Kolokwia bez notatek. Prędzej zrozumienie podstaw, porównywanie związków, algorytmów itp. Nie wypisywanie wzorów

Wielkość: px
Rozpocząć pokaz od strony:

Download "Kolokwia bez notatek. Prędzej zrozumienie podstaw, porównywanie związków, algorytmów itp. Nie wypisywanie wzorów"

Transkrypt

1 POBR 1. Wykład 1: Formalności: Prowadzący: P. Rokita, pok. 322, konsultacje: wt 14:00-16:00, telefon konsultacji: (0-22)(234)7753 Gablota informacyjna na przeciwko 322. Projekty na ten semestr już wywieszone! Kolokwia: 2x20 pkt Kolokwia bez notatek. Prędzej zrozumienie podstaw, porównywanie związków, algorytmów itp. Nie wypisywanie wzorów Egzamin: 60 pkt. Egzamin bez notatek. Sprawdza kompleksowo wiedzę: wykład, projekt i laboratorium. Laboratorium: Początek za 3 tygodnie, sala ćwiczenia. Na następnym wykładzie będzie puszczona tabelka z zapisami na konkretne terminy. Istnieje możliwość realizacji w innym terminie, zamiany itp. (w miarę wolnych miejsc na laborkach). Ćwiczenia praktyczne polegają na eksperymentowaniu z algorytmami, nie są punktowane. Można zaliczyć lub nie zaliczyć, brak zaliczenia jednej laborki powoduje niezaliczenie przedmiotu. Wyniki można oddawać później po porozumieniu z prowadzącym. Projekt: Start przewidywany w połowie semestru, ze względu na treść wykładu. Przekrojowe: akwizycja, poprawa jakości, rozpoznanie obrazu. Samemu należy uściślić, co chce się rozpoznawać. Zaliczenie projektu poprawnie nie wpływa na punktację. Projekt dobrze zrobiony może doliczyć bonus do 10 pkt. Z drugiej strony, można dostać punkty negatywne do -10 pkt. Można także nie zaliczyć projektu, co jest równoważne z niezaliczeniem przedmiotu. Integralną częścią projektu jest sprawozdanie. W sprawozdaniu wykorzystanie algorytmów, próby i błędy w doborze algorytmu i parametrów, dla jakich obrazów działa / nie działa, dlaczego. Czyli taka analiza. Program nie musi działać w 100%. Powinien rozpoznawać pewną kategorię obrazów. Etap wstępny: uściślenie treści zadania: wybór kategorii rozpoznawanych obiektów, przygotowanie przykładowych obrazów itp. Termin ostateczny, można zaliczyć wcześniej. Lepiej wcześniej skonsultować się z prowadzącym, żeby nie popełnić projektowego samobójstwa. Zakończenie: spotkanie z prowadzącym. Przedstawienie działania i sprawozdania. Termin ostateczny, można zaliczyć wcześniej. Szczegóły realizacji: na pierwszych laborkach dostajemy "kadłubek" projektu w C++ wczytujący, wyświetlający, zapisujący obraz. Projekt realizujemy rozbudowując ten kadłubek. Kadłubek nie zobowiązuje - można realizować po swojemu, trzeba skonsultować obecność odpowiedniej technologii 313, ewentualnie na laptopie. Konsultacje nt. laboratorium K.Chabko.

2 Literatura: Głównym źródłem jest wykład. Literatura opcjonalna. Jeden z rozdziałów przedstawiony na 3 laboratorium. - R.Tadeusiewicz: systemy wizyjne robotów przemysłowych, WNT 1992 Skrypt, dosyć skondensowane przedstawienie zagadnień od akwizycji poprzez poprawę jakości, po rozpoznawanie. Polecana przez prowadzącego. - R.Tadeusiewicz, P.Korohoda: Komputerowa analiza i przetwarzanie obrazów, Wydawnictwo Postępu Telekomunikacji, Kraków 1997 Bardziej rozwlekle opisane, lepsze dla opanowywania po raz pierwszy. Dostępne publicznie pdf-y z tą książką. - C.D.Watkins, A.Sadun, S.Marenka: Nowoczesne metody przetwarzania obrazu, WNT 1995 M.in. algorytmy morphingu i warpingu. Mogą przydać się korekcje zniekształceń geometrycznych dla poprawy jakości. Przystępna, merytorycznie nie do końca poprawna. Załączona dyskietka z podstawowymi algorytmami napisanymi w C. - T.Pavlidis: Grafika i przetwarzanie obrazów, WNT M.Ostrowski(red.): Informacja obrazowa, WNT 1992 Szeroki zakres zagadnień związanych z informacją obrazową. Dobry rozdział z algorytmów poprawy jakości, w skondensowanej formie. Fizyczne podstawy powstawania obrazu, zjawiska zachodzące w emulsji fotograficznej i przetwornikach, percepcja obrazu, opis przestrzeni barw itp. Dobra książka. - J.Zabrodzki(red.): Grafika komputerowa - metody i narzędzia, WNT 1994 Pozycja uzupełniająca, wzory przejść z jednej przestrzeni barw na inną itp. - A.Watt, F.Policarpo: The Computer Image, Addison-Wesley, 1998 Grafika, przetwarzanie... - R.C. Gonzalez, R.E.Woods: Digital Image Processing, Addison-Wesley, 1993 Jedna z dobrych pozycji, biblia (ale nie w sensie wielkości). Od percepcji, przez akwizycję i poprawę jakości, aż po rozpoznawanie Przetwarzanie obrazów: Około 80% informacji odbieramy kanałem wzrokowym. Zastosowania: - poligrafia - przetwarzanie cyfrowe na potrzeby składu i redagowania książek, czasopism - automatyka - robotyka przemysłowa, np. wklejanie szyby w karoserię - medycyna - tomografia komputerowa, analiza obrazów tomograficznych - kryminalistyka - algorytmy rozpoznawania odcisków palców - geodezja i kartografia - różne mapy konstruowane z obrazów satelitarnych i GPS - nadzór i zabezpieczenie obiektów - rozpoznanie ludzi w kominiarkach :) - komunikacja - rozpoznanie samochodów i pieszych, rozładowanie korków, światła - laboratoria badawcze - przyspieszanie badań naukowych, np. zliczanie ciałek krwi - wojsko - pociski naprowadzane z kamery - astronomia i astrofizyka - odkrywanie planet z użyciem specjalnej kamery CCD i pakietu oprogramowania analizującego obrazy i poprawiającego jakość - telewizja cyfrowa, DVD, monitory ekranowe itd. Książka, ramię robota bierze ją do ręki, obraca się i dalej wykonuje operacje, coś idzie nie tak, dookoła mnóstwo krwi, detektyw dziwi się, że nie może znaleźć pod lupą odcisku palca, lupa zmienia się w wielki obiektyw satelitarny, przez który widać mapę, zbliżenie na mapie pokazuje włamywacza, widać obserwującą go kamerę, inna kamera na skrzyżowaniu analizuje samochody i pieszych, w skrzyżowanie uderza pocisk naprowadzany kamerą, dokoła widać ciałka krwi, wystrzelony ze statku kosmicznego, który właśnie odkrył ziemię. Wszystko dzieje się na ekranie telewizora cyfrowego, widać

3 wystawę z DVD, ekranami itd. 1.25: Grafika komputerowa - synteza obrazu na podstawie pewnego abstrakcyjnego opisu. Przetwarzanie obrazu - poprawianie jakości, redukcja szumu Analiza obrazu - uzyskanie pewnego opisu abstrakcyjnego na podstawie obrazu rastrowego Rozpoznawanie - zaklasyfikowanie opisu do pewnej kategorii. Na podstawie klasyfikacji możemy podejmować decyzje (np. czy dany detal jest prawidłowo wykonany) Od pewnego czasu algorytmy cyfrowego przetwarzania obrazu pojawiają się w końcowym odcinku toru przetwarzania opis->obraz: - można poprawić w ten sposób jakość generowanego obrazu przez np. wygładzanie szumów powstałych w czasie generacji - distributed ray-tracing zastąpiony przez adaptacyjną filtrację dolnoprzepustową z parametrem wielkości buforu Recepcja (akwizycja) - obraz musi być zbierany w odpowiedni sposób, żeby nadawał się dla dalszego przetwarzania. Podstawowe zagadnienia cyfrowego przetwarzania obrazów: - akwizycja obrazów cyfrowych (digitalizacja) - pozyskiwanie obrazów cyfrowych - kompresja obrazów (kodowanie) - algorytmy kompresji, przykładowo JPEG - poprawa jakości obrazów - np. redukcja szumów - efekty specjalne - warping, morphing itp. - analiza i rozpoznawanie obrazów 1.27: Digitalizacja - uzyskiwanie cyfrowej funkcji jasności (intensity function), na podstawie informacji analogowej. W najprostszym schemacie światło od obiektu jest skupiane przez soczewkę na matrycy CCD. W czasie digitalizacji należy brać pod uwagę nie tylko ilość megapixeli matrycy, ale również wykonanie układu optycznego. Ważne są także rozmiary matrycy fizyczne - większa matryca generuje większą dokładność, mniejsze szumy. 2. Wykład 2: Laboratoria: - grupa L1: 18.03, 08.04, Podstawowe problemy digitalizacji: - dyskretyzacja dziedziny próbkowanie - dyskretyzacja zbioru wartości kwantyzacja Twierdzenie o próbkowaniu w kontekście grafiki: Częstotliwość próbkowania powinna być 2xwiększa niż największa częstotliwość obecna w widmie sygnału analogowego. Jak wyznaczyć maksymalną częstotliwość w analogowych obrazach w celu wyznaczenia częstotliwości próbkowania? Dla dowolnych obrazów nie da się wyznaczyć częstotliwości przestrzennych (oprócz przypadków oczywistych, typu: ściana, szachownica o określonych wymiarach itp.). Istnieją fizyczne ograniczenia sprzętu, rozdzielczość matrycy itp. Mamy pewne algorytmy interpolacji, ale rozwiązania programowe nie są doskonałe. Z pewnych obliczeń wynika, że np. monitor komputerowy powinien mieć rozdzielczość pionową / poziomą rzędu 4000 pix. Na razie większość obrazów nie może być

