Detekcja kodów kreskowych w obrazach za pomocą filtrów gradientowych i transformacji morfologicznych
|
|
- Ludwika Jarosz
- 6 lat temu
- Przeglądów:
Transkrypt
1 ZACNIEWSKI Artur 1 Detekcja kodów kreskowych w obrazach za pomocą filtrów gradientowych i transformacji morfologicznych WSTĘP Kod kreskowy (ang. barcode) to graficzna reprezentacja informacji, w postaci kombinacji ciemnych i jasnych elementów (najczęściej prostokątów lub innych dwuwymiarowych figur). Każdy kod można scharakteryzować poprzez jego wymiary, zbiór kodowanych znaków, algorytm obliczania sumy kontrolnej itp. Kod kreskowy odczytywany jest przy pomocy specjalnych urządzeń (tzw. czytników), a jego główną rolą jest automatyczna identyfikacja produktu, na którym jest umieszczony. Stosowany jest z powodzeniem w szeroko rozumianej logistyce [6]. Przegląd metod stosowanych w detekcji kodów kreskowych, wraz z porównaniem wydajności zastosowanych algorytmów przedstawiono w [2]. Dokonano analizy algorytmów detekcji kodów, które znajdowały się w różnych położeniach (orientacjach kątowych), były zaszumione lub też liczba kodów kreskowych była większa niż jeden. W artykule [2] pokazano, że nie istnieje metoda, która pozwalałaby wykryć kod kreskowy w każdym z wymienionych przypadków, aczkolwiek wybór odpowiedniej metody w zależności od sytuacji pozwala na niemal optymalną detekcję. W poniższym artykule przedstawiono algorytm detekcji kodów kreskowych za pomocą wybranych filtrów gradientowych i operacji morfologicznych, stosowanych w cyfrowym przetwarzaniu obrazu. Przeprowadzono badania, których celem była realizacja detekcji kodu kreskowego z wybranych obrazów. Do implementacji przedstawionego algorytmu użyto biblioteki OpenCV. 1. FILTRY GRADIENTOWE Detekcja krawędzi to bardzo ważny element analizy obrazu. Często wystarczające jest otrzymanie obrazu w formie wyróżnionych krawędzi, co pozwala na przeprowadzenie jego logicznej interpretacji. Krawędź jest granicą między dwoma regionami o różnych odcieniach jasności, czyli przejścia między regionami mogą być określone na podstawie różnic odcieni szarości pikseli z różnych regionów [3]. U podstaw większości technik wykrywania krawędzi leży idea porównywania lokalnych pochodnych. Pierwsza pochodna może służyć do stwierdzenia obecności krawędzi w obrazie, natomiast druga pochodna pozwala stwierdzić, czy piksel krawędzi leży po stronie ciemnej czy jasnej krawędzi. Cechy te predestynują użycie pochodnych w procesie detekcji kodu kreskowego [1][3]. Gwałtowna zmiana funkcji jasności wyznacza krawędź, stąd do wydzielenia jej z obrazu stosuje się metody gradientowe. Duża wartość gradientu funkcji jasności w danym punkcie wskazuje, że jest to punkt krawędzi [1][3]. Gradient funkcji jasności obrazu f ( x, w punkcie ( x, dany jest wzorem: Gx f (2.1) Gy Wektor gradientu (2.1) wygodnie opisuje się za pomocą modułu i kąta (czyli kierunku wektora gradientu): f G ( x, arg( G x / G x y 2 ) 2 G ( x, y G G x y (2.2) 1 Akademia Marynarki Wojennej w Gdyni, Wydział Nawigacji i Uzbrojenia Okrętowego; Gdynia; ul. Śmidowicza 69, Tel/fax: , a.zacniewski@amw.gdynia.pl 6914
2 Należy pamiętać, że położenie konturu jest zawsze prostopadłe do wektora gradientu, co oznacza, że kąt konturu jest przesunięty w stosunku do obliczonego kąta gradientu o -/+ 90 o. Istnieje wiele metod obliczania gradientu. Ze względu na prostotę implementacji i szerokie zastosowanie, do wyznaczenia składowych gradientu na potrzeby artykułu wybrano operatory gradientu Sobela i Scharra [1][3]. 