 6 Adam Wojciechowski Przykłady obrazów cyfrowych i ich F-obrazów Parzysta liczba powtarzalnych wzorców Transformata Fouriera może być przydatna przy wykrywaniu określonych
Bardziej szczegółowoAnaliza obrazu. wykład 7. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 7 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, Filtry morfologiczne
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 szczegółowoAnaliza obrazu. wykład 5. Marek Jan Kasprowicz Uniwersytet Rolniczy 2008
Analiza obrazu komputerowego wykład 5 Marek Jan Kasprowicz Uniwersytet Rolniczy 2008 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, oraz materiałów ze
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 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 szczegółowoPrzetwarzanie obrazów wykład 7. Adam Wojciechowski
Przetwarzanie obrazów wykład 7 Adam Wojciechowski Przekształcenia morfologiczne Przekształcenia podobne do filtrów, z tym że element obrazu nie jest modyfikowany zawsze lecz tylko jeśli spełniony jest
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 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 szczegółowoCyfrowe przetwarzanie obrazów. Dr inż. Michał Kruk
Cyfrowe przetwarzanie obrazów Dr inż. Michał Kruk Przekształcenia morfologiczne Morfologia matematyczna została stworzona w latach sześddziesiątych w Wyższej Szkole Górniczej w Paryżu (Ecole de Mines de
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 obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
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 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 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 szczegółowoZygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab
Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu
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 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 szczegółowoFiltracja obrazów w dziedzinie Fouriera
Filtracja obrazów w dziedzinie Fouriera Filtracj mo na zinterpretowa jako mno enie punktowe dwóch F-obrazów - jednego pochodz cego od filtrowanego obrazu i drugiego b d cego filtrem. Wykres amplitudy F-
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 szczegółowoGrafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38
Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu
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 szczegółowoPrzekształcenia widmowe Transformata Fouriera. Adam Wojciechowski
Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera
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 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 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 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 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 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 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 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 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 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 szczegółowoAndrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZENIE 7. Splot liniowy i kołowy sygnałów
Andrzej Leśnicki Laboratorium CPS Ćwiczenie 7 1/7 ĆWICZEIE 7 Splot liniowy i kołowy sygnałów 1. Cel ćwiczenia Operacja splotu jest jedną z najczęściej wykonywanych operacji na sygnale. Każde przejście
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 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 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 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 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 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 szczegółowoFiltracja nieliniowa obrazu
Informatyka, S1 sem. letni, 2014/2015, wykład#4 Filtracja nieliniowa obrazu dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Proces przetwarzania obrazów Obraz
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 szczegółowoOperacje morfologiczne w przetwarzaniu obrazu
Przekształcenia morfologiczne obrazu wywodzą się z morfologii matematycznej działu matematyki opartego na teorii zbiorów Wykorzystuje się do filtracji morfologicznej, wyszukiwania informacji i analizy
Bardziej szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
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 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 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 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 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 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 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 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 szczegółowoAnaliza korespondencji
Analiza korespondencji Kiedy stosujemy? 2 W wielu badaniach mamy do czynienia ze zmiennymi jakościowymi (nominalne i porządkowe) typu np.: płeć, wykształcenie, status palenia. Punktem wyjścia do analizy
Bardziej szczegółowoCharakterystyka amplitudowa i fazowa filtru aktywnego
1 Charakterystyka amplitudowa i fazowa filtru aktywnego Charakterystyka amplitudowa (wzmocnienie amplitudowe) K u (f) jest to stosunek amplitudy sygnału wyjściowego do amplitudy sygnału wejściowego w funkcji
Bardziej szczegółowoSIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Bardziej szczegółowoCHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE
CHARAKTERYSTYKI CZĘSTOTLIWOŚCIOWE Do opisu członów i układów automatyki stosuje się, oprócz transmitancji operatorowej (), tzw. transmitancję widmową. Transmitancję widmową () wyznaczyć można na podstawie
Bardziej szczegółowo( 1+ s 1)( 1+ s 2)( 1+ s 3)
Kryteria stabilności przykład K T (s)= (s+1)(s+2)(s+3) = K /6 1 1+T (s) = (s+1)(s+2)(s+3) K +6+11s+6s 2 +s 3 ( 1+ s 1)( 1+ s 2)( 1+ s 3) Weźmy K =60: 1 1+T (s) =(s+1)(s+2)(s+3) 66+11s+6s 2 +s =(s+1)(s+2)(s+3)
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 szczegółowo3. Macierze i Układy Równań Liniowych
3. Macierze i Układy Równań Liniowych Rozważamy równanie macierzowe z końcówki ostatniego wykładu ( ) 3 1 X = 4 1 ( ) 2 5 Podstawiając X = ( ) x y i wymnażając, otrzymujemy układ 2 równań liniowych 3x
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX6 Operacje morfologiczne Joanna Ratajczak, Wrocław, 2018 1 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami podstawowych
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 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 szczegółowoTransformata Fouriera i analiza spektralna
Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady
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 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 szczegółowoĆwiczenie 3. Właściwości przekształcenia Fouriera
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 3. Właściwości przekształcenia Fouriera 1. Podstawowe właściwości przekształcenia
Bardziej szczegółowoOpis matematyczny. Równanie modulatora. Charakterystyka statyczna. Po wprowadzeniu niewielkich odchyłek od ustalonego punktu pracy. dla 0 v c.
Opis matematyczny Równanie modulatora Charakterystyka statyczna d t = v c t V M dla 0 v c t V M D 1 V M V c Po wprowadzeniu niewielkich odchyłek od ustalonego punktu pracy v c (t )=V c + v c (t ) d (t
Bardziej szczegółowoPROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE
PROPAGACJA PROMIENIOWANIA PRZEZ UKŁAD OPTYCZNY W UJĘCIU FALOWYM. TRANSFORMACJE FAZOWE I SYGNAŁOWE prof. dr hab. inż. Krzysztof Patorski Przedmiotem tej części wykładu są podstawowe transformacje fazowe
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 szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III
1 Na podstawie materiałów autorstwa dra inż. Marka Wnuka. Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania
Bardziej szczegółowoLiczby zespolone. x + 2 = 0.
Liczby zespolone 1 Wiadomości wstępne Rozważmy równanie wielomianowe postaci x + 2 = 0. Współczynniki wielomianu stojącego po lewej stronie są liczbami całkowitymi i jedyny pierwiastek x = 2 jest liczbą
Bardziej szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5
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
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 2 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 szczegółowoANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH
ANALIZA SYGNAŁÓ W JEDNÓWYMIARÓWYCH Generowanie podstawowych przebiegów okresowych sawtooth() przebieg trójkątny (wierzhołki +/-1, okres 2 ) square() przebieg kwadratowy (okres 2 ) gauspuls()przebieg sinusoidalny
Bardziej szczegółowomaska 1 maska 2 maska 3 ogólnie
WYKŁAD 4 Detekcja krawędzi, operacje morfologiczne Detekcja (wykrywanie) krawędzi (edge detection) jest to technika segmentacji obrazu, polegająca na znajdowaniu piksli krawędziowych przez sprawdzanie
Bardziej szczegółowo2. Próbkowanie Sygnały okresowe (16). Trygonometryczny szereg Fouriera (17). Częstotliwość Nyquista (20).
SPIS TREŚCI ROZDZIAŁ I SYGNAŁY CYFROWE 9 1. Pojęcia wstępne Wiadomości, informacje, dane, sygnały (9). Sygnał jako nośnik informacji (11). Sygnał jako funkcja (12). Sygnał analogowy (13). Sygnał cyfrowy
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 5. Dyskretna transformata falkowa Schemat systemu transmisji danych wizyjnych Źródło danych Przetwarzanie Przesył Przetwarzanie Prezentacja
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 szczegółowo6. FUNKCJE. f: X Y, y = f(x).
6. FUNKCJE Niech dane będą dwa niepuste zbiory X i Y. Funkcją f odwzorowującą zbiór X w zbiór Y nazywamy przyporządkowanie każdemu elementowi X dokładnie jednego elementu y Y. Zapisujemy to następująco
Bardziej szczegółowoTechniki wizualizacji. Ćwiczenie 4. Podstawowe algorytmy przetwarzania obrazów
Doc. dr inż. Jacek Jarnicki Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej jacek.jarnicki@pwr.wroc.pl Techniki wizualizacji Ćwiczenie 4 Podstawowe algorytmy przetwarzania obrazów
Bardziej szczegółowoĆwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI)
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 4. Filtry o skończonej odpowiedzi impulsowej (SOI) 1. Filtracja cyfrowa podstawowe
Bardziej szczegółowoDYSKRETNE PRZEKSZTAŁCENIE FOURIERA C.D.
CPS 6 DYSKRETE PRZEKSZTAŁCEIE FOURIERA C.D. Twierdzenie o przesunięciu Istnieje ważna właściwość DFT, znana jako twierdzenie o przesunięciu. Mówi ono, że: Przesunięcie w czasie okresowego ciągu wejściowego
Bardziej szczegółowoW celu obliczenia charakterystyki częstotliwościowej zastosujemy wzór 1. charakterystyka amplitudowa 0,
Bierne obwody RC. Filtr dolnoprzepustowy. Filtr dolnoprzepustowy jest układem przenoszącym sygnały o małej częstotliwości bez zmian, a powodującym tłumienie i opóźnienie fazy sygnałów o większych częstotliwościach.
Bardziej szczegółowouzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem próbkowania t takim, że T = t N 1 t
4. 1 3. " P r ze c ie k " w idm ow y 1 0 2 4.13. "PRZECIEK" WIDMOWY Rozważmy szereg czasowy {x r } dla r = 0, 1,..., N 1 uzyskany w wyniku próbkowania okresowego przebiegu czasowego x(t) ze stałym czasem
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 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 szczegółowoWOJSKOWA AKADEMIA TECHNICZNA
WOJSKOWA AKADEMIA TECHNICZNA LABORATORIUM CYFROWE PRZETWARZANIE SYGNAŁÓW Stopień, imię i nazwisko prowadzącego Imię oraz nazwisko słuchacza Grupa szkoleniowa Data wykonania ćwiczenia dr inż. Andrzej Wiśniewski
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 szczegółowo3. FUNKCJA LINIOWA. gdzie ; ół,.
1 WYKŁAD 3 3. FUNKCJA LINIOWA FUNKCJĄ LINIOWĄ nazywamy funkcję typu : dla, gdzie ; ół,. Załóżmy na początek, że wyraz wolny. Wtedy mamy do czynienia z funkcją typu :.. Wykresem tej funkcji jest prosta
Bardziej szczegółowo2. FUNKCJE. jeden i tylko jeden element y ze zbioru, to takie przyporządkowanie nazwiemy FUNKCJĄ, lub
WYKŁAD 2 1 2. FUNKCJE. 2.1.PODSTAWOWE DEFINICJE. Niech będą dane zbiory i. Jeżeli każdemu elementowi x ze zbioru,, przyporządkujemy jeden i tylko jeden element y ze zbioru, to takie przyporządkowanie nazwiemy
Bardziej szczegółowoĆwiczenie 6. Transformacje skali szarości obrazów
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 6. Transformacje skali szarości obrazów 1. Obraz cyfrowy Obraz w postaci cyfrowej
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 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 szczegółowoZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II
ZAGADNIENIA PROGRAMOWE I WYMAGANIA EDUKACYJNE DO TESTU PRZYROSTU KOMPETENCJI Z MATEMATYKI DLA UCZNIA KLASY II POZIOM ROZSZERZONY Równania i nierówności z wartością bezwzględną. rozwiązuje równania i nierówności
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 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 szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia geometryczne Obroty Przesunięcia Odbicia Rozciągnięcia itp Przekształcenia geometryczne Obroty Wielokrotność 90 stopni Inne Przekształcenia geometryczne Obroty Wielokrotność
Bardziej szczegółowoLaboratorium Optyki Falowej
Marzec 2019 Laboratorium Optyki Falowej Instrukcja do ćwiczenia pt: Filtracja optyczna Opracował: dr hab. Jan Masajada Tematyka (Zagadnienia, które należy znać przed wykonaniem ćwiczenia): 1. Obraz fourierowski
Bardziej szczegółowoA3 : Wzmacniacze operacyjne w układach liniowych
A3 : Wzmacniacze operacyjne w układach liniowych Jacek Grela, Radosław Strzałka 2 kwietnia 29 1 Wstęp 1.1 Wzory Poniżej zamieszczamy podstawowe wzory i definicje, których używaliśmy w obliczeniach: 1.
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek cięŝkości ułoŝenie przestrzenne momenty wyŝszych rzędów promienie max-min centryczność
Bardziej szczegółowo