Informatyka, studia dzienne, mgr II st. Przetwarzanie obrazu i dźwięku 2011/2012 Prowadzący: dr inż. Bartłomiej Stasiak czwartek, 8:30
|
|
- Urszula Niewiadomska
- 6 lat temu
- Przeglądów:
Transkrypt
1 Informatyka, studia dzienne, mgr II st. semestr I Przetwarzanie obrazu i dźwięku 2011/2012 Prowadzący: dr inż. Bartłomiej Stasiak czwartek, 8:30 Data oddania: Ocena: Grzegorz Graczyk Andrzej Stasiak Zadanie 1: Szkielet aplikacji do przetwarzania i analizy obrazów, operacje podstawowe, usuwanie szumu, modyfikacje histogramu, filtracja liniowa i nieliniowa, splot. 1. Cel Celem zadania było stworzenie szkieletu aplikacji służącej do przetwarzania obrazów. Aplikacja powinna zawierać podstawowe filtry oraz trzy filtry przydzielone indywidualnie do grupy: Wyjściowa gęstość prawdopodobieństwa podana wzorem Raleigha Wydobywania szczegółów z tła: południe, południowy - zachód, zachód, północny zachód Operator Sobela 2. Wprowadzenie Filtracja obrazu jest to rodzaj operacji wykonywanej na pikselach obrazu źródłowego, w wyniku której otrzymywany jest inny obraz wyjściowy. Wartość przetworzonego piksela może zależeć od wartości innych pikseli z jego otoczenia, dlatego jest to przekształcenie kontekstowe. SVN: zadanie1 1
2 Operacja splotu to rodzaj filtra, w której wartość piksela obrazu wyjściowego jest średnią ważoną pewnego jego otoczenia. Wartość poszczególnych wag opisana jest maską filtru p o [n, m] = ( M[a, b] p i [m a, n b])/k a b W tym wzorze, jak i w innych wzorach użyto oznaczeń: p i [n, m] oznacza wartość piksela o współrzędnych n i m obrazu wejściowego, a p o [n, m] - obrazu wyjściowego. Wartości pikseli należą do zakresu [0, 1]. Ponadto M oznacza maskę filtru, a K - sumę wag maski (jeśli suma wynosi 0, wtedy K = 1) RGB i HSV Omawiane rozwiązanie zadania opiera się na wykonywaniu filtrów na poszczególnych kanałach obrazu, przy czym w zależności od wybranej opcji za kanały traktowane mogą być wartości poszczególnych składowych modelu RGB lub wartości składowych modelu HSV. Do przekształcenia między tymi modelami użyto poniższego algorytmu (przy założeniu, że wartość H zawarta jest w przedziale [0, 360), a R,G,B,S i V - w przedziale [0, 1]: V = max(r,g,b) S = V - min(r,g,b) if R=V: H = (G-B)/S if G=V: H = (B-R)/S if B=V: H = (R-G)/S Dla przekształcenia współrzędnych z przestrzeni HSV do RGB użyto następującej metody: H = H/60; i = floor(h); f = H-i; p = V*(1-S); q = V*(1-(S*f)); t = V*(1-(S*(1-f))); IF i=0: R,G,B = V,t,p IF i=1: R,G,B = q,v,p IF i=2: R,G,B = p,v,t IF i=3: R,G,B = p,q,v IF i=4: R,G,B = t,p,v IF i=5: R,G,B = V,p,q 2
3 2.2. Opis przekształceń Poniżej omówione są poszczególne metody zaimplementowane w ramach zadania. Negacja Zmiana jasności p o [n, m] = 1 p i [n, m] gdzie x to parametr przekształcenia. Zmiana kontrastu p o [n, m] = p i [n, m] + x p o [n, m] = x(p i [n, m] 1 2 ) Użycie powyższego wzoru powoduje, że wartość 1/2 jest punktem stałym przekształcenia. Usuwanie szumów Dwa filtry przeznaczone są usuwania szumów z obrazu: filtr medianowy i filtr ze średnią arytmetyczną. Maska jest kwadratem o danym boku, a działanie filtra polega na znalezieniu odpowiednio mediany lub średniej arytmetycznej dla pikseli z obszaru maski. Do obiektywnej oceny działania filtru użyty jest błąd średniokwadratowy. Wartość błędu średniokwadratowego wyliczana jest ze wzoru: w h (p[i, j] p x [i, j]) 2 (1) i=1 i=1 gdzie w i h to szerokość i wysokość obrazów, p to oryginalny obraz, a p x to obraz poddany przekształceniom. Metody histogramowe Dla danego obrazu histogramy tworzone są dla każdego z kanałów (mogą to być zarówno kanały RGB jak i HSV). Utworzenie histogramu polega na przeiterowaniu po wszystkich pikselach obrazu i zliczeniu wystąpień poszczególnych wartości. Przedstawiony wykres może być ponadto poddany wykładzeniu za pomocą ważonej średniej kroczącej o wybranej liczbie próbek. Przekształcenie obrazu oparte o dostosowanie histogramu do określonej charakterystyki polega na zmianie wszystkich wartości pikseli według odpowiedniego wzoru. Rozkład Releigha jest to rozkład, którego gęstość prawdopodobieństwa określa wzór: f(x) = ( ) x2 x exp 2σ 2 3 σ 2
4 gdzie σ jest parametrem rozkładu. Aby uzyskać taki rozkład, należy dokonać przekształcenia obrazu: p o [n, m] = p min + 2α 2 ln( 1 N p[n,m] q=0 H(q)) (2) gdzie funkcja H odpowiada histogramowi, tzn. H(n) oznacza liczbę pikseli obrazu, których wartość wynosi n. Metody oparte o splot Splot wykuje się zgodnie z równaniem (1). Maski wykorzystane do poszczególnych podzadań są następujące (wszystkie stosują wydobywanie szczegółów z tła, podany jest jedynie kierunek): południe: południowy zachód zachód północny zachód Opis implementacji Szkielet aplikacji powstał w języku c++ wykorzysującą bibliotekę png++ (wrapper na libpng). Przygotowana aplikacja przyjmuje wszystkie argumenty z linii poleceń dzięki czemu możliwe jest wsadowe przetwarzanie obrazów. W celu stworzenia interfejsu użytkownika przygotowano serwer HTTP w języku Python oraz aplikację z wykorzystaniem technologii HTML5 i jquery UI. W aplikacji przetwarzającej obrazy zastosowano polimorfizm. Stworzono bazowy, abstrakcyjny typ filtra, zaś wszystkie istniejące filtrów dziedziczą z niego oferując jednolity interfejs. Zastosowano również dziedziczenie wielostopniowe w miejscach, w których logika filtrów była podobna. 4. Materiały i metody Badaniu poddane zostały następujące elementy: Obiektywna ocena filtrów uśredniających oraz medianowych w oparciu o zaszumiony obraz lenac za pomocą obliczenia błędu średniokwadratowego. Subiektywna ocena filtrów uśredniających oraz medianowych. 4
5 Subiektywna ocena masek służących do wydobywania szczegółów z tła oraz operatora Sobela. Ocena czasu działania filtru niezoptymalizowanego oraz zoptymalizowanego. 5. Wyniki Usuwanie szumów filtrem uśredniającym oraz medianowym Przeprowadzono szereg testów licząc błąd średniokwadratowy dla różnych plików i masek. Czerwony Zielony Niebieski lenac impulse1.png lenac impulse1.png stat 2 med lenac impulse1.png stat 3 med lenac impulse1.png stat 4 med lenac impulse1.png stat 5 med lenac impulse1.png stat 6 med lenac impulse1.png stat 2 avg lenac impulse1.png stat 3 avg lenac impulse1.png stat 4 avg lenac impulse1.png stat 5 avg lenac impulse1.png stat 6 avg lenac impulse2.png lenac impulse2.png stat 2 med lenac impulse2.png stat 3 med lenac impulse2.png stat 4 med lenac impulse2.png stat 5 med lenac impulse2.png stat 6 med lenac impulse2.png stat 2 avg lenac impulse2.png stat 3 avg lenac impulse2.png stat 4 avg lenac impulse2.png stat 5 avg lenac impulse2.png stat 6 avg lenac impulse3.png lenac impulse3.png stat 2 med lenac impulse3.png stat 3 med lenac impulse3.png stat 4 med lenac impulse3.png stat 5 med lenac impulse3.png stat 6 med lenac impulse3.png stat 2 avg lenac impulse3.png stat 3 avg lenac impulse3.png stat 4 avg lenac impulse3.png stat 5 avg lenac impulse3.png stat 6 avg
6 Czerwony Zielony Niebieski lenac normal1.png lenac normal1.png stat 2 med lenac normal1.png stat 3 med lenac normal1.png stat 4 med lenac normal1.png stat 5 med lenac normal1.png stat 6 med lenac normal1.png stat 2 avg lenac normal1.png stat 3 avg lenac normal1.png stat 4 avg lenac normal1.png stat 5 avg lenac normal1.png stat 6 avg lenac normal2.png lenac normal2.png stat 2 med lenac normal2.png stat 3 med lenac normal2.png stat 4 med lenac normal2.png stat 5 med lenac normal2.png stat 6 med lenac normal2.png stat 2 avg lenac normal2.png stat 3 avg lenac normal2.png stat 4 avg lenac normal2.png stat 5 avg lenac normal2.png stat 6 avg lenac normal3.png lenac normal3.png stat 2 med lenac normal3.png stat 3 med lenac normal3.png stat 4 med lenac normal3.png stat 5 med lenac normal3.png stat 6 med lenac normal3.png stat 2 avg lenac normal3.png stat 3 avg lenac normal3.png stat 4 avg lenac normal3.png stat 5 avg lenac normal3.png stat 6 avg lenac uniform1.png lenac uniform1.png stat 2 med lenac uniform1.png stat 3 med lenac uniform1.png stat 4 med lenac uniform1.png stat 5 med lenac uniform1.png stat 6 med lenac uniform1.png stat 2 avg lenac uniform1.png stat 3 avg lenac uniform1.png stat 4 avg lenac uniform1.png stat 5 avg lenac uniform1.png stat 6 avg
7 Czerwony Zielony Niebieski lenac uniform2.png lenac uniform2.png stat 2 med lenac uniform2.png stat 3 med lenac uniform2.png stat 4 med lenac uniform2.png stat 5 med lenac uniform2.png stat 6 med lenac uniform2.png stat 2 avg lenac uniform2.png stat 3 avg lenac uniform2.png stat 4 avg lenac uniform2.png stat 5 avg lenac uniform2.png stat 6 avg lenac uniform3.png lenac uniform3.png stat 2 med lenac uniform3.png stat 3 med lenac uniform3.png stat 4 med lenac uniform3.png stat 5 med lenac uniform3.png stat 6 med lenac uniform3.png stat 2 avg lenac uniform3.png stat 3 avg lenac uniform3.png stat 4 avg lenac uniform3.png stat 5 avg lenac uniform3.png stat 6 avg Poniżej zamieszczone obrazki zostały umieszczone w sprawozdaniu ze zmniejszoną rozdzielczością, która uniemożliwia zauważenie szczegółów. Dyskusja wyników została przeprowadzona jednak w oparciu o obrazki w pełnej rozdzielczości. Obrazek oryginalny: 7
8 Obrazek zaszumiony Filtr medianowy Wydobywanie szczegółów z tła: 8 Filtr uśredniający
9 Operator Sobela: Czasy przetwarzania obrazu 1200x1200, mediana z 11 prób: Brak filtra Filtr niezoptymalizowany Filtr zoptymalizowany 1.5µs 210ms 37ms 9
10 Należy zauważyć, że czasy wczytywania i zapisywania obrazu tego rozmiaru wynoszą między milisekund - zależnie od jego zawartości. 6. Dyskusja W wynikach można zaobserwować znaczną przewagę filtru medianowego nad filtrem uśredniającym podczas usuwania szumów. W większości wypadków najskuteczniejsza była maska o rozmiarze 3 wyjątek stanowiły maski uśredniające dla intensywnie zaszumionych obrazów tu najskuteczniejsze były maski o rozmiarach 5. Zauważono również mniejszą skuteczność filtrów o rozmiarach parzystych. Można domniemywać, iż wynika to z konieczności przesunięcia środka maski o pół piksela. Ocena subiektywna potwierdza powyższą tezę. Obrazki nawet w pomniejszeniu widocznie zmieniają swoją jakość (zwłaszcza przy filtrze medianowym). Na powiększeniu wyraźnie widać, że filtr medianowy pozbywa się znacznej części szumów. Skutkiem ubocznym jest to, że również część oryginalnych szczegółów obrazu o rozmiarach pojedynczych pikseli jest tracona. W przypadku uśredniania szum przestaje przypominać pierwotny szum ulegając znaczącemu rozmyciu, jednak pozostaje widoczny. Powyższy rezultat bardzo łatwo uzasadnić. W wypadku filtru medianowego szum nie zostanie usunięty tylko, gdy przynajmniej 4 jego sąsiednie piksele (w przypadku maski 3x3) również będą zaszumione. Gdyby jednak taka sytuacja powtarzała się dla znaczącej liczby pikseli obraz byłby w znacznym stopniu pokryty szumem. W przypadku filtru uśredniającego każdy zaszumiony piksel stanowi jedynie 4% wyniku (użyto maski 5x5), czyniąc każdy piksel szumu mało znaczącym. Z drugiej strony każdy piksel szumu wpływa na 25 pikseli powodując zauważalne zniekształcenia całości obrazu. Interpretacja filtrów pozwalających wykrywać krawędzie jest znacznie trudniejsza. Można dostrzec, iż filtry z określonym kierunkiem dają podobne efekty, lecz można odnaleźć szczegóły sugerujące która maska została użyta (brak pionowej kreski po lewej stronie na pierwszym obrazku). W wypadku operatora Sobela wszystkie krawędzie zostały wyróżnione intensywnie kontrastującym białym kolorem - widoczne są jednak liczne przejaśnienia w miejscach, gdzie brak fizycznych krawędzi. Optymalizacja filtru, mimo iż filtr wykorzystuje wszystkie piksele z obszaru 3x3 pozwoliła uzyskać 5 krotne przyśpieszenie. Możemy jednak domniemywać, że główną zasługą tego przyśpieszenia mogły być optymalizacje procesora, które umożliwiły przeniesienie części dodawań do rejestrów procesora. Nie zostało to zbadane, jednak można podejrzewać, że optymalizacje filtrów bazujących na większych maskach będą bardziej skuteczne - w szczególności czas przetwarzania jednego piksela może ulec zmniejszeniu z O(k 2 ) przy metodzie naiwnej nawet do O(1) przy prostych maskach. Interesującą obserwacją okazały się jednak nieudane próby pomiaru wydajności uwzględniające czasy wczytywania i zapisywania plików png. Plik po przetworzeniu posiadał znaczną część czarnych pikseli, co powodowało 10
