Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Podobne dokumenty
Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Wyższa Szkoła Informatyki Stosowanej i Zarządzania WIT

Wyższa Szkoła Informatyki Stosowanej i Zarządzania

Filtracja liniowa (metody konwolucyjne, tzn. uwzględniające pewne otoczenie przetwarzanego piksla):

Detekcja twarzy w obrazie

WYKŁAD 3. Przykłady zmian w obrazie po zastosowaniu Uniwersalnego Operatora Punktowego

PRZETWARZANIE OBRAZÓW Sprawozdanie z ćwiczeń. Ćwiczenie 2. Korekcja zniekształceń radiometrycznych

Przetwarzanie obrazów rastrowych macierzą konwolucji

Implementacja filtru Canny ego

Analiza obrazu. wykład 4. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Spośród licznych filtrów nieliniowych najlepszymi właściwościami odznacza się filtr medianowy prosty i skuteczny.

Przetwarzanie obrazów wykład 4

Analiza obrazów - sprawozdanie nr 2

Segmentacja przez detekcje brzegów

WOJSKOWA AKADEMIA TECHNICZNA

Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 11. Filtracja sygnałów wizyjnych

Ćwiczenia z grafiki komputerowej 5 FILTRY. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University. Październik 2015

Komputerowe obrazowanie medyczne

Ćwiczenia GIMP. S t r o n a Uruchom program gimp: 2. I program się uruchomił:

Przekształcenia kontekstowe. Filtry nieliniowe Typowy przykład usuwania zakłóceń z obrazu

Filtracja obrazu operacje kontekstowe

BIBLIOTEKA PROGRAMU R - BIOPS. Narzędzia Informatyczne w Badaniach Naukowych Katarzyna Bernat

Ćwiczenia z grafiki komputerowej 4 PRACA NA WARSTWACH. Miłosz Michalski. Institute of Physics Nicolaus Copernicus University.

Obraz jako funkcja Przekształcenia geometryczne

maska 1 maska 2 maska 3 ogólnie

Raport. Bartosz Paprzycki UMK 2009/2010

Rozpoznawanie Twarzy i Systemy Biometryczne

Operacje przetwarzania obrazów monochromatycznych

Parametryzacja obrazu na potrzeby algorytmów decyzyjnych

Diagnostyka obrazowa

Grafika Komputerowa Wykład 2. Przetwarzanie obrazów. mgr inż. Michał Chwesiuk 1/38

Przetwarzanie obrazu

FILTRACJE W DZIEDZINIE CZĘSTOTLIWOŚCI

Przetwarzanie obrazu

Grafika komputerowa. Zajęcia IX

Filtracja splotowa obrazu

Analiza obrazów - sprawozdanie nr 3

Operator rozciągania. Obliczyć obraz q i jego histogram dla p 1 =4, p 2 =8; Operator redukcji poziomów szarości

Analiza obrazów. Segmentacja i indeksacja obiektów

dr inż. Tomasz Krzeszowski

AKWIZYCJA I PRZETWARZANIE WSTĘPNE

Maskowanie i selekcja

AKWIZYCJA I PRZETWARZANIE WSTĘPNE OBRAZU

9. OBRAZY i FILTRY BINARNE 9.1 Erozja, dylatacja, zamykanie, otwieranie

Wyższa Szkoła Informatyki Stosowanej i Zarządzania Warsaw School of Information Technology WIT

ALGORYTMY PRZETWARZANIA OBRAZÓW Projekt. Aplikacja przetwarzająca obrazy z możliwością eksportu i importu do programu MS Excel.

CECHY BIOMETRYCZNE: ODCISK PALCA

Automatyczne tworzenie trójwymiarowego planu pomieszczenia z zastosowaniem metod stereowizyjnych

Odciski palców ekstrakcja cech

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 8 AiR III

Filtracja obrazu operacje kontekstowe

Grafika komputerowa. Dr inż. Michał Kruk

Cyfrowe Przetwarzanie Obrazów i Sygnałów

Zbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 5

WYKŁAD 7. Obraz z wykrytymi krawędziami: gdzie 1 - wartość konturu, 0 - wartość tła.

Tworzenie stempla W poniższym poradniku zostanie zaprezentowany ciekawy sposób na stworzenie

POB Odpowiedzi na pytania

POPRAWIANIE JAKOŚCI OBRAZU W DZIEDZINIE PRZESTRZENNEJ (spatial image enhancement)

Formatowanie komórek

Kurs WWW. Paweł Rajba.

