WYBRANE ZAGADNIENIA WIDZENIA MASZYNOWEGO
|
|
- Martyna Domagała
- 6 lat temu
- Przeglądów:
Transkrypt
1 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 procesów wytwarzania. Przedstawione zostaną podstawowe algorytmy służące do rozpoznawania obiektów w widzeniu maszynowym. 4.2 Wiadomości ogólne Widzenie maszynowe znajduje zastosowanie w przemyśle do kontroli jakości produkcji, współpracy z urządzeniami pozycjonującymi oraz w systemach pomiarowych. Główne obszary zastosowań przetwarzania i rozpoznawania obrazu to: podbój kosmosu, zastosowania wojskowe, zastosowania CAx (inżynieria odwrotna, szybkie prototypowanie), kontrola przemysłowa, medycyna, archiwizacja i dokumentacja obiektów, zabytków, itp., efekty specjalne do filmów. Przeniesienie większości pracy na część obliczeniową oraz możliwość automatyzacji całego procesu pozwala na obniżenie kosztów produkcji i zwiększenie jej efektywności. Przyczynia się do tego dynamiczny rozwój technik informatycznych oraz wysoki wzrost mocy obliczeniowej komputerów Metody analizy obrazu Najważniejszymi blokami funkcjonalnymi systemów widzenia maszynowego są: - Akwizycja obrazu, - Przetwarzanie obrazu. Należy zagwarantować możliwie najlepsze warunki do przeprowadzenia pomiarów. To właśnie od nich będzie zależeć dokładność i skuteczność algorytmów.
2 Rys System przetwarzania i rozpoznawania obrazu. Obiekty mierzone znajdują się w scenie. Dobór oświetlenia oraz rodzaju tła zależy od charakterystyk badanych obiektów. Typowe układy oświetlające wraz z rejestratorem przedstawione są na rysunku 4.2. a) b) c) d) e) f) Rys Sposoby oświetlenia sceny światłem; a) przechodzącym, b) odbitym, c) rozproszonym bezcieniowym, d) rozproszonym bocznym, e) w osi kamery, f) przechodzącym z kolimacją wiązki. Wyróżniamy dwa podstawowe przypadki: światła przechodzącego ( Dia ) światła rozproszonego ( Epi ) które dobiera się odpowiednio do charakterystyk optycznych obiektów: obiekty rozpraszające, obiekty transparentne, obiekty odbijające, obiekty mieszane. Należy dobrać źródło światła o odpowiedniej jasności i charakterystyce spektralnej (monochromatyczne/polichromatyczne), punktowe bądź rozciągłe, skierowane lub
3 rozproszone. W przypadku pomiarów dokładnych często używa się wiązki koherentnego promieniowania laserowego. Ważny jest również czas akwizycji. W przypadku obiektów dynamicznych prędkość ich ruchu nie powinna mieć wpływu na dokładność odwzorowania. Obraz przedmiotu na detektorze tworzony jest przez układ optyczny. Detektorem najczęściej stosowanym jest obecnie matryca CCD lub CMOS, istnieją ponadto układy z linijkami świetlnymi czy pojedynczą komórką światłoczułą (np. w układach skanujących). Matryce CCD i CMOS najprościej podzielić na barwne (RGB) i szaro-odcieniowe. Ich charakterystyka spektralna także powinna zostać uwzględniona. Jeszcze przed etapem akwizycji możemy optymalizować parametry obrazu przez dostrojenie układu optycznego (ostrości, przysłony). W dalszej części będziemy analizować cyfrowe przetwarzanie obrazu 2D rzutowanego na płaszczyznę detekcji z przedmiotu 3D (trójwymiarowego). Cechy obrazu Obraz składa się z macierzy dyskretnych, ograniczonych wartości uporządkowanych w sposób obrazujący dyskretny rozkład intensywności na płaszczyźnie detekcji matrycy. Jego podstawowe cechy to: - rozdzielczość i wymiar obrazu (lub jego powiększenie i liczba pikseli w pionie/poziomie), - liczba dyskretnych poziomów (kodów bitowych) intensywności każdego z pikseli, - przestrzeń barw, - stosunek sygnału do szumu. Rys Wpływ rozdzielczości na dokładność odwzorowania. Rys Wpływ kwantyzacji poziomów jasności. Po zapisie danych do pamięci komputera przetwarzanie obrazu można podzielić na trzy etapy.
4 Przetwarzanie niskiego rzędu Wynika często z potrzeby korekcji układu rejestracji. Za pomocą operacji geometrycznych takich jak przesunięcie, skalowanie, obrót, odbijanie symetryczne, możemy wprowadzić proste poprawki w obrazie. Podczas skalowania i obrotu ważna jest minimalizacja błędów wynikających z wyznaczenia wartości międzypikselowej. Stosuje się standardowe algorytmy interpolacji wartości sąsiednich pikseli bilinearnej i bikubicznej oraz bardziej złożone metody. Innym przykładem operacji geometrycznych jest liniowe bądź parametryczne odkształcenie. Rys Przykład operacji geometrycznej. Ogólny opis przekształcenia geometrycznego: ( ) ( [ ] ) ( ) [ ] A11 A12 I P' = I x' y' = I P A = I x y, A21 A22 gdzie: I(P) intensywność w punkcje P, P punkt początkowy, P punkt końcowy, [x, y] współrzędne w bitmapie, A macierz transformacji geometrycznej Operacje arytmetyczne pozwalają na zwiększenie kontrastu i dopasowanie jasności w celu zwiększenia różnic między obiektem a tłem, co ma duże znaczenie dla dalszego przetwarzania. Analogicznie ogólny opis przekształcenia wygląda następująco: [ I( P[ x, y]) ] I '( P[ x, y]) = f ; f ( ) dana funkcja. Operacje można wykonywać na kilku obrazach np. ich dodawanie, odejmowanie, mnożenie bądź dzielenie. Przykładowa operacja nieliniowa na obrazie (ograniczenie jasności):
5 a) b) Rys Ograniczenie jasności a) od góry b) od dołu. Podstawowym sposobem zwiększenia zakresu intensywności pikseli jest normalizacja histogramu. Histogram jest wykresem rozkładu liczby pikseli o danej intensywności w funkcji intensywności. Ilość wystąpień Wartość piksela Rys Przykładowy histogram. Normalizację opisuje zależność: g n,m = g max f f n,m max f f min min gdzie: f max - maksymalna intensywność piksela w obrazie f min - minimalna intensywność piksela w obrazie f n,m - intensywność piksela wejściowego g n,m - intensywność piksela wyjściowego g max najwyższa wartość jasności, (g min = 0) Nieliniowe funkcje służą zmianie gammy, np. do zwiększenia rozdzielczości małych, bądź dużych poziomów intensywności. Filtracja jest operacją, w której intensywność w danym pikselu wyliczana jest na podstawie jego intensywności oraz intensywności pikseli z otoczenia.
6 Za pomocą filtrów możemy poprawić jakość obrazu, np. usunąć szumy detektora lub niejednorodne oświetlenie w obrazie. Możemy również wydobyć z obrazów interesujące nas cechy, np. podkreślić krawędzie lub granice między obiektami. Przy filtracji rozważamy każdy piksel (i, j) i jego otoczenie o wymiarze (M,N) oraz tzw. maskę splotu h(n,m) (Rys. 4.8). a) b) Rys Macierze a) otoczenia piksela i b) maski filtra M=1, N=1. Wartość intensywności w pikselu bieżącym oblicza się jako operację liniową rozkładu intensywności w otoczeniu tego piksela zgodnie z: Wyróżniamy następujące rodzaje filtrów: F(i,j) = O [f(i,j,m,n)] Dolnoprzepustowy usuwa z obrazu elementy o wysokiej częstości pozostawiając te o niskiej (stąd nazwa). Z obrazu usuwane są zatem gwałtowne zmiany jasności sąsiednich pikseli czego wynikiem jest rozmycie krawędzi obrazu. Filtry te są używane do eliminacji szumów w obrazie. Do najczęściej stosowanych filtrów dolnoprzepustowych należą filtr uśredniający i filtr Gaussa. Górnoprzepustowy (różniczkowy) wydobywa z obrazu elementy o dużej częstości, czyli nagłe zmiany w intensywności pikseli. Tego typu filtry stosujemy wtedy, gdy chcemy wyodrębnić z obrazu szczegóły. Dodatkowo, w sytuacji kiedy częstości przestrzenne obiektu który analizujemy i tła nie nachodzą na siebie (tzn. zmiany jasności od tła są bardzo wolnozmienne, a w obrazie mamy dużo szczegółów) możliwe jest usunięcie zmian jasności w tle. Kluczową operacją arytmetyczną niskiego rzędu jest w binaryzacja. Polega ona na przyporządkowaniu różnych wartości logicznych każdemu z pikseli. Prostym rozwiązaniem jest progowanie, tzn. wybranie wartości granicznej intensywności powyżej której piksele zostaną przydzielone do obiektu bądź tła. Doboru progu można dokonać ręcznie bądź automatycznie na podstawie analizy statystycznej histogramu. Przypisanie wartości logicznej (0 czy 1) dla obiektu jest arbitralne.
7 a) b) c) Rys Filtr dolnoprzepustowy uśredniający: a - macierz filtru, b - obraz przed filtracją, c obraz po filtracji. a) b) c) Rys Filtr górnoprzepustowy gaussowski: a - macierz filtru, b - obraz przed filtracją, c obraz po filtracji. Przetwarzanie pośredniego rzędu Operacje stosowane na tym etapie przetwarzania służą oddzieleniu obiektów od tła w taki sposób, by zachowały jak najwięcej cech własnych. Wyróżniamy algorytmy filtracji binarnej, erozji, dylatacji oraz połączenia dwóch ostatnich w operacje zamknięcia i otwarcia. Służą do tego specjalne operacje morfologiczne wykonywane w dziedzinie binarnej. Następnie dochodzi się do segmentacji, czyli wyznaczania przynależności każdego z pikseli do poszczególnego obiektu bądź tła. Podstawą działania morfologicznego jest maska filtru o zdefiniowanym rozmiarze (z zasady kwadratowym większym od 3 pikseli), którą przykłada się do kolejnych pikseli obrazu po binaryzacji przeprowadzając działania logiczne na wartości binarnej piksela w zależności od jego wartości i sąsiadów w otoczeniu pod maską. Działanie to wykonuje się zawsze na kopii
8 tymczasowej obrazu i przepisuje do obrazu źródłowego. Operację tę można wykonywać wielokrotnie, naprzemiennie z różnymi maskami. Schemat maski: h wartość logiczna, dowolna funkcja boolowska na zbiorze h opisuje zmianę wartości piksela h 0,0 Eliminacja szumu binarnego soli i pieprzu. Pieprz i sól to nazwa pojedynczych pikseli otoczonych przez piksele przeciwnej wartości logicznej. Pieprz Sól Dylatacja Rozrastanie się krawędzi obiektów i wypełnianie przestrzeni tła. Erozja Zapadanie się krawędzi obiektów.
9 Operacja zamknięcia polega na wykonaniu dylatacji tak by wypełnić otwory lub połączyć bliskie sobie części tego samego elementu. Następnie stosuje się operację erozji, by zachować oryginalne rozmiary obiektu. Operacja otwarcia jest odwrotną operacją i służy do wycinania cienkich elementów i rozcinania przewężeń. Obiekt wejściowy Zamknięcie Otwarcie Przetwarzanie wysokiego rzędu W celu przejścia do przetwarzania wysokiego rzędu obiekty poddawane są segmentacji. Różne algorytmy służą do przypisania zbiorom pikseli tej samej wartości (etykiety) oznaczającej przynależność do jednego obiektu. W większości komputerowych systemów wizyjnych segmentacja jest ostatnim etapem przetwarzania obrazów (obiektów w obrazie). Kolejne operacje są związane z procesem analizy obrazu lub/i z identyfikacją treści obserwowanych obrazów. W wyniku segmentacji otrzymuje się obszary lub kontury odpowiadające występującym w obrazie obiektom. Następnie zakłada się, że w analizowanych obrazach znajdują się jedynie obiekty określonych rodzajów i próbuje się klasyfikować/rozpoznawać wydzielone segmenty. Rozpoznanie polega na przypisaniu każdego segmentu do określonej klasy, tzn. uznaje się, że dany segment wyobraża obiekt należący do tej klasy. W celu umożliwienia sklasyfikowania każdego elementu zwykle dopuszcza się też klasę "obiekty niezdefiniowane", gdyż pewne segmenty w wyniku np. nieprawidłowego wydzielenia lub należenia do tła mogą nie reprezentować żadnego obiektu. Zazwyczaj do identyfikacji obrazów stosuje się metody wykorzystujące pojęcie przestrzeni cech. Przestrzenią cech nazywana jest pewna n-wymiarowa przestrzeń, w którą odwzorowane są rozważane obiekty opisywane przez pewien zbiór n-cech X = {x1,...,xn}. Cechami mogą być najróżniejsze własności, ale wartość ich dla każdego obiektu musi być pojedynczą liczbą (rzeczywistą lub całkowitą). Jeżeli 'obiektem' będzie np. próbka krwi to cechami mogą być: liczba leukocytów, erytrocytów, poziom hemoglobiny, itd. W przypadku dwuwymiarowych obiektów geometrycznych obserwowanych przez system wizyjny, cechami mogą być: powierzchnia, obwód, liczba otworów, lub iloraz tych wielkości itd. W teorii nie prowadzi się rozważań nad naturą obiektów i cech, ale zakłada się, że cechy są tak wybrane, by obiekt mógł zostać sklasyfikowany na podstawie jego wartości cech. Dla danego obiektu q można określić zbiór jego wartości cech zwany wektorem cech. Wektor cech jest rezultatem odwzorowania obiektu w n-wymiarową przestrzeń cech (każdy wymiar tej przestrzeni jest zatem związany z jedną cechą). Niech w rozważanym problemie występuje m klas obiektów K1,...Km. Ponieważ identyfikacja obiektu jest realizowana na podstawie jego wektora cech, więc w przestrzeni cech powinno istnieć m tzw. obszarów decyzyjnych O1,...,Om przypisanych poszczególnym klasom i tak dobranych, żeby na
10 podstawie przynależności wektora x(q) do obszaru Oi można było wnioskować o przynależności obiektu p do klasy Ki. Dla lepszego zilustrowania problemu zostanie przedstawiony następujący przykład: Rozważane są dwie cechy: x1-"wysokość obiektu", x2-"szerokość obiektu", oraz dwie klasy obiektów: K1-obiekty stojące, K2-obiekty leżące (Rys.11). Obiekt uznany jest za "stojący", gdy jego wysokość jest większa od szerokości wysokość szerokość Rys Dwuwymiarowa przestrzeń cech wraz z liniową funkcją rozdzielającą obiekty klasy O1 i O2. Rozróżnia się następujące rodzaje cech obiektów: - barwę, - cechy statystyczne otoczeń (tekstury), - cechy topologiczne - analiza wklęsłości, spójności figur, - cechy geometryczne, - współczynniki kształtu, - momenty geometryczne. Współczynniki kształtu: pole powierzchni, obwód, zwartość, centryczność, smukłość, prostokątność, średnice Fereta, kierunek, inne.
11 4.3 Opis stanowiska Schemat sceny przedstawiony jest na rysunku 4.8. Rys Schemat stanowiska: L1, L2 lampki halogenowe S stół P przedmioty K kamera. Opis stanowiska: Kamera K zamocowana na statywie, znajdująca się nad sceną posiada w polu widzenia elementy rozłożone na stole S. Zapewniona jest możliwość przybliżania i oddalania kamery od obiektu oraz modyfikacja parametrów obiektywu. Dane są dwa źródła światła L1 i L2. Stół wykonany jest z materiału częściowo przepuszczalnego dla światła, co pozwala na zastosowanie podświetlenia Dia bądź Epi w zależności od położeń 1b/1a. Możliwa jest dowolna konfiguracja źródeł światła oraz korekcji obrazu kamery. Stanowisko wyposażone jest w komputer PC na którym zainstalowany jest program ImageLab. Przed przystąpieniem do ćwiczenia należy zapoznać się z samouczkiem do programu ImageLab!!!
12 4.4 Przebieg ćwiczenia Po otrzymaniu od prowadzącego zestawu elementów oraz określonego zadania, należy: 1) zaproponować sposób wykorzystania sceny: tła, rodzaju oświetlenia, 2) ustalić dla kamery optymalne parametry: jasność, kontrast, 3) wykonać operacje filtracji, normalizacji histogramu, odnotować wpływ kolejności wykonywanych operacji, 4) doprowadzić do poprawnej binaryzacji bitmapy, 5) wprowadzić funkcję filtru zadaną przez prowadzącego oraz przetestować jej działanie, 6) wykonać segmentację obrazu, 7) dokonać klasyfikacji obiektów wykorzystując cechy dostępne w programie ImageLab. 4.5 Opis przebiegu pracy w ImageLab 1 2a 2b Funkcje dostępne na pasku narzędzi ponumerowano zgodnie z kolejnością operacji. Zachowanie tej kolejności jest ważne ponieważ pewne operacje są nieodwracalne. 1. Odczyt pliku mapy bitowej. 2a, 2b. Normalizacja histogramu oraz ustawienie jasności, kontrastu i gamma dla każdej ze składowych RGB. Zmiana za pomocą suwaków. Niedostępne dla barwnych bitmap. 3. Przejście w skalę szarości. 4. Filtracja. Należy wybrać rozmiar filtru (np. 5x5), typ (np. dolnoprzepustowy), i określoną wagami maskę filtru. Należy zatwierdzić działanie na bitmapie przez Update Image.
13 5. Binaryzacja. Dobór progów za pomocą suwaków. Zamiana tła z obiektami prawym przyciskiem myszy. 6. Operacje morfologiczne. Należy samemu stworzyć maski dodając je kolejno. 7. Segmentacja. 8. Budowanie przestrzeni cech na podstawie zdefiniowanych przez użytkownika kryteriów. 4.6 Sprawozdanie Opisać dobrany sposób oświetlenia i nastaw kamery. Wytłumaczyć jaki wpływ na ostrość, kontrast i jasność ma przysłona. Ocenić poprawność wybranego sposobu ekspozycji przedmiotu. Opisać w prosty sposób działanie algorytmów użytych przed i po binaryzacji. Jaka jest ich funkcja? Wyjaśnić w jaki sposób dopiera się optymalne parametry filtrów. Sprawozdanie powinno zawierać wnioski wynikające z przebiegu ćwiczenia, oraz otrzymanych rezultatów.
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 szczegółowoGrafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38
Wykład 2 Przetwarzanie obrazów mgr inż. 1/38 Przetwarzanie obrazów rastrowych Jedna z dziedzin cyfrowego obrazów rastrowych. Celem przetworzenia obrazów rastrowych jest użycie edytujących piksele w celu
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie drugie Podstawowe przekształcenia obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami obrazu wykonywanymi
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 2
Analiza obrazów - sprawozdanie nr 2 Filtracja obrazów Filtracja obrazu polega na obliczeniu wartości każdego z punktów obrazu na podstawie punktów z jego otoczenia. Każdy sąsiedni piksel ma wagę, która
Bardziej szczegółowoProste metody przetwarzania obrazu
Operacje na pikselach obrazu (operacje punktowe, bezkontekstowe) Operacje arytmetyczne Dodanie (odjęcie) do obrazu stałej 1 Mnożenie (dzielenie) obrazu przez stałą Operacje dodawania i mnożenia są operacjami
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Podział metod filtracji obrazu Metody przestrzenne i częstotliwościowe Metody liniowe i nieliniowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu
Bardziej szczegółowoParametryzacja obrazu na potrzeby algorytmów decyzyjnych
Parametryzacja obrazu na potrzeby algorytmów decyzyjnych Piotr Dalka Wprowadzenie Z reguły nie stosuje się podawania na wejście algorytmów decyzyjnych bezpośrednio wartości pikseli obrazu Obraz jest przekształcany
Bardziej szczegółowoFiltracja obrazu operacje kontekstowe
Filtracja obrazu operacje kontekstowe Główne zadania filtracji Usunięcie niepożądanego szumu z obrazu Poprawa ostrości Usunięcie określonych wad obrazu Poprawa obrazu o złej jakości technicznej Rekonstrukcja
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek cięŝkości ułoŝenie przestrzenne momenty wyŝszych rzędów promienie max-min centryczność
Bardziej szczegółowoObraz jako funkcja Przekształcenia geometryczne
Cyfrowe przetwarzanie obrazów I Obraz jako funkcja Przekształcenia geometryczne dr. inż Robert Kazała Definicja obrazu Obraz dwuwymiarowa funkcja intensywności światła f(x,y); wartość f w przestrzennych
Bardziej szczegółowoPrzekształcenia 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 szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność
Bardziej szczegółowoZygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab
Zygmunt Wróbel i Robert Koprowski Praktyka przetwarzania obrazów w programie Matlab EXIT 2004 Wstęp 7 CZĘŚĆ I 9 OBRAZ ORAZ JEGO DYSKRETNA STRUKTURA 9 1. Obraz w programie Matlab 11 1.1. Reprezentacja obrazu
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie czwarte Przekształcenia morfologiczne obrazu Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej szczegółowoAnaliza obrazów. Segmentacja i indeksacja obiektów
Analiza obrazów. Segmentacja i indeksacja obiektów Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 Analiza obrazu Analiza obrazu
Bardziej szczegółowoWYKŁAD 12. Analiza obrazu Wyznaczanie parametrów ruchu obiektów
WYKŁAD 1 Analiza obrazu Wyznaczanie parametrów ruchu obiektów Cel analizy obrazu: przedstawienie każdego z poszczególnych obiektów danego obrazu w postaci wektora cech dla przeprowadzenia procesu rozpoznania
Bardziej szczegółowoPrzetwarzanie obrazów wykład 2
Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna
Bardziej szczegółowoRozpoznawanie obrazów na przykładzie rozpoznawania twarzy
Rozpoznawanie obrazów na przykładzie rozpoznawania twarzy Wykorzystane materiały: Zadanie W dalszej części prezentacji będzie omawiane zagadnienie rozpoznawania twarzy Problem ten można jednak uogólnić
Bardziej szczegółowoLaboratorium. 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 szczegółowoRozpoznawanie Twarzy i Systemy Biometryczne
Filtry Plan wykładu Przegląd dostępnych filtrów Zastosowanie filtrów na różnych etapach pracy systemu Dalsze badania Kontrast i ostrość Kontrast różnica w kolorze i świetle między częściami ś i obrazu
Bardziej szczegółowoKomputerowe obrazowanie medyczne
Komputerowe obrazowanie medyczne Część II Przetwarzanie i analiza obrazów medycznych Grafika rastrowa i wektorowa W grafice wektorowej obrazy i rysunki składają się z szeregu punktów, przez które prowadzi
Bardziej szczegółowoWYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego
WYKŁAD 3 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego 1 Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego (c.d.) 2 Zestawienie zbiorcze - Regulacje
Bardziej szczegółowoMetody komputerowego przekształcania obrazów
Metody komputerowego przekształcania obrazów Przypomnienie usystematyzowanie informacji z przedmiotu Przetwarzanie obrazów w kontekście zastosowań w widzeniu komputerowym Wykorzystane materiały: R. Tadeusiewicz,
Bardziej szczegółowoSEGMENTACJA. Formalnie w wyniku procesu segmentacji następuje podzielenie pikseli obrazu na kilka rozdzielnych klas. 1-1
SEGMENTACJA Celem segmentacji jest takie przetworzenie danych zawartych w obrazie, aby uzyskać taki jego podział, który pomoże w rozpoznaniu obiektów w nim zawartych i interpretacji. Ogólnie rzecz ujmując
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie czwarte Przekształcenia morfologiczne obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej szczegółowo3. OPERACJE BEZKONTEKSTOWE
3. OPERACJE BEZKONTEKSTOWE 3.1. Tablice korekcji (LUT) Przekształcenia bezkontekstowe (punktowe) to takie przekształcenia obrazu, w których zmiana poziomu szarości danego piksela zależy wyłącznie od jego
Bardziej szczegółowoPrzetwarzanie obrazów wykład 4
Przetwarzanie obrazów wykład 4 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Filtry nieliniowe Filtry nieliniowe (kombinowane)
Bardziej szczegółowoPOPRAWIANIE 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 szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przegląd z uwzględnieniem obrazowej bazy danych Tatiana Jaworska Jaworska@ibspan.waw.pl www.ibspan.waw.pl/~jaworska Umiejscowienie przetwarzania obrazu Plan prezentacji Pojęcia podstawowe
Bardziej szczegółowo6. 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 szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej szczegółowoAlgorytmy decyzyjne będące alternatywą dla sieci neuronowych
Algorytmy decyzyjne będące alternatywą dla sieci neuronowych Piotr Dalka Przykładowe algorytmy decyzyjne Sztuczne sieci neuronowe Algorytm k najbliższych sąsiadów Kaskada klasyfikatorów AdaBoost Naiwny
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 3 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoPolitechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.