11 jego szybsze zapisywanie. W efekcie porównując czas działania programu bez żadnego filtru z czasem działania programu z szybkim filtrem można było wysnuć błędny wniosek, jakoby filtr działał w ujemnym czasie. Ponieważ w oryginalnej postaci to przekształcenie powoduje odwrócenie koloru (tzn. piksele ciemniejsze od innych stają się jaśniejsze od innych po przekształceniu), po wykaniu przekształcenia zgodnie ze wzorem (2), wykonywana jest dodatkowo negacja wybranych kanałów. W trakcie eksperymentów stwierdzono, że przekształcenie zachowuje się w sposób pożądany (tzn. nie powoduje nadmiernej utraty informacji poprzez nadmierne rozjaśnienie, ani zaciemnienie obrazu) dla parametru α z zakresu około [0.1, 1.5]. Poniżej przedstawione są dwa histogramy odpowiadające obrazowi przed i po przekształceniu (dla α = 0.2) dla kanału V w układzie HSV oraz te obrazy. Widoczne jest, że kanały H i S nie uległy zmianie w wyniku przekształcenia (niewielkie odchylenia wynikają z faktu, że obraz przechowywany jest w postaci RGB o wartościach dyskretnych, w związku z czym zaokrąglenia przy przekształcaniach mogą powodować drobne zniekształcenia). Na histogramie krzywa wartości (niebieska) odpowiada przeciwnemu co do znaku wykresowi rozkładu Raleigha, potwierdzając poprawność wykonanego przekształcenia. 7. Wnioski Filtr medianowy dobrze radzi sobie z likwidowaniem szumu w obrazach. Filtr uśredniający rozmazuje szum, zostawiając jednak zniekształcenia w obrazie. Ogólna implementacja filtru liniowego jest znacznie wolniejsza niż implementacja maski bezpośrednio w kodzie. Filtry bazujące na modyfikacji histogramu wartości w modelu barw HSV modyfikują nieznacznie wartości odcienia i nasycenia z powodu docelowej reprezentacji ich w modelu RGB. W wypadku filtrów wykrywających krawędzie udało się jedynie potwierdzić subiektywnie ich działanie. 11
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 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 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 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 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 szczegółowoPrzetwarzanie obrazów rastrowych macierzą konwolucji
Przetwarzanie obrazów rastrowych macierzą konwolucji 1 Wstęp Obrazy rastrowe są na ogół reprezentowane w dwuwymiarowych tablicach złożonych z pikseli, reprezentowanych przez liczby określające ich jasność
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia kontekstowe Liniowe Nieliniowe - filtry Przekształcenia kontekstowe dokonują transformacji poziomów jasności pikseli analizując za każdym razem nie tylko jasność danego
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa IZ06TC01, Zespół 3 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr 5 Temat: Modelowanie koloru, kompresja obrazów,
Bardziej 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 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 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 szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania Grupa ID308, Zespół 11 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 6 Temat: Operacje sąsiedztwa wyostrzanie obrazu Wykonali: 1. Mikołaj Janeczek
Bardziej 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 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 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 szczegółowoALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.
Grupa IZ07IO1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel. Wykonali:
Bardziej szczegółowoBIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat
BIBLIOTEKA PROGRAMU R - BIOPS Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat Biblioteka biops zawiera funkcje do analizy i przetwarzania obrazów. Operacje geometryczne (obrót, przesunięcie,
Bardziej szczegółowoProjekt 2: Filtracja w domenie przestrzeni
Projekt 2: Filtracja w domenie przestrzeni 1. 2. Wstęp teoretyczny a. Filtracja w domenie przestrzeni b. Krótko o szumie c. Filtracja d. Usuwanie szumu typu Salt and Pepper filtrem medianowym e. Wnioski
Bardziej 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 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 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 szczegółowoZadanie 3: Liczenie winogron
Informatyka, studia dzienne, II st. semestr II Rozpoznawanie obrazów 2012/2013 Prowadzący: dr inż. Bartłomiej Stasiak czwartek, 8:30 Data oddania: Ocena: Andrzej Stasiak 178736 Grzegorz Graczyk 178717
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania WIT
3-1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa BD2,TC1, Zespół 2 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr3 Temat: Operacje sąsiedztwa wygładzanie i wyostrzanie
Bardziej 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 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 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 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 szczegółowoAnaliza i Przetwarzanie Obrazów. Szyfrowanie Obrazów. Autor : Mateusz Nawrot
Analiza i Przetwarzanie Obrazów Szyfrowanie Obrazów Autor : Mateusz Nawrot 1. Cel projektu Celem projektu jest zaprezentowanie metod szyfrowania wykorzystujących zmodyfikowane dane obrazów graficznych.
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 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 szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania
Wyższa Szkoła Informatyki Stosowanej i Zarządzania Grupa ID308, Zespół 11 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 8 Temat: Operacje sąsiedztwa detekcja krawędzi Wykonali: 1. Mikołaj Janeczek
Bardziej szczegółowoWOJSKOWA AKADEMIA TECHNICZNA
WOJSKOWA AKADEMIA TECHNICZNA LABORATORIUM CYFROWE PRZETWARZANIE SYGNAŁÓW Stopień, imię i nazwisko prowadzącego Imię oraz nazwisko słuchacza Grupa szkoleniowa Data wykonania ćwiczenia dr inż. Andrzej Wiśniewski
Bardziej 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 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 szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej 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 szczegółowoĆwiczenie 6. Transformacje skali szarości obrazów
Politechnika Wrocławska Wydział Elektroniki Mikrosystemów i Fotoniki Przetwarzanie sygnałów laboratorium ETD5067L Ćwiczenie 6. Transformacje skali szarości obrazów 1. Obraz cyfrowy Obraz w postaci cyfrowej
Bardziej szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT
Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT Grupa ID306, Zespół 5 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 1 Temat: Akwizycja i przetwarzanie
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 szczegółowoKRYPTOGRAFIA I OCHRONA DANYCH PROJEKT
KRYPTOGRAFIA I OCHRONA DANYCH PROJEKT Temat: Zaimplementować system kryptografii wizualnej http://www.cacr.math.uwaterloo.ca/~dstinson/visual.html Autor: Tomasz Mitręga NSMW Grupa 1 Sekcja 2 1. Temat projektu
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 szczegółowoFormaty obrazów rastrowych biblioteki PBM
Formaty obrazów rastrowych biblioteki PBM Reprezentacja obrazu Obrazy pobierane z kamery, bądź dowolnego innego źródła, mogą być składowane na pliku dyskowym w jednym z wielu istniejących formatów zapisu
Bardziej szczegółowoPrzetwarzanie obrazu
Przetwarzanie obrazu Przekształcenia geometryczne Obroty Przesunięcia Odbicia Rozciągnięcia itp Przekształcenia geometryczne Obroty Wielokrotność 90 stopni Inne Przekształcenia geometryczne Obroty Wielokrotność
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 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 szczegółowoPodstawy OpenCL część 2
Podstawy OpenCL część 2 1. Napisz program dokonujący mnożenia dwóch macierzy w wersji sekwencyjnej oraz OpenCL. Porównaj czasy działania obu wersji dla różnych wielkości macierzy, np. 16 16, 128 128, 1024
Bardziej szczegółowoWykrywanie twarzy na zdjęciach przy pomocy kaskad
Wykrywanie twarzy na zdjęciach przy pomocy kaskad Analiza i przetwarzanie obrazów Sebastian Lipnicki Informatyka Stosowana,WFIIS Spis treści 1. Wstęp... 3 2. Struktura i funkcjonalnośd... 4 3. Wyniki...
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 szczegółowoZnak wersja podstawowa
Księga znaku Spis treści Znak wersja podstawowa...2 Układ poziomy...2 Układ pionowy...2 Konstrukcja znaku...3 Symbol...3 Napis...3 Siatka modułowa...4 Układ poziomy...4 Układ pionowy...4 Pole ochronne
Bardziej szczegółowoFiltracja splotowa obrazu
Informatyka, S1 sem. letni, 2012/2013, wykład#3 Filtracja splotowa obrazu dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 53 Proces przetwarzania obrazów Obraz f(x,y)
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoZadanie 1: Piętnastka - uzupełnienie
Informatyka, studia dzienne, inż. I st. semestr VI Sztuczna Inteligencja i Systemy Ekspertowe 2010/2011 Prowadzący: mgr Michał Pryczek piątek, 12:00 Data oddania: Ocena: Grzegorz Graczyk 150875 Marek Rogalski
Bardziej szczegółowoMaskowanie i selekcja
Maskowanie i selekcja Maska prostokątna Grafika bitmapowa - Corel PHOTO-PAINT Pozwala definiować prostokątne obszary edytowalne. Kiedy chcemy wykonać operacje nie na całym obrazku, lecz na jego części,
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie szóste Transformacje obrazu w dziedzinie częstotliwości 1. Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z podstawowymi przekształceniami
Bardziej szczegółowoAnaliza 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 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 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 szczegółowoPlan 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 szczegółowoAlgorytmy graficzne. Nieliniowa filtracja obrazów monochromatycznych
Algorytmy graficzne Nieliniowa filtracja orazów monochromatycznych Metody oceny efektywności filtracji Analizując filtry redukujące zakłócenia w orazie cyfrowym konieczne jest określenie ścisłych miar
Bardziej 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 szczegółowoFiltracja w domenie przestrzeni
1 Filtracja Filtracja w domenie przestrzeni Filtracja liniowa jest procesem splotu (konwolucji) obrazu z maską (filtrem). Dla dwuwymiarowej i dyskretnej funkcji filtracja dana jest wzorem: L2(m, n) = (w
Bardziej szczegółowoAkademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie. Projekt. z przedmiotu Analiza i Przetwarzanie Obrazów
30 czerwca 2015 Akademia Górniczo - Hutnicza im. Stanisława Staszica w Krakowie Projekt z przedmiotu Analiza i Przetwarzanie Obrazów Wykrywanie tablic rejestracyjnych Jagieła Michał IS (GKiPO) Michał Jagieła
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 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 szczegółowoZAZNACZENIA. Zaznaczenia (inaczej maski) służą do zaznaczania obszarów rysunku.
1 z 5 ZAZNACZENIA Zaznaczenia (inaczej maski) służą do zaznaczania obszarów rysunku. WAŻ E: Jeżeli obraz posiada zaznaczenie, to wszystkie przekształcenia obrazu (lub warstwy) są wykonywane w ramach. Rodzaje
Bardziej szczegółowoGRAFIKA RASTROWA. WYKŁAD 1 Wprowadzenie do grafiki rastrowej. Jacek Wiślicki Katedra Informatyki Stosowanej
GRAFIKA RASTROWA WYKŁAD 1 Wprowadzenie do grafiki rastrowej Jacek Wiślicki Katedra Informatyki Stosowanej Grafika rastrowa i wektorowa W grafice dwuwymiarowej wyróżnia się dwa rodzaje obrazów: rastrowe,
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 szczegółowoAntyaliasing w 1 milisekundę. Krzysztof Kluczek
Antyaliasing w 1 milisekundę Krzysztof Kluczek Zasada działania Założenia: Metoda bazująca na Morphological Antialiasing (MLAA) wejście: obraz wyrenderowanej sceny wyjście: zantyaliasowany obraz Krótki
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 szczegółowoPodstawy Przetwarzania Sygnałów
Adam Szulc 188250 grupa: pon TN 17:05 Podstawy Przetwarzania Sygnałów Sprawozdanie 6: Filtracja sygnałów. Filtry FIT o skończonej odpowiedzi impulsowej. 1. Cel ćwiczenia. 1) Przeprowadzenie filtracji trzech
Bardziej szczegółowoWyrównanie ciągu poligonowego dwustronnie nawiązanego metodą przybliżoną.
