REPREZENTACJA OBRAZU KODOWANIE OBRAZU METRYKA SPOSOBY PRZEGLĄDU OBRAZU KOMPRESJA OBRAZU MODELOWANIE KOLORU
|
|
- Feliks Kulesza
- 6 lat temu
- Przeglądów:
Transkrypt
1 REPREZENTACJA OBRAZU KODOWANIE OBRAZU METRYKA SPOSOBY PRZEGLĄDU OBRAZU KOMPRESJA OBRAZU MODELOWANIE KOLORU WYKŁAD 05 Marek Doros
2 Przetwarzanie obrazów Wykład 05 2 Postacie obrazów na różnych etapach procesu przetwarzania
3 Przetwarzanie obrazów Wykład 05 3 Klasy obrazów Klasa 1 Obrazy o pełnej skali stopni jasności, typowe parametry: N=512, M=256 Reprezentacja rastrowa: np. tablica 512x512 jednobajtowych elementów (true color - 3 bajty NxN) Klasa 2 Obrazy binarne: tablica NxN np. 512x512 elementów jednobitowych (również reprezentacja rastrowa). Klasa 3 Krzywe dyskretne - zbiór punktów (pikseli) rastru prostokątnego z których każdy (oprócz punktów końcowych) posiada nie mniej niż 2 i nie więcej niż 3 sąsiadów odpowiednio skonfigurowanych. Punkty końcowe: 1-2 sąsiadów. Krzywe otwarte, krzywe zamknięte. Klasa 4 Punkty lub wieloboki. Punkty tak od siebie oddalone, że nie mogą być reprezentowane przez kod łańcuchowy. Reprezentacja: tablica współrzędnych punktów. Łączenie prostymi lub krzywymi o zadanych parametrach.
4 Przetwarzanie obrazów Wykład 05 4 Krzywa dyskretna Zbiór pikseli siatki prostokątnej (rastru prostokątnego) z których każdy (oprócz pikseli końcowych) posiada nie mniej niż 2 i nie więcej niż 3 sąsiadów odpowiednio skonfigurowanych (w sensie sąsiedztwa 8-mio lub 4-spójnego). Piksele końcowe: 1-2 sąsiadów.)
5 Przetwarzanie obrazów Wykład 05 5 Krzywe dzielimy na: otwarte, zamknięte. Kierunki Reprezentacja krzywych Ciąg par współrzędnych x, y kolejnych punktów krzywej: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ), (0,5), (1,4),...,(7,0) (krzywa z przykładu) Kod łańcuchowy (chain code) o stałej długości (3 bity/punkt): (0,5) (0,5) - współrzędne punktu początkowego krzywej z przykładu kod kierunku 1 Długość kodu łańcuchowego o stałej długości nie zależy do kształtu krzywej (określonego zmianami kierunków pomiędzy kolejnymi pikselami krzywej).
6 Przetwarzanie obrazów Wykład 05 6 Różnicowy kod łańcuchowy (o zmiennej długości, średnio 2 bity / piksel, długość kodu zależy od kształtu krzywej). Przypisania: zmienna nachylenia kod , +2, +3, 4 - zmiana nachylenia o 1,2,3,4 w kierunku dodatnim - 1, -2, -3, 4 - zmiana nachylenia o 1,2,3,4 w kierunku ujemnym Krzywa z przykładu (0,5) Dla jednoznacznego opisu krzywej powyższy kod musi zawierać: (0,5) - współrzędne punktu początkowego krzywej z przykładu kod łańcuchowy 0 - różnicowy kod łańcuchowy
7 Przetwarzanie obrazów Wykład 05 7 Technika dyskretyzacji krzywych Schemat dyskretyzacji Freemana (w procesie akwizycji obrazu) Zasada: badanie każdego punktu przecięcia się krzywej z linią łączącą dwa kolejne węzły siatki (rastru). Wybór węzła rastru leżącego bliżej punktu przecięcia. Wybrany węzeł należy do pikseli tworzących krzywą dyskretną. Punkt niejednoznaczności (ambiguity point) - punkt przecięcia jednakowo odległy od obu rozważanych węzłów siatki (rastru). W tym przypadku wybór węzła do utworzenia krzywej dyskretnej następuje według dodatkowej reguły (np. prawy z dwóch węzłów tworzących odcinek poziomy lub górny z dwóch węzłów tworzących odcinek pionowy.
8 Przetwarzanie obrazów Wykład 05 8
9 Przetwarzanie obrazów Wykład 05 9 Tworzenie obrazów na podstawie ich reprezentacji Grafika wektorowa (tworzenie obrazów klas 3 i 4) Modyfikacja kształtu i - tego obiektu bez ingerencji w pozostałe sekwencje. Częstotliwość odtwarzania jest odwrotnie proporcjonalna do długości pętli. Zajętość pamięci zależy od rodzaju obiektów na obrazie. Grafika rastrowa - tworzenie obrazów wielo- lub dwupoziomowych (binarnych), czyli klasy 1 i 2. Modyfikacja kształtu obiektu ingeruje w postać innych obiektów.
10 Przetwarzanie obrazów Wykład Rozwiązanie problemu Podział pamięci na strefy i tworzenie obrazu każdego obiektu w oddzielnej strefie. P 1, P 2, P 3, P 4 - dotyczą tych samych współrzędnych ekranu
11 Przetwarzanie obrazów Wykład Przykład Obraz 16x16 pikseli, 256 poziomów jasności.
12 Przetwarzanie obrazów Wykład Reprezentacja rastrowa Jeden piksel obrazu zajmuje jedną komórkę (jednobajtową) pamięci. Zawartość pamięci 16x16x1 bajt=256 bajtów. Na oddzielne przechowywanie zarówno obiektu A jak i obiektu B potrzeba 256 bajtów. Tablica jednowymiarowa: Obiekt A nr elementu: wartość elementu:
13 Przetwarzanie obrazów Wykład Reprezentacja wektorowa Jeden piksel obiektu - współrzędne x, y oraz poziom jasności z. Obraz - tablica elementów trójskładnikowych: Obiekt A (4,2,5), (5,2,3),..., (6,5,2) Zadanie Obliczyć zajętość pamięci (w bajtach) przez obiekty A i B w obrazie 256x256 przy dwóch rodzajach reprezentacji.
14 Przetwarzanie obrazów Wykład Edytor obrazowy Program do wprowadzania i modyfikacji danych obrazowych (dla porównania: edytor tekstowy służy do wprowadzania i modyfikacji tekstu) Edytor punktowy Program do wprowadzania, modyfikacji i adresowania (wskazywania) punktów. Struktura danych dla edytora punktowego: Tablica dwuwymiarowa współrzędnych (x,y) punktów Połączona lista (łatwiejsza dla użytkownika) Elementy listy są czteroskładnikowe: x - współrzędna x, y - współrzędna y, p - adres poprzedniego elementu na liście n - adres następnego elementu na liście. Realizacja struktury - cztery tablice jednowymiarowe z indeksem tablicy służącym jako adres.
15 Przetwarzanie obrazów Wykład Przykład (5,8,0,2) - element poprzedni nie istnieje (11,22,1,3) (14,18,2,0) - element następny nie istnieje. Wprowadzenie punktu (9,10) między pierwszym a drugim punktem daje następującą listę: (5,8,0,4); (11,22,4,3); (14,18,2,0); (9,10,1,2)
16 Przetwarzanie obrazów Wykład Metryka Liczenie różnic pomiędzy obrazami 2 sposoby 1. Różnica pomiędzy dwoma wektorami reprezentującymi porównywane obrazy (metryka) 2. Różnica pomiędzy dwiema tablicami reprezentującymi porównywane obrazy (operacja jednopunktowa dwuargumentowa)
17 Przetwarzanie obrazów Wykład Obraz jako wektor (punkt w przestrzeni n-wymiarowej): d [ d,..., d ] d D 1 n T n liczba pikseli obrazu, np. N 2 D przestrzeń obrazów Wartości odpowiednich składowych wektora zależą od sposobu przeglądu obrazu (np. 1,2) dwa sposoby przeglądu linia po linii, 3) krzywa Hilberta.
