Treść wykładu. Przetwarzanie i analiza obrazów w Matlabie Cz.2. Badanie i filtracja szumu. Obraz i jego szum: Profile i histogram obrazu szumu
|
|
- Wanda Bednarczyk
- 7 lat temu
- Przeglądów:
Transkrypt
1 Treść wykładu Przetwarzanie i analiza obrazów w Matlabie Cz.2 Opracował: dr inż. Z. Rudnicki KKiEM AGH Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 1 Filtracja szumów Binaryzacja obrazów szarych Przekształcenia morfologiczne obrazów binarnych Indeksacja obiektów zainteresowań Ekstrakcja cech obiektów Ekstrakcja cech obrazów teksturowych Cechy dyskryminacyjne i rozróżnianie (dyskryminacja) klas obrazów Przykłady analizy zmian powierzchni oraz struktury materiału Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 2 Badanie i filtracja szumu Szum generowany w przetworniku CCD kamery wideo jest szczególnie wyraźny przy ciemnych obrazach (np. słabe oświetlenie lub krótki czas ekspozycji - konieczny przy ruchu) Dla oceny poziomu szumu: Zarejestrowano kilka obrazów wycinka nieruchomej powierzchni, Wyznaczono z nich obraz uśredniony XS, czyli macierz będącą średnią arytmetyczną macierzy obrazów tej serii Dla otrzymania obrazu szumu istniejącego w obrazie X odjęto od niego obraz uśredniony XS: SZUM = (X XS) Obraz i jego szum: Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 3 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 4 Profile i histogram obrazu szumu Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 5 Obraz szumu uzyskano programem: clear; dir1='f:\obrazy\'; seria='boczn'; pli01=[seria,'.txt']; pls=[dir1,pli01]; [spis,info]=fopen(pls); % Otwiera plik SPIS i=0; while feof(spis) == 0 % do konca pliku SPIS nz=fgetl(spis), naz=[dir1,nz]; i=i+1; if i==1 A=double(imread(naz)); S=A; else S=S+double(imread(naz)); end end; S=S/i; SZUM=A-S; sr=mean(a(:)), m=median(a(:)), SZmin=min(A(:)), SZmax=max(A(:)) figure; imshow(histeq(uint8(szum))); sr=mean(szum(:)), m=median(szum(:)) SZmin=min(SZUM(:)), SZmax=max(SZUM(:)) figure; imshow(szum>m); fclose(spis); Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 6 1
2 Szum maleje przy wzroście jasności obrazów Odc h.s t.s z umu Filtracja medianowa szumu Filtracja s zumów boc z ne 85GR 89GR 90GR 90GR -a 90gr-b 90C 1 0 be z filtra c ji filtr [3 x 3] filtr [5 x 5] filtr [7 x 7] Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 7 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 8 Segmentacja a Binaryzacja Binaryzacja obrazów szarych Segmentacja to: - wyodrębnianie obiektów z tła Binaryzacja jest to rodzaj segmentacji wykonywanej na podstawie jasności pikseli obrazów szarych Inne rodzaje segmentacji mogą wyróżniać obiekty na przykład na podstawie: konturów barwy typu tekstury (faktury) powierzchni Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 9 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 10 Binaryzacja Binaryzacja to przetwarzanie obrazów (szarych) na czarno-białe. Stosuje się ją dla redukowania informacji nieistotnych dla celu analizy np.: likwidacji odcieni szarości a wyodrębnienia kształtu konstruowania MASEK pozwalających wyodrębnić obiekty (szare) z nieistotnego tła Binaryzacja progowa (z jednym progiem) Najczęściej stosuje się binaryzację progową, w której: każdy piksel jaśniejszy od zadanego progu stanie się biały a pozostałe staną się czarne: 0 gdy A(w,k) prog B(w,k) = 1 gdy A(w,k) > prog W Matlabie dla przetworzenia obrazu szarego A na czarno-biały B wystarczy napisać: B = A>prog; Wynik zależy od wartości progu! Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 11 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 12 2
3 Zastosowanie różnych progów binaryzacji Przykładowy wynik binaryzacji z dwoma progami Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 13 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 14 Określanie wartości progu binaryzacji Jeśli histogram obrazu ma dolinę to położenie jej określa granicę między jasnymi i ciemnymi obszarami i bywa przyjmowane jako wartość progu (patrz. Tadeusiewicz [1]) Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 15 Określanie wartości progu binaryzacji (2) Próg może być określony jako: globalny - jedna liczba dla całego obrazu lub lokalny - różne progi dla poszczególnych fragmentów obrazu Próg binaryzacji bywa określany na podstawie średniej lub mediany jasności pikseli obrazu. Przed binaryzacją obraz jest czasem filtrowany i normalizowany lub poddawany wyrównywaniu histogramu Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 16 Istota przekształceń morfologicznych Przekształcenia morfologiczne obrazów binarnych Przekształcenia morfologiczne zmieniają tylko te punkty obrazu, których otoczenie jest zgodne z siatką elementu strukturalnego charakterystycznego dla danego typu przekształcenia. Są to więc: przekształcenia kontekstowe - warunkowe. Przyjmuje się, że obiekty są białe a tło czarne Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 17 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 18 3
4 Dylatacja (pogrubia) i erozja ( wyżera ): Funkcja bwmorph(obraz, operacja) np.: A1 = bwmorph(a, dilate ); - dylatacja A2 = bwmorph(a, erode ); - erozja A1 = bwmorph(a, skel ); - szkieletyzacja Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 19 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 20 skel - szkieletyzacja; oraz spur Operacje bridge oraz clean Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 21 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 22 remove oraz shrink open oraz close Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 23 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 24 4
5 Indeksacja czyli ponumerowanie obiektów zainteresowań W Matlabie do indeksacji (numerowania) obiektów służy funkcja BWLABEL Funkcja bwlabel numeruje (indeksuje) spójne obszary na obrazie binarnym BW przy założonym sąsiedztwie typu s (domyślnie s=8 czyli rozpatrywane jest sąsiedztwo 8-mio pikselowe) Składnia: L = bwlabel(bw,s) [L, n] = bwlabel(bw,s) Wynikiem jest macierz o rozmiarach takich samych jak BW w której liczby wyrażające jasność pikseli zastąpiono numerami kolejnych obiektów do których te piksele należą. Tło jest obiektem o numerze zerowym a pozostałe obiekty numerowane są kolejnymi liczbami naturalnymi od 1 do n. Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 25 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 26 Indeksacja przykładowego obrazu Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 27 Indeksacja w Matlabie - przykład % IND1 - program pokazuje indeksację w Matlabie: % Definiowanie składowych przykładowej macierzy: clear; A1=ones(2) A2=[A1;0,0], A3=[0;0;0] A4=[A2,A3], A5=[A3,A2] % Macierz przykładowa zawierająca 4 obszary z jedynkami: A=[A4,A5; A4,A5] % Indeksacja czyli ponumerowanie tych obszarów: L = bwlabel(a,4) % Definiuję składowe RGB dla tzw. mapy z 5-cioma kolorami: kolory=[0,0,0; 1,0,0; 0,1,0; 0,0,1; 1,1,1] % Zwiększam wartości macierzy L o 1 aby wyrażały numery kolorów: L = double(l)+1 % wyœwietlam obraz jako kolorowy indeksowany: imshow(l, kolory,'notruesize') Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 28 Ekstrakcja CECH: Należy rozróżnić: Obrazy przedstawiające obiekty i pomiar cech tych obiektów oraz Obrazy tekstury (faktury) powierzchni i pomiar cech tekstur Ekstrakcja cech obiektów Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 29 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 30 5
6 Operacje na obiektach obrazów binarnych Obiektem w obrazie binarnym jest każdy zbiór połączonych pikseli o wartości 1. Piksele zerowe są tłem. To czy piksele uznać za połączone czy nie - zależy od przyjętego typu sąsiedztwa (otoczenia). Stosowane są dwa typy sąsiedztwa: a) 4-ro pikselowe polega na rozpatrywaniu połączeń pikseli tylko w czterech kie-runkach (góra, dół, lewo, prawo) b) 8-mio pikselowe polega na rozpatrywaniu połączeń pikseli w 8-miu kierunkach - dodatkowo uwzględniając połączenia pikseli narożnikami czyli w kierunkach 45 i 135 stopni. W pierwszym przypadku obiekty stykające się narożnikami nie są uważane za połączone a w drugim zaś tak. Czyszczenie brzegu obrazu Przed wykonaniem pomiarów parametrów wydzielonych obiektów należy usunąć obiekty przecięte brzegiem obrazu i wskutek tego widoczne tylko częściowo (patrz. Tadeusiewicz [1]) Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 31 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 32 Składnia: Cechy obiektu - Funkcja imfeature wynik = imfeature(l, cechy) Oblicza (mierzy) parametry dla każdego indeksowanego obiektu macierzy L. Dodatnie całkowite elementy macierzy L odpowiadają różnym obiektom na przykład elementy równe 1 odpowiadają obiektowi numer 1, elementy równe 2 obiektowi nr 2 itd. wynik jest tablicą strukturalną o długości max(l(:)). Pola tej tablicy reprezentują miary cech określonych parametrem cechy Cechy obiektu - funkcja imfeature (c.d.) wynik = imfeature(l, cechy) cechy to zbiór nazw parametrów (typu string): Może być użyte słowo 'all' rozkaz wyznaczenia wyznaczenie wszystkich parametrów. Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 33 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 34 Klasa obrazów ma odwzorowywać dany stan powierzchni Ekstrakcja cech obrazów teksturowych AKWIZYCJA i DIGITALIZACJA OBRAZÓW PROCES AKWIZYCJA i DIGITALIZACJA OBRAZÓW PROCES AKWIZYCJA i DIGITALIZACJA OBRAZÓW OBRAZY KLAS Y 1 OBRAZY KLAS Y 2 OBRAZY KLAS Y n Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 35 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 36 6