4 próbkowanych zgodnie z twierdzeniem, ze względu na ograniczenia fizyczne. Na taką jakość mogą sobie pozwolić produkcje filmowe realizowane cyfrowo, połowa tej rozdzielczości to standard HDTV. W Japoni w tym roku dokonano pierwszego pokazu Ultra- HDTV (UHDTV). Konsekwencją zbyt małej częstotliwości próbkowania jest np. aliasing (kanciastość krawędzi). Budowa skanera: Obraz przez zespół luster jest rzutowany na czujnik w postaci linijki receptorów. Ze względów oszczędnościowych stosujemy ruchomy układ optyczny i nieruchomy czujnik. Czujnik jest zbudowany z fotodiód i filtru barwy. Filtr barwy może być ruchomy, wtedy rząd fotodiód jest pojedynczy. Można także zastosować nieruchomy filtr i trzy rzędy diód odpowiednio dla barwy R G B. Sam czujnik jest węższy niż szerokość kartki i światło w drugiej płaszczyźnie też musi być załamywane w odpowiedni sposób. W środku znajduje się świetlówka emitująca "biel równoenergetyczną". Świetlówka przemieszcza się razem z lustrem. Druga architektura - na podstawie czujnika CIS (Contact Image Sensor). led sensor CMOS(CCD) o - o - o - o - Rozwiązanie jest prostsze z punktu widzenia producenta, prostsza w montażu, odporniejsza(świetlówki łatwiej ulegają uszkodzeniom, niż LED). Z punktu widzenia akwizycji obrazu druga architektura ma dużo gorsze parametry. Biel diod LED nie jest równoenergetyczna. Najczęściej dioda świeci pewną barwą, która pobudza luminofor świecący na biało, jednak biel uzyskiwana tą drogą też jest marnej jakości. Układ optyczny mieści się bezpośrednio w CIS (technika nanoszenia mikrosoczewek). Dla zastosowań amatorskich w sam raz, dla zastosowań profesjonalnych konieczna lustrzanka. Digitalizacja - różne zakresy widma: Akwizycja obrazu i jego digitalizacja nie musi dotyczyć widma widzialnego. Możemy zbierać i przetwarzać obraz także w podczerwieni, zakresie promieni Gamma, fal radiowych itp. Przykładem zastosowania może być tomografia komputerowa. Detektory wykorzystywane nie są detektorami optycznymi, ale specjalnymi detektorami CCD. Linia emiterów promieni X wysyła równoległą wiązkę promieni do linijki detektorów. Z powodu różnej zdolności adsorbczej poszczególnych tkanek, uzyskujemy pewien pojedynczy przebieg. Tak zwany rzut akumulacyjny. Całość urządzenia obraca się o określony kąt, aż do uzyskania pełnego obrotu. Wyniki pomiarów są zapisywane w postaci tysięcy równań z tysiącami niewiadomych. Niewiadome są wartościami pikseli (wokseli?) na przecięciach promieni po obrocie. Dzięki temu, możemy wyliczyć adsorpcję tkanek w trójwymiarowych obiektach. Na początku, realizacja przez przesuwanie jednego emitera i detektora i generowanie rzutu akumulacyjnego w sposób iteracyjny. Później, dzięki zwiększeniu mocy obliczeniowej, możliwość zastosowania źródła promieniowania X o charakterze punktowym (promienie wychodzące z jednego źródła "promieniście"), podobnie detektora o kształcie łuku. Obliczenia są wspomagane m.in. przez użycie transformaty Fouriera. Innym przetwarzanym jako obraz sygnałem może być sygnał akustyczny, radarowy,

5 termiczny Algorytmy kompresji: Dla typowych obrazów stopień kompresji bezstratnej nie większy niż 3:1. Dlatego w przetwarzaniu obrazów stosujemy tzw. stratne algorytmy kompresji. Algorytm komporesji jest rodzajem algorytmu kodowania. Jeżeli nie będzie dopasowany do problemu, do wejścia, może dać w efekcie ekspansję zamiast kompresji. Problemy kompresji: - pojemność nośników - pomimo zwiększającej się pojemności np. dysków, zwiększa się też ilość danych - przepustowość łączy transmisyjnych - ale ostatnio też wzrosła! Przykład: - zapisać sekwencję filmową - standard NTSC 640x480x3 (ograniczamy od dołu przez VGA) = 900 kb na ramkę - *30 ramek/s = 27MB na sekundę, 1.6 GB na minutę, 144GB na 90 minut filmu - czyli algorytmy kompresji stratnej są konieczne. Poprawa jakości obrazu: Podstawowe operacje (także kategorie zagadnień, algorytmy): - usuwanie zakłóceń (redukcja szumu spowodowanego np. przez zakłócenia elektromagnetyczne urządzeń). Poprawienie jakości obrazu w sposób programowy lub fizyczny (schładzanie detektora w celu eliminacji szumu termicznego), np. na potrzeby przetwarzania obrazów mikroskopowych, astronomicznych itp. - poprawa kontrastu (wyostrzanie krawędzi) Kontrast = luminancja1-luminancja2 /luminancja_tła(adaptacja) Granicą przy której odróżniamy obiekty o pewnym kontraście to 2%. Np. dla zdjęć rentgenowskich kontrast jest bardzo bliski tej granicy i wymaga poprawienia przez obserwację na specjalnej lampie, lub obróbkę cyfrową. - korekcja zniekształceń określonego rodzaju (np. geometrycznych, prześwietlenia/niedoświetlenia obrazu). Może poprawiać parametry obrazu, także kontrast. Np. prześwietlenie może być korygowane algorytmem wyrównania histogramu. Innym typem korekcji jest korekcja zniekształceń geometrycznych. Poduszkowaty obraz, pół na pół czarno-biały, z szumem i rozmyciem. Na początku znika szum, potem wyostrza się kontrast, na koniec wyprostowuje. Korekcja zniekształceń geometrycznych: Aparaty fotograficzne i kamery potrafią zniekształcać zbierany obraz, wywołując tzw. efekt poduszki. Siatka kwadratowa narzucona na zdjęcie po wykonaniu przyjmuje pewien poduszkowaty, wklęsły lub wypukły kształt. Należałoby przeprowadzić transformację odwrotną. Ale nie znamy wzoru transformacji zniekształcenia. Fotografujemy więc siatkę kwadratową. Znajdujemy pary punktów odpowiednich pomiędzy zdjęciem a siatką. Są to tzw. pary punktów kontrolnych. Zapisujemy odpowiedni układ równań, w którym współczynniki są współrzędnymi punktów, niewiadomymi są współczynniki trasformacji, otrzymujemy w przybliżeniu wzór transformacji i wyliczamy oraz stosujemy odwrotną. Sposób inżynierski: - stosować obiektywy o jak najmniejszym zniekształceniu (z dłuższą ogniskową, a nie szerokokątne) - akwizycji dokonywać w centrum obrazu, gdzie zniekształcenia są najmniejsze

6 Problem przetwarzania obrazów: Usuwanie zakłóceń (szumów) oraz poprawa kontrastu, dwa podstawowe operatory przetwarzania obrazów, działają antagonistycznie! Należy dążyć do kompromisu dla danego zagadnienia, znalezienia złotego środka. Szum w obrazach ma najczęściej charakter impulsowy (salt & pepper). Obraz możemy przedstawić w postaci funkcji dwóch zmiennych (w 3D). Na obrazie stosujemy transformatę Fouriera, aby otrzymać widmo częstotliwościowe obrazu. Ostre krawędzi w obrazie oraz szum salt & pepper manifestują się jako wysokie częstotliwości w obrazie i nie da się ich rozróżnić z punktu widzenia transformaty. Stosujemy filtry dolnoprzepustowe, eliminujemy szum, ale z drugiej strony rozmywamy w ten sposób krawędzi przez eliminację wysokich częstotliwości. Z drugiej strony, poprawa krawędzi wymaga zastosowania filtru górnoprzepustowego, ale wprowadza do obrazu szum. Efekty specjalne: Podstawowe operacje: - morphing, warping - symulacja efektów optycznych(głębia ostrości, zmiana oświetlenia) 3. Wykład 3: Morphing: Morphing - zmiana formy postaci z jednej w inną. Realizujemy przez wygenerowanie pomiędzy dwoma klatkami kluczowymi serii klatek hybrydowych. U podstaw leżą algorytmy korekcji zniekształceń geometrycznych <rys1> Punkty kontrolne muszą być wprowadzone w miejscach, gdzie coś się dzieje (kąciki oczu, obrys ust i nosa, twarzy itp.), tzw. punkty charakterystyczne. Ręcznie wskazujemy pary odpowiadających sobie punktów (chociaż są też próby automatycznego wyznaczania). Interpolacja na dwóch poziomach: - geometryczny - średnia geometryczna położeń - barwy - uśrednianie wartości pikseli pomiędzy punktami kluczowymi Przetwarzane są także punkty pomiędzy charakterystycznymi. Generowanie serii klatek np. przez rekursywne zagłębianie (ale przez średnią ważoną jest szybciej). Warping: Warping - algorytm jest bardzo podobny, różnica od strony logicznej. Przekształcamy tą samą postać, a nie jedną w drugą. Generujemy klatki pośrednie pomiędzy położeniami postaci. Dzięki temu możemy sobie generować sekwencje typu Matrix. Sekwencja typu "Matrix" - mamy kilkanaście aparatów na obwodzie okręgu, jednocześnie je odpalamy. Poprzez warping generujemy płynną sekwencję (do zamrożenia czasu konieczne jest fps!). <rys2> Nanoszone są punkty i wektory kontrolne. Zrezygnowano z siatki korekty geometrycznej (niewygodna) na rzecz par wektorów kontrolnych. Interpolacja po wektorach przez rekursję lub średnią ważoną. Problemem jest niemożność ustawienia aparatów w odpowiedni sposób (występują odchylenia płaszczyzny ogniskowej) - obraz skacze. Należy to także skorygować metodami przetwarzania obrazu. Wycinanie artefaktów tła - techniki bluebox, greenbox itp. Potem wstawianie tła, grafiki

7 zwykłej i komputerowej, możliwości jest wiele. Symulacja efektów optycznych - głębia ostrości: Ludzie obserwują obrazy, w których głębia ostrości jest ograniczona - rozmazywanie obrazów zbyt bliskich / dalekich w porównaniu z naszym punktem skupienia wzroku. Jeżeli nie jest to uwzględnione w grafice trójwymiarowej, to od razu można zauważyć, że obraz jest sztuczny. Aktor sadzany w bluebox, wygenerowana komputerowa dekoracja wirtualnego studia. Generowanie głębi ostrości z grafiki komputerowej polega na stosowaniu algorytmu distributed ray-tracing. Nie do wygenerowanie w czasie rzeczywistym. Można zastąpić adaptacyjną filtracją dolnoprzepustową, Z-bufor jest parametrem adaptacyjności. Do obrazu dodajemy rozmycie na podstawie głębi poszczególnych pikseli. Zaletą jest możliwość zastosowania na sygnale telewizyjnym (zwykła filtracja sygnału). Można wydzielić sobie pierwszy plan, drugi plan itp. Analiza i rozpoznawanie obrazów: Działa "odwrotnie" do grafiki komputerowej. Zamieniamy grafikę rastrową na pewien opis logiczny (matematyczny, geometryczny). Typowa sekwencja przetwarzania: - segmentacja - analiza cech - identyfikacja Segmentacja: Pierwszą rzeczą do zrobienia jest odrzucenie tła. Do tego służy segmentacja - klasyfikacja tło / obiekt(y). Piksele należące do obiektów są dalej przetwarzane. Problemem często jest etap akwizycji i digitalizacji - światłocień w obrazie może powodować fałszywą segmentację. Należy odpowiednio ustawić oświetlenie, aby rozmyć cień. Odblaski wyeliminować przez zmianę kąta padania światła. Analiza cech: Komputer posiada w pamięci bazę danych pewnych cech wyrażonych pod postacią liczb. Każdemu obiektowi po segmentacji przypisujemy pewien wektor cech. W książce Tadeusiewicza jest spory zestaw cech i sposobów ich wyliczania. Mamy np. cechy takie, jak wydłużenie obiektu, liczba wierzchołków itp. Dla każdej cechy istnieje pewna miara, którą wyznaczamy wartość danej cechy w postaci liczbowej. Identyfikacja: Na podstawie wartości atrybutów obliczonych w czasie analizy, dokonujemy rozpoznawania obiektu. Mamy bibliotekę obiektów wzorcowych z wzorcowymi zestawami cech. Porównujemy odległości od wzorców w przestrzeni wektora cech, wartość najmniejsza odległości decyduje o klasyfikacji. Są pewne problemy, o tym później. System rozpoznawania obrazu schemat: <rys3> Na początku mamy obraz analogowy, konwertujemy go A/C (digitalizacja). Należy zwrócić uwagę na sposób akwizycji obrazu, odpowiednio wysoką częstość próbkowania, eliminację aliasingu, nie stosować kompresji stratnej na wejściu. Zawsze jest potrzeba eliminacji szumu itp. przez algorytmy poprawy jakości obrazu,

8 kompensację zakłóceń. Do przetwarzania obrazu (sygnału) można podchodzić dwojako: Metody przestrzenne (działanie bezpośrednio na pikselach) Metody częstotliwościowe (działanie na transformatach obrazu) Na zwykłych sygnałach działamy w dziedzinie czasu, transformujemy w częstotliwość. <rys4> Dla obrazu dziedziną są współrzędne x,y pikseli. Działamy na dziedzinie przestrzennej i transformujemy w częstotliwości przestrzenne (np. w dpi, albo podanie rozdzielczości obrazu). <rys5> Zależność pomiędzy dziedziną przestrzenną a częstotliwościami przestrzennymi, wyraża <rys6>: Obliczanie transformat nakłada pewien koszt obliczeniowy na system, ale może ułatwiać poprawę jakości itp. itd. Decyzja musi być podejmowana z określoną pewnością (na ile prawdopodobne, że mamy prawidłowo rozpoznany obraz). System wymaga testowania praktycznie na każdym etapie - sprawdzić rozłożenie światła i cienia, podstawić skrajne dane i sprawdzić, jak zachowa się system, zamienić wartości pikseli (w sumie katować system w każdy możliwy sposób, który może popsuć mu decyzję). Jeżel na etapie akwizycji nie da się uniknąć podświetleń i cieni, to przed segmentacją trzeba zastosować dodatkowe algorytmy poprawy obrazu, w celu zalepienia "dziur" po podświetleniach itp. Przy konwersji sprawdzić, czy nie stosujemy za małych częstotliwości próbkowania, kompresji stratnej itp. Funkcja jasności (intensity function): Najczęściej funkcja dwóch zmiennych f(x,y) określona na obszarze sceny znajduącej się w polu widzenia kamery lub obserwatora. Funkcja jasności może mieć więcej zmiennych (np. trzy zmienne w obrazowaniu wolumetrycznym z tomografu komputerowego). Przydatne bywają przekroje prostą / płaszczyzną takiej funkcji dla celu analizy. Najprostszy opis : f(x,y)= i(x,y)*r(x,y) i(x,y) - opisuje natężenie oświetlenia (zależne od siły źródeł światła, odległości od źródeł światła oraz kąta padania promieni) r(x,y) - opisuje wspóczynniki odbicia lub tłumienia Opis obrazu barwnego kolorymetria: Addytywna światła Subtraktywna farby Prawa Grassmanna(1853r.): 1) Dowolne światło może być określone za pomocą trzech zmiennych niezależnych np. udziału świateł o trzech barwach podstawowych (wynika z teorii Younga-Helmholtza(?)) 2) Ciągła zmiana barwy jednego ze składników mieszaniny złożonej z dwu świateł powoduje ciągłą zmianę barwy mieszaniny 3) Barwa mieszaniny świateł zależy (przy określonych wartościach strumieni składników) tylko od barw jej składników, a nie zależny od ich składu widmowego. Ludzkie oko nie jest doskonałym analizatorem widma (tzw. metameryzm) <rys7>. Metameryzm powoduje nieprzyjemy efekt uboczny - barwy odbierane jako takie same przy jednym oświetleniu, mogą wydawać się różne przy innym oświetleniu. Duży problem

9 np. dla producentów drukarek 4. Wykład 4: Funkcja jasności w obrazach barwnych: Funkcja jasności dla obrazów barwnych może być przedstawiona jako sumaryczna barw podstawowych (z pominięciem barw, których nie można uzyskać za pomocą danych barw podstawowych): f(x,y) = fr(x,y)+fg(x,y)+fb(x,y) fr(x,y) = ir(xy)rr(x,y) itd. iw(x,y) - opisuje natężenie oświetlenia w zakresie danej barwy podstawowej rw(x,y) - opisuje współczynniki odbicia (lub tłmienia) w zakresie danej barwy podstawowej. W praktyce najczęściej stosuje się dwa podstawowe sposoby opisu obrazów barwnych: 1) Wszystkie trzy zmienne niosą jednocześnie informacje o chrominancji i luminancji - np. przestrzeń barw RGB: f(x,y) = fr(x,y)+fg(x,y)+fb(x,y) 2) Jedna zmienna niesie informacje o luminancji, a dwie zmienne niosą informacje o chrominancji - np. przestrzeń barw HLS(hue, lightness, saturation): f(x,y) = fl(x,y) + fh(x,y) + fs(x,y) Inne: HSV, YUV (pal), YIQ (ntsc) Opis obrazu barwnego kolorymetria: Addytywna - dla źródeł światła, tło stanowi czarny ekran Subtraktywna - dla barw np. w poligrafii, tło stanowi biała kartka Przenoszenie addytywnej na subtraktywną przez CMY. Niestety, nie da się tak uzyskać czarnego, dodajemy barwnik czarny (black) -> otrzymujemy CMYK. Przestrzeń kolorów niezależna od urządzeń: Są duże problemy z otrzymaniem np. na drukarce identycznych kolorów, jak te wyświetlane na ekranie. Wykonano eksperyment z tzw. kolorymetrem <rys1> Zadaniem operatora jest takie dobranie natężeń światła wzorcowego, aby granica w przesłonie "zniknęła". Wyniki uśredniamy po grupie obserwatorów. Otrzymano umowny trójkąt barw RGB w układzie RG <rys2>. Każda barwa jest możliwa do uzyskania przez mieszanie barw brzegowych. Stąd wniosek, że żaden układ 3 barw podstawowych (rzeczywistych) nie daje wszystkich barw w przyrodzie. Znak ujemny -> przeniesienie lampki na drugą stronę klina. Układ XYZ CIE: W 1931 r. CIE wprowadziła, jako podstawowy - układ kolorymetryczny XYZ o fikcyjnych barwach podstawowych. <rys3> Okazało się, że niewygodny do obliczeń - wykonano opisanie obwiednią trójkątną, następnie zamapowano w pierwszą ćwiartkę 3D układu kartezjańskiego. Rzutowanie na daną płaszczyznę powoduje eliminację luminancji. Najczęściej rzutujemy na XY. <rys 4>

10 Leżące na obwodzie barwy widmowe i purpury składają się na barwy czyste. Zastosowanie rzutu XYZ na płaszczyznę XY: Trójkąt przestrzeni barw obsługiwanej przez dane urządzenie, wycina fragment w przestrzeni "trójkąta" XYZ w XY. Żeby opisać przestrzeń barw urządzenia, potrzebujemy oprócz trójkąta barw pewnego punktu odniesienia. Jest to tzw. biel odniesienia (E) <rys5> Np. na reklamach proszków do prania biel odniesienia przesuwa się w kierunku niebieskiego, żeby była bardziej biała :) HLS: Hue - odcień Lightness - jasność Saturation nasycenie Odcień barwy = po prostu barwy czyste XYZ CIE. <rys6> Nasycenie na brzegach trójkąta barw wynosi 1, w punkcie bieli odniesienia 0. Stanowi miarę położenia punktu pomiędzy barwą czystą a bielą. Dla odcienia barwy układ ma 0 w czerwieni, kąt odchylenia promienia zaczepionego w bieli wyznacza nasycenie. Balans bieli: Problemem jest wyznaczenie bieli odniesienia. Aparaty fotograficzne mają balans bieli (white balance). Błędne skalibrowanie bieli odniesienia powoduje skręcenie barwy czystej<rys7>. Rozwiązaniem może być ręczne skalibrowanie balansu bieli za pomocą specjalnej planszy z trzema odcieniami szarości (od czarnego począwszy :) ). Żeby wykonać balans bieli za pomocą jednego parametru, wprowadza się krzywą w układzie XYZ CIE, która oddaje barwę emitowaną przez ciało doskonale czarne przy określonej temperaturze. Można wybrać biel w kelwinach, zamiast zestawiać za pomocą wzorca, czy automatycznie. Standardowa biel to 6500K. <rys8> Mieszanie barw: W układzie XYZ CIE jest to po prostu średnia ważona z poszczególnych barw. Standardy barw: SRGB - standard wprowadzony dla windows Pal-Secam - standard telewizji w Europie NTSC - ~ w Stanach D65 - biel odniesienia 6500K Adobe-RGB - wprowadzona przez Adobe, profesjonalne aparaty cyfrowe, większy zakres. Wide Gamut - standard teoretyczny, nie istnieje taki luminofor. Dla uzyskania całego gamutu teoretycznego, trzebaby zastosować lasery świecące wszystkimi barwami czystymi. Adobe-RGB: Przestrzenie srgb i Adobe-RGB różnią się. Trzeba dokonać konwersji z Adobe do s. Inaczej wysiada kontrast kolorów. Gamut barw drukarki: Ma kształt sześciokąta. Żeby dołożyć więcej barw podstawowych i mieć np. bardziej kolorowe zdjęcia, dokłada się do trójkąta CMY dodatkowe barwy podstawowe przez umieszczenie dodatkowego wkładu (foto / czarny). <rys9> Dodatkowy wkład "Photo GRAY" zawierający atrament w odcieniach szarości z różną

11 gradacją gwarantuje jeszcze większą jakość. Modele RGB, HLS, HSV: RGB sześcian HLS - podwójny stożek w układzie cylindrycznym HSV - pojedynczy odwrócony stożek w układzie cylindrycznym HLS i HSV stworzono m.in. po to, żeby umożliwić interaktywny wybór barw przez użytkownika. Obrazy cyfrowe - przejście od analogowej do cyfrowej postaci funkcji jasności: Dyskretyzacja dziedziny próbkowanie Dyskretyzacja zbioru wartości kwantyzacja 5. Wykład 5: Dyskretyzacja dziedziny próbkowanie: Wybór częstotliwości próbkowania - nie możemy w większości przypadków wyznaczyć tej częstotliwości, możemy tylko obserwować efekty i ewentualnie zwiększyć, żeby było spełnione kryterium Nyquista. Do uniknięcia zniekształceń sygnału niezbędne jest próbkowanie sygnału wejściowego z częstotliwością co najmniej dwukrotnie wyższą od najwyższej z występujących w analizowanym sygnale. Przykład zniekształcenia przy pogwałceniu kryterium Nyquista: f(t) = sin(1.9pit) ----->próbkowanie---->f(t)=sin(0.1pit) po rekonstrukcji! <rys1> f(x,y) = sin(x^2+y^2) dziedzina=[-10,10]^2 częstotliwość próbkowania=(x^2+y^2)/2pi stąd maks. 30 cykli na jedn. długości (w narożnikach) Wtedy 1000x1000 daje 50 próbek na jednostkę, 100x100 tylko 5 próbek na jednostkę <rys2>!matryca Bayera wprowadza aliasing, artefakty barwne oraz szum. Zwiększając częstotliwość próbkowania natrafiamy na problemy: Kwadratowo wzrasta złożoność operacji przesyłania, przechowywania, przeglądania - można rozwiązać przez zastosowanie lepszego, szybszego sprzętu. Trudnym problemem jest utrata spójności przestrzennej obrazu - sąsiednie próbki nie są skorelowane, jest to tzw. szum informacyjny. <rys3> Skąd wynika szum informacyjny: W algorytmach poprawy jakości stosowane są operatory lokalne <rys4>. Przekształcenie operatorem lokalnym wymaga 4 pętli zagnieżdżonych (O(n^4)!), czyli bardzo szybko rośnie liczba operacji wraz z rozmiarem okna operatora. Dlatego stosujemy

12 3x3, maksymalnie na szybkich maszynach 7x7. Przykład dla szumu: Mamy zdjęcie i chcemy wydrukować odbitkę. Zdjęcie: 300dpi = 120p/cm, 10x15cm==1200x1800px Czyli matryca 2Mpix (hint: np. dla A4 8Mpix) Jeżeli matryca aparatu będzie miała zbyt małą rozdzielczość, to dojdzie do uzyskania szumu. Wybór geometrycznej siatki dla próbek: W związku z konstrukcją matryc cyfrowych, najczęściej jest to siatka kwadratowa. Nie jest to rozwiązanie optymalne. Operatory lokalne stosowane na siatce kwadratowej wprowadzają różne odległości pikseli sąsiednich w zależności od położenia. <rys5> Bardziej optymalnym rozwiązaniem jest matryca w kształcie plastra miodu, na bazie sześciokąta.<rys6> 2 lata temu firma Fuji wyprodukowała prototyp takiej matrycy. Wybór rozkładu odległości pomiędzy próbkami: Biorąc pod uwagę rozkład częstotliwości na obrazie, możnaby zróżnicować odległość pomiędzy próbkami dla poszczególnych obszarów obrazu (np. Sosna z miniaturowymi igłami na jednolitym tle). Nie istnieją jeszcze odpowiednie algorytmy adaptacyjne, ale badania na pewno są prowadzone. Kwantyzacja: Minimalnie 1b/pix - obraz binarny, stosowane przede wszystkim w systemach automatycznych, na etapie segmentacji. Przykładowo w pakietach OCR. Maksymalnie - zależy od percepcji kolorów przez człowieka. Zmierzono za pomocą kolorymetru minimalny poziom kontrastu, przy którym nie da się już odróżnić dwóch sąsiednich pikseli. Wartość zmierzona: około 2%. Percepcja kontrastu zależy od luminancji punktu względem tła oraz od wielkości obserwowanego obszaru - kąta widzenia obrazu. Na rysunku oznaczono krzywe wyznaczające minimalne wartości kontrastu zależnie od luminancji oraz od kąta widzenia. <rys7> Wyliczono, że wystarczy 8b/px dla pojedynczej składowej! Po co w takim razie ustawienia typu 16b na składową? Weźmy obraz, w którym jest duża dynamika koloru i chcemy wykadrować część. Dzięki takiej dokładności nic nie tracimy, jeżeli weźmiemy tylko fragment obrazu i np. porozciągamy histogram. Wyostrzanie kontrastu przez oko ludzkie: Gdy oko dostrzega kontrast >= 2%, zniekształca barwy w obrazie <rys8> w taki sposób, żeby wyostrzyć kontast. Co ciekawe, naśladujemy naturę konstruując matematyczne przekształcenia na wzór filtru wbudowanego w mózg. Akwizycja - typowe rozwiązania: Dawniej - lampa analizująca: przetwornik optoelektroniczny zapewniający dyskretyzację dziedziny w jednym wymiarze na linie obrazu telewizyjnego, które następnie muszą zostać dalej spróbkowane, a próbki poddane kwantyzacji za pomocą przetworników A/C. Linie przesyłane i odtwarzane w odbiornikach telewizyjnych. <rys9> Teraz - układy CCD/CMOS: Automatyczna dyskretyzacja dziedziny, kwantyzacja za pomocą przetworników A/C. W tej chwili chętniej stosuje się detektory CMOS, gdyż podobna konstrukcja do procesorów,

13 zmniejszenie zajętości miejsca w fabryce i kosztów, potrzebne mniejsze zasilanie itp. Nowoczesne detektory CMOS są już tak dobre, jak CCD. W praktyce może stanowić problem: a) rzeczywista rozdzielczość przetwornika W ustawieniach oprogramowania dla urządzeń graficznych, np. skanerów, istnieje możliwość zwiększenia np. dpi, ale jest to tylko zmiana parametrów algorytmu interpolacji. Algorytmy interpolacji lepsze w pakietach graficznych, niż w oprogramowaniu dołączonym przez producenta. b) specyficzna akwizycja obrazów barwnych Dwa rozwiązania - 1CCD(1 CMOS) - pojedyncza matryca, 3CCD(3 CMOS) - 3 matryce: 3CCD<rys10> - 3 filtry barwne i trzy matryce, każda dla innej barwy podstawowej - światło rozdzielane poprzez system półprzezroczystych luster - pada na filtr, a następnie na matrycę dedykowaną barwy podstawowej Wady: - dużo wyższe koszta (3 matryce, droga optyka) - z powodu rozdzielania wiązki światła, gorzej zachowuje się w słabo oświetlonym środowisku 1CCD - filtr Bayera <rys11> - dominuje barwa zielona na siatce, gdyż podobno ludzkie oko Wady: - wprowadza rozmycie selektywne składowych <rys12> - wymaga dobrego oświetlenia, inaczej przez zastosowany algorytm uśredniania, przekłamania w obrazie propagują się na duże odległości (propagacja szumu) 1CCD - Foveon X3: Alternatywą dla fitru Bayera jest matryca Foveon X3: - trzy warstwy sensorów umieszczonych na podłożu krzemowym - krzem na różnej głębokości różnie pochłania światło o poszczególnyh barwach składowych. Dzięki temu ułożone warstwowo sensory tworzą pełnokolorowy punkt matrycy - detektory CCD podają pełną informację o nasyceniu światła czerwonego, zielonego i niebieskiego dla każdego punktu światłoczułego Wady: - gorsze zachowanie przy słabym oświetleniu w związku z nałożeniem warstw - określenie rozdzielczości matrycy przez producenta jest podane "razy 3" (nie jest brana pod uwagę częstotliwość próbkowania, tylko liczba detektorów!) Matryca Fuji Super CCD SR: - matryca prostokątna przekręcona o 45 stopni - zastosowany układ z filtrem Bayera - w każdym detektorze umieszczone 2 fotodiody na różne zakresy - mała dioda na dużą luminancję, duża o większej powierzchni - tam, gdzie światła mało - tak jak Foveon, tutaj mnożymy w specyfikacji "razy 2" 6. Wykład 6: Postać sygnału telewizyjnego: W dzisiejszych czasach do dzisiaj ciągnie się ten sam standard obrazu telewizyjnego. PAL lub NTSC. Nawet nowoczesne systemy z łączem DV na IEEE1394, od których oczekiwalibyśmy idealnego obrazu. Niestety, standardy telewizyjne mają wpływ na jakość. Minimalna częstotliwość, która powoduje wrażenie ruchu, to około 50Hz. PAL 50Hz, NTSC 60Hz eliminują efekt migotania. Wygodna częstotliwość to w tej chwili 100Hz.

14 Pomimo dobrego łącza, standard obrazu cały czas PAL lub NTSC, czyli będzie wyglądał jak telewizyjny. Interlace: Odświeżanie na przemian linii parzystych i nieparzystych. Przykładowo, w aparacie fotograficznym dla prawidłowego uchwycenia klatki w telewizji potrzeba czasu migawki > 1/25 sekundy. Interlace powoduje w kamerach rozmycie obrazu pomiędzy sąsiednie klatki w przypadu ruchu. <rys1> Dla obiektów poruszających się poziomo, z niewielkimi prędkościami, obiektywu o małym zniekształceniu, da się zastosować likwidację przeplotu (deinterlacing). Można tak poprzesuwać linie, aby zrekonstruować pełną ramkę. Można wyrzucić co drugą linię i kolumnę. Rozdzielczość siada w poziomie i w pionie, ale mamy kompletną ramkę. I prawidłową. Ewentualnie, rekonstrukcja na podstawie interpolacji. Nie nadaje się do rozpoznawania obrazów, gdyż nie można zrekonstruować informacji wysokoczęstotliwościowych. Sekwencje filmowe kino: Amerykańskie projektory kinowe odtwarzają filmy z prędkością 24 klatek na sekundę (fps): - projektory wyposażone są w migawkę, która blokuje światło w czasie zmiany klatek - aby zredukować migotanie, migawka zamyka się dodatkowo w czasie wyświetlania każdej klatki filmowej - daje to efekt odświeżania 48 fps - 48 fps jest perscepcyjnie akceptowalne. Europejskie projektory kinowe odtwarzają filmy z prędkością 25 klatek na sekundę: - amerykańskie filmy w Europie odtwarzane są bez zmian, czyli 4% szybciej - o 4% szybsze ruchy i zwiększona wysokość dźwięku jest uważana za percepcyjnie akceptowalną Sekwencje filmowe - konwersja do formatu wideo z wybieraniem międzyliniowym telecine: Np. transfer filmu na DVD: Problem: filmowe 24 fps musi zostać przekonwertowane na: - NTSC U.S fps 768x494 - PAL Europa - 25 fps 752x582 - bez problemu, po prostu szybciej wyświetlane Rozwiązanie dla NTSC - "3:2 Pulldown" - zamiast 4-5 ramek, czyli zamiast 24 fps -> 30 fps. Ramki są interlace'owane : - pierwsza ramka zdekomponowana na 3 pola (nieparzyste, parzyste, nieparzyste - top bottom top) - następna ramka zdekomponowana na 2 pola (parzyste, nieparzyste - bottom top) - następna ramkna zdekomponowana na 3 pola (parzyste, nieparzyste, parzyste - bottom top bottom)...itd. Praktycznie opiera się na tym, że powielamy pierwsze "pole obrazu" w klatkach, w których występuje powielanie na 3.

15 Akwizycja obrazu pułapki: 1) Zła częstotliwość próbkowania (aliasing, szum informacyjny) 2) Zła liczba / rozłożenie poziomów kwantyzacji (skokowe przejścia, poprawa jakości przez wzrok) 3) Kompresja stratna (jpg, mpg, IEEE np. w aparatach domyślnie jpg, w kamerkach kompresja + DV telewizyjne) 4) Zniekształcenia geometryczne (obiektyw o dłuższej ogniskowej wprowadza mniejsze zniekształcenie) 5) Wybieranie międzyliniowe (interlace) Przeciwieństwo dla interlace to "progressive scan". Niektóre kamery pozwalają przełączyć się w ten tryb. Najczęściej producenci stosują deinterlacing z interpolacją, zamiast prawdziwego progressive scan. Efekt mory: mora - moire (interferencje z rastrem przy skanowaniu dokumentów drukowanych). Pojawia się też w kontekście digitalizacji obrazu. Obrazy w książkach i czasopismach drukowane za pomocą rastra drukarskiego. Składają się po prostu z kolorowych kropek. Różnica w częstotliwość rastra i linijki skanera powoduje interferencję <rys2> i efekt mory. Pojawiają się dodatkowe wzorce wysokoczęstotliwościowe. Skanery mają algorytmy poprawy obrazu, które redukują ten efekt. Najpierw filtracja dolnoprzepustowa - niszczy morę i krawędzi, potem górnoprzepustowa - wyostrza krawędzi, mora powinna była zostać wcześniej zlikwidowana. POPRAWA JAKOŚCI OBRAZÓW Poprawa jakości obrazów w praktyce sprowadza się do: - kompensowania wpływu zniekształceń określonego rodzaju - usuwania drobnych zakłóceń losowych i wygładania kształtów - zwiększania kontrastowości obrazów i wyostrzania konturów Podstawowy problem: Antagonizm pomiędzy wyostrzaniem obrazu a redukcją szumu. W parktyce do oczekiwanych rezultatów dochodzi się metodą prób i błędów: decudującą rolę przy projektowaniu algorytmów dla konkretnego zastosowania odgrywa eksperyment i doświadczenie projektanta. Ogólnie stosowane są dwie podstawowe grupy metod: 1) Metody przestrzenne - przekształceniu bezpośrednio poddawana jest funkcja jasności (wartości pikseli) 2) Metody częstotliwościowe - przekształceniu poddawana jest transformata (najczęściej Fouriera) funkcji jasności (wartości współczynników transformaty)

16 Korekcja zniekształceń radiometrycznych: Zniekształćenia radiometryczne obrazu polegają na nieprawidłowym odwzorowaniu jasności elementu obrazu w wartość odpowiadającego mu punktu macierzy funkcji jasności (piksela). Zniekształcenia te są najczęściej stacjonarne w czasie, natomiast zależą od lokalizacji w obrazie. Powstają w procesie produkcji, niektóre fotodiody mogą być uszkodzone itp. Związane ogólnie z popsutą matrycą. Istnieją dwa rodzaje zniekształceń radiometrycznych: 1) Zniekształcenia sumacyjne (addytywne) - n. prąd ciemny. W wyniku niedokładności produkcji niezerowe wartości elektryczne pojawiają się na nieoświetlonej diodzie. 2) Zniekształcenia iloczynowe (multiplikatywne) - np. nierównomierna czułość przetwornika - czułość fotodiod wyprodukowanych w matrycy nie jest identyczna. Niektóre są mniej wrażliwe na światło. Korekcja zniekształceń sumacyjnych: - macierz współczynników korekcji stanowi obraz otrzymany przy zasłoniętym obiektywie kamery: K_s(x,y) (tzw. dark frame) - korekcja polega na odejmowaniu od macierzy przetwarzanego obrazu macierzy zawierającej współczynniki korekcji: piksel'(x,y) = piksel(x,y) - K_s(x,y) W zastosowaniach takich, jak np. astronomia (mało światła, duże czasy ekspozycji), tego typu zakłócenia dosyć istotne. Korekcja zniekształceń iloczynowych: - wyznaczenie macierzy współczynników korekcji - akwizycja macierzy funkcji jasności V(x,y) dla jednorodnego jasnego obrazu odniesienia. Musi być jasny, aby wyeliminować prąd ciemny. Nie może być też zbyt jasny, gdyż w miejscu, gdzie gromadzą się ładunki naskutek dużego natężenia oświetlenia, następuje "rozlewanie się" ładunku. Jest to ogólny problem dla matryc cyfrowych. W praktyce oświetlamy równomiernie białą kartkę papieru lub matówkę. - ewentualna korekcja sumacyjna macierzy obrazu odniesienia - czasami okazuje się, że efekt sumacyjny jest niewielki i pomijalny - wyznaczenie maksymalnego elementu (najbardziej czułego) macierzy obrazu odniesienia V_max - wyznaczenie macierzy współczynników korekcji iloczynowej: K_i(x,y) = V_max/V(x,y). Czyli jest to wyrównanie do największego, uzyskujemy macierz ze współczynnikami wzmocnienia - korekcja polega na wymnożeniu przez współczynniki korekcji: piksel'(x,y) = piksel(x,y)*k_i(x,y) Korekcja zniekształceń sumacyjnych i iloczynowych: Każdy piksel przetwarzanego obrazu należy poddać operacji:

17 piksel'(x,y) = (piksel(x,y) K_s(x,y))*K_i(x,y) Algorytmy wstępnej korekcji/poprawy kontrastu (przekształcenia punkt-punkt): Typowo stosowane metody: - zmiany odwzorowania poziomów jasności - przeksztacenia histogramu Odwzorowanie jasności <rys3> Histogram w przetwarzaniu obrazu - prawdopodobieństwo wystąpienia piksela danej barwy w obrazie. Używamy stwierdzenia "przekształcenia histogramu", tak naprawdę jest to także zmiana poziomów jasności, tylko wykonywana na histogramie. - zmiany odwzorowania poziomów jasności - np. "ręcznie" - rozciąganie obszaru szarości kosztem całkiem ciemnego i jasnego <rys4> - inna ręczna zmiana odwzorowania poziomów jasności - oddziaływanie na kanały poszczególnych kolorów podstawowych (jasności) Zwiększenie kontrastu: Zwiększenie kontrastu przez rozszerzenie (rozciągnięcie) zakresu dostępnych jasności (altorytmicznie) - możliwe dla obrazów, których zakres jasności nie zajmuje całej dostępnej skali: oznaczenia <0,f_max> - dostępny zakres jasności <f1,f2> - zakres jasności wykorzystany przez dany obraz Korekcja polega na przeprowadzeniu dla każdej jasności fi za zakresu <f1, f2> operacji: fi'=(fi-f1)*f_max/(f2-f1) gdzie f1<=fi<=f2, a wyniki są zaokrąglane do liczb całkowitych czyli piksel'(x,y) = (piksel(x,y)-f1)*f_max/(f2-f1) W praktyce korzysta się z LUT realizując operację: piksel(x,y) = LUT[piksel(x,y)] Gamma korekcja: Problem - nieliniowość odwzorowania jasności dla różnych urządzeń wizualizacji i akwizycji obrazów. Przede wszystkim do wizualizacjik mniej do akwizycji. Przykładowo dla drukarek istnieją ograniczenia ilości kropelek tuszu, nie zmienia się liniowo. Analogicznie dla monitorów, ograniczenia napięcia w komórce. Korekcja polega na odpowiednim zamapowaniu jasności - takim, aby skompensować wprowadzaną nieliniowość <rys5>. <0,f_max> - dostępny zakres jasności Korekcja polega na przeprowadzeniu dla każdej jasności fi z zakresu <0, f_max> operacji: fi' = f_max*(fi/f_max)^(1/gamma) Gdzie: - fi - wartość poziomu jasności i przed korekcją - fi' - wartość poziomu jasności i po korekcji (wyniki zaokrąglane do liczb całkowitych)

18 Zniekształcenie wprowadza podnoszenie przez monitor jasności do potęgi gamma, korekcja polega na podnoszeniu do potęgi 1/gamma. Niektórzy producenci popełniają błąd i ich gamma działa przy korekcji jak 1/gamma.

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

Akwizycja obrazów. Zagadnienia wstępne

Akwizycja obrazów. Zagadnienia wstępne Akwizycja obrazów. Zagadnienia wstępne Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 A. Przelaskowski, Techniki Multimedialne,

Bardziej szczegółowo

Laboratorium Optyki Falowej

Laboratorium 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 szczegółowo

0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do

0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do 0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do obserwatora f) w kierunku od obserwatora 1. Obrót dookoła osi

Bardziej szczegółowo

Podstawy grafiki komputerowej

Podstawy grafiki komputerowej Podstawy grafiki komputerowej Krzysztof Gracki K.Gracki@ii.pw.edu.pl tel. (22) 6605031 Instytut Informatyki Politechniki Warszawskiej 2 Sprawy organizacyjne Krzysztof Gracki k.gracki@ii.pw.edu.pl tel.

Bardziej szczegółowo

Teoria światła i barwy

Teoria światła i barwy Teoria światła i barwy Powstanie wrażenia barwy Światło może docierać do oka bezpośrednio ze źródła światła lub po odbiciu od obiektu. Z oka do mózgu Na siatkówce tworzony pomniejszony i odwrócony obraz

Bardziej szczegółowo

Adam Korzeniewski p Katedra Systemów Multimedialnych

Adam Korzeniewski p Katedra Systemów Multimedialnych Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Zastosowania grafiki komputerowej Światło widzialne Fizjologia narządu wzroku Metody powstawania barw Modele barw

Bardziej 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

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

Pojęcie Barwy. Grafika Komputerowa modele kolorów. Terminologia BARWY W GRAFICE KOMPUTEROWEJ. Marek Pudełko

Pojęcie Barwy. Grafika Komputerowa modele kolorów. Terminologia BARWY W GRAFICE KOMPUTEROWEJ. Marek Pudełko Grafika Komputerowa modele kolorów Marek Pudełko Pojęcie Barwy Barwa to wrażenie psychiczne wywoływane w mózgu człowieka i zwierząt, gdy oko odbiera promieniowanie elektromagnetyczne z zakresu światła

Bardziej szczegółowo

Fotometria i kolorymetria

Fotometria i kolorymetria 12. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK). http://www.if.pwr.wroc.pl/~wozniak/

Bardziej szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 1 AiR III

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 1 AiR III 1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może

Bardziej szczegółowo

Zasady edycji (cyfrowej) grafiki nieruchomej

Zasady edycji (cyfrowej) grafiki nieruchomej Zasady edycji (cyfrowej) grafiki nieruchomej Trudno jest w czasie wykonywania fotografii widzieć i myśleć o wszystkim! Zasady ogólne wykonywania zdjęć (od strony wygody ich późniejszej edycji): 1. maksymalna

Bardziej szczegółowo

Fotometria i kolorymetria

Fotometria i kolorymetria 13. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK) http://www.if.pwr.wroc.pl/~wozniak/

Bardziej 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

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.

Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego

Bardziej szczegółowo

Grafika komputerowa. Dla DSI II

Grafika komputerowa. Dla DSI II Grafika komputerowa Dla DSI II Rodzaje grafiki Tradycyjny podział grafiki oznacza wyróżnienie jej dwóch rodzajów: grafiki rastrowej oraz wektorowej. Różnica pomiędzy nimi polega na innej interpretacji

Bardziej 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

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

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych autor: Robert Drab opiekun naukowy: dr inż. Paweł Rotter 1. Wstęp Zagadnienie generowania trójwymiarowego

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

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

Technologie Informacyjne

Technologie Informacyjne Grafika komputerowa Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności December 12, 2016 1 Wprowadzenie 2 Optyka 3 Geometria 4 Grafika rastrowa i wektorowa 5 Kompresja danych Wprowadzenie

Bardziej szczegółowo

Budowa i zasada działania skanera

Budowa i zasada działania skanera Budowa i zasada działania skanera Skaner Skaner urządzenie służące do przebiegowego odczytywania: obrazu, kodu paskowego lub magnetycznego, fal radiowych itp. do formy elektronicznej (najczęściej cyfrowej).

Bardziej szczegółowo

GRAFIKA. Rodzaje grafiki i odpowiadające im edytory

GRAFIKA. Rodzaje grafiki i odpowiadające im edytory GRAFIKA Rodzaje grafiki i odpowiadające im edytory Obraz graficzny w komputerze Może być: utworzony automatycznie przez wybrany program (np. jako wykres w arkuszu kalkulacyjnym) lub urządzenie (np. zdjęcie

Bardziej szczegółowo

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 2 AiR III

Cyfrowe 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 szczegółowo

PODSTAWY BARWY, PIGMENTY CERAMICZNE

PODSTAWY BARWY, PIGMENTY CERAMICZNE PODSTAWY BARWY, PIGMENTY CERAMICZNE Barwa Barwą nazywamy rodzaj określonego ilościowo i jakościowo (długość fali, energia) promieniowania świetlnego. Głównym i podstawowym źródłem doznań barwnych jest

Bardziej szczegółowo

Przetwarzanie obrazów wykład 1. Adam Wojciechowski

Przetwarzanie obrazów wykład 1. Adam Wojciechowski Przetwarzanie obrazów wykład 1 Adam Wojciechowski Teoria światła i barwy Światło Spektrum światła białego: 400nm 700nm fiolet - niebieski - cyan - zielony - żółty - pomarańczowy - czerwony Światło białe

Bardziej 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

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

INFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ

INFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ INFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ Przygotowała mgr Joanna Guździoł e-mail: jguzdziol@wszop.edu.pl WYŻSZA SZKOŁA ZARZĄDZANIA OCHRONĄ PRACY W KATOWICACH 1. Pojęcie grafiki komputerowej Grafika komputerowa

Bardziej szczegółowo

Obraz cyfrowy. Radosław Mantiuk. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie

Obraz cyfrowy. Radosław Mantiuk. Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Obraz cyfrowy Radosław Mantiuk Wydział Informatyki Zachodniopomorski Uniwersytet Technologiczny w Szczecinie Obraz Funkcja dwuwymiarowa. Wartością tej funkcji w dowolnym punkcie jest kolor (jasność). Obraz

Bardziej szczegółowo

Modele i przestrzenie koloru

Modele i przestrzenie koloru Modele i przestrzenie koloru Pantone - międzynarodowy standard identyfikacji kolorów do celów przemysłowych (w tym poligraficznych) opracowany i aktualizowany przez amerykańską firmę Pantone Inc. System

Bardziej szczegółowo

Grafika komputerowa. Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Żółty

Grafika komputerowa. Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Żółty Grafika komputerowa Opracowali: dr inż. Piotr Suchomski dr inż. Piotr Odya Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Czerwony czopek

Bardziej szczegółowo

Simp-Q. Porady i wskazówki

Simp-Q. Porady i wskazówki Simp-Q Porady i wskazówki ROZWÓJ ZESTAWÓW BEZCIENIOWYCH Pierwsza generacja Najnowsza generacja Profesjonalne studio idealne dla zawodowych fotografów. Zestawy bezcieniowe Simp-Q to rewolucyjne i kompletne

Bardziej szczegółowo

Percepcja obrazu Podstawy grafiki komputerowej

Percepcja obrazu Podstawy grafiki komputerowej Percepcja obrazu Podstawy grafiki komputerowej Światło widzialne wycinek szerokiego widma fal elektromagnetycznych 1 Narząd wzroku Narząd wzroku jest wysoko zorganizowanym analizatorem zmysłowym, którego

Bardziej szczegółowo

Kurs grafiki komputerowej Lekcja 2. Barwa i kolor

Kurs grafiki komputerowej Lekcja 2. Barwa i kolor Barwa i kolor Barwa to zjawisko, które zachodzi w trójkącie: źródło światła, przedmiot i obserwator. Zjawisko barwy jest wrażeniem powstałym u obserwatora, wywołanym przez odpowiednie długości fal świetlnych,

Bardziej szczegółowo

Podstawy przetwarzania obrazów teledetekcyjnych. Format rastrowy

Podstawy przetwarzania obrazów teledetekcyjnych. Format rastrowy Podstawy przetwarzania obrazów teledetekcyjnych Format rastrowy Definicja rastrowego modelu danych - podstawowy element obrazu cyfrowego to piksel, uważany w danym momencie za wewnętrznie jednorodny -

Bardziej szczegółowo

Algorytmy decyzyjne będące alternatywą dla sieci neuronowych

Algorytmy 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 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

WYKŁAD 14 PODSTAWY TEORII BARW. Plan wykładu: 1. Wrażenie widzenia barwy. Wrażenie widzenia barwy Modele liczbowe barw

WYKŁAD 14 PODSTAWY TEORII BARW. Plan wykładu: 1. Wrażenie widzenia barwy. Wrażenie widzenia barwy Modele liczbowe barw WYKŁAD 14 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? PODSTAWY TEOII AW Światło Przedmiot (materia) Organ wzrokowy człowieka Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw

Bardziej 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

Akwizycja i przetwarzanie sygnałów cyfrowych

Akwizycja i przetwarzanie sygnałów cyfrowych Akwizycja i przetwarzanie sygnałów cyfrowych Instytut Teleinformatyki ITI PK Kraków 21 luty 2011 Rewolucja cyfrowa i jej skutki Rewolucja cyfrowa - dane cyfrowe: podstawowy rodzaj informacji multimedialnych,

Bardziej szczegółowo

Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw.

Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw. Modele barw Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw. Każdy model barw ma własna przestrzeo kolorów, a co za tym idzie- własny zakres kolorów możliwych do uzyskania oraz własny sposób

Bardziej szczegółowo

Obraz jako funkcja Przekształcenia geometryczne

Obraz jako funkcja Przekształcenia geometryczne Cyfrowe przetwarzanie obrazów I Obraz jako funkcja Przekształcenia geometryczne dr. inż Robert Kazała Definicja obrazu Obraz dwuwymiarowa funkcja intensywności światła f(x,y); wartość f w przestrzennych

Bardziej szczegółowo

PROJEKT MULTIMEDIACY

PROJEKT MULTIMEDIACY PROJEKT MULTIMEDIACY PROJEKT MULTIMEDIACY JAK POWSTAJE FOTOGRAFIA CYFROWA 1. PRZEDNIA SOCZEWKA 2. OBIEKTYW 3. ŚWIATŁO SKUPIONE 4. MATRYCA 5. WIZJER 6. SPUST MIGAWKI 7. LAMPA BŁYSKOWA 8. PAMIĘĆ TRYB MANUALNY

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

oraz kilka uwag o cyfrowej rejestracji obrazów

oraz kilka uwag o cyfrowej rejestracji obrazów oraz kilka uwag o cyfrowej rejestracji obrazów Matryca CCD i filtry Bayera Matryca CCD i filtry Bayera Demozaikowanie Metody demozaikowania Tradycyjne metody interpolacyjne (nienajlepsze efekty) Variable

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

1 LEKCJA. Definicja grafiki. Główne działy grafiki komputerowej. Programy graficzne: Grafika rastrowa. Grafika wektorowa. Grafika trójwymiarowa

1 LEKCJA. Definicja grafiki. Główne działy grafiki komputerowej. Programy graficzne: Grafika rastrowa. Grafika wektorowa. Grafika trójwymiarowa 1 LEKCJA Definicja grafiki Dział informatyki zajmujący się wykorzystaniem komputerów do generowania i przetwarzania obrazów (statycznych i dynamicznych) oraz wizualizacją danych. Główne działy grafiki

Bardziej szczegółowo

Gimp Grafika rastrowa (konwersatorium)

Gimp Grafika rastrowa (konwersatorium) GIMP Grafika rastrowa Zjazd 1 Prowadzący: mgr Agnieszka Paradzińska 17 listopad 2013 Gimp Grafika rastrowa (konwersatorium) Przed przystąpieniem do omawiania cyfrowego przetwarzania obrazów niezbędne jest

Bardziej 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

Dane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski

Dane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski Dane obrazowe R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Przetwarzanie danych obrazowych! Przetwarzanie danych obrazowych przyjmuje trzy formy:! Grafikę

Bardziej szczegółowo

Temat ćwiczenia: Zasady stereoskopowego widzenia.

Temat ćwiczenia: Zasady stereoskopowego widzenia. Uniwersytet Rolniczy w Krakowie Wydział Inżynierii Środowiska i Geodezji Katedra Fotogrametrii i Teledetekcji Temat ćwiczenia: Zasady stereoskopowego widzenia. Zagadnienia 1. Widzenie monokularne, binokularne

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

Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami fototechnik 313[01]

Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami fototechnik 313[01] Przykłady wybranych fragmentów prac egzaminacyjnych z komentarzami fototechnik 313[01] Zadanie egzaminacyjne 1 i 2 Opracuj projekt realizacji prac związanych z wykonaniem barwnego zdjęcia katalogowego

Bardziej szczegółowo

Obróbka grafiki cyfrowej

Obróbka grafiki cyfrowej Obróbka grafiki cyfrowej 1 ROZDZIELCZOŚĆ (ang. resolution) - oznacza ilość malutkich punktów, które tworzą widzialny znak w druku bądź na ekranie monitora Typowe rozdzielczości monitorów komputerowych

Bardziej szczegółowo

Analiza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.

Analiza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r. Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia

Bardziej 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

Urządzenia techniki komputerowej Identyfikacja i charakteryzowanie urządzeń zewnętrznych komputera. Budowa i zasada działania skanera

Urządzenia techniki komputerowej Identyfikacja i charakteryzowanie urządzeń zewnętrznych komputera. Budowa i zasada działania skanera Urządzenia techniki komputerowej Identyfikacja i charakteryzowanie urządzeń zewnętrznych komputera Budowa i zasada działania skanera Cel zajęć W toku lekcji nauczysz się: budowy i zasad działania skanera

Bardziej szczegółowo

Wydział Inżynierii Środowiska i Geodezji Katedra Fotogrametrii i Teledetekcji Katedra Geodezji Rolnej, Katastru i Fotogrametrii.

Wydział Inżynierii Środowiska i Geodezji Katedra Fotogrametrii i Teledetekcji Katedra Geodezji Rolnej, Katastru i Fotogrametrii. Uniwersytet Uniwersytet Rolniczy Rolniczy w Krakowie Wydział Inżynierii Środowiska i Geodezji Wydział Inżynierii Środowiska i Geodezji Katedra Fotogrametrii i Teledetekcji Katedra Geodezji Rolnej, Katastru

Bardziej szczegółowo

RAFAŁ MICHOŃ. rmichonr@gmail.com. Zespół Szkół Specjalnych nr 10 im. ks. prof. Józefa Tischnera w Jastrzębiu Zdroju O4.09.2015 r.

RAFAŁ MICHOŃ. rmichonr@gmail.com. Zespół Szkół Specjalnych nr 10 im. ks. prof. Józefa Tischnera w Jastrzębiu Zdroju O4.09.2015 r. RAFAŁ MICHOŃ rmichonr@gmail.com Zespół Szkół Specjalnych nr 10 im. ks. prof. Józefa Tischnera w Jastrzębiu Zdroju O4.09.2015 r. - Główne zagadnienia (ekspozycja, czułość, przysłona, głębia ostrości, balans

Bardziej szczegółowo

Kompresja dźwięku w standardzie MPEG-1

Kompresja dźwięku w standardzie MPEG-1 mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 7, strona 1. Kompresja dźwięku w standardzie MPEG-1 Ogólne założenia kompresji stratnej Zjawisko maskowania psychoakustycznego Schemat blokowy

Bardziej szczegółowo

Optyka stanowi dział fizyki, który zajmuje się światłem (także promieniowaniem niewidzialnym dla ludzkiego oka).

Optyka stanowi dział fizyki, który zajmuje się światłem (także promieniowaniem niewidzialnym dla ludzkiego oka). Optyka geometryczna Optyka stanowi dział fizyki, który zajmuje się światłem (także promieniowaniem niewidzialnym dla ludzkiego oka). Założeniem optyki geometrycznej jest, że światło rozchodzi się jako

Bardziej szczegółowo

6. Algorytmy ochrony przed zagłodzeniem dla systemów Linux i Windows NT.

6. Algorytmy ochrony przed zagłodzeniem dla systemów Linux i Windows NT. WYDZIAŁ: GEOLOGII, GEOFIZYKI I OCHRONY ŚRODOWISKA KIERUNEK STUDIÓW: INFORMATYKA STOSOWANA RODZAJ STUDIÓW: STACJONARNE I STOPNIA ROK AKADEMICKI 2014/2015 WYKAZ PRZEDMIOTÓW EGZAMINACYJNYCH: I. Systemy operacyjne

Bardziej szczegółowo

Wprowadzenie do cyfrowego przetwarzania obrazów

Wprowadzenie do cyfrowego przetwarzania obrazów Cyfrowe przetwarzanie obrazów I Wprowadzenie do cyfrowego przetwarzania obrazów dr. inż Robert Kazała Barwa Z fizycznego punktu widzenia światło jest promieniowaniem elektromagnetycznym, które wyróżnia

Bardziej szczegółowo

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

Zygmunt 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 szczegółowo

MIKROSKOPIA OPTYCZNA 19.05.2014 AUTOFOCUS TOMASZ POŹNIAK MATEUSZ GRZONDKO

MIKROSKOPIA OPTYCZNA 19.05.2014 AUTOFOCUS TOMASZ POŹNIAK MATEUSZ GRZONDKO MIKROSKOPIA OPTYCZNA 19.05.2014 AUTOFOCUS TOMASZ POŹNIAK MATEUSZ GRZONDKO AUTOFOCUS (AF) system automatycznego ustawiania ostrości w aparatach fotograficznych Aktywny - wysyła w kierunku obiektu światło

Bardziej szczegółowo

OP6 WIDZENIE BARWNE I FIZYCZNE POCHODZENIE BARW W PRZYRODZIE

OP6 WIDZENIE BARWNE I FIZYCZNE POCHODZENIE BARW W PRZYRODZIE OP6 WIDZENIE BARWNE I FIZYCZNE POCHODZENIE BARW W PRZYRODZIE I. Wymagania do kolokwium: 1. Fizyczne pojęcie barwy. Widmo elektromagnetyczne. Związek między widmem światła i wrażeniem barwnym jakie ono

Bardziej szczegółowo

Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES) Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013

Bardziej szczegółowo

Ćwiczenie 6. Transformacje skali szarości obrazów

Ćwiczenie 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 szczegółowo

Transformata Fouriera

Transformata Fouriera Transformata Fouriera Program wykładu 1. Wprowadzenie teoretyczne 2. Algorytm FFT 3. Zastosowanie analizy Fouriera 4. Przykłady programów Wprowadzenie teoretyczne Zespolona transformata Fouriera Jeżeli

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

Synteza i obróbka obrazu. Tekstury. Opracowanie: dr inż. Grzegorz Szwoch Politechnika Gdańska Katedra Systemów Multimedialnych

Synteza i obróbka obrazu. Tekstury. Opracowanie: dr inż. Grzegorz Szwoch Politechnika Gdańska Katedra Systemów Multimedialnych Synteza i obróbka obrazu Tekstury Opracowanie: dr inż. Grzegorz Szwoch Politechnika Gdańska Katedra Systemów Multimedialnych Tekstura Tekstura (texture) obraz rastrowy (mapa bitowa, bitmap) nakładany na

Bardziej szczegółowo

Janusz Ganczarski CIE XYZ

Janusz Ganczarski CIE XYZ Janusz Ganczarski CIE XYZ Spis treści Spis treści..................................... 1 1. CIE XYZ................................... 1 1.1. Współrzędne trójchromatyczne..................... 1 1.2. Wykres

Bardziej szczegółowo

Ćwiczenie 2. Przetwarzanie graficzne plików. Wprowadzenie teoretyczne

Ćwiczenie 2. Przetwarzanie graficzne plików. Wprowadzenie teoretyczne Ćwiczenie Przetwarzanie graficzne plików Wprowadzenie teoretyczne ddytywne składanie kolorów (podstawowe barwy R, G, ) arwy składane addytywnie wykorzystywane są najczęściej w wyświetlaczach, czyli stosuje

Bardziej szczegółowo

A2 Edycja informacji zmiana parametrów ekspozycji aparatem fotograficznym NIKON D3100

A2 Edycja informacji zmiana parametrów ekspozycji aparatem fotograficznym NIKON D3100 A2 Edycja informacji zmiana parametrów ekspozycji aparatem fotograficznym NIKON D3100 Ekran informacji Opracował: Andrzej Kazimierczyk, Namysłów 2013 Wizjer 1. Tryb fotografowania zmieniamy pokrętłem trybu

Bardziej szczegółowo

Wstęp do fotografii. piątek, 15 października 2010. ggoralski.com

Wstęp do fotografii. piątek, 15 października 2010. ggoralski.com Wstęp do fotografii ggoralski.com element światłoczuły soczewki migawka przesłona oś optyczna f (ogniskowa) oś optyczna 1/2 f Ogniskowa - odległość od środka układu optycznego do ogniska (miejsca w którym

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

Cairns (Australia): Szerokość: 16º 55' " Długość: 145º 46' " Sapporo (Japonia): Szerokość: 43º 3' " Długość: 141º 21' 15.

Cairns (Australia): Szerokość: 16º 55'  Długość: 145º 46'  Sapporo (Japonia): Szerokość: 43º 3'  Długość: 141º 21' 15. 5 - Obliczenia przejścia Wenus z 5-6 czerwca 2012 r. 5.1. Wybieranie miejsca obserwacji. W tej części zajmiemy się nadchodzącym tranzytem Wenus, próbując wyobrazić sobie sytuację jak najbardziej zbliżoną

Bardziej szczegółowo

Instrukcja obsługi menu OSD w kamerach i8-...r

Instrukcja obsługi menu OSD w kamerach i8-...r Instrukcja obsługi menu OSD w kamerach i8-...r 1. Aby włączyć menu OSD należy najpierw kliknąć na obraz z kamery na ekranie rejestratora, a następnie wybrać ikonkę kontrola PTZ (ikonka przypominająca dzwonek).

Bardziej szczegółowo

PODSTAWY TEORII BARW

PODSTAWY TEORII BARW WYKŁAD 12 PODSTAWY TEORII BARW Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? Światło Przedmiot (materia) Organ wzrokowy człowieka

Bardziej szczegółowo

Dodatek B - Histogram

Dodatek B - Histogram Dodatek B - Histogram Histogram to nic innego, jak wykres pokazujący ile elementów od czarnego (od lewej) do białego (prawy koniec histogramu) zostało zarejestrowanych na zdjęciu. Może przedstawiać uśredniony

Bardziej szczegółowo

Marcin Wilczewski Politechnika Gdańska, 2013/14

Marcin Wilczewski Politechnika Gdańska, 2013/14 Algorytmy graficzne Marcin Wilczewski Politechnika Gdańska, 213/14 1 Zagadnienia, wykład, laboratorium Wykład: Światło i barwa. Modele barw. Charakterystyki obrazu. Reprezentacja i opis. Kwantyzacja skalarna

Bardziej szczegółowo

KARTA PRZEDMIOTU. W5/1;W16/1 W5 Zna podstawowe metody przetwarzania wstępnego EP WM K_W9/3; obrazów barwnych.

KARTA PRZEDMIOTU. W5/1;W16/1 W5 Zna podstawowe metody przetwarzania wstępnego EP WM K_W9/3; obrazów barwnych. (pieczęć wydziału) KARTA PRZEDMIOTU 1. Nazwa przedmiotu: PRZETWARZANIE OBRAZÓW CYFROWYCH 3. Karta przedmiotu ważna od roku akademickiego: 2012/2013 4. Forma kształcenia: studia pierwszego stopnia 5. Forma

Bardziej szczegółowo

SYLABUS/KARTA PRZEDMIOTU

SYLABUS/KARTA PRZEDMIOTU PAŃSTWOWA WYŻSZA SZKOŁA ZAWODOWA W GŁOGOWIE SYLABUS/KARTA PRZEDMIOTU. NAZWA PRZEDMIOTU Metody przetwarzania danych graficznych. NAZWA JEDNOSTKI PROWADZĄCEJ PRZEDMIOT Instytut Politechniczny. STUDIA kierunek

Bardziej szczegółowo

Tajemnice koloru, część 1

Tajemnice koloru, część 1 Artykuł pobrano ze strony eioba.pl Tajemnice koloru, część 1 Jak działa pryzmat? Dlaczego kolory na monitorze są inne niż atramenty w drukarce? Możemy na to odpowiedzieć, uświadamiając sobie, że kolory

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

MODELE KOLORÓW. Przygotował: Robert Bednarz

MODELE KOLORÓW. Przygotował: Robert Bednarz MODELE KOLORÓW O czym mowa? Modele kolorów,, zwane inaczej systemami zapisu kolorów,, są różnorodnymi sposobami definiowania kolorów oglądanych na ekranie, na monitorze lub na wydruku. Model RGB nazwa

Bardziej 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

Kamera. Nr produktu

Kamera. Nr produktu INSTRUKCJA OBSŁUGI Kamera Nr produktu 000401987 Strona 1 z 7 Instrukcja obsługi Opis kamery 1. LCD 2,5 cala 2. Slot USB i HDMI 3. Przycisk wł./wył. ze wskaźnikiem stanu naładowania (czerwony) 4. Przycisk

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

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

POBR Egzamin 1. Wszystkie kroki rozpoznawania obrazów (chyba od akwizycji do rozpoznania) 2. Różnice i podobieństwa RGB i HSV

POBR Egzamin 1. Wszystkie kroki rozpoznawania obrazów (chyba od akwizycji do rozpoznania) 2. Różnice i podobieństwa RGB i HSV POBR Egzamin 1. Wszystkie kroki rozpoznawania obrazów (chyba od akwizycji do rozpoznania) a) Akwizycja : digitalizacja, czyli uzyskiwanie cyfrowej funkcji jasności na podstawie informacji analogowej uzyskanej

Bardziej szczegółowo

3. Przetwarzanie analogowo-cyfrowe i cyfrowo-analogowe... 43

3. Przetwarzanie analogowo-cyfrowe i cyfrowo-analogowe... 43 Spis treści 3 Przedmowa... 9 Cele książki i sposoby ich realizacji...9 Podziękowania...10 1. Rozległość zastosowań i głębia problematyki DSP... 11 Korzenie DSP...12 Telekomunikacja...14 Przetwarzanie sygnału

Bardziej szczegółowo

Analizy Ilościowe EEG QEEG

Analizy Ilościowe EEG QEEG Analizy Ilościowe EEG QEEG Piotr Walerjan PWSIM MEDISOFT 2006 Piotr Walerjan MEDISOFT Jakościowe vs. Ilościowe EEG Analizy EEG na papierze Szacunkowa ocena wartości częstotliwości i napięcia Komputerowy

Bardziej szczegółowo

Przetwarzanie obrazu

Przetwarzanie obrazu Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe

Bardziej szczegółowo

Waldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30

Waldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30 Waldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30 2.3. Model rastrowy Rastrowy model danych wykorzystywany jest dla gromadzenia i przetwarzania danych pochodzących ze skanowania istniejących

Bardziej szczegółowo

Techniki animacji komputerowej

Techniki animacji komputerowej Techniki animacji komputerowej 1 Animacja filmowa Pojęcie animacji pochodzi od ożywiania i ruchu. Animować oznacza dawać czemuś życie. Słowem animacja określa się czasami film animowany jako taki. Animacja

Bardziej szczegółowo

WYKŁAD 11. Kolor. fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony

WYKŁAD 11. Kolor. fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony WYKŁAD 11 Modelowanie koloru Kolor Światło widzialne fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony ~400nm ~700nm Rozróżnialność barw (przeciętna): 150 czystych barw Wrażenie koloru-trzy

Bardziej szczegółowo