Kurs Adobe Photoshop Elements 11

Cyfrowe Przetwarzanie Obrazów i Sygnałów

AUTOMATYCZNE ROZPOZNAWANIE PUNKTÓW KONTROLNYCH GŁOWY SŁUŻĄCYCH DO 3D MODELOWANIA JEJ ANATOMII I DYNAMIKI

.: Zaznaczanie, kopiowanie i wklejanie w GIMPie :.

Histogram obrazu, modyfikacje histogramu

Cyfrowe przetwarzanie obrazów i sygnałów Wykład 7 AiR III

PRACA Z PLIKAMI RAW W COREL PHOTO-PAINT X5 NA PRZYKŁADOWYM ZDJĘCIU

3. OPERACJE BEZKONTEKSTOWE

Warszawa, dnia 28 sierpnia 2017 r. Poz. 1602

Politechnika Świętokrzyska. Laboratorium. Cyfrowe przetwarzanie sygnałów. Ćwiczenie 8. Filtracja uśredniająca i statystyczna.

MATERIAŁY DYDAKTYCZNE. Streszczenie: w ramach projektu nr RPMA /16. Praca na warstwach w programie GIMP

Ćwiczenie 2. Przetwarzanie graficzne plików. Wprowadzenie teoretyczne

Analiza obrazu. wykład 6. Marek Jan Kasprowicz Uniwersytet Rolniczy 2009

Spis treści. strona 1 z 10

Przetwarzanie obrazu

Zbigniew Sołtys - Komputerowa Analiza Obrazu Mikroskopowego 2016 część 7

GIMP GNU Image Manipulation Program. Narzędzia Informatyki

Adobe Photoshop Dodatek do lab4 J.Wiślicki, A.Romanowski;

Filtracja w domenie przestrzeni

Spis treści. Programowanie w ImageJ. Zadanie 1. Zadanie 2

Dostosowanie szerokości kolumn

Rys. 1. Rozpoczynamy rysunek pojedynczej części

Wizualizacja spożycia produktów żywnościowych w Europie przy użyciu programu GradeStat

Proste metody przetwarzania obrazu

Dodatek B - Histogram

Komentarz technik geolog 311[12]-01 Czerwiec 2009

Excel wykresy niestandardowe

Zadanie 1. Test (6 pkt) Zaznacz znakiem X w odpowiedniej kolumnie P lub F, która odpowiedź jest prawdziwa, a która fałszywa.

Modelowanie krawędziowe detalu typu wałek w szkicowniku EdgeCAM 2009R1

Techniki wizualizacji. Ćwiczenie 4. Podstawowe algorytmy przetwarzania obrazów

Zaznaczanie komórek. Zaznaczenie pojedynczej komórki polega na kliknięciu na niej LPM

Maski warstw. Nic nie zastąpi przykładu, na którym jest jasno pokazane co i jak, a więc koniec wymądrzania się, zobaczmy o czym ja w ogóle mówię.

Zygmunt Wróbel i Robert Koprowski. Praktyka przetwarzania obrazów w programie Matlab

Szacowanie wartości monet na obrazach.

Łożysko z pochyleniami

WSTĘP DO PRZETWARZANIA OBRAZÓW. Jak znaleźć ciekawe rzeczy na zdjęciu? mgr Krzysztof Szarzyński

Przekształcenia punktowe

(12) OPIS OCHRONNY WZORU PRZEMYSŁOWEGO

Systemy multimedialne 2015

24 proste kroki. aby pokonac. Obrazki. logiczne. ro05155

Transkrypt:

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 Warszawa 2005/2006

Zadanie 1 a)operacja detekcji krawędzi Photo Paint Obraz pierwotny Effects, Contour, Find Edges (soft) Effects, Contour, Trace Contour Effects, Effects 3D, Emboss (orginal color)

Maska własna 0-1 0-1 5-1 0-1 0 Porównanie Jak widzimy najlepsze efekty dała operacja Emboss (orginal color). Tuż za nią jest Find Edges. Pozostałe operacje nie dały satysfakcjonujących wyników, szczególnie Trace Contur, która uwydatniła zakłócenia b)image pro plus Obraz pierwotny

Filtr Sobel Widać wyraźne wyostrzenie krawędzi, podpisów, jak i zróżnicowanie histogramu Filtr Roberts