7 Analizowane obrazy powierzchni Klasa C1 Jak zapisać cechy obrazów przy pomocy liczb? Class C1: a O brazy powierzchni... b, c, d e Problem: znajdz liczbowe m iary pewnych cech obrazów, które pozwalaja najlepiej rozrózniac (dyskrym inowac) dane klasy obrazów: Klasa C2 Class C2: a... b, c, d e ??? C1 C2 C Class C3: a b c d e Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 37 a b, c, d e Przykład - Liczbowe współczynniki anizotropii obrazów dla dwóch metod przetwarzania Histogram obrazu cyfrowego Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 39 Histogram to wektor o tylu składowych ile kolorów może wystąpić na obrazie. Składowa H g podaje ile jest na obrazie pikseli o kolorze g gdzie: g = 1, 2,..., Lg Histogram można zapisać wzorem: Lw Lk H g = p( g, w= 1 k= 1 x w, k ) 1 gdy xw, k = g gdzie: p( g, xw, k ) = 0 w przeciwnym przypadku Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 40 Histogram znormalizowany Wartości histogramu znormalizowanego Hn g otrzymuje się przez podzielenie odpowiednich wartości H g przez całkowitą liczbę pikseli: H g Hng = Lw Lk Histogram znormalizowany określa prawdopodobieństwo z jakim piksel może przyjąć kolor g. Można wyznaczać dla niego różnorodne parametry statystyczne. Niektóre parametry statystyczne histogramu: mediana czyli środkowy element w uporządkowanym rosnąco ciągu badanych wartości kwartyle - analogicznie wyznaczane elementy położone na pozycjach stanowiących 0% (minimalny element), 25%, 50% (czyli mediana), 75%, 100% (maksymalny element) percentyle analogicznie wyznaczane różne pozycje tego ciągu np.: 10%, 90% Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 41 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 42 7
8 Niektóre parametry statystyczne histogramu obrazu Skośność i kurtoza (eksces) histogramu to cechy odporne na fluktuacje jasności obrazu Skośność określa asymetrię Eksces określa jak ostry krzywej histogramu lub łagodny kształt ma histogram Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 43 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 44 Macierz gradientu Deskryptory wyznaczane z macierzy gradientu Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 45 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 46 Macierz R - rozkładu długości pasm Deskryptory wyznaczane z macierzy R Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 47 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 48 8
9 Miara zdolności dyskryminacyjnej - współczynnik Fisher a Cechy dyskryminacyjne i rozróżnianie (dyskryminacja) klas obrazów Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 49 Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 50 Przykłady analizy zmian powierzchni oraz struktury materiału Oprac.: dr inż. Zbigniew Rudnicki, AGH, KKiEM 51 9
Przetwarzanie i analiza obrazów oraz złożonych danych
Przetwarzanie i analiza obrazów oraz złożonych danych Opracował: Zbigniew Rudnicki ZKiEM, AGH Kraków Kategorie analizowanych obrazów Obrazy Obrazy obiektów (wyraźnie widocznych) Obrazy obiektów trudno
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 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 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 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 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 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 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 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 szczegółowo9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie
9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie Obrazy binarne to takie, które mają tylko dwa poziomy szarości: 0 i 1 lub 0 i 255. ImageJ wykorzystuje to drugie rozwiązanie - obrazy
Bardziej szczegółowoOdciski palców ekstrakcja cech
Kolasa Natalia Odciski palców ekstrakcja cech Biometria sprawozdanie z laboratorium 4 1. Wstęp Biometria zajmuje się rozpoznawaniem człowieka na podstawie jego cech biometrycznych. Jest to możliwe ponieważ
Bardziej 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 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 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 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 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 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 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 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 szczegółowoAnaliza obrazów - sprawozdanie nr 3
Analiza obrazów - sprawozdanie nr 3 Przekształcenia morfologiczne Przekształcenia morfologiczne wywodzą się z morfologii matematycznej, czyli dziedziny, która opiera się na teorii zbiorów, topologii i
Bardziej 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 szczegółowoGrenlandia się topi badanie rozkładu kątów pomiędzy strumykami na lądolodzie na podstawie analizy obrazu
Grenlandia się topi badanie rozkładu kątów pomiędzy strumykami na lądolodzie na podstawie analizy obrazu Małgorzata Bąk, Marcin Byra, Filip Chudzyński, Marcin Osiekowicz Opiekun: dr hab. Piotr Szymczak
Bardziej szczegółowoPrzekształcenia morfologiczne II i operacje na obrazach logicznych
Przekształcenia morfologiczne II i operacje na obrazach logicznych 1 Przekształcenia morfologiczne 1.1 Ścienianie i Pogrubianie Pogrubianie i ścienianie: Operacje te polegają na nałożeniu lub ściągnięciu
Bardziej szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa 1. Cel ćwiczenia Ćwiczenie czwarte Przekształcenia morfologiczne obrazu Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej 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 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 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 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 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 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 szczegółowoSpośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.
Filtracja nieliniowa może być bardzo skuteczną metodą polepszania jakości obrazów Filtry nieliniowe Filtr medianowy Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy
Bardziej 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 szczegółowoPrzetwarzanie obrazów wykład 2
Przetwarzanie obrazów wykład 2 Adam Wojciechowski Wykład opracowany na podstawie Komputerowa analiza i przetwarzanie obrazów R. Tadeusiewicz, P. Korohoda Etapy obróbki pozyskanego obrazu Obróbka wstępna
Bardziej 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 szczegółowoANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM)
ANALIZA I INDEKSOWANIE MULTIMEDIÓW (AIM) LABORATORIUM 5 - LOKALIZACJA OBIEKTÓW METODĄ HISTOGRAMU KOLORU 1. WYBÓR LOKALIZOWANEGO OBIEKTU Pierwszy etap laboratorium polega na wybraniu lokalizowanego obiektu.
Bardziej szczegółowoPrzetwarzanie 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 szczegółowoHistogram obrazu, modyfikacje histogramu
March 15, 2013 Histogram Jeden z graficznych sposobów przedstawiania rozkładu cechy. Składa się z szeregu prostokatów umieszczonych na osi współrzędnych. Prostokaty te sa z jednej strony wyznaczone przez
Bardziej 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 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 szczegółowoWyższa Szkoła Informatyki Stosowanej i Zarządzania WIT
3-1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT Grupa BD2,TC1, Zespół 2 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń laboratoryjnych Ćwiczenie nr3 Temat: Operacje sąsiedztwa wygładzanie i wyostrzanie
Bardziej 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 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 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 szczegółowoALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.
Grupa IZ07IO1 Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel. Wykonali:
Bardziej 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 szczegółowoDiagnostyka obrazowa
Diagnostyka obrazowa Ćwiczenie czwarte Przekształcenia morfologiczne obrazu 1 Cel ćwiczenia Ćwiczenie ma na celu zapoznanie uczestników kursu Diagnostyka obrazowa z definicjami operacji morfologicznych
Bardziej szczegółowo6. Algorytmy ochrony przed zagłodzeniem dla systemów Linux i Windows NT.
WYDZIAŁ: GEOLOGII, GEOFIZYKI I OCHRONY ŚRODOWISKA KIERUNEK STUDIÓW: INFORMATYKA STOSOWANA RODZAJ STUDIÓW: STACJONARNE I STOPNIA ROK AKADEMICKI 2014/2015 WYKAZ PRZEDMIOTÓW EGZAMINACYJNYCH: I. Systemy operacyjne
Bardziej 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 szczegółowo3. OPERACJE BEZKONTEKSTOWE
3. OPERACJE BEZKONTEKSTOWE 3.1. Tablice korekcji (LUT) Przekształcenia bezkontekstowe (punktowe) to takie przekształcenia obrazu, w których zmiana poziomu szarości danego piksela zależy wyłącznie od jego
Bardziej szczegółowoRekonstrukcja obrazu (Image restoration)
Rekonstrukcja obrazu (Image restoration) Celem rekonstrukcji obrazu cyfrowego jest odtworzenie obrazu oryginalnego na podstawie obrazu zdegradowanego. Obejmuje ona identyfikację procesu degradacji i próbę
Bardziej szczegółowoKP, Tele i foto, wykład 3 1
Krystian Pyka Teledetekcja i fotogrametria sem. 4 2007/08 Wykład 3 Promieniowanie elektromagnetyczne padające na obiekt jest w części: odbijane refleksja R rozpraszane S przepuszczane transmisja T pochłaniane
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 szczegółowoAnaliza i przetwarzanie obrazów
Analiza i przetwarzanie obrazów Temat projektu: Aplikacja na system Android wyodrębniająca litery(znaki) z tekstu Marcin Nycz 1. Wstęp Tematem projektu była aplikacja na system Android do wyodrębniania
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 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 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 szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek ciężkości ułożenie przestrzenne momenty wyższych rzędów promienie max-min centryczność
Bardziej szczegółowoPo co nam charakterystyki liczbowe? Katarzyna Lubnauer 34
Po co nam charakterystyki liczbowe? Katarzyna Lubnauer 34 Def. Charakterystyki liczbowe to wielkości wyznaczone na podstawie danych statystycznych, charakteryzujące własności badanej cechy. Klasyfikacja
Bardziej szczegółowoAKWIZYCJA I PRZETWARZANIE WSTĘPNE
WYKŁAD 2 AKWIZYCJA I PRZETWARZANIE WSTĘPNE Akwizycja (pozyskiwanie) obrazu Akwizycja obrazu - przetworzenie obrazu obiektu fizycznego (f(x,y)) do postaci zbioru danych dyskretnych (obraz cyfrowy) nadających
Bardziej 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 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 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 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 szczegółowoMathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje
Mathcad c.d. - Macierze, wykresy 3D, rozwiązywanie równań, pochodne i całki, animacje Opracował: Zbigniew Rudnicki Powtórka z poprzedniego wykładu 2 1 Dokument, regiony, klawisze: Dokument Mathcada realizuje
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 szczegółowoAnaliza obrazu. wykład 7. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 7 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Slajdy przygotowane na podstawie książki Komputerowa analiza obrazu R.Tadeusiewicz, P. Korohoda, Filtry morfologiczne
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 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 szczegółowoZbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 7
7. NORMALIZACJA I BINARYZACJA ADAPTATYWNA 7.1. Normalizacja lokalna Zwykłe konwolucje działają w jednakowy sposób na całym obrazie. Plugin Local Normalization przeprowadza filtrowanie Gaussa w zależności
Bardziej szczegółowoSpis treści. Morfologia matematyczna. 1 Morfologia matematyczna 1.1 Dylacja 1.2 Erozja 1.3 Otwarcie i zamknięcie 1.
Spis treści 1 Morfologia matematyczna 1.1 Dylacja 1.2 Erozja 1.3 Otwarcie i zamknięcie 1.4 Filtr medianowy Morfologia matematyczna Morfologia matematyczna to bardzo przydatna metoda przetwarzania obrazów
Bardziej szczegółowodr inż. Jacek Naruniec email: J.Naruniec@ire.pw.edu.pl
dr inż. Jacek Naruniec email: J.Naruniec@ire.pw.edu.pl Coraz większa ilość danych obrazowych How much information, University of California Berkeley, 2002: przyrost zdjęć rentgenowskich to 17,2 PB rocznie
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 szczegółowoStatystyka opisowa PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA
Statystyka opisowa PRZEDMIOT: PODSTAWY STATYSTYKI PROWADZĄCY: DR LUDMIŁA ZA JĄC -LAMPARSKA Statystyka opisowa = procedury statystyczne stosowane do opisu właściwości próby (rzadziej populacji) Pojęcia:
Bardziej szczegółowoAnaliza obrazu. wykład 1. Marek Jan Kasprowicz Uniwersytet Rolniczy Marek Jan Kasprowicz Analiza obrazu komputerowego 2009 r.
Analiza obrazu komputerowego wykład 1 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Plan wykładu Wprowadzenie pojęcie obrazu cyfrowego i analogowego Geometryczne przekształcenia obrazu Przekształcenia
Bardziej szczegółowoWykrywanie obiektów na obrazach cyfrowych. Marcin Kuczyński
Wykrywanie obiektów na obrazach cyfrowych Marcin Kuczyński Spis treści 1. Wprowadzenie 2. System rozpoznawania obrazów 3. Wykrywanie w oparciu o kolor i tekstury 4. Wykrywanie krawędzi 5. Detekcja rogów
Bardziej szczegółowoReprezentacja i analiza obszarów
Cechy kształtu Topologiczne Geometryczne spójność liczba otworów liczba Eulera szkielet obwód pole powierzchni środek cięŝkości ułoŝenie przestrzenne momenty wyŝszych rzędów promienie max-min centryczność
Bardziej szczegółowoAnaliza obrazu. wykład 3. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009
Analiza obrazu komputerowego wykład 3 Marek Jan Kasprowicz Uniwersytet Rolniczy 2009 Binaryzacja Binaryzacja jest jedną z ważniejszych ż czynności punktowego przetwarzania obrazów. Poprzedza prawie zawsze
Bardziej szczegółowoLaboratorium Cyfrowego Przetwarzania Obrazów
Laboratorium Cyfrowego Przetwarzania Obrazów Ćwiczenie 5 Segmentacja Opracowali: - dr inż. Krzysztof Mikołajczyk - dr inż. Beata Leśniak-Plewińska - dr inż. Jakub Żmigrodzki Zakład Inżynierii Biomedycznej,
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 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 szczegółowoStatystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej. dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.
Statystyka w pracy badawczej nauczyciela Wykład 3: Analiza struktury zbiorowości statystycznej dr inż. Walery Susłow walery.suslow@ie.tu.koszalin.pl Zadania analityczne (1) Analiza przewiduje badanie podobieństw
Bardziej szczegółowoWykład 5. Opis struktury zbiorowości. 1. Miary asymetrii.
Wykład 5. Opis struktury zbiorowości 1. Miary asymetrii. 2. Miary koncentracji. Przykład Zbadano stawkę godzinową (w zł) pracowników dwóch branŝ, otrzymując następujące charakterysty ki liczbowe: Stawka
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 szczegółowoSegmentacja obrazu. Segmentacja obrazu
Cel segmentacji Podział obrazu na obszary odpowiadające poszczególnym, widocznym na obrazie obiektom. Towarzyszy temu zwykle indeksacja (etykietowanie) obiektów, czyli przypisanie każdemu obiektowi innej
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 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 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 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 szczegółowoPRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń. Ćwiczenie 2. Korekcja zniekształceń radiometrycznych
WyŜsza Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT Grupa ID306, Zespół 2 PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń Ćwiczenie 2 Temat: : Korekcja zniekształceń
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 szczegółowoCyfrowe przetwarzanie obrazów i sygnałów Wykład 6 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 szczegółowoWykład 2. Statystyka opisowa - Miary rozkładu: Miary położenia
Wykład 2 Statystyka opisowa - Miary rozkładu: Miary położenia Podział miar Miary położenia (measures of location): 1. Miary tendencji centralnej (measures of central tendency, averages): Średnia arytmetyczna
Bardziej szczegółowoSEGMENTACJA OBRAZU Wprowadzenie
Oprogramowanie Systemów Obrazowania SEGMENTACJA OBRAZU Wprowadzenie Segmentacja obszarów to operacja wydzielenia z obrazu obszarów w oparciu o zdefiniowane kryterium. Głównym uzasadnieniem celowości takiego
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 szczegółowoCechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie progresywne (Adam 7)
mgr inż. Grzegorz Kraszewski SYSTEMY MULTIMEDIALNE wykład 5, strona 1. PNG (PORTABLE NETWORK GRAPHICS) Cechy formatu PNG Budowa bloku danych Bloki standardowe PNG Filtrowanie danych przed kompresją Wyświetlanie
Bardziej 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 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 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 szczegółowobudowa i zasady użycia logo Fundacji Orange
budowa i zasady użycia 1 budowa i kolorystyka 1.1 A B logo Orange deskryptor Podstawowy znak Fundacji Orange składa się z logotypu Orange i deskryptora: Fundacja Orange, umieszczonego z prawej strony.
Bardziej szczegółowo