1.1 Operator Sobela Operator Sobela oblicza aproksymację gradientu funkcji jasności obrazu. Kierunek gradientu określa się za pomocą maski, która daje największą wartość. Na rysunku 2.1 przedstawiono operatory Sobela, które są względem siebie obrócone o 90 o. Należy zauważyć, że wszystkie współczynniki maski sumują się do zera, co jest oczekiwanym efektem w przypadku operatora różniczkowego Rys Operatory Sobela w postaci masek 3x3 [2][4] Aby obliczyć gradient należy obliczyć pochodne G i x Gy poprzez realizację splotu obrazu I z tzw. jądrem (ang. kernel), utworzonym na podstawie ww. maski: dla zmian poziomych: G x * I (2.3) dla zmian pionowych: G y * I (2.4) 1.2 Operator Scharra Wadą operatora Sobela jest to, że w niektórych zastosowaniach dla rozmiarów maski 3x3, uzyskiwane wyniki są za mało dokładne. Dla masek o takim rozmiarze zaleca się stosowanie filtrów Scharra, które są tak samo szybkie jak filtry Sobela, ale nie powodują wystąpienia ww. niedogodności [1]. Na rysunku 2.3 przedstawiono operator Scharra w postaci maski 3x Rys Operatory Scharra w postaci masek 3x3 [1] 1.3 Rozmiar maski Na rysunku 2.2 przedstawiono poszczególne składowe gradientu dla wybranego obrazu, otrzymane po zastosowaniu operatora Sobela, dla masek 3x3 oraz 5x5. Należy zauważyć, że im mniejszy rozmiar maski (szczególnie jest to widoczne na przykładzie masek o rozmiarze 2x2, tzw. operatorach Robertsa) tym większa wrażliwość na szumy. Większy rozmiar jądra pozwala na lepszą aproksymację 6915
3 pochodnej, przede wszystkim ze względu na większa liczbę pikseli branych pod uwagę przy obliczeniach [1][3]. a) b) c) d) e) Rys Filtrowanie przy użyciu operatora Sobela: a) oryginalny obraz, b) maska pozioma 5x5, c) maska pionowa 5x5, d) maska pozioma 3x3, e) maska pionowa 3x3 [opracowanie własne] 2. BADANIA Celem badań była detekcja kodu kreskowego z wybranych produktów, przy pomocy filtrów gradientowych oraz wybranych operacji przetwarzania obrazów. Rysunek 2.3 przedstawia obraz produktu spożywczego, na którym znajduje się kod kreskowy oraz jego wersja w skali szarości, na której będą dokonywane dalsze operacje. Poniżej przedstawiono poszczególne kroki zastosowanego algorytmu wraz z rezultatami otrzymanymi po każdym z etapów. 2.1 Obliczenie składowych wektora gradientu w kierunku poziomym i pionowym W celu realizacji dalszych kroków algorytmu konieczne jest obliczenie składowych wektora gradientu w obu kierunkach. Na rysunku 2.4 przedstawiono uzyskane obrazy. Zastosowano filtr Scharra o rozmiarze maski 3x
4 a) b) Rys Badany produkt: a) oryginalny obraz, b) obraz w skali szarości [opracowanie własne] a) b) Rys Składowe wektora gradientu: a) składowa G x, b) składowa G y [opracowanie własne] 2.2 Różnica składowych wektora gradientu W kolejnym etapie algorytmu dokonywana jest operacja odjęcia składowej G y od G x wektora gradientu w celu ujawnienia obszaru, w którym znajduje się kod kreskowy. Po zastosowaniu ww. działania na przetworzonym obrazie pozostają rejony z wysokim gradientem poziomym i niskim gradientem pionowym. Rezultat przedstawiono na rysunku 2.5.a. 2.3 Wygładzenie obrazu i progowanie W celu usunięcia szumu wysokiej częstotliwości z gradientowej reprezentacji obrazu zastosowano uśrednianie przy pomocy znormalizowanego filtra o wymiarach 9x9. Oprócz usunięcia wspomnianego szumu, kolejnym rezultatem jest rozmycie (ang. blur) krawędzi. Następnie wszystkie piksele, których wartość funkcji jasności jest mniejsza od założonej wartości progowej (w tym przypadku było to 225) ustawiane są na wartość 0, czyli na czarny kolor. Na rysunku 2.5.b przedstawiono obraz po zastosowaniu wygładzenia i progowania [1][5]. 6917
5 a) b) Rys Kolejne etapy przetwarzania obrazu: a) zobrazowanie różnicy składowych wektora gradientu, b) wygładzenie przetwarzanego obrazu [opracowanie własne] 2.4 Zastosowanie transformacji morfologicznych Należy zauważyć, że między pionowymi paskami kodu mogą pojawić się przerwy (ang. gaps). Zależy to m.in. od rodzaju badanego kodu oraz parametrów użytych metod. Aby pozbyć się tych obszarów można zastosować morfologiczną operację zamykania (ang. closing), której celem jest usunięcie wybranych małych obszarów. Transformacja ta realizowana jest poprzez wykonanie dwóch innych transformacji morfologicznych w wymienionej kolejności: a) operacji dylatacji (ang. dilation), która realizowana jest poprzez splot obrazu z jądrem o teoretycznie dowolnym kształcie i rozmiarze (w tym przypadku jest to prostokąt o ustalonych wymiarach, dopasowanych do obszaru poszukiwanego kodu). Celem transformacji jest rozszerzenie zasięgu jednego obszaru względem drugiego. a) b) Rys Kolejne etapy przetwarzania obrazu:a) operacja zamykania, b) obraz po serii dylatacji i erozji [opracowanie własne] b) operacji erozji (ang. erosion), która w literaturze przedmiotu często nazywana jest siostrą dylatacji. Jej celem z kolei jest zawężenie zasięgu jednego obszaru względem drugiego [1][4]. Na rysunku 2.6.a przedstawiono rezultat zastosowania operacji zamykania na przetwarzanym obrazie. Nie wszystkie niepożądane obszary zostały usunięte, dlatego zastosowano serię dylatacji i erozji. Pierwsza z nich ma za zadanie usunąć białe piksele (lub niewielkie obszary białych pikseli), natomiast druga operacja pozwala rozszerzyć obszar białych pikseli, które pozostały. Rezultat 6918
6 przedstawiono na rysunku 2.6.b. W przypadku powodzenia ww. operacji, obszary które zostały usunięte podczas erozji nie pojawią się już podczas dylatacji [1][3]. Jeżeli kolejne kroki algorytmu przebiegły pomyślnie, ostatnim etapem jest znalezienie największego konturu w przetwarzanym obrazie. Należy określić tzw. pole ograniczenia (ang. boundingbox), które pozwoli na skuteczne wskazanie poszukiwanego kodu kreskowego. Efekt końcowy działania algorytmu przedstawiono na rysunku 2.7.a. Udana realizacja algorytmu dla innego obrazu przedstawiona została na rysunku 2.7.b. Omówiony algorytm nie zawsze jednak jest skuteczny. Na rysunkach 2.7.c i 2.7.d przedstawiono efekt działania algorytmu dla innego obrazu z kodem kreskowym i z identycznymi parametrami. W tym przypadku obszar występowania kodu kreskowego nie został wskazany właściwie. a) b) c) d) Rys Detekcja kodu kreskowego: a, b) realizacje prawidłowe, c, d) realizacje nieprawidłowe [opracowanie własne] WNIOSKI Opisana metoda detekcji kodu kreskowego w przetwarzanym obrazie jest stosunkowo prosta, dlatego nie zawsze możliwe jest uniknięcie błędów. W algorytmie założona jest gradientowa reprezentacja obrazu, stąd może mieć on zastosowanie tylko do odpowiednio usytuowanego kodu kreskowego. Istnieje szereg sposobów na poprawę skuteczności opisywanego algorytmu. Na pewno wart rozważenia jest wybór innego filtru (np. filtru Gaussa lub medianowego) w celu wygładzenia obrazu lub zmiana wybranych parametrów filtrów i funkcji użytych w czasie detekcji kodu. Aczkolwiek te proste zabiegi mogą okazać się niewystarczające. Interesującym i bardziej prawdopodobnym sposobem na poprawę detekcji kodu kreskowego jest zastosowanie technik uczenia maszynowego (ang. Machine Learning) takich jak histogram 6919
7 zorientowanych gradientów HOG (ang. Histogram of OrientedGradients) w połączeniu z klasyfikatorem SVM lub kaskady Haara [4][5]. Pokazany algorytm może stanowić podstawę do dalszych badań dotyczących detekcji kodów kreskowych z wykorzystaniem filtrów gradientowych i transformat morfologicznych. Streszczenie W artykule przedstawiono krótką charakterystykę kodów kreskowych. Omówiono gradient funkcji jasności i sposoby jego wyznaczania, a także wybrane filtry gradientowe stosowane w cyfrowym przetwarzaniu obrazów, takie jak operator Sobela i operator Scharra. Pokazano ich praktyczne zastosowanie w procesie detekcji kodu kreskowego, umieszczonego na obrazie wybranego produktu. Przedstawiony został algorytm, który pozwala na wykrycie obszaru, w którym znajduje się kod kreskowy. Omówiono praktyczne działanie wybranych transformacji morfologicznych, takich jak dylatacja, erozja i zamknięcie w kontekście realizacji poszczególnych kroków algorytmu. Wskazane zostały wady i zalety zastosowanej metody oraz pokazano możliwości poprawy i rozwoju algorytmu detekcji kodów kreskowych poprzez użycie bardzie zaawansowanych technik uczenia maszynowego. Słowa kluczowe: filtry gradientowe, transformaty morfologiczne, cyfrowe przetwarzanie obrazów. Detection of barcodes in images with gradient filters and morphology transformations Abstract In the article a brief description of barcodes was presented. Luminosity function gradient and ways of its determination were discussed, as well as selected gradient filters used in digital image processing, such as Sobel operator and the Scharr operator. Their practical application in the detection of bar code stamped on the product image was shown. The algorithm which can detect the area of the barcode was presented. The practical effect of the selected morphological transformation, such as dilation, erosion and closing in the context of the individual steps of the algorithm was discussed. Advantages and disadvantages of the used method were presented. Also ways to improve and develop of barcode detection algorithm by using of more advanced machine learning techniques were discussed. Keywords: gradient filters, morphology transforms, digital images processing. BIBLIOGRAFIA 1. G. Bradski, A. Kaehler, Learning OpenCV, O Reilly, Sebastopol, R. Maini, S. Kaur, Implementation of Barcode Localization Technique using Morphological Operations, International Journal of Computer Applications, Volume 97 No.13, July 2014, pp W. Malina, M. Smiatacz, Cyfrowe przetwarzanie obrazów, Akademicka Oficyna Wydawnicza EXIT, Warszawa, OpenCV, oficjalna dokumentacja biblioteki OpenCV, dostęp luty R. Woods, R. Gonzalez, Digital Image Processing, Pearson, C. Zhang, J. Wang, S. Han, Automatic Real-Time Barcode Localization in Complex Scenes,Proceedings of the International Conference on Image Processing, ICIP 2006, October 8-11, Atlanta, Georgia, USA. 6920
Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej 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 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 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 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 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 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 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 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 szczegółowoSystem rozpoznawania cyfr oparty na histogramie zorientowanych gradientów
ZACNIEWSKI Artur 1 System rozpoznawania cyfr oparty na histogramie zorientowanych gradientów WSTĘP Mimo wszechobecnych nowych technologii, odręczne pismo utrzymuje się jako środek komunikacji międzyludzkiej
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 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 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 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 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 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 szczegółowozna wybrane modele kolorów i metody transformacji między nimi zna podstawowe techniki filtracji liniowej, nieliniowej dla obrazów cyfrowych
Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Kod modułu Język kształcenia Wydział Matematyki i Informatyki Instytut Informatyki Przetwarzanie i analiza obrazów cyfrowych w
Bardziej 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 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 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 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 szczegółowoE-I2G-2008-s1. Informatyka II stopień (I stopień / II stopień) Ogólnoakademicki (ogólno akademicki / praktyczny)
KARTA MODUŁU / KARTA PRZEDMIOTU Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. Kod modułu E-I2G-2008-s1 Nazwa modułu Zaawansowane przetwarzanie obrazów Nazwa modułu w języku angielskim
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 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 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 szczegółowoWYKŁAD 7. Obraz z wykrytymi krawędziami: gdzie 1 - wartość konturu, 0 - wartość tła.
WYKŁAD 7 Elementy segmentacji Obraz z wykrytymi krawędziami: Detektory wzrostu (DTW); badanie pewnego otoczenia piksla Lokalizacja krawędzi metodami: - liczenie różnicy bezpośredniej, - liczenie różnicy
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 szczegółowodr inż. Tomasz Krzeszowski
Metody cyfrowego przetwarzania obrazów dr inż. Tomasz Krzeszowski 2017-05-20 Spis treści 1 Przygotowanie do laboratorium... 3 2 Cel laboratorium... 3 3 Przetwarzanie obrazów z wykorzystaniem oprogramowania
Bardziej 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 szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5
5. FILTRY LINIOWE I STATYSTYCZNE. WYRÓWNYWANIE TŁA. Znacznie większe znaczenie w przetwarzaniu obrazu niż operacje punktowe mają takie przekształcenia w których zmiana poziomu szarości piksela zależy nie
Bardziej szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 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 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 szczegółowoCyfrowe przetwarzanie obrazów. Dr inż. Michał Kruk
Cyfrowe przetwarzanie obrazów Dr inż. Michał Kruk Przekształcenia morfologiczne Morfologia matematyczna została stworzona w latach sześddziesiątych w Wyższej Szkole Górniczej w Paryżu (Ecole de Mines de
Bardziej 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 szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 9 AiR III
1 Na podstawie materiałów autorstwa dra inż. Marka Wnuka. Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania
Bardziej 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 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 szczegółowomaska 1 maska 2 maska 3 ogólnie
WYKŁAD 4 Detekcja krawędzi, operacje morfologiczne Detekcja (wykrywanie) krawędzi (edge detection) jest to technika segmentacji obrazu, polegająca na znajdowaniu piksli krawędziowych przez sprawdzanie
Bardziej szczegółowoOptymalizacja ciągła
Optymalizacja ciągła 5. Metoda stochastycznego spadku wzdłuż gradientu Wojciech Kotłowski Instytut Informatyki PP http://www.cs.put.poznan.pl/wkotlowski/ 04.04.2019 1 / 20 Wprowadzenie Minimalizacja różniczkowalnej
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 szczegółowoALGORYTMY WYKRYWANIA KRAWĘDZI W OBRAZIE
POZNAN UNIVERSITY OF TECHNOLOGY ACADEMIC JOURNALS No 96 Electrical Engineering 2018 DOI 10.21008/j.1897-0737.2018.96.0021 Paweł KOWALSKI *, Maciej CZYŻAK * ALGORYTMY WYKRYWANIA KRAWĘDZI W OBRAZIE Wykrywanie
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 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 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 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 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 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 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 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 szczegółowoMetody systemowe i decyzyjne w informatyce
Metody systemowe i decyzyjne w informatyce Laboratorium MATLAB Zadanie nr 2 Detekcja twarzy autorzy: A. Gonczarek, J.M. Tomczak Cel zadania Celem zadania jest zapoznanie się algorytmem gradientu prostego
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 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 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 szczegółowoDetekcja punktów zainteresowania
Informatyka, S2 sem. Letni, 2013/2014, wykład#8 Detekcja punktów zainteresowania dr inż. Paweł Forczmański Katedra Systemów Multimedialnych, Wydział Informatyki ZUT 1 / 61 Proces przetwarzania obrazów
Bardziej szczegółowoRozpoznawanie obiektów z użyciem znaczników
Rozpoznawanie obiektów z użyciem znaczników Sztuczne znaczniki w lokalizacji obiektów (robotów) Aktywne znaczniki LED do lokalizacji w przestrzeni 2D (do 32): Znaczniki z biblioteki AruCo (do 1024) Id
Bardziej szczegółowoInstalacja. pip install opencv-python. run pip install opencv-contrib-python CZĘŚĆ II
Instalacja pip install opencv-python run pip install opencv-contrib-python CZĘŚĆ II Przydatne Potrzebne importy: import cv2 import numpy as np Odczyt, zapis i wyświetlanie obrazu: img=cv2.imread('cell.jpg')
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 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 szczegółowo10. Redukcja wymiaru - metoda PCA
Algorytmy rozpoznawania obrazów 10. Redukcja wymiaru - metoda PCA dr inż. Urszula Libal Politechnika Wrocławska 2015 1 1. PCA Analiza składowych głównych: w skrócie nazywana PCA (od ang. Principle Component
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 szczegółowoElektronika i Telekomunikacja I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny)
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 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 szczegółowoWSTĘP DO PRZETWARZANIA OBRAZÓW. Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński
WSTĘP DO PRZETWARZANIA OBRAZÓW Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński Czym jest obraz? Na nasze potrzeby będziemy zajmować się jedynie obrazami w skali szarości. Większość z omawianych
Bardziej 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 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 szczegółowoTechniki Optymalizacji: Stochastyczny spadek wzdłuż gradientu I
Techniki Optymalizacji: Stochastyczny spadek wzdłuż gradientu I Wojciech Kotłowski Instytut Informatyki Politechniki Poznańskiej email: imię.nazwisko@cs.put.poznan.pl pok. 2 (CW) tel. (61)665-2936 konsultacje:
Bardziej szczegółowoOptymalizacja systemów
Optymalizacja systemów Laboratorium - problem detekcji twarzy autorzy: A. Gonczarek, J.M. Tomczak, S. Zaręba, P. Klukowski Cel zadania Celem zadania jest zapoznanie się z gradientowymi algorytmami optymalizacji
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 szczegółowoTransformata Fouriera i analiza spektralna
Transformata Fouriera i analiza spektralna Z czego składają się sygnały? Sygnały jednowymiarowe, częstotliwość Liczby zespolone Transformata Fouriera Szybka Transformata Fouriera (FFT) FFT w 2D Przykłady
Bardziej 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 szczegółowoSzacowanie wartości monet na obrazach.
Marcin Nieściur projekt AiPO Szacowanie wartości monet na obrazach. 1. Wstęp. Celem projektu było stworzenie pluginu do programu ImageJ pozwalającego na szacowanie wartości monet znajdujących się na obrazach
Bardziej szczegółowoRok akademicki: 2017/2018 Kod: RIA s Punkty ECTS: 2. Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne
Nazwa modułu: Przetwarzanie obrazów Rok akademicki: 2017/2018 Kod: RIA-1-705-s Punkty ECTS: 2 Wydział: Inżynierii Mechanicznej i Robotyki Kierunek: Inżynieria Akustyczna Specjalność: Poziom studiów: Studia
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 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 szczegółowoANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU
ANALIZA SEMANTYCZNA OBRAZU I DŹWIĘKU obraz dr inż. Jacek Naruniec Analiza Składowych Niezależnych (ICA) Independent Component Analysis Dąży do wyznaczenia zmiennych niezależnych z obserwacji Problem opiera
Bardziej szczegółowoPROJECT OF FM TUNER WITH GESTURE CONTROL PROJEKT TUNERA FM STEROWANEGO GESTAMI
Bartosz Wawrzynek I rok Koło Naukowe Techniki Cyfrowej dr inż. Wojciech Mysiński opiekun naukowy PROJECT OF FM TUNER WITH GESTURE CONTROL PROJEKT TUNERA FM STEROWANEGO GESTAMI Keywords: gesture control,
Bardziej szczegółowoTransformata 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 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 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 szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: ANALIZA I PRZETWARZANIE OBRAZÓW CYFROWYCH Kierunek: Informatyka Rodzaj przedmiotu: moduł specjalności obowiązkowy: Programowanie aplikacji internetowych Rodzaj zajęć: wykład, laboratorium
Bardziej szczegółowoAutomatyka i Robotyka II stopień ogólno akademicki
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 2013/2014
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 szczegółowoDeskryptory punktów charakterystycznych
Przetwarzanie i Rozpoznawanie Obrazów May 18, 2016 1/41 Wstęp 2/41 Idea Często spotykany (typowy) schemat przetwarzanie obrazu/sekwencji wideo: 1 Detekcja punktów charakterystycznych 2 Opis wyznaczonych
Bardziej szczegółowoOPERACJE MORFOLOGICZNE NA OBRAZACH W ODCIENIACH SZAROŚCI ZASTOSOWANIE NA POTRZEBY WIZJI KOMPUTEROWEJ
STUDIA INFORMATICA 2004 Volume 25 Number 2 (58) Adam ŚWITOŃSKI, Katarzyna STĄPOR Politechnika Śląska, Instytut Informatyki OPERACJE MORFOLOICZNE NA OBRAZACH W ODCIENIACH SZAROŚCI ZASTOSOWANIE NA POTRZEBY
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 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 szczegółowoKARTA 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 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 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 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 szczegółowoWYKŁAD 9 METODY ZMIENNEJ METRYKI
WYKŁAD 9 METODY ZMIENNEJ METRYKI Kierunki sprzężone. Metoda Newtona Raphsona daje dobre przybliżenie najlepszego kierunku poszukiwań, lecz jest to okupione znacznym kosztem obliczeniowym zwykle postać
Bardziej szczegółowoWYBÓR PUNKTÓW POMIAROWYCH
Scientific Bulletin of Che lm Section of Technical Sciences No. 1/2008 WYBÓR PUNKTÓW POMIAROWYCH WE WSPÓŁRZĘDNOŚCIOWEJ TECHNICE POMIAROWEJ MAREK MAGDZIAK Katedra Technik Wytwarzania i Automatyzacji, Politechnika
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 szczegółowoSYSTEM WIZYJNY ROBOTA KLASY LINEFOLLOWER
SYSTEM WIZYJNY ROBOTA KLASY LINEFOLLOWER Projekt z cyfrowego przetwarzania obrazów i sygnałów Autor: Grzegorz Biziel Prowadzący: mgr inż. Łukasz Małek Termin: wtorek parzysty 13:15 27 stycznia 2010 1 Problem
Bardziej szczegółowoMetoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych
inż. Marek Duczkowski Metoda określania pozycji wodnicy statków na podstawie pomiarów odległości statku od głowic laserowych słowa kluczowe: algorytm gradientowy, optymalizacja, określanie wodnicy W artykule
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 szczegółowoLaboratorium Przetwarzania Sygnałów
PTS - laboratorium Laboratorium Przetwarzania Sygnałów Ćwiczenie 6 Interpolacja i histogram obrazów Opracowali: dr inż. Krzysztof Mikołajczyk dr inż. Beata Leśniak-Plewińska Zakład Inżynierii Biomedycznej
Bardziej szczegółowoWedług raportu ISO z 1988 roku algorytm JPEG składa się z następujących kroków: 0.5, = V i, j. /Q i, j
Kompresja transformacyjna. Opis standardu JPEG. Algorytm JPEG powstał w wyniku prac prowadzonych przez grupę ekspertów (ang. Joint Photographic Expert Group). Prace te zakończyły się w 1991 roku, kiedy
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 szczegółowo