Politechnika Świętokrzyska Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 8 Filtracja uśredniająca i statystyczna. Cel ćwiczenia Celem ćwiczenia jest zdobycie umiejętności tworzenia i wykorzystywania
Bardziej szczegółowoPOB Odpowiedzi na pytania
POB Odpowiedzi na pytania 1.) Na czym polega próbkowanie a na czym kwantyzacja w procesie akwizycji obrazu, jakiemu rodzajowi rozdzielczości odpowiada próbkowanie a jakiemu kwantyzacja Próbkowanie inaczej
Bardziej szczegółowoLaboratorium techniki laserowej Ćwiczenie 2. Badanie profilu wiązki laserowej
Laboratorium techniki laserowej Ćwiczenie 2. Badanie profilu wiązki laserowej 1. Katedra Optoelektroniki i Systemów Elektronicznych, WETI, Politechnika Gdaoska Gdańsk 2006 1. Wstęp Pomiar profilu wiązki
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie piąte Filtrowanie obrazu Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z pojęciami szumu na obrazie oraz metodami redukcji szumów
Bardziej szczegółowoImplementacja filtru Canny ego
ANALIZA I PRZETWARZANIE OBRAZÓW Implementacja filtru Canny ego Autor: Katarzyna Piotrowicz Kraków,2015-06-11 Spis treści 1. Wstęp... 1 2. Implementacja... 2 3. Przykłady... 3 Porównanie wykrytych krawędzi
Bardziej szczegółowoOperacje przetwarzania obrazów monochromatycznych
Operacje przetwarzania obrazów monochromatycznych Obraz pobrany z kamery lub aparatu często wymaga dalszej obróbki. Jej celem jest poprawienie jego jakości lub uzyskaniem na jego podstawie określonych
Bardziej szczegółowoPrzekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu
Definicja Przekształcenia kontekstowe są to przekształcenia które dla wyznaczenia wartości jednego punktu obrazu wynikowego trzeba dokonać określonych obliczeń na wielu punktach obrazu źródłowego. Przekształcenia
Bardziej szczegółowoPRZETWARZANIE SYGNAŁÓW
PRZETWARZANIE SYGNAŁÓW SEMESTR V Wykład VIII Podstawy przetwarzania obrazów Filtracja Przetwarzanie obrazu w dziedzinie próbek Przetwarzanie obrazu w dziedzinie częstotliwości (transformacje częstotliwościowe)
Bardziej szczegółowoDetekcja twarzy w obrazie
Detekcja twarzy w obrazie Metoda na kanałach RGB 1. Należy utworzyć nowy obrazek o wymiarach analizowanego obrazka. 2. Dla każdego piksela oryginalnego obrazka pobiera się informację o wartości kanałów
Bardziej szczegółowoGrafika komputerowa. Zajęcia IX
Grafika komputerowa Zajęcia IX Ćwiczenie 1 Usuwanie efektu czerwonych oczu Celem ćwiczenia jest usunięcie efektu czerwonych oczu u osób występujących na zdjęciu tak, aby plik wynikowy wyglądał jak wzor_1.jpg
Bardziej szczegółowoCECHY BIOMETRYCZNE: ODCISK PALCA
CECHY BIOMETRYCZNE: ODCISK PALCA Odcisk palca można jednoznacznie przyporządkować do osoby. Techniki pobierania odcisków palców: Czujniki pojemnościowe - matryca płytek przewodnika i wykorzystują zjawisko
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 2 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoAnaliza obrazów - sprawozdanie nr 3
Analiza obrazów - sprawozdanie nr 3 Przekształcenia morfologiczne Przekształcenia morfologiczne wywodzą się z morfologii matematycznej, czyli dziedziny, która opiera się na teorii zbiorów, topologii i
Bardziej szczegółowo0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do
0. OpenGL ma układ współrzędnych taki, że oś y jest skierowana (względem monitora) a) w dół b) w górę c) w lewo d) w prawo e) w kierunku do obserwatora f) w kierunku od obserwatora 1. Obrót dookoła osi
Bardziej szczegółowoLaboratorium Cyfrowego Przetwarzania Obrazów
Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 4 Filtracja 2D Opracowali: - dr inż. Krzysztof Mikołajczyk - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,
Bardziej szczegółowoPrzedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2.
Przedmowa 11 Ważniejsze oznaczenia 14 Spis skrótów i akronimów 15 Wstęp 21 W.1. Obraz naturalny i cyfrowe przetwarzanie obrazów 21 W.2. Technika obrazu 24 W.3. Normalizacja w zakresie obrazu cyfrowego
Bardziej szczegółowo9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie
9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie Obrazy binarne to takie, które mają tylko dwa poziomy szarości: 0 i 1 lub 0 i 255. ImageJ wykorzystuje to drugie rozwiązanie - obrazy
Bardziej szczegółowoPattern Classification
Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons, 2000 with the permission of the authors
Bardziej szczegółowoOświetlenie. Modelowanie oświetlenia sceny 3D. Algorytmy cieniowania.
Oświetlenie. Modelowanie oświetlenia sceny 3D. Algorytmy cieniowania. Chcąc osiągnąć realizm renderowanego obrazu, należy rozwiązać problem świetlenia. Barwy, faktury i inne właściwości przedmiotów postrzegamy
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie piate Filtrowanie obrazu Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z pojęciami szumu na obrazie oraz metodami redukcji szumów przez
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 10 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoSynteza 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 szczegółowoLaboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 11. Filtracja sygnałów wizyjnych
Laboratorium Cyfrowe przetwarzanie sygnałów Ćwiczenie 11 Filtracja sygnałów wizyjnych Operacje kontekstowe (filtry) Operacje polegające na modyfikacji poszczególnych elementów obrazu w zależności od stanu
Bardziej szczegółowoĆwiczenie 2. Przetwarzanie graficzne plików. Wprowadzenie teoretyczne
Ćwiczenie Przetwarzanie graficzne plików Wprowadzenie teoretyczne ddytywne składanie kolorów (podstawowe barwy R, G, ) arwy składane addytywnie wykorzystywane są najczęściej w wyświetlaczach, czyli stosuje
Bardziej szczegółowoTechniki wizualizacji. Ćwiczenie 4. Podstawowe algorytmy przetwarzania obrazów
Doc. dr inż. Jacek Jarnicki Instytut Informatyki, Automatyki i Robotyki Politechniki Wrocławskiej jacek.jarnicki@pwr.wroc.pl Techniki wizualizacji Ćwiczenie 4 Podstawowe algorytmy przetwarzania obrazów
Bardziej szczegółowoPodstawy przetwarzania obrazów teledetekcyjnych. Format rastrowy
Podstawy przetwarzania obrazów teledetekcyjnych Format rastrowy Definicja rastrowego modelu danych - podstawowy element obrazu cyfrowego to piksel, uważany w danym momencie za wewnętrznie jednorodny -
Bardziej szczegółowoAKWIZYCJA 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 szczegółowoOperator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości
Operator rozciągania q = 15 ( p p1 ) ( p p ) 0 2 1 dla p < p p 1 2 dla p p, p > p 1 2 Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości q = 0 dla p p1 q2 dla p1
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 12 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 szczegółowoMetody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia. Mgr inż.
Metody kodowania wybranych cech biometrycznych na przykładzie wzoru naczyń krwionośnych dłoni i przedramienia Mgr inż. Dorota Smorawa Plan prezentacji 1. Wprowadzenie do zagadnienia 2. Opis urządzeń badawczych
Bardziej szczegółowoGrafika komputerowa. Dr inż. Michał Kruk
Grafika komputerowa Dr inż. Michał Kruk Operacje kontekstowe Z reguły filtry używane do analizy obrazów zakładają, że wykonywane na obrazie operacje będą kontekstowe Polega to na wyznaczeniu wartości funkcji,
Bardziej szczegółowoPrzetwarzanie obrazów wykład 7. Adam Wojciechowski
Przetwarzanie obrazów wykład 7 Adam Wojciechowski Przekształcenia morfologiczne Przekształcenia podobne do filtrów, z tym że element obrazu nie jest modyfikowany zawsze lecz tylko jeśli spełniony jest
Bardziej szczegółowoRekonstrukcja obrazu (Image restoration)
Rekonstrukcja obrazu (Image restoration) Celem rekonstrukcji obrazu cyfrowego jest odtworzenie obrazu oryginalnego na podstawie obrazu zdegradowanego. Obejmuje ona identyfikację procesu degradacji i próbę
Bardziej szczegółowoOperacje morfologiczne w przetwarzaniu obrazu
Przekształcenia morfologiczne obrazu wywodzą się z morfologii matematycznej działu matematyki opartego na teorii zbiorów Wykorzystuje się do filtracji morfologicznej, wyszukiwania informacji i analizy
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015
Ćwiczenia z grafiki komputerowej 5 FILTRY Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 12 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadanie ilustruje
Bardziej szczegółowoĆwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.
Ćwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH Miłosz Michalski Institute of Physics Nicolaus Copernicus University Październik 2015 1 / 14 Wykorzystanie warstw Opis zadania Obrazy do ćwiczeń Zadania
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie trzecie Operacje na dwóch obrazach Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z operacjami jakie możemy wykonywać na dwóch obrazach,
Bardziej szczegółowoAutomatyczne 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 szczegółowoGrafika Komputerowa Wykład 4. Synteza grafiki 3D. mgr inż. Michał Chwesiuk 1/30
Wykład 4 mgr inż. 1/30 Synteza grafiki polega na stworzeniu obrazu w oparciu o jego opis. Synteza obrazu w grafice komputerowej polega na wykorzystaniu algorytmów komputerowych do uzyskania obrazu cyfrowego
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów. Karol Czapnik
Cyfrowe Przetwarzanie Obrazów Karol Czapnik Podstawowe zastosowania (1) automatyka laboratoria badawcze medycyna kryminalistyka metrologia geodezja i kartografia 2/21 Podstawowe zastosowania (2) komunikacja
Bardziej szczegółowo5. Rozwiązywanie układów równań liniowych
5. Rozwiązywanie układów równań liniowych Wprowadzenie (5.1) Układ n równań z n niewiadomymi: a 11 +a 12 x 2 +...+a 1n x n =a 10, a 21 +a 22 x 2 +...+a 2n x n =a 20,..., a n1 +a n2 x 2 +...+a nn x n =a
Bardziej szczegółowoAKWIZYCJA 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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie trzecie Operacje na dwóch obrazach 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z operacjami jakie możemy wykonywać na dwóch obrazach,
Bardziej szczegółowoi ruchów użytkownika komputera za i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Promotor: dr Adrian Horzyk
System śledzenia oczu, twarzy i ruchów użytkownika komputera za pośrednictwem kamery internetowej i pozycjonujący oczy cyberagenta internetowego na oczach i akcjach użytkownika Mirosław ł Słysz Promotor:
Bardziej szczegółowoAkwizycja obrazów. Zagadnienia wstępne
Akwizycja obrazów. Zagadnienia wstępne Wykorzystane materiały: R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wyd. FPT, Kraków, 1997 A. Przelaskowski, Techniki Multimedialne,
Bardziej szczegółowoLaboratorium Optyki Falowej
Marzec 2019 Laboratorium Optyki Falowej Instrukcja do ćwiczenia pt: Filtracja optyczna Opracował: dr hab. Jan Masajada Tematyka (Zagadnienia, które należy znać przed wykonaniem ćwiczenia): 1. Obraz fourierowski
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX Lokalne transformacje obrazów Joanna Ratajczak, Wrocław, 28 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami lokalnych
Bardziej szczegółowoPrzekształcenia 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 szczegółowoAlgorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych.
Algorytmy Laplacian of Gaussian i Canny ego detekcji krawędzi w procesie analizy satelitarnych obrazów procesów atmosferycznych. Słowa kluczowe: teledetekcja, filtracja obrazu, segmentacja obrazu, algorytmy
Bardziej szczegółowoAnaliza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.
Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia
Bardziej szczegółowoSYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW. Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska.
SYSTEMY UCZĄCE SIĘ WYKŁAD 10. PRZEKSZTAŁCANIE ATRYBUTÓW Częstochowa 2014 Dr hab. inż. Grzegorz Dudek Wydział Elektryczny Politechnika Częstochowska INFORMACJE WSTĘPNE Hipotezy do uczenia się lub tworzenia
Bardziej szczegółowoP R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H
W O J S K O W A A K A D E M I A T E C H N I C Z N A W Y D Z I A Ł E L E K T R O N I K I Drukować dwustronnie P R Z E T W A R Z A N I E S Y G N A Ł Ó W B I O M E T R Y C Z N Y C H Grupa... Data wykonania
Bardziej szczegółowoAnaliza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 4 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Filtry górnoprzepustowe - gradienty Gradient - definicje Intuicyjnie, gradient jest wektorem, którego zwrot wskazuje
Bardziej szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium JAVA Zadanie nr 2 Rozpoznawanie liter autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się z problemem klasyfikacji
Bardziej szczegółowoSamochodowy system detekcji i rozpoznawania znaków drogowych. Sensory w budowie maszyn i pojazdów Maciej Śmigielski
Samochodowy system detekcji i rozpoznawania znaków drogowych Sensory w budowie maszyn i pojazdów Maciej Śmigielski Rozpoznawanie obrazów Rozpoznawaniem obrazów możemy nazwać proces przetwarzania i analizowania
Bardziej szczegółowoSegmentacja przez detekcje brzegów
Segmentacja przez detekcje brzegów Lokalne zmiany jasności obrazu niosą istotną informację o granicach obszarów (obiektów) występujących w obrazie. Metody detekcji dużych, lokalnych zmian jasności w obrazie
Bardziej szczegółowoCyfrowe Przetwarzanie Obrazów i Sygnałów
Cyfrowe Przetwarzanie Obrazów i Sygnałów Laboratorium EX6 Operacje morfologiczne Joanna Ratajczak, Wrocław, 2018 1 Cel i zakres ćwiczenia Celem ćwiczenia jest zapoznanie się z własnościami podstawowych
Bardziej szczegółowoPrzekształcenia widmowe Transformata Fouriera. Adam Wojciechowski
Przekształcenia widmowe Transformata Fouriera Adam Wojciechowski Przekształcenia widmowe Odmiana przekształceń kontekstowych, w których kontekstem jest w zasadzie cały obraz. Za pomocą transformaty Fouriera
Bardziej szczegółowoPrzetwarzanie 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 szczegółowoObliczenia 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 szczegółowoGimp Grafika rastrowa (konwersatorium)
GIMP Grafika rastrowa Zjazd 1 Prowadzący: mgr Agnieszka Paradzińska 17 listopad 2013 Gimp Grafika rastrowa (konwersatorium) Przed przystąpieniem do omawiania cyfrowego przetwarzania obrazów niezbędne jest
Bardziej szczegółowoKodowanie transformacyjne. Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG
Kodowanie transformacyjne Plan 1. Zasada 2. Rodzaje transformacji 3. Standard JPEG Zasada Zasada podstawowa: na danych wykonujemy transformacje która: Likwiduje korelacje Skupia energię w kilku komponentach
Bardziej szczegółowo