Wyrównanie ciągu poligonowego dwustronnie nawiązanego metodą przybliżoną. Uwagi wstępne należy przeczytać przed przystąpieniem do obliczeń W pierwszej kolejności należy wpisać do dostarczonego formularza
Bardziej szczegółowoInstrukcja użytkownika ARSoft-WZ3
02-699 Warszawa, ul. Kłobucka 8 pawilon 119 tel. 0-22 853-48-56, 853-49-30, 607-98-95 fax 0-22 607-99-50 email: info@apar.pl www.apar.pl Instrukcja użytkownika ARSoft-WZ3 wersja 1.5 1. Opis Aplikacja ARSOFT-WZ3
Bardziej szczegółowoOdciski palców ekstrakcja cech
Kolasa Natalia Odciski palców ekstrakcja cech Biometria sprawozdanie z laboratorium 4 1. Wstęp Biometria zajmuje się rozpoznawaniem człowieka na podstawie jego cech biometrycznych. Jest to możliwe ponieważ
Bardziej szczegółowoSegmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp. autor: Łukasz Chlebda
Segmentacja obrazów cyfrowych Segmentacja obrazów cyfrowych z zastosowaniem teorii grafów - wstęp autor: Łukasz Chlebda 1 Segmentacja obrazów cyfrowych - temat pracy Temat pracy: Aplikacja do segmentacji
Bardziej szczegółowoANALIZA I PRZETWARZANIE OBRAZÓW
ANALIZA I PRZETWARZANIE OBRAZÓW Instalacja pip install opencv-python run pip install opencv-contrib-python Przydatne Potrzebne importy: import cv2 import numpy as np Odczyt, zapis i wyświetlanie obrazu:
Bardziej szczegółowoCała prawda o plikach grafiki rastrowej
~ 1 ~ Cała prawda o plikach grafiki rastrowej Grafika rastrowa to rodzaj grafiki zapisywanej na dysku w postaci bitmapy, czyli zbioru pikseli. W edytorach grafiki rastrowej możliwa jest edycja na poziomie
Bardziej szczegółowoHistogram obrazu, modyfikacje histogramu
March 15, 2013 Histogram Jeden z graficznych sposobów przedstawiania rozkładu cechy. Składa się z szeregu prostokatów umieszczonych na osi współrzędnych. Prostokaty te sa z jednej strony wyznaczone przez
Bardziej szczegółowoCUDA Median Filter filtr medianowy wykorzystujący bibliotekę CUDA sprawozdanie z projektu
CUDA Median Filter filtr medianowy wykorzystujący bibliotekę CUDA sprawozdanie z projektu inż. Daniel Solarz Wydział Fizyki i Informatyki Stosowanej AGH 1. Cel projektu. Celem projektu było napisanie wtyczki
Bardziej szczegółowoInstytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Ćwiczenie 3 Generator liczb losowych o rozkładzie Rayleigha.
Instytut Fizyki Politechniki Łódzkiej Laboratorium Metod Analizy Danych Doświadczalnych Generator liczb losowych o rozkładzie Rayleigha. Generator liczb losowych o rozkładzie Rayleigha. 1. Cel ćwiczenia
Bardziej szczegółowoGIMP Grafika rastrowa (Ćwiczenia cz. 2)
Zjazd 1 GIMP Grafika rastrowa (Ćwiczenia cz. 2) Zaznaczenia Aby zacząć profesjonalnie rysować w programie GIMP należy opanować tematykę zaznaczeń. Zaznaczenia (inaczej maski) służą do zaznaczania obszarów
Bardziej 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 szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 7
7. NORMALIZACJA I BINARYZACJA ADAPTATYWNA 7.1. Normalizacja lokalna Zwykłe konwolucje działają w jednakowy sposób na całym obrazie. Plugin Local Normalization przeprowadza filtrowanie Gaussa w zależności
Bardziej szczegółowoFiltracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):
WYKŁAD 3 Operacje sąsiedztwa Są to operacje, w których na wartość zadanego piksla obrazu wynikowego q o współrz. (i,j) mają wpływ wartości piksli pewnego otoczenia piksla obrazu pierwotnego p o współrzędnych
Bardziej szczegółowoPIXLR EDITOR - Autor: mgr inż. Adam Gierlach
PIXLR EDITOR - www.pixlr.com Autor: mgr inż. Adam Gierlach 2 OTWIERANIE PLIKU Wybierz OTWÓRZ OBRAZEK Z KOMPUTERA - Pliki / 01_tlo.png 3 ZMIANA WIELKOŚCI OBRAZU 1. w programie wybierz Obrazek / Wielkość
Bardziej szczegółowoGrafika Komputerowa Wykład 1. Wstęp do grafiki komputerowej Obraz rastrowy i wektorowy. mgr inż. Michał Chwesiuk 1/22
Wykład 1 Wstęp do grafiki komputerowej rastrowy i wektorowy mgr inż. 1/22 O mnie mgr inż. michalchwesiuk@gmail.com http://mchwesiuk.pl Materiały, wykłady, informacje Doktorant na Wydziale Informatyki Uniwersytetu
Bardziej szczegółowoRaport. Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010
Raport Bartosz Paprzycki xed@mat.umk.pl UMK 2009/2010 1. Wykrywanie krawędzi 1.0. Obraz oryginalny 1. 1.1. Sobel. Parametry: domyślne. 1.2. Prewitt. Parametry: domyślne. 1.3. Roberts. Parametry: domyślne.
Bardziej szczegółowoANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM)
ANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM) LABORATORIUM 5 - LOKALIZACJA OBIEKTÓW METODĄ HISTOGRAMU KOLORU 1. WYBÓR LOKALIZOWANEGO OBIEKTU Pierwszy etap laboratorium polega na wybraniu lokalizowanego obiektu.
Bardziej szczegółowoPrzetwarzanie obrazów
Przetwarzanie obrazów Zajęcia 11 Filtracje przestrzenne obrazów rastrowych (2). Zasady wykonania ćwiczenia Obrazy wynikowe do zadań zapisujemy w pliku nazwiskonr.rvc (bieżące nr 1) a komentarze do wyników
Bardziej szczegółowoAnaliza danych z nowej aparatury detekcyjnej "Pi of the Sky"
Uniwersytet Warszawski Wydział Fizyki Bartłomiej Włodarczyk Nr albumu: 306849 Analiza danych z nowej aparatury detekcyjnej "Pi of the Sky" Praca przygotowana w ramach Pracowni Fizycznej II-go stopnia pod
Bardziej szczegółowoWybrane zagadnienia w pracy z danymi rastrowymi w ArcGIS Marcin Paź Esri Polska
Wybrane zagadnienia w pracy z danymi rastrowymi w ArcGIS 10.1 Marcin Paź Esri Polska Zagadnienia Koncepcja rastra Typy danych rastrowych Właściwości rastrów Modele danych rastrowych w ArcGIS Przetwarzanie
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 szczegółowoZastosowanie Informatyki w Medycynie
Zastosowanie Informatyki w Medycynie Dokumentacja projektu wykrywanie bicia serca z sygnału EKG. (wykrywanie załamka R) Prowadzący: prof. dr hab. inż. Marek Kurzyoski Grupa: Jakub Snelewski 163802, Jacek
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 szczegółowoPolitechnika Świętokrzyska. Laboratorium. Przetwarzanie obrazów medycznych. Ćwiczenie 5. Filtracja kontekstowa obrazów.
Politechnika Świętokrzyska Laboratorium Przetwarzanie obrazów medycznych Ćwiczenie 5 Filtracja kontekstowa obrazów. Cel ćwiczenia Celem ćwiczenia jest zdobucie umiejętności tworzenia funkcji realizujących
Bardziej szczegółowoFiltracja obrazów. w dziedzinie częstotliwości. w dziedzinie przestrzennej
Filtracja obrazów w dziedzinie częstotliwości w dziedzinie przestrzennej filtry liniowe filtry nieliniowe Filtracja w dziedzinie częstotliwości Obraz oryginalny FFT2 IFFT2 Obraz po filtracji f(x,y) H(u,v)
Bardziej szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5
5. FILTRY LINIOWE I STATYSTYCZNE. WYRÓWNYWANIE TŁA. Znacznie większe znaczenie w przetwarzaniu obrazu niż operacje punktowe mają takie przekształcenia w których zmiana poziomu szarości piksela zależy nie
Bardziej szczegółowoSpis treści. Adobe Photoshop lab. 2 Jacek Wiślicki,
Spis treści 1. Napisy...2 1.1. Stara maszyna do pisania...2 1.2. Zamrożony napis...3 1.3. Krwawy tekst...5 1.4. Neon...7 1.5. Kamień...8 1.6. Inny kamień...9 1.7. Śnieg...9 strona 1 z 12 1. Napisy Poniższe
Bardziej szczegółowoPROPOZYCJE TEMATÓW PROJEKTOWYCH PROJEKTOWANIE OPROGRAMOWANIA SYSTEMÓW
PROPOZYCJE TEMATÓW PROJEKTOWYCH PROJEKTOWANIE OPROGRAMOWANIA SYSTEMÓW 2016 1. Syntezator dźwięków szumów usznych Opiekun: dr inż. Piotr Suchomski Celem oprogramowania jest umożliwienie wygenerowania dźwięków,
Bardziej szczegółowoCechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie progresywne (Adam 7)
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 5, strona 1. PNG (PORTABLE NETWORK GRAPHICS) Cechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie
Bardziej szczegółowo