Krawędzie zostały wyostrzone tak mocno, że są niewidoczne i łącznie z tłem są czarne, jedynie podpisy są jeszcze trochę widoczne Filtr Horizontal Obraz został rozciągnięty lekko w poziomie, jak widać histogram uległ spłaszczeniu, barwy są albo bardzo jasne, albo wręcz czarne. Filtr Vertical

Obraz został poddany takiej operacji, że przerywane linie pionowe widoczne na obrazie pierwotnym, stały się tutaj ciągłe, a histogram jak widać jest prawie zupełnie płaski. Zadanie 2 Poniżej oznakowany obraz pierwotny o wymiarach 174x183 pikseli: W tabeli zestawienie działania programów Image ProPlus i programu Filtry: Image ProPlus Filtry Po zastosowaniu maski Sobela :

Po zastosowaniu maski FG1: Jak widać po zastosowaniu maski Sobela krawędzie w obu przypadkach są bardziej widoczne, ale program Filtry tworzy większe zakłócenia, niż Image ProPlus. Krawędzie w Image Pro Plus są gładsze, natomiast po operacji detekcji krawędzi maską Sobela w Filtrach podpis jest nieczytelny, prawie nie widoczny. Detekcję krawędzi (filtrację górnoprzepustową FG) wykonaliśmy w obu programach przy pomocy poniższej maski: 0-1 0-1 5-1 0-1 0 Widać, że krawędzie na obu obrazach po wykonanej operacji są bardziej wyraźne niż na obrazie pierwotnym. Odcienie szarości zostały zachowane w miarę możliwości. Jednak i w tym przypadku zakłócenia w programie Filtry są dużo większe i bardziej widoczne niż na obrazie, na którym działał program Image Pro Plus. Poniżej fragment obrazu pierwotnego (zaznaczony) w programie Image Pro Plus wraz z tablicą liczb. Lewy górny róg fragmentu ma współrzędne: (71,59), a obraz wymiary: 11x10 pikseli. I linie profili poprowadzone od lewego górnego rogu do prawego dolnego rogu:

Poniżej porównanie dwóch masek dla zaznaczonego fragmentu: Po zastosowaniu maski Sobela: Po zastosowaniu maski FG1 (maska ma te same dane, co i dla całego obrazu): Tablica liczb po zastosowaniu maski Sobela: 0 102 26 66 2 28 8 6 32 50 0 128 169 166 123 71 19 26 25 75 131 140 255 255 60 125 125 121 74 42 25 60 60 255 255 255 201 46 76 124 94 50 46 32 255 255 255 255 255 255 255 169 58 127 124 255 255 255 255 255 255 255 255 255 147 40 0 61 80 127 255 255 255 255 255 255 255 255 255 100 111 117 203 255 255 255 255 255 255 255 255 95 87 55 22 30 74 255 255 0 255 255 64 44 42 0 16 24 120 0 I po zastosowaniu maski FG1: 166 71 72 73 74 75 76 77 78 79 80 81 59 0 102 26 66 2 28 8 6 32 50 0 60 128 169 166 123 71 19 26 25 75 131 140 61 255 255 60 125 125 121 74 42 25 60 60 62 255 255 255 201 46 76 124 94 50 46 32 63 255 255 255 255 255 255 255 169 58 127 124 64 255 255 255 255 255 255 255 255 255 147 40 65 0 61 80 127 255 255 255 255 255 255 255 66 255 255 100 111 117 203 255 255 255 255 255 67 255 255 255 95 87 55 22 30 74 255 255 68 0 255 255 64 44 42 0 16 24 120 0 Wyraźnie widać, że wartości w obu tablicach różnią się, choćby pierwszą wartością. Logiczne, że skoro zastosowaliśmy różne maski(o różnych wartościach i innym obliczaniu jej) nie mogliśmy otrzymać tych samych wyników. Wartości obliczone metodą Sobela zostały zeskalowane metodą skalowania trzecią (obcięte zostały tylko dziesiętne części): g (x,y)= 0 dla g(x,y)<0 g(x,y) dla 0<=g(x,y)<=M-1

M-1 dla g(x,y)>m-1 Różnice widoczne są również na wykresach linii profili po zastosowaniu: Maski Sobela: Maski FG1: Ten sam fragment co w programie Image Pro Plus został poddany głębszej analizie w programie Filtry. Porównanie masek w programie Filtry: Po zastosowaniu maski Sobