Rozpoznawanie Twarzy i Systemy Biometryczne

Wielkość: px
Rozpocząć pokaz od strony:

Download "Rozpoznawanie Twarzy i Systemy Biometryczne"

Transkrypt

1 Filtry

2 Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania

3

4 Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu Ogólnie mówiąc im większa jest różnica tym lepsza ostrość

5 Podział filtrów Operacje na pojedynczym pikselu Operacje na grupie pikseli Operacje na histogramie obrazu Obrót / skalowanie obrazu Techniki złożone

6 Filtry punktowe I ( x, y) f [ I ( x, y)] out = Funkcja liniowa i Funkcja potęgowa Funkcja logarytmiczna in Zastosowanie Polepszenie kontrastu t Polepszenie ostrości obrazu

7 Funkcja liniowa Skalowanie Umożliwia skalowanie zakresu dynamicznego w wybranych przedziałach I out s Iin dla Iin <= r r s2 s ( x, y) = ( Iin r) + s dla Iin ( r, r2) r2 r 255 s 2 ( Iin r2) + s2 dla Iin >= r2 255 r2

8 Funkcja potęgowa Korekcja Gamma Obraz po przekształceniu nie traci naturalnego wyglądu I out ( x, y) = I ( x, y) γ gdzie γ = in 0,45

9 250 Funkcja logarytmiczna Kompresja poziomów szarości Naturalny wygląd obrazu Zmniejszenie informacji w obrazie I out ( x, y) = a + b = 255 c = max( I ) + x, y ln( Iin( x, y) + ) b *ln( c )

10 Filtry punktowe - przykłady Obraz Skalowanie Logarytm Gamma

11 Filtry punktowe - przykłady Obraz Skalowanie Logarytm Gamma

12 Filtry punktowe - przykłady Obraz Skalowanie Logarytm Gamma

13 Filtry punktowe Zalety: Umożliwiają i polepszenie kontrastu t obrazu Zwiększają ostrość Wady: Przejaskrawienie obrazu Trudny dobór optymalnych parametrów

14 Filtry przestrzenne Filtry dolnoprzepustowe Uśredniający Gauss Mediana Filtry górnoprzepustowe Roberts Laplacian Prewitt Sobel

15 Sąsiedztwo

16 Filtry dolnoprzepustowe Usuwanie drobnych szumów Wygładzanie obrazu Rozmazywanie konturów

17 Filtr uśredniający I = out I in 9 group Filtr liniowy Łagodne wygładzenie obrazu 9

18 Filtr Gaussa G x + y 2 2σ ( x, y) = e 2 2πσ Filtr wykorzystujący funkcję potęgową Mocniejsze wygładzenie przy krótszym czasie działania

19 Filtr Medianowy Filtr nieliniowy Dobrze usuwa szumy z obrazów jednocześnie eś e nie eliminując ważnych informacji

20 Filtry dolnoprzepustowe Obraz Uśredniający Gauss Mediana

21 Filtry górnoprzepustowe Poprawa ostrości obrazu Wykrywanie konturów W przypadku zaszumionych obrazów niedoskonałości zostaną wyolbrzymione.

22 Filtr Roberts a Filtr Roberts a = y I x I I δ δ δ δ, Metoda gradientowa y R x R y R R R + = y x y x R R R R R R + = +

23 Filtr Prewitt a δ I δi I =, δx δ y Metoda gradientowa P x P 0 y 0 2 P = P x + P y P = P + x P y 2

24 Filtr Sobel a S x δ I δi I =, δx δ y Metoda gradientowa S y 2 0 S = S x + S y S = s + 2 x s 2 y

25 Filtr Laplacian Filtr Laplacian = , ), ( y I x I y x L δ δ δ δ Metoda wykorzystująca właściwości d i j h d j y drugiej pochodnej 8

26 Filtry górnoprzepustowe Obraz Roberts Prewitt Sobel

27 Operacje na histogramie Rozciąganie Dopasowanie Wyrównanie

28 Rozciąganie histogramu Zwiększenie zakresu dynamicznego obrazu, które poprawia kontrast t oraz ostrość I out ( x, y) = (2 B ) * I in ( x, y) min max min Nie działa dla obrazów o charakterystycznym histogramie

29 Wyrównanie histogramu Dąży do równomiernego rozproszenia poziomów szarości ś w obrazie wyjściowym Polepszenie kontrastu

30 Wyrównanie histogramu Algorytm: p( I ) = h( I ) / K gdzie K liczba pikseli D( i) I out D in = n = i=0 p( i) gdzie n poziomy szaro śza D ( Iin ) D D in0 in0 (2 B ) 0 pierwsza niezerowa wartośa obrazu orginal.

31 Dopasowanie histogramu Dąży do takiego przemieszczenia poziomów szarości, ś aby histogram obrazu wejściowego był jak najbardziej zbliżony do zadanego histogramu. Ujednolicenie jasności obrazów

32 Dopasowanie histogramu Algorytm: Stworzenie histogramu obrazu wejściowego h In i wyjściowego h Out Normalizacja histogramów p ( I ) = h ( I ) / K gdzie K liczba Obliczenie funkcji przyrostu D( i) n = i=0 p( i) gdzie n poziomy pikseli szaro śza

33 Dopasowanie histogramu Algorytm:

34 Histogram - przykłady Obraz Rozciąganie Wyrównanie Dopasowanie

35 Histogram Minimalizacja różnic między obrazami z różnych źródeł Poprawa a ostrości ośc i kontrastu

36 Obrót / skalowanie obrazu

37 Filtry złożone - techniki Kuwahara Canny Unsharp Masking LogAbout GammaAbout

38 Filtr Kuwahra Filtr nieliniowy Dobre wygładzanie obrazu Brak zacierania krawędzi Algorytm: Dla każdego regionu: Wynik: r = min( σ ) regiony I out I sr σ = = I = Iin n region sr region ( r) ( I in I sr 2 )

39 Filtr Canny Optymalizacja wykrywania krawędzi Algorytm: Filtr Gaussa Filtr Sobel Znalezienie kierunku krawędzi jako φ = tan ( S y / S ) Określenie kierunku Śledzenie pikseli w kierunku krawędzi i usuwanie zbędnych pikseli Progowanie x

40 Unsharp Masking Wyostrzanie obrazu Eliminacja drobnych szumów Algorytm: I(x,y) = Gauss(I in (x,y)) I hp (x,y) = I in (x,y) I(x,y) I hp( (x,y) = 0 dla I hp( (x,y) < próg I out (x,y) = I in (x,y) + a*i hp (x,y)

41 Metoda LogAbout Polepszenie wykrywania krawędzi Filtr górnoprzepustowy Filtr logarytmiczny

42 Metoda HistAbout Polepszanie wykrywania krawędzi Rozciąganie histogramu LogAbout Gauss

43 Metoda GammaAbout Polepszenie wykrywania krawędzi Gamma LogAbout Gauss

44 Gdzie stosować filtry? Obraz wejściowy Detekcja Normalizacja

45 Obraz wejściowy Problemy: Zakłócenia obrazu Rozwiązanie: ą Filtr Gaussa Filtr Medianowy

46 Obraz wejściowy/detekcja Problem: Ciemny obraz Rozwiązanie: ą Rozciąganie histogramu Korekcja Gamma GammaAbout

47 Detekcja Problem: Wykrywanie krawędzi Rozwiązanie: ą Filtr Roberts Filtr Prewitt Filtr Sobel Metoda Canny ego

48 Normalizacja kształtu Problem: Brak unifikacji rozmiarów Rozwiązanie: Skalowanie Problem Obrócona twarz Rozwiązanie: Obrót

49 Normalizacja oświetlenia Problem: Nierównomierne oświetlenie twarzy Rozwiązanie: ą Operacje na histogramie

50 Zastosowanie filtrów Poprawa jakości pobranego obrazu Polepszenie wydajności metod detekcji obiektów Normalizacja obrazu Normalizacja oświetlenia

51 Co dalej?? Normalizacja oświetlenia nadal pozostaje polem do dalszych badań ń Rozjaśnianie ojaś a obrazów ciemnych ce

52 Dziękuję

Przetwarzanie obrazu

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 szczegółowo

WYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego

WYKŁAD 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 szczegółowo

Filtracja obrazu operacje kontekstowe

Filtracja 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 szczegółowo

Parametryzacja obrazu na potrzeby algorytmów decyzyjnych

Parametryzacja 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 szczegółowo

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Grafika 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 szczegółowo

Przekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu

Przekształcenia 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 szczegółowo

Filtracja obrazu operacje kontekstowe

Filtracja 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 szczegółowo

KOREKCJA GAMMA JAKO NOWA TECHNIKA NORMALIZACJI OŚWIETLENIA PRZY DETEKCJI TWARZY

KOREKCJA GAMMA JAKO NOWA TECHNIKA NORMALIZACJI OŚWIETLENIA PRZY DETEKCJI TWARZY STUDIA INFORMATICA 2005 Volume 26 Number 2 (63) Karolina NURZYŃSKA Politechnika Śląska, Instytut Informatyki KOREKCJA GAMMA JAKO NOWA TECHNIKA NORMALIZACJI OŚWIETLENIA PRZY DETEKCJI TWARZY Streszczenie.

Bardziej szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III

Cyfrowe 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 szczegółowo

Filtracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):

Filtracja 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 szczegółowo

Analiza obrazów - sprawozdanie nr 2

Analiza 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 szczegółowo

Przetwarzanie obrazów rastrowych macierzą konwolucji

Przetwarzanie 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 szczegółowo

Filtracja w domenie przestrzeni

Filtracja 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 szczegółowo

Filtracja splotowa obrazu

Filtracja 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 szczegółowo

Przetwarzanie obrazów wykład 2

Przetwarzanie 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 szczegółowo

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.

Spośród 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 szczegółowo

Proste metody przetwarzania obrazu

Proste 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 szczegółowo

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.

Politechnika 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 szczegółowo

Diagnostyka obrazowa

Diagnostyka 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 szczegółowo

POB Odpowiedzi na pytania

POB 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 szczegółowo

POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement)

POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement) POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement) Przetwarzanie obrazów cyfrowych w celu wydobycia / uwydatnienia specyficznych cech obrazu dla określonych zastosowań. Brak

Bardziej szczegółowo

3. OPERACJE BEZKONTEKSTOWE

3. 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 szczegółowo

Analiza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Analiza 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 szczegółowo

Diagnostyka obrazowa

Diagnostyka 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 szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III

Cyfrowe 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 szczegółowo

Segmentacja przez detekcje brzegów

Segmentacja 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 szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 3 AiR III

Cyfrowe 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 szczegółowo

Ćwiczenia 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 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 szczegółowo

Zbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5

Zbigniew 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 szczegółowo

Grafika komputerowa. Dr inż. Michał Kruk

Grafika 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 szczegółowo

PRZETWARZANIE SYGNAŁÓW

PRZETWARZANIE SYGNAŁÓW PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VIII Podstawy przetwarzania obrazów Filtracja Przetwarzanie obrazu w dziedzinie próbek Przetwarzanie obrazu w dziedzinie częstotliwości (transformacje częstotliwościowe)

Bardziej szczegółowo

Przetwarzanie obrazów. Grupy metod przetwarzania obrazu. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe. Przetwarzanie jednopunktowe

Przetwarzanie 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 szczegółowo

Przetwarzanie obrazów wykład 4

Przetwarzanie 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 szczegółowo

Przekształcenia punktowe

Przekształcenia punktowe Przekształcenia punktowe Przekształcenia punktowe realizowane sa w taki sposób, że wymagane operacje wykonuje sie na poszczególnych pojedynczych punktach źródłowego obrazu, otrzymujac w efekcie pojedyncze

Bardziej szczegółowo

Rekonstrukcja obrazu (Image restoration)

Rekonstrukcja 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 szczegółowo

Filtracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej

Filtracja 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 szczegółowo

AKWIZYCJA I PRZETWARZANIE WSTĘPNE

AKWIZYCJA I PRZETWARZANIE WSTĘPNE WYKŁAD 2 AKWIZYCJA I PRZETWARZANIE WSTĘPNE Akwizycja (pozyskiwanie) obrazu Akwizycja obrazu - przetworzenie obrazu obiektu fizycznego (f(x,y)) do postaci zbioru danych dyskretnych (obraz cyfrowy) nadających

Bardziej szczegółowo

Automatyczne nastawianie ostrości

Automatyczne nastawianie ostrości Automatyczne nastawianie ostrości Systemy automatycznego nastawiania ostrości (AF) - budowa, działanie, zalety, wady, zastosowanie, algorytmy wyostrzania - przykłady Jakub Skalak http://www.fis.agh.edu.pl/~4skalak/

Bardziej szczegółowo

Projekt 2: Filtracja w domenie przestrzeni

Projekt 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 szczegółowo

Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy

Rozpoznawanie 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

Raport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010

Raport. 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 szczegółowo

Diagnostyka obrazowa

Diagnostyka 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 szczegółowo

Operacje przetwarzania obrazów monochromatycznych

Operacje 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 szczegółowo

Komputerowe obrazowanie medyczne

Komputerowe 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 szczegółowo

AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU

AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU WYKŁAD 2 Marek Doros Przetwarzanie obrazów Wykład 2 2 Akwizycja (pozyskiwanie) obrazu Akwizycja obrazu - przetworzenie obrazu obiektu fizycznego (f(x, y)) do postaci

Bardziej szczegółowo

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska.

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 9. Przetwarzanie sygnałów wizyjnych. Politechnika Świętokrzyska. Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 9 Przetwarzanie sygnałów wizyjnych. Cel ćwiczenia Celem ćwiczenia jest zapoznanie studentów z funkcjami pozwalającymi na

Bardziej szczegółowo

Implementacja filtru Canny ego

Implementacja 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 szczegółowo

AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI

AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI Tomasz Huczek Promotor: dr Adrian Horzyk Cel pracy Zasadniczym celem pracy było stworzenie systemu

Bardziej szczegółowo

ANALIZA I PRZETWARZANIE OBRAZÓW

ANALIZA I PRZETWARZANIE OBRAZÓW ANALIZA I PRZETWARZANIE OBRAZÓW Instalacja pip install opencv-python run pip install opencv-contrib-python Przydatne Potrzebne importy: import cv2 import numpy as np Odczyt, zapis i wyświetlanie obrazu:

Bardziej szczegółowo

Algorytmy 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. 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 szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa IZ06TC01, Zespół 3 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr 5 Temat: Modelowanie koloru, kompresja obrazów,

Bardziej szczegółowo

dr inż. Tomasz Krzeszowski

dr inż. Tomasz Krzeszowski Metody cyfrowego przetwarzania obrazów dr inż. Tomasz Krzeszowski 2017-05-20 Spis treści 1 Przygotowanie do laboratorium... 3 2 Cel laboratorium... 3 3 Przetwarzanie obrazów z wykorzystaniem oprogramowania

Bardziej szczegółowo

Przekształcenia punktowe i geometryczne

Przekształcenia punktowe i geometryczne Przekształcenia punktowe i geometryczne 1 Przekształcenia punktowe Przekształcenia punktowe (bezkontekstowe) są to przekształcenia dotyczące stopnia szarości lub nasycenia barwy dla każdego punktu oddzielnie,

Bardziej szczegółowo

WSTĘP DO PRZETWARZANIA OBRAZÓW. Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński

WSTĘP DO PRZETWARZANIA OBRAZÓW. Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński WSTĘP DO PRZETWARZANIA OBRAZÓW Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński Czym jest obraz? Na nasze potrzeby będziemy zajmować się jedynie obrazami w skali szarości. Większość z omawianych

Bardziej szczegółowo

WYBRANE ZAGADNIENIA WIDZENIA MASZYNOWEGO

WYBRANE ZAGADNIENIA WIDZENIA MASZYNOWEGO Optomechatronika - Laboratorium Ćwiczenie 4 WYBRANE ZAGADNIENIA WIDZENIA MASZYNOWEGO 4.1 Cel ćwiczenia Celem ćwiczenia jest zapoznanie się ze sposobami akwizycji oraz analizy obrazu przydatnymi w kontroli

Bardziej szczegółowo

Analiza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Analiza 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 szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Wyższa 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 szczegółowo

Metody komputerowego przekształcania obrazów

Metody 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 szczegółowo

Cyfrowe Przetwarzanie Obrazów. Karol Czapnik

Cyfrowe 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 szczegółowo

Przetwarzanie obrazu

Przetwarzanie obrazu Przetwarzanie obrazu Przekształcenia geometryczne Obroty Przesunięcia Odbicia Rozciągnięcia itp Przekształcenia geometryczne Obroty Wielokrotność 90 stopni Inne Przekształcenia geometryczne Obroty Wielokrotność

Bardziej szczegółowo

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

BIBLIOTEKA 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 szczegółowo

Laboratorium Cyfrowego Przetwarzania Obrazów

Laboratorium 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 szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT

Wyższa 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 szczegółowo

maska 1 maska 2 maska 3 ogólnie

maska 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 szczegółowo

Rozciąganie histogramu

Rozciąganie histogramu Rozciąganie histogramu Histogram jest wykresem przedstawiającym częstość występowania pikseli o danej jaskrawości, jasności, barwie. Raster 1 1 3 1 0 2 2 2 3 3 3 1 1 4 0 0 0 3 1 3 4 1 3 3 3 1 3 2 3 5 1

Bardziej szczegółowo

Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1)

Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1) Michał Strzelecki Metody przetwarzania i analizy obrazów biomedycznych (1) Prezentacja multimedialna współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie Innowacyjna

Bardziej szczegółowo

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 11. Filtracja sygnałów wizyjnych

Laboratorium. 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 szczegółowo

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Wyższa 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 szczegółowo

Przetwarzanie i Kompresja Obrazów. Filtracja

Przetwarzanie 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 szczegółowo

Wprowadzenie do przetwarzania obrazów

Wprowadzenie 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 szczegółowo

zna wybrane modele kolorów i metody transformacji między nimi zna podstawowe techniki filtracji liniowej, nieliniowej dla obrazów cyfrowych

zna wybrane modele kolorów i metody transformacji między nimi zna podstawowe techniki filtracji liniowej, nieliniowej dla obrazów cyfrowych Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Wydział Matematyki i Informatyki Instytut Informatyki Przetwarzanie i analiza obrazów cyfrowych w

Bardziej szczegółowo

Operatory mapowania tonów

Operatory mapowania tonów Operatory mapowania tonów (ang. Tone Mapping Operators) Radosław Mantiuk rmantiuk@wi.zut.edu.pl 1 Operatory Tonów (TMO - tone mapping operator) Kompresja luminancji obrazów HDR Dostosowanie zakresu dynamiki

Bardziej szczegółowo

FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI

FILTRACJE 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 szczegółowo

Ł Ł ż Ś ż Ś Ź ć

Ł Ł ż Ś ż Ś Ź ć Ł Ę Ł Ł ż Ś ż Ś Ź ć ć Ść Ż ż ż ż Ś Ś Ć ć Ś Ę ĘĆ Ł Ł ŚĆ ŚĆ Ą ż ć ĘŚ Ą Ą Ę ż Ć Ś ć Ż Ż ć Ś Ą ż ż Ż Ą Ą Ś Ż ż ż Ś Ś Ę ż Ś Ś ż Ś Ż Ść Ś ż ć ż Ł ż ż ż Ł ż Ł Ż ż Ą Ą Ą ć Ś ż ż ż Ż Ś ż Ł Ś ź ż ż ź Ź ź ź Ź Ź Ę

Bardziej szczegółowo

Operator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości

Operator 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 szczegółowo

Plan wykładu. Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie. informatyka +

Plan 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 szczegółowo

Analiza obrazu. wykład 6. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Analiza 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 szczegółowo

ó ą ę ó ó Ż ć ó ó ó ę Ó ó ą ć ę ó ą ę ż Ó Ń ą ą ę ó Ę ó Ą ć ę ó ą ą ę ó

ó ą ę ó ó Ż ć ó ó ó ę Ó ó ą ć ę ó ą ę ż Ó Ń ą ą ę ó Ę ó Ą ć ę ó ą ą ę ó Ą ę ć Ą ą ą ą ż ż ó ą ż ć ą ą ć ż ć ó ó ą ó ą ń ą ę ą ę ż ń ą ó ą ą ą ą ą ą ą ó ż Ś ę ą ę ą ą ż ĘŚ ż ń ę ę ą ó ż ą Ą Ź ń Ó ą ą ó ą ę ó ą ę ó ó Ż ć ó ó ó ę Ó ó ą ć ę ó ą ę ż Ó Ń ą ą ę ó Ę ó Ą ć ę ó ą ą

Bardziej szczegółowo

Obraz i komputer. Trzy dziedziny informatyki. Podział przede wszystkim ze względu na dane wejściowe i wyjściowe

Obraz i komputer. Trzy dziedziny informatyki. Podział przede wszystkim ze względu na dane wejściowe i wyjściowe Obraz i komputer Trzy dziedziny informatyki Grafika komputerowa Przetwarzanie obrazów Rozpoznawanie obrazów Podział przede wszystkim ze względu na dane wejściowe i wyjściowe Grafika komputerowa Dane wejściowe

Bardziej szczegółowo

Metodyka i system dopasowania protez słuchu w oparciu o badanie percepcji sygnału mowy w szumie

Metodyka i system dopasowania protez słuchu w oparciu o badanie percepcji sygnału mowy w szumie Metodyka i system dopasowania protez w oparciu o badanie percepcji sygnału mowy w szumie opracowanie dr inż. Piotr Suchomski Koncepcja metody korekcji ubytku Dopasowanie szerokiej dynamiki odbieranego

Bardziej szczegółowo

Uniwersytet Warszawski, Wydział Fizyki

Uniwersytet Warszawski, Wydział Fizyki TELEDETEKCJA A źródło B oddziaływanie z atmosferą C obiekt, oddziaływanie z obiektem D detektor E zbieranie danych F analiza G zastosowania A C B D E F G Obraz wejściowy Analiza Algorytmy przetwarzania

Bardziej szczegółowo

Wykorzystanie metody przekrojów i jej wizualizacja dla celów w ochrony przeciwpowodziowej dolin rzecznych prof. dr hab. inż.. Andrzej Stateczny Akadem

Wykorzystanie metody przekrojów i jej wizualizacja dla celów w ochrony przeciwpowodziowej dolin rzecznych prof. dr hab. inż.. Andrzej Stateczny Akadem Wykorzystanie metody przekrojów i jej wizualizacja dla celów w ochrony przeciwpowodziowej dolin rzecznych prof. dr hab. inż.. Andrzej Stateczny Akademia Morska Wydział Nawigacyjny Magdalena Kozak, Tomasz

Bardziej szczegółowo

ALA MA KOTA MEDIA - OBRAZ OBRAZ. Operacje na obrazie. Informacja ukryta w teksturach, hierarchii krawędzi. Obraz to kompozycja:

ALA MA KOTA MEDIA - OBRAZ OBRAZ. Operacje na obrazie. Informacja ukryta w teksturach, hierarchii krawędzi. Obraz to kompozycja: OBRAZ Obraz to kompozycja: tła konturów tekstur PODSTAWY TECHNIK MULTIMEDIALNYCH, A.Przelaskowski MEDIA - OBRAZ f R M N k ALA MA KOTA obraz losowy bez żadnej informacji Dwuwymiarowa struktura: macierz

Bardziej szczegółowo

ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.

ALGORYTMY 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 szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 10 AiR III

Cyfrowe 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 szczegółowo

Obliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński

Obliczenia Naukowe. Wykład 12: Zagadnienia na egzamin. Bartek Wilczyński Obliczenia Naukowe Wykład 12: Zagadnienia na egzamin Bartek Wilczyński 6.6.2016 Tematy do powtórki Arytmetyka komputerów Jak wygląda reprezentacja liczb w arytmetyce komputerowej w zapisie cecha+mantysa

Bardziej szczegółowo

Cyfrowe Przetwarzanie Obrazów i Sygnałów

Cyfrowe 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 szczegółowo

Ćwiczenia z grafiki komputerowej 2 RETUSZ OBRAZU. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.

Ćwiczenia z grafiki komputerowej 2 RETUSZ OBRAZU. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Ćwiczenia z grafiki komputerowej 2 RETUSZ OBRAZU Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 8 Retusz obrazu Opis zadania Obrazy do ćwiczeń Zadanie ilustruje

Bardziej szczegółowo

Analiza obrazów. Segmentacja i indeksacja obiektów

Analiza 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 szczegółowo

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11,

Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 1 Kwantyzacja skalarna Kodowanie i kompresja Streszczenie Studia Licencjackie Wykład 11, 10.05.005 Kwantyzacja polega na reprezentowaniu dużego zbioru wartości (być może nieskończonego) za pomocą wartości

Bardziej szczegółowo

Metody poprawy jakości obrazu (image enchancement)

Metody poprawy jakości obrazu (image enchancement) Metody poprawy jakości obrazu imae echacemet) Są to metody wstępeo przetwarzaia obrazu. Celem tych metod jest oóla poprawa jakości obrazu poprzez modyikację jeo jasości, kotrastu lub historamu. Metody

Bardziej szczegółowo

ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę Ó

ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę Ó ć ń ó ą ś ą ą ż ó ó ą ż ó ś ą ś ą ś ć ż ść ó ó ą ó ą ń ą ę ą ę ż ń ą ó ś ą ą ą ń ó ą ą ą ś ą ó ż ś ęż ęś ś ń ą ęś ś ą ą ś ż ś Ę ę ń Ż ą ż ń ą ą ą ę ą ę ń Ó Ń ś ń ś ń Ó ę ą Ż ę ą ę Ż ó Ę ą ą ę ś Ę ó Ż ę

Bardziej szczegółowo

Plan wykładu. Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie. informatyka +

Plan 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 szczegółowo

Ż Ę ź Ó

Ż Ę ź Ó ź ź Ę Ą Ż Ę ź Ó Ź Ó ź Ę ź Ę Ę Ą Ź Ą Ń Ź Ź Ź Ź ź Ą ź Ę Ą Ć ź ź ź Ę ź Ź ź ź Ę Ł ź Ź Ź Ź ź ź Ź Ź ź ź Ą Ł Ó Ó Ą Ą Ś Ę Ę Ą Ą Ś Ś Ł Ę Ę ź ź Ó Ą Ą Ą Ł Ą Ę Ź Ę ź ź Ę Ą Ź Ź ź Ł Ą Ł Ą ź Ą ź Ł Ą Ó ĘŚ Ą Ę Ę ź Ź Ę

Bardziej szczegółowo