18 Przetwarzanie obrazów Wykład Metryka odwzorowanie wszystkich wektorów : X X R spełniające dla 1, 2,... założenia (warunki): x X x, x 0 x x x, x x, x - tożsamość - symetria, x, x x, x x, x - warunek trójkąta. Gdzie: X - przestrzeń wektorów R * - zbiór liczb nieujemnych Zastosowanie praktyczne obliczanie różnic pomiędzy poszczególnymi obrazami
19 Przetwarzanie obrazów Wykład Sposoby przeglądu obrazu 1. Linia po linii (wiersz po wierszu) 1-szy sposób Przykład N=4 2. Linia po linii (wiersz po wierszu) 2-gi sposób Przykład N=4
20 Przetwarzanie obrazów Wykład Według krzywej Hilberta rzędu k Rekurencyjny algorytm generowania krzywych Hilberta. Z czterech krzywych rzędu k-1 budowana jest krzywa rzędu k. Przykład k=3 Krzywa Hilberta rzędu 3. Obraz o rozmiarach 8x8 (N=8) Uwaga Obraz o rozmiarach 4x8 (tzn. N1=4, N2=8) również można pokryć krzywą Hilberta (p. lewa lub prawa połowa powyższego obrazu)
21 Przetwarzanie obrazów Wykład Metryka Euklidesowa ( x, x ) ( x x ) 1 n 1 2 Wady i zalety metryki Euklidesowej - odpowiada obiegowej definicji odległości - ignorowanie składowych o b. małych wymiarach, długie czasy obliczeń (pierwiastkowanie, podnoszenie do kwadratu) Uogólniona metryka Euklidesowa ( x, x ) x x 2 n mnożniki normalizujące
22 Przetwarzanie obrazów Wykład Metryka uliczna (Manhattan, city block distance): 3 x, x x x n 1 Uogólniona metryka uliczna 4 n x, x x x 1 Metryka Czebyszewa (maksymalna) 5 x x x x, max 1 n Oznaczenia T x x x x T [ 1,...,... n ] x [ x,... x,... x n ] 1
23 Przetwarzanie obrazów Wykład Przykład Obliczyć różnicę (stosując metrykę euklidesową) pomiędzy dwoma obrazami trzypikslowymi 1 T d [ d, d, d ] [ 2, 3, 5], d [ d, d, d ] [ 1, 4, 5] T i i i ( d, d ) ( d d ) ( 2 1) ( 3 4) ( 5 5) 2
24 Przetwarzanie obrazów Wykład Obraz jako tablica Obliczanie wartości bezwzględnych różnic pomiędzy odpowiednimi pikselami dwóch obrazów [ c ij ]=[a ij -b ij ] [a ij ] [ b ij ] a ij -b ij c ij = a ij -b ij
25 Przetwarzanie obrazów Wykład KOMPRESJA OBRAZÓW Cele kompresji archiwizacja, przesyłanie. Stopień kompresji obrazu SK = KP KW SK - stopień kompresji obrazu. KP [bajt] - obszar pamięci zajmowany przez kod pierwotny obrazu. Kod pierwotny - reprezentacja rastrowa lub wektorowa. KW [bajt] - obszar pamięci zajmowany przez kod wynikowy obrazu. Rodzaje kompresji: - kompresja bezstratna (lossless compression) - kompresja stratna (lossy compression)
26 Przetwarzanie obrazów Wykład Kompresja bezstratna (lossless compression) Własność x, x 0 x x ρ - wektor reprezentujący obraz pierwotny - wektor reprezentujący obraz odtworzony (zrekonstruowany) - wartość metryki Wybrane metody kompresji bezstratnej obrazów rastrowych: Kompresja obrazów z obszarami o jednolitej jasności Kompresja obrazów z obszarami o niejednolitej jasności
27 Przetwarzanie obrazów Wykład 5 27 Kompresja obrazów z obszarami o jednolitej jasności Kodowanie ciągów identycznych symboli ciąg identycznych symboli - para zawiera 1 symbol i liczbę jego powtórzeń Przykład: 7,7,8,9,10,10,10,10,9,9,9,8,7,7,7 7(2), 8(1), 9(1), 10(4), 9(3), 8(1), 7(3). Uwaga: dla obrazów o dużych obszarach o jednolitej jasności przegląd według krzywej Hilberta daje z reguły dłuższe ciągi identycznych symboli niż w przypadku przeglądu linia po linii Praktyczna realizacja metody kodowania ciągów identycznych symboli: formaty obrazowe: *.PCX, *.PIC
28 Przetwarzanie obrazów Wykład Kodowanie drzewiaste odwzorowanie obrazu w drzewo (szczególny przypadek grafu), czyli odwzorowanie piksli lub podzbiorów piksli w węzły (wierzchołki) drzewa. Przegląd siatki dyskretnej obrazu realizowany poprzez przegląd drzewa będącego odwzorowaniem tego obrazu. Powszechnie stosowane są drzewa czwórkowe i drzewa binarne Terminologia z zakresu teorii grafów Graf - zbiór punktów lub wierzchołków (węzłów) połączonych liniami lub gałęziami Droga cykliczna - droga, której początek i koniec pokrywają się. Graf jest spójny istnieje droga między dowolną parą wierzchołków. Stopień wierzchołka - liczba gałęzi spotykających się w nim. Graf zorientowany - część lub wszystkie gałęzie są ukierunkowane. Stopień zewnętrzny lub wewnętrzny wierzchołka - liczba gałęzi skierowanych od i do wierzchołka
29 Przetwarzanie obrazów Wykład Drzewo graf spójny bez dróg cyklicznych; poziomy: górne, dolne; stopień wierzchołka: górny i dolny Podgraf grafu G - graf zawierający część lub wszystkie wierzchołki G oraz część lub wszystkie jego gałęzie i nie ma innych wierzchołków lub gałęzi. Drzewo rozpinające grafu spójnego G - podgraf G zawierający wszystkie wierzchołki G oraz liczbę gałęzi wystarczającą aby był spójny bez dróg cyklicznych.
30 Przetwarzanie obrazów Wykład Odpowiedniki w odwzorowaniu obraz - graf Siatka dyskretna - graf Wierzchołki grafu - elementy obrazu. Struktura do przechowywania wierzchołków - stos. Gałęzie - łączą wierzchołki odpowiadające sąsiednim elementom. Dane: współrzędne x, y oraz ich jasność. Problem: znalezienie wierzchołków przyległych do danego wierzchołka. Typowy algorytm przeglądania grafu odpowiada algorytmowi przeglądania obrazu Manipulacja stosem. Usuwanie węzłów (manipulowanie kolejką).
31 Przetwarzanie obrazów Wykład Piramidy albo drzewa czwórkowe (odwzorowanie obrazu w drzewo czwórkowe) Obraz - postać macierzy kwadratowej A o wymiarach 2 n x 2 n. Powtarzany rekursywnie n razy proces podziału A na 4 macierze kwadratowe aż do osiągnięcia poziomu pojedynczego elementu obrazu. Przedstawienie podziału w postaci drzewa, którego wierzchołki (węzły) odpowiadają kwadratom. Wszystkie wierzchołki oprócz liści (wierzchołków stopnia 1) są stopnia dolnego 4, stąd: drzewo czwórkowe.
32 Przetwarzanie obrazów Wykład Długość etykiety pojedynczego elementu wynosi n (np. dla n=3 obraz 8x8) Poziom k zawiera 4 k kwadratów. Stąd liczba wierzchołków drzewa: n N= 4k k= 0 n n tzn. ok. 1/3 więcej wierzchołków niż elementów. Tak więc w przypadku, gdy w odwzorowaniu obrazu w drzewo jeden wierzchołek drzewa odpowiada jednemu pikslowi, tzn. gdy nie ma obszarów (złożonych z więcej niż jednego piksla) o takiej samej jasności, występuje ekspansja obrazu przeciwieństwo kompresji.
33 Przetwarzanie obrazów Wykład System adresowania kwadratów Typowe algorytmy Algorytm tworzenia drzewa czwórkowego z obrazu przeglądanego wiersz po wierszu Rekonstrukcja obrazu na podstawie drzewa czwórkowego. Wyświetlanie zgrubne np. w czasie T c /2, gdzie T c - całkowity czas odtworzenia obrazu. W reprezentacji macierzowej w czasie T c /2 wyświetli się połowa obrazu. Kompresja obrazu za pomocą drzewa czwórkowego (przy dostatecznie dużych obszarach o jednolitej jasności).
34 Przetwarzanie obrazów Wykład Drzewa binarne Zaleta mniejsza zmiana rozdzielczości przy zmianie poziomu (dwukrotna) niż w przypadku drzewa czwórkowego (czterokrotna). Jeżeli przy drzewach czwórkowych każda transmisja czterokrotnie zwiększa rozdzielczość, to dla drzew binarnych jedynie ją podwaja. Stąd, przy tej samej całkowitej ilości danych w obydwu metodach, dla drzew binarnych powstaje wcześniej obraz bardziej odpowiadający oryginałowi.
35 Przetwarzanie obrazów Wykład Kompresja obrazów z obszarami o niejednolitej jasności Kod Huffmana - kod o zmiennej długości słowa. Sposób postępowania: Przypisanie każdemu poziomowi jasności częstości występowania pikseli o tym poziomie jasności (utworzenie histogramu). Wyszukanie 2 poziomów o najmniejszej częstości występowania i połączenie w jeden o częstości występowania równej sumie tych poziomów. Schemat łączenia - drzewo Huffmana.
36 Przetwarzanie obrazów Wykład Histogram n j - liczba piksli o jasności (poziomie jasności, wartości) p j, N 2 - liczba piksli obrazu p - poziom jasności Praktyczna realizacja kodu Huffmana - format obrazowy *.TGA
37 Przetwarzanie obrazów Wykład Wada kodu Huffmana konieczność przyłączania do zakodowanego obrazu biblioteki użytych kodów (odpowiadających zadanym poziomom jasności). Rozmiar biblioteki może przewyższyć redukcję rozmiaru obrazu. Ominięcie problemu: Sposób 1 Metoda adaptacyjna - wykorzystanie do kodowania każdego piksla biblioteki zbudowanej na podstawie częstości wystąpień wszystkich już zakodowanych pikseli; program dekodujący zna te piksle, stąd nie ma potrzeby przyłączania tablicy przekodowań. Wada - duży koszt obliczeń - wyznaczanie kodów Huffmana NxN razy, tzn. złożoność obliczeniowa wynosi O(N 2 ). Sposób 2 Metoda wykorzystania standardowej tablicy przekodowań (tylko w przypadkach, gdy charakter kodowanych danych można dobrze przewidzieć). Krótszy proces kodowania (jednokrotny przegląd obrazu - tylko w trakcie rzeczywistego kodowania). Pierwszy krok - polegający na przeglądzie obrazu dla znalezienia częstości występowania poszczególnych poziomów jasności (histogram) zostaje pominięty.
38 Przetwarzanie obrazów Wykład Uwaga: Stopień kompresji wzrasta, gdy nierównomierność częstości n j wystąpień poszczególnych poziomów jasności p j wzrasta. Zwiększenie nierównomierności częstości wystąpień: zastąpienie poziomów jasności piksli f m,n odpowiednimi wyrażeniami różnicowymi (1) m,n f m,n f m,n1 (2) m,n f m,n f ( f f ) 1 m-1,n m,n1 m-1,n- W przypadku (2) nastąpiło zwiększenie nierównomierności częstości wystąpień w porównaniu z przypadkiem (1) m n f f m-1,n-1 m,n- 1 fm- 1,n fm,n Położenie pikseli
39 Przetwarzanie obrazów Wykład Metody słownikowe Kodowanie ciągów symboli (pikseli) za pomocą odwołań do słownika zawierającego takie ciągi. Stopień kompresji (SK) rośnie, gdy długość ciągu pikseli możliwych do zastąpienia indeksem do słownika rośnie. Podział metod słownikowych: statyczne (słownik nie zmienia się w trakcie kodowania), adaptacyjne (słownik zmienia się w trakcie kodowania)
40 Przetwarzanie obrazów Wykład Przykład metody statycznej słownik zawiera wszystkie możliwe ciągi o długościach równych liczbie pikseli w całym obrazie wtedy: L=2 B(NxN) gdzie: L - liczba możliwych ciągów (tzn. liczba indeksów słownika), B - liczba bitów określających wartość piksela NxN - liczba pikseli w całym obrazie Wtedy: KP = B(NxN), KW = L, stąd SK < 1, (ekspansja) (np. dla B=8, N=512: L = 2 8(512x512) tzn. ok >> 8 (512x512), tzn. SK<<1) Wniosek: należy stosować ciągi o mniejszej liczbie wyrazów. Problem: Dla obrazu o parametrach : B=8, N=512 znaleźć taką wartość n<nxn, dla której SK=1
41 Przetwarzanie obrazów Wykład Kompresja stratna (lossy compression) Własność: x, x 0 x x - wektor reprezentujący obraz pierwotny - wektor reprezentujący obraz odtworzony (zrekonstruowany) Kompresja stratna - uzyskiwany jest większy stopień kompresji (SK) niż przy stosowaniu kompresji bezstratnej (lossless compression). Wybrane metody kompresji stratnej obrazów rastrowych kodowanie różnic, kodowanie blokowe
42 Przetwarzanie obrazów Wykład Kodowanie różnic f f 1 m,n m,n m,n gdzie: f m,n - poziom jasności piksela o współrzędnych m,n, f m,n-1 - poziom jasności piksela (kolejnego) o współrzędnych m,n-1. Położenie pikseli f m-1,n-1 fm- 1,n f m,n-1 fm,n Przykład: Obraz pierwotny : L = 255 (M = 256) kodowanie wartości pikseli: l = 0,1,2,3,...,255; zajętość pamięci: 8 bitów/piksel, kodowanie różnic pomiędzy wartościami kolejnych pikseli: m,n 255, 254,..., 0,..., 254, 255 zajętość pamięci: 9 bitów /piksel.
43 Przetwarzanie obrazów Wykład Histogram różnic ε m,n pomiędzy wartościami (poziomami jasności) kolejnych pikseli Histogram różnic ma charakter krzywej Gaussa z maksimum w okolicy zera.
44 Przetwarzanie obrazów Wykład Realizacja kompresji: zakodowanie najczęściej występujących różnic. Histogram różnic z zaznaczonym obszarem najczęściej występujących różnic Kryteria wyboru obszaru: wymagania na wielkość stopnia kompresji (SK), wymagania na dokładność rekonstrukcji (określoną wielkością ρ ) KP = 9, KW = 4 SK = KP/KW = 9/4 = 2,25 m,n 7, 6,..., 7, 8 Obraz zakodowany - 16 symboli zamiast 512 Niepożądany efekt: zależnie od rodzaju obrazu - większe lub mniejsze rozmywanie (blurring) ostrych krawędzi.
45 Przetwarzanie obrazów Wykład Kodowanie blokowe Podział obrazu na jednakowe bloki, najczęściej 4x4 piksele. Obliczenie dla każdego bloku średniej arytmetycznej jasności. Podział pikseli na dwie grupy: a) o jasności większej lub równej jasności średniej, b) mniejszej niż jasność średnia. Obliczenie nowej jasności średniej dla każdej z grup (wartość górna dla (a) i wartość dolna dla (b)). Przypisanie wszystkim pikselom danej grupy obliczonej jasności średniej (górnej lub dolnej), stąd blok zostaje zakodowany jako mapa bitowa określająca podział na grupy, plus dwie wartości jasności. 0 10, Wartość górna= 12, Wartość dolna = 7,625 8
46 Przetwarzanie obrazów Wykład Przykład Obraz o 256 poziomach jasności, bloki o wymiarach 4x4 piksele. Obszar pamięci zajmowany przez blok przed kompresją: KP = 4x4x8 = 128 bitów Obszar pamięci zajmowany przez blok po kompresji: KW = 4x4x1 + 2x8=32 bity, gdzie: 4x4x1 - obszar pamięci zajmowany przez mapę bitową, 2x8 - obszar pamięci zajmowany przez dwie wartości jasności stąd: SK = KP/KW = 4 Niepożądany efekt: zwiększenie rozmiaru bloku powoduje coraz wyraźniejsze ukazywanie się siatki podziału na bloki.
47 Przetwarzanie obrazów Wykład Format JPEG - Odpowiada kompresji stratnej - Oparty na dyskretnej transformacie kosinusowej (DCT) - Wraz ze wzrostem stopnia kompresji (SK) coraz bardziej widoczny jest podział na bloki w obrazie zrekonstruowanym
48 Przetwarzanie obrazów Wykład Kolejność działań: Konwersja obrazu kanałów (RGB) na jasność (luminancję) i 2 kanały barwy (chrominancje). Odrzucenie części pikseli kanałów barwy, podział kanałów na bloki 8 8 pikseli. Na blokach wykonywana jest dyskretna transformata kosinusowa (DCT). Zastąpienie średnich wartości bloków przez różnice wobec wartości poprzedniej (DPCM). Poprawia to w pewnym stopniu współczynnik kompresji. Kwantyzacja, czyli zastąpienie danych zmiennoprzecinkowych przez liczby całkowite. Użyta transformata powoduje efekty blokowe w przypadku mocno skompresowanych obrazów. Innowacyjność algorytmu JPEG : możliwość kontroli stopnia kompresji w jej trakcie (p. program Corel Photo Paint X4)
49 Przetwarzanie obrazów Wykład Przykład Obraz Jakość Rozmiar (bajty) Współcz ynnik kompresj i Komenta rz Pełna Niezauwa jakość (Q = 100) 83,261 2,6:1 żalnie małe artefakty Niska jakość (Q = 10) 4,787 46:1 Duże straty rozciągło ści tonalnej; artefakty na krawędzi ach obiektów
50 Przetwarzanie obrazów Wykład Kompresja krzywych dyskretnych SK = KP KW SK - stopień kompresji krzywej. KP [bajt] - obszar pamięci zajmowany przez kod pierwotny krzywej. KW [bajt] - obszar pamięci zajmowany przez kod wynikowy krzywej Rodzaje kompresji krzywych dyskretnych: - kompresja bezstratna (lossless compression) - kompresja stratna (lossy compression)
51 Przetwarzanie obrazów Wykład Kompresja bezstratna krzywych dyskretnych (lossless compression) Kod pierwotny KP: ciąg par współrzędnych x, y kolejnych punktów krzywej: (x 1, y 1 ), (x 2, y 2 ),..., (x n, y n ) Kod wynikowy KW: -kod łańcuchowy o stałej długości (chain code), lub - różnicowy kod łańcuchowy o zmiennej długości (differential chain code).
52 Przetwarzanie obrazów Wykład Kompresja stratna (lossy) krzywych dyskretnych Metoda: Interpolacja krzywych dyskretnych odcinkami linii prostych dyskretnych Krzywe dyskretne: - krzywa pierwotna (interpolowana), - krzywa odtworzona (zdekompresowana, interpolująca) jest to zbiór kolejnych odcinków linii prostej dyskretnej S 1 -S 2, S 2 -S 3,...,S 9 -S 10. S 1,..., S 10 - węzły interpolacji KP - obszar pamięci zajmowany przez ciąg par współrzędnych x, y kolejnych punktów krzywej pierwotnej: (x 1, y 1 ), (x 2, y 2 ),..., (x N, y N ), KW - obszar pamięci zajmowany przez ciąg par współrzędnych x, y kolejnych węzłów interpolacji: (x S1,y S1 ), (x S2, y S2 ),...,(x Sn,y Sn ).
53 Przetwarzanie obrazów Wykład Modelowanie koloru Kolor Światło widzialne fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony ~400nm ~700nm Rozróżnialność barw (przeciętna): 150 czystych barw Wrażenie koloru-trzy czynniki: barwa, jasność, nasycenie
54 Przetwarzanie obrazów Wykład Barwa Fizycznie: długość fali Subiektywnie: to co odróżnia zieleń od błękitu a jest wspólne dla różnych odcieni czerwonego. Jasność stopień podobieństwa do barwy białej (dla odcieni jasnych) lub czarnej (dla odcieni ciemnych). Nasycenie czystość barwy np. stopień zbliżenia do barw zasadniczych występujących w widmie słonecznym: czerwona, zielona, niebieska, żółta (RGBY). Rozróżnialność barw (uwzględniając jasności) ok kolorów (przy porównywaniu). Z pamięci: kilkadziesiąt barw. Subiektywna ocena barw obrazu na monitorze przy różnym oświetleniu pomieszczenia.
55 Przetwarzanie obrazów Wykład Komputerowe modelowanie koloru Cel otrzymanie obiektywnych, jednoznacznych charakterystyk barw. Rozkład energii światła z dominującą długością fali: e d - poziom składowej dominującej e b - wypadkowy poziom wszystkich pozostałych składowych dających światło białe
56 Przetwarzanie obrazów Wykład Nasycenie rośnie gdy e d /e b rośnie e d = e b - nasycenie zerowe e b = 0 - nasycenie 100% Światło białe: np.: R:G:B = 26:66:8 Barwy dopełniające: trójki lub pary barw dających światło białe np.: czerwono zielono niebieska RGB addytywne żółto niebieska CMY subtraktywne Barwy podstawowe - Barwy, którymi opisywane są inne Dowolna, skończona liczba barw podstawowych nie wystarcza do otrzymania wszystkich barw z widmowego spektrum (porównaj diagram CIE).
57 Przetwarzanie obrazów Wykład Standard barw podstawowych Standard CIE 1931r. (Międzynarodowa Komisja Oświetleniowa). Standardowe barwy podstawowe nie odpowiadają żadnej rzeczywistej barwie, za to dowolną widzialną barwę daje się wyrazić jako ich średnią ważoną. A,B,C - ilości poszczególnych barw podstawowych CIE dających w sumie pewną barwę. Wielkości a A A B C ; b A B B C ; c C A B C są to współrzędne trójchromatyczne tej barwy. Widać, że zawsze: a + b + c = 1 tzn. dowolne dwie współrzędne wystarczą do określenia barwy.
58 Przetwarzanie obrazów Wykład Diagram chromatyczności CIE wykres współrzędnych a i b wszystkich barw widzialnych; obszar D - barwa biała
59 Przetwarzanie obrazów Wykład Standard CIE - operacja na barwach Mieszanie (dodawanie) dwóch barw K 1 i K 2 Dominująca długośći fali i nasycenie koloru. S - domin. dług. fali barwy K Nasycenie określone ilorazem: KD DS
60 Przetwarzanie obrazów Wykład Model RGB Opis piksela: 3 bajty barw 3 bity 2 3 = 8 barw 1 piksel na ekranie monitora składa się fizycznie z 3 elementów (RGB)
61 Przetwarzanie obrazów Wykład Barwy podstawowe R, G, B (red green blue) - odpowiadają sprzętowym (w postaci 3 - elementowej) sposobom generowania kolorowych obrazów na monitorze rastrowym. Wszystkim możliwym do uzyskania barwom w modelu RGB odpowiadają punkty sześcianu jednostkowego rozpiętego na osiach barw podstawowych Wierzchołki przeciwległe odpowiednio do R, G, B - barwy dopełniające Przekątna (0, 0, 0) (1, 1, 1) odpowiada różnym poziomom szarości (światło białe). Sześcian RGB
62 Przetwarzanie obrazów Wykład Barwy addytywne Model RGB - opis addytywnego procesu otrzymywania barw w wyniku dodawania (mieszania) w różnych proporcjach trzech barw podstawowych.
63 Przetwarzanie obrazów Wykład Model CMY C - cyan (zielono-niebieski), M - magenta (karmazynowy), Y - yellow (żółty) (są to dopełnienia R, G, B). CMY są podstawowymi barwami subtraktywnymi, ponieważ usuwają poprzednie podstawowe barwy ze źródła białego. Np. przedmiot pokryty żółtą farbą pochłania składowe światła słonecznego o długościach dopowiadających barwie niebieskiej. Model CMY jest subtraktywny i służy do określenia kolorów rysunków na drukarkach i ploterach. W praktyce: Maksymalne (równe 1) składowe barw podstawowych nie absorbują wszystkich długości widzialnych fal. Dlatego, używana jest dodatkowo czarna farba (dodatkowy pojemnik w drukarce atramentowej)
64 Przetwarzanie obrazów Wykład Barwy subtraktywne
65 Przetwarzanie obrazów Wykład Model HSV H - hue (barwa), S - saturation (nasycenie), V - value (wartość) kąt obrotu wokół osi V = 0 0 R = G = B S: odległość od osi punkty: na osi V: S=0 na ścianach: S=1 intensywność barwy: Minimalna: V:0 - na wierzchołku ostrosłupa; Maksymalna: V=1 - punkty podstawy ostrosłupa
66 Przetwarzanie obrazów Wykład MODEL HSV POZWALA NA ŁATWE UTWORZENIE WYMAGANEJ BARWY podanie przy V=S=1 -ściemnianie (zmniejszanie V) i/lub rozjaśnianie (zmniejszanie S) Do wyświetlenia na monitorze barw zdefiniowanych w HSV potrzebne są współrzędne RGB Dlatego stosuje się: Algorytm transformacji (przekształcenia) modelu HSV na model RGB
67 Przetwarzanie obrazów Wykład Algorytm transformacji (przekształcenia) modelu HSV na model RGB Model RGB oglądany wzdłuż przekątnej od barwy białej do czarnej Podstawa ostrosłupa modelu HSV oglądana z góry
68 Przetwarzanie obrazów Wykład Algorytm dane: h - kąt z przedziału [0 0, ] s,v, z przedziału [0, 1] oblicz: h h 60 i floorh : {największa liczba całkowita h} f h i 1 ; 1 ; 1 1- t v s u v s f w v s f jeśli i 0 r = v; g = w; b = t w przeciwnym razie jeśli r = t; g = u; b = v i = 3 to w przeciwnym razie jeśli r = u; g = v; b = t i = 1 to w przeciwnym razie jeśli r = v; g = t; b = u i = 4 to w przeciwnym razie jeśli i = 2 r = t; g = v; b = w to
69 Przetwarzanie obrazów Wykład Techniki obrazowania poziomów jasności i kolorów Monitor o wielu poziomach szarości - jasność pojedynczego (fizycznego) piksla odpowiada jasności obliczonej. Monitory (tanie) o niewystarczającej liczbie poziomów szarości zamiast pojedynczych piksli - zastosowania wzorców n n piksli daje to n 2 +1 poziomów jasności dla monitora o 2 poziomach jasności; 0 - piksel zgaszony, 1 - piksel zapalony. Przykład 1 np.: n n = 3 3: wtedy = 10 poziomów Wada: Gorsza rozdzielczość obrazu (ale nie fizyczna ekranu monitora)
70 Przetwarzanie obrazów Wykład Przykład 2 Model RGB: dla R, G, B przyjmujących 0, 1 (8 barw) wzorzec 2 2 piksle daje 125 barw Efekt liniowej zmiany jasności wzorców: wrażenie mniejszych zróżnicowań części ciemniejszych obrazów niż części jaśniejszych. Wzrok ludzki reaguje w sposób liniowy na przyrosty ilorazu różnicy między kolejnymi poziomami jasności i poziomem niższym a nie na różnice bezwzględne.
71 Przetwarzanie obrazów Wykład Dlatego poziomy jasności I k powinny mieć rozkład logarytmiczny (stały stosunek następnego poziomu do poprzedniego) tzn: I k 1 I k const. Problem: jak wygląda w tym przypadku sposób nadawania wartości "1" kolejnym pikselom wzorców z podanych przykładów. Podać kilka elementów wzorca dla jednego i drugiego przykładu. Nazwa stosowanej techniki: technika roztrząsania (dithering)
72 Przetwarzanie obrazów Wykład Przykłady modeli koloru
73 Przetwarzanie obrazów Wykład CMY (205, 55, 205) CMYK (59, 0, 59, 22)
74 Przetwarzanie obrazów Wykład Inne przykłady modeli koloru 1. Program Corel PhotoPaint (aktywacja paska narzędziowego: Tools, Customization, a następnie przy otworzonym pliku obrazowym: Edit, Fill, Edit, Options, Color Viewers) 2. Program \Programy\barwy (serwer Oceanic) 3. Modele kolorów - opisy i wzory: 4. Dithering:
75 Przetwarzanie obrazów Wykład MATERIAŁ DO WYKŁADU I ĆWICZEŃ LABORATORYJNYCH: Wykład Materiał podstawowy: M. Doros, Przetwarzanie obrazów, Skrypt WSISiZ, (Rozdz.5.1, 5.2, 5.4, 5.5, 7.4) Materiał uzupełniający: K.R.Castleman: Digital image processing, Prentice Hall International, Inc (Rozdział 17) Ćwiczenia Laboratoryjne Materiał podstawowy: M.Doros, A. Korzyńska, M.Przytulska, H.Goszczyńska: Przetwarzanie Obrazów, ćwiczenia laboratoryjne, Skrypt WSISiZ, (Rozdz.10, 11)
WYKŁAD 11. Kolor. fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony
WYKŁAD 11 Modelowanie koloru Kolor Światło widzialne fiolet, indygo, niebieski, zielony, żółty, pomarańczowy, czerwony ~400nm ~700nm Rozróżnialność barw (przeciętna): 150 czystych barw Wrażenie koloru-trzy
Bardziej szczegółowoWYKŁAD 10. kodem pierwotnym krzywej jest ciąg par współrzędnych x, y kolejnych punktów krzywej: (x 1, y 1 ), (x 2, y 2 ),...
WYKŁAD 10 Kompresja krzywych dyskretnych Kompresja krzywych dyskretnych KP SK = KW SK - stopień kompresji krzywej. KP [bajt] - obszar pamięci zajmowany przez kod pierwotny krzywej. KW [bajt] - obszar pamięci
Bardziej szczegółowoPojęcie Barwy. Grafika Komputerowa modele kolorów. Terminologia BARWY W GRAFICE KOMPUTEROWEJ. Marek Pudełko
Grafika Komputerowa modele kolorów Marek Pudełko Pojęcie Barwy Barwa to wrażenie psychiczne wywoływane w mózgu człowieka i zwierząt, gdy oko odbiera promieniowanie elektromagnetyczne z zakresu światła
Bardziej 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 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 szczegółowoDane obrazowe. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski
Dane obrazowe R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Przetwarzanie danych obrazowych! Przetwarzanie danych obrazowych przyjmuje trzy formy:! Grafikę
Bardziej szczegółowoGrafika komputerowa. Dla DSI II
Grafika komputerowa Dla DSI II Rodzaje grafiki Tradycyjny podział grafiki oznacza wyróżnienie jej dwóch rodzajów: grafiki rastrowej oraz wektorowej. Różnica pomiędzy nimi polega na innej interpretacji
Bardziej szczegółowoTeoria światła i barwy
Teoria światła i barwy Powstanie wrażenia barwy Światło może docierać do oka bezpośrednio ze źródła światła lub po odbiciu od obiektu. Z oka do mózgu Na siatkówce tworzony pomniejszony i odwrócony obraz
Bardziej szczegółowoMODELE KOLORÓW. Przygotował: Robert Bednarz
MODELE KOLORÓW O czym mowa? Modele kolorów,, zwane inaczej systemami zapisu kolorów,, są różnorodnymi sposobami definiowania kolorów oglądanych na ekranie, na monitorze lub na wydruku. Model RGB nazwa
Bardziej szczegółowoDo opisu kolorów używanych w grafice cyfrowej śluzą modele barw.
Modele barw Do opisu kolorów używanych w grafice cyfrowej śluzą modele barw. Każdy model barw ma własna przestrzeo kolorów, a co za tym idzie- własny zakres kolorów możliwych do uzyskania oraz własny sposób
Bardziej szczegółowoMarcin Wilczewski Politechnika Gdańska, 2013/14
Algorytmy graficzne Marcin Wilczewski Politechnika Gdańska, 213/14 1 Zagadnienia, wykład, laboratorium Wykład: Światło i barwa. Modele barw. Charakterystyki obrazu. Reprezentacja i opis. Kwantyzacja skalarna
Bardziej szczegółowoINFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ
INFORMATYKA WSTĘP DO GRAFIKI RASTROWEJ Przygotowała mgr Joanna Guździoł e-mail: jguzdziol@wszop.edu.pl WYŻSZA SZKOŁA ZARZĄDZANIA OCHRONĄ PRACY W KATOWICACH 1. Pojęcie grafiki komputerowej Grafika komputerowa
Bardziej 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 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 szczegółowoWYKŁAD 8. Postacie obrazów na różnych etapach procesu przetwarzania
WYKŁAD 8 Reprezentacja obrazu Elementy edycji (tworzenia) obrazu Postacie obrazów na różnych etapach procesu przetwarzania Klasy obrazów Klasa 1: Obrazy o pełnej skali stopni jasności, typowe parametry:
Bardziej szczegółowoJanusz Ganczarski CIE XYZ
Janusz Ganczarski CIE XYZ Spis treści Spis treści..................................... 1 1. CIE XYZ................................... 1 1.1. Współrzędne trójchromatyczne..................... 1 1.2. Wykres
Bardziej szczegółowoJoint Photographic Experts Group
Joint Photographic Experts Group Artur Drozd Uniwersytet Jagielloński 14 maja 2010 1 Co to jest JPEG? Dlaczego powstał? 2 Transformata Fouriera 3 Dyskretna transformata kosinusowa (DCT-II) 4 Kodowanie
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 szczegółowoGRAFIKA RASTROWA GRAFIKA RASTROWA
GRAFIKA KOMPUTEROWA GRAFIKA RASTROWA GRAFIKA RASTROWA (raster graphic) grafika bitmapowa: prezentacja obrazu za pomocą pionowo-poziomej siatki odpowiednio kolorowanych pikseli na monitorze komputera, drukarce
Bardziej szczegółowoFotometria i kolorymetria
12. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK). http://www.if.pwr.wroc.pl/~wozniak/
Bardziej szczegółowodr inż. Piotr Odya dr inż. Piotr Suchomski
dr inż. Piotr Odya dr inż. Piotr Suchomski Podział grafiki wektorowa; matematyczny opis rysunku; małe wymagania pamięciowe (i obliczeniowe); rasteryzacja konwersja do postaci rastrowej; rastrowa; tablica
Bardziej szczegółowoPODSTAWY BARWY, PIGMENTY CERAMICZNE
PODSTAWY BARWY, PIGMENTY CERAMICZNE Barwa Barwą nazywamy rodzaj określonego ilościowo i jakościowo (długość fali, energia) promieniowania świetlnego. Głównym i podstawowym źródłem doznań barwnych jest
Bardziej szczegółowoZałożenia i obszar zastosowań. JPEG - algorytm kodowania obrazu. Geneza algorytmu KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG
Założenia i obszar zastosowań KOMPRESJA OBRAZÓW STATYCZNYCH - ALGORYTM JPEG Plan wykładu: Geneza algorytmu Założenia i obszar zastosowań JPEG kroki algorytmu kodowania obrazu Założenia: Obraz monochromatyczny
Bardziej szczegółowoFotometria i kolorymetria
13. (współrzędne i składowe trójchromatyczne promieniowania monochromatycznego; układ bodźców fizycznych RGB; krzywa barw widmowych; układ barw CIE 1931 (XYZ); alychne; układy CMY i CMYK) http://www.if.pwr.wroc.pl/~wozniak/
Bardziej szczegółowoModele i przestrzenie koloru
Modele i przestrzenie koloru Pantone - międzynarodowy standard identyfikacji kolorów do celów przemysłowych (w tym poligraficznych) opracowany i aktualizowany przez amerykańską firmę Pantone Inc. System
Bardziej szczegółowoGrafika na stronie www
Grafika na stronie www Grafika wektorowa (obiektowa) To grafika której obraz jest tworzony z obiektów podstawowych najczęściej lini, figur geomtrycznych obrazy są całkowicie skalowalne Popularne programy
Bardziej szczegółowoKurs grafiki komputerowej Lekcja 2. Barwa i kolor
Barwa i kolor Barwa to zjawisko, które zachodzi w trójkącie: źródło światła, przedmiot i obserwator. Zjawisko barwy jest wrażeniem powstałym u obserwatora, wywołanym przez odpowiednie długości fal świetlnych,
Bardziej szczegółowoGrafika komputerowa. Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Żółty
Grafika komputerowa Opracowali: dr inż. Piotr Suchomski dr inż. Piotr Odya Oko posiada pręciki (100 mln) dla detekcji składowych luminancji i 3 rodzaje czopków (9 mln) do detekcji koloru Czerwony czopek
Bardziej szczegółowoPrzetwarzanie obrazów wykład 1. Adam Wojciechowski
Przetwarzanie obrazów wykład 1 Adam Wojciechowski Teoria światła i barwy Światło Spektrum światła białego: 400nm 700nm fiolet - niebieski - cyan - zielony - żółty - pomarańczowy - czerwony Światło białe
Bardziej 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 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 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 szczegółowoKompresja danych Streszczenie Studia Dzienne Wykład 10,
1 Kwantyzacja wektorowa Kompresja danych Streszczenie Studia Dzienne Wykład 10, 28.04.2006 Kwantyzacja wektorowa: dane dzielone na bloki (wektory), każdy blok kwantyzowany jako jeden element danych. Ogólny
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 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 szczegółowoPlan wykładu. Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie. informatyka +
Plan wykładu Wprowadzenie Program graficzny GIMP Edycja i retusz zdjęć Podsumowanie 2 Po co obrabiamy zdjęcia Poprawa jasności, kontrastu, kolorów itp. Zdjęcie wykonano w niesprzyjających warunkach (złe
Bardziej 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 1 AiR III
1 Niniejszy dokument zawiera materiały do wykładu z przedmiotu Cyfrowe Przetwarzanie Obrazów i Sygnałów. Jest on udostępniony pod warunkiem wykorzystania wyłącznie do własnych, prywatnych potrzeb i może
Bardziej 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 szczegółowoPercepcja obrazu Podstawy grafiki komputerowej
Percepcja obrazu Podstawy grafiki komputerowej Światło widzialne wycinek szerokiego widma fal elektromagnetycznych 1 Narząd wzroku Narząd wzroku jest wysoko zorganizowanym analizatorem zmysłowym, którego
Bardziej szczegółowoAdam Korzeniewski p Katedra Systemów Multimedialnych
Adam Korzeniewski adamkorz@sound.eti.pg.gda.pl p. 732 - Katedra Systemów Multimedialnych Zastosowania grafiki komputerowej Światło widzialne Fizjologia narządu wzroku Metody powstawania barw Modele barw
Bardziej szczegółowoPodstawy grafiki komputerowej
Podstawy grafiki komputerowej Krzysztof Gracki K.Gracki@ii.pw.edu.pl tel. (22) 6605031 Instytut Informatyki Politechniki Warszawskiej 2 Sprawy organizacyjne Krzysztof Gracki k.gracki@ii.pw.edu.pl tel.
Bardziej szczegółowoWYKŁAD 14 PODSTAWY TEORII BARW. Plan wykładu: 1. Wrażenie widzenia barwy. Wrażenie widzenia barwy Modele liczbowe barw
WYKŁAD 14 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? PODSTAWY TEOII AW Światło Przedmiot (materia) Organ wzrokowy człowieka Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw
Bardziej szczegółowoPrzetwarzanie obrazów Grafika komputerowa. dr inż. Marcin Wilczewski 2016/2017
Przetwarzanie obrazów Grafika komputerowa dr inż. Marcin Wilczewski 216/217 1 Zagadnienia, wykład, laboratorium Wykład: Reprezentacja danych multimedialnych na przykładzie obrazów cyfrowych oraz wideo.
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 szczegółowoPodstawy Informatyki Wykład V
Nie wytaczaj armaty by zabić komara Podstawy Informatyki Wykład V Grafika rastrowa Paint Copyright by Arkadiusz Rzucidło 1 Wprowadzenie - grafika rastrowa Grafika komputerowa tworzenie i przetwarzanie
Bardziej szczegółowoPython: JPEG. Zadanie. 1. Wczytanie obrazka
Python: JPEG Witajcie! Jest to kolejny z serii tutoriali uczący Pythona, a w przyszłości być może nawet Cythona i Numby Jeśli chcesz nauczyć się nowych, zaawansowanych konstrukcji to spróbuj rozwiązać
Bardziej szczegółowoKwantyzacja wektorowa. Kodowanie różnicowe.
Kwantyzacja wektorowa. Kodowanie różnicowe. Kodowanie i kompresja informacji - Wykład 7 12 kwietnia 2010 Kwantyzacja wektorowa wprowadzenie Zamiast kwantyzować pojedyncze elementy kwantyzujemy całe bloki
Bardziej szczegółowoWaldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30
Waldemar Izdebski - Wykłady z przedmiotu SIT / Mapa zasadnicza 30 2.3. Model rastrowy Rastrowy model danych wykorzystywany jest dla gromadzenia i przetwarzania danych pochodzących ze skanowania istniejących
Bardziej szczegółowoGRAFIKA. Rodzaje grafiki i odpowiadające im edytory
GRAFIKA Rodzaje grafiki i odpowiadające im edytory Obraz graficzny w komputerze Może być: utworzony automatycznie przez wybrany program (np. jako wykres w arkuszu kalkulacyjnym) lub urządzenie (np. zdjęcie
Bardziej szczegółowoTransformaty. Kodowanie transformujace
Transformaty. Kodowanie transformujace Kodowanie i kompresja informacji - Wykład 10 10 maja 2009 Szeregi Fouriera Każda funkcję okresowa f (t) o okresie T można zapisać jako f (t) = a 0 + a n cos nω 0
Bardziej szczegółowoGrafika rastrowa (bitmapa)-
Grafika komputerowa Grafika rastrowa Grafika rastrowa (bitmapa)- sposób zapisu obrazów w postaci prostokątnej tablicy wartości, opisujących kolory poszczególnych punktów obrazu (prostokątów składowych).
Bardziej szczegółowoKolor w grafice komputerowej. Światło i barwa
Kolor w grafice komputerowej Światło i barwa Światło Spektrum światła białego: 400nm 700nm fiolet - niebieski - cyan - zielony - żółty - pomarańczowy - czerwony Światło białe składa się ze wszystkich długości
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 szczegółowoPODSTAWY TEORII BARW
WYKŁAD 12 PODSTAWY TEORII BARW Plan wykładu: Wrażenie widzenia barwy Modele liczbowe barw 1. Wrażenie widzenia barwy Co jest potrzebne aby zobaczyć barwę? Światło Przedmiot (materia) Organ wzrokowy człowieka
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowoCyfrowe przetwarzanie i kompresja danych. dr inż.. Wojciech Zając
Cyfrowe przetwarzanie i kompresja danych dr inż.. Wojciech Zając Wykład 7. Standardy kompresji obrazów nieruchomych Obraz cyfrowy co to takiego? OBRAZ ANALOGOWY OBRAZ CYFROWY PRÓBKOWANY 8x8 Kompresja danych
Bardziej szczegółowoLaboratorium Grafiki Komputerowej Przekształcenia na modelach barw
Laboratorium rafiki Komputerowej Przekształcenia na modelach barw mgr inż. Piotr Stera Politechnika Śląska liwice 2004 Cel ćwiczenia Celem ćwiczenia jest zapoznanie się z podstawowymi modelami barw stosowanymi
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 szczegółowoPrzewodnik po soczewkach
Przewodnik po soczewkach 1. Wchodzimy w program Corel Draw 11 następnie klikamy Plik /Nowy => Nowy Rysunek. Następnie wchodzi w Okno/Okno dokowane /Teczka podręczna/ Przeglądaj/i wybieramy plik w którym
Bardziej szczegółowoZamiana reprezentacji wektorowej na rastrową - rasteryzacja
MODEL RASTROWY Siatka kwadratów lub prostokątów stanowi elementy rastra. Piksel - pojedynczy element jest najmniejszą rozróŝnialną jednostką powierzchniową, której własności są opisane atrybutami. Model
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 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 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 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 szczegółowoAnimowana grafika 3D. Opracowanie: J. Kęsik.
Animowana grafika 3D Opracowanie: J. Kęsik kesik@cs.pollub.pl Rzutowanie Równoległe Perspektywiczne Rzutowanie równoległe Rzutowanie równoległe jest powszechnie używane w rysunku technicznym - umożliwienie
Bardziej szczegółowoGrafika 2D. Pojęcia podstawowe. opracowanie: Jacek Kęsik
Grafika 2D Pojęcia podstawowe opracowanie: Jacek Kęsik Obraz - przedmiot, przeważnie płaski, na którym za pomocą plam barwnych i kreski, przy zastosowaniu różnych technik malarskich i graficznych autor
Bardziej szczegółowoTechnologie Informacyjne
Grafika komputerowa Szkoła Główna Służby Pożarniczej Zakład Informatyki i Łączności December 12, 2016 1 Wprowadzenie 2 Optyka 3 Geometria 4 Grafika rastrowa i wektorowa 5 Kompresja danych Wprowadzenie
Bardziej szczegółowoKlasyfikacja metod kompresji
dr inż. Piotr Odya Klasyfikacja metod kompresji Metody bezstratne Zakodowany strumień danych po dekompresji jest identyczny z oryginalnymi danymi przed kompresją, Metody stratne W wyniku kompresji część
Bardziej szczegółowo1 LEKCJA. Definicja grafiki. Główne działy grafiki komputerowej. Programy graficzne: Grafika rastrowa. Grafika wektorowa. Grafika trójwymiarowa
1 LEKCJA Definicja grafiki Dział informatyki zajmujący się wykorzystaniem komputerów do generowania i przetwarzania obrazów (statycznych i dynamicznych) oraz wizualizacją danych. Główne działy grafiki
Bardziej 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 szczegółowoGrafika komputerowa. mgr inż. Remigiusz Pokrzywiński
Grafika komputerowa mgr inż. Remigiusz Pokrzywiński Spis treści Grafika komputerowa Grafika wektorowa Grafika rastrowa Format graficzny, piksel, raster Rozdzielczość, głębia koloru Barwa Modele barw Kompresja
Bardziej szczegółowoWykład II. Reprezentacja danych w technice cyfrowej. Studia Podyplomowe INFORMATYKA Podstawy Informatyki
Studia Podyplomowe INFORMATYKA Podstawy Informatyki Wykład II Reprezentacja danych w technice cyfrowej 1 III. Reprezentacja danych w komputerze Rodzaje danych w technice cyfrowej 010010101010 001010111010
Bardziej szczegółowoWarstwa Rysunek bitmapowy Rysunek wektorowy
Warstwa - powierzchnia robocza w programie graficznym. Jest obszarem roboczym o określonych rozmiarach, położeniu i stopniu przeźroczystości. Warstwę należy traktować jako przeźroczystą folię na której
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 szczegółowoDane, informacja, programy. Kodowanie danych, kompresja stratna i bezstratna
Dane, informacja, programy Kodowanie danych, kompresja stratna i bezstratna DANE Uporządkowane, zorganizowane fakty. Główne grupy danych: tekstowe (znaki alfanumeryczne, znaki specjalne) graficzne (ilustracje,
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 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 szczegółowoWybrane metody kompresji obrazów
Wybrane metody kompresji obrazów Celem kodowania kompresyjnego obrazu jest redukcja ilości informacji w nim zawartej. Redukcja ta polega na usuwaniu informacji nadmiarowej w obrazie, tzw. redundancji.
Bardziej szczegółowoKompresja Kodowanie arytmetyczne. Dariusz Sobczuk
Kompresja Kodowanie arytmetyczne Dariusz Sobczuk Kodowanie arytmetyczne (lata 1960-te) Pierwsze prace w tym kierunku sięgają początków lat 60-tych XX wieku Pierwszy algorytm Eliasa nie został opublikowany
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 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 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 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 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 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 szczegółowoMacierze. Rozdział Działania na macierzach
Rozdział 5 Macierze Funkcję, która każdej parze liczb naturalnych (i, j) (i 1,..., n; j 1,..., m) przyporządkowuje dokładnie jedną liczbę a ij F, gdzie F R lub F C, nazywamy macierzą (rzeczywistą, gdy
Bardziej szczegółowoPodstawy grafiki komputerowej. Teoria obrazu.
WAŻNE POJĘCIA GRAFIKA KOMPUTEROWA - to dział informatyki zajmujący się wykorzystaniem oprogramowania komputerowego do tworzenia, przekształcania i prezentowania obrazów rzeczywistych i wyimaginowanych.
Bardziej szczegółowoGrafika Komputerowa Wykład 6. Teksturowanie. mgr inż. Michał Chwesiuk 1/23
Wykład 6 mgr inż. 1/23 jest to technika w grafice komputerowej, której celem jest zwiększenie szczegółowości renderowanych powierzchni za pomocą tekstur. jest to pewna funkcja (najczęściej w formie bitmapy)
Bardziej szczegółowoJęzyk JAVA podstawy. Wykład 5, część 3. Jacek Rumiński. Politechnika Gdańska, Inżynieria Biomedyczna
Język JAVA podstawy Wykład 5, część 3 1 Język JAVA podstawy Plan wykładu: 1. Wprowadzenie do grafiki w Javie 2. Budowa GUI: komponenty, kontenery i układanie komponentów 3. Budowa GUI: obsługa zdarzeń
Bardziej szczegółowomgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 4, strona 1. GOLOMBA I RICE'A
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 4, strona 1. KOMPRESJA ALGORYTMEM ARYTMETYCZNYM, GOLOMBA I RICE'A Idea algorytmu arytmetycznego Przykład kodowania arytmetycznego Renormalizacja
Bardziej szczegółowoLuminancja jako jednostka udziału barwy składowej w mierzonej:
Luminancja jako jednostka udziału barwy składowej w mierzonej: L : L : L 1,0000: 4,5907 :0,0601 L L : L 98,9%:1,1 % WNIOSEK: Trzeba wprowadzić skalę, w której luminancja trzech bodźców byłaby oceniana
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 szczegółowoReprezentacje grafów nieskierowanych Reprezentacje grafów skierowanych. Wykład 2. Reprezentacja komputerowa grafów
Wykład 2. Reprezentacja komputerowa grafów 1 / 69 Macierz incydencji Niech graf G będzie grafem nieskierowanym bez pętli o n wierzchołkach (x 1, x 2,..., x n) i m krawędziach (e 1, e 2,..., e m). 2 / 69
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 szczegółowoAnna Barwaniec Justyna Rejek
CMYK Anna Barwaniec Justyna Rejek Wstęp, czyli czym jest tryb koloru? Tryb koloru wyznacza metodę wyświetlania i drukowania kolorów danego obrazu pozwala zmieniać paletę barw zastosowaną do tworzenia danego
Bardziej szczegółowoKodowanie transformujace. Kompresja danych. Tomasz Jurdziński. Wykład 11: Transformaty i JPEG
Tomasz Wykład 11: Transformaty i JPEG Idea kodowania transformujacego Etapy kodowania 1 Wektor danych x 0,...,x N 1 przekształcamy (odwracalnie!) na wektor c 0,...,c N 1, tak aby: energia była skoncentrowana
Bardziej szczegółowoPhotoshop. Podstawy budowy obrazu komputerowego
Photoshop Podstawy budowy obrazu komputerowego Wykład 1 Autor: Elżbieta Fedko O czym dzisiaj będziemy mówić? Co to jest grafika komputerowa? Budowa obrazu w grafice wektorowej i rastrowej. Zastosowanie
Bardziej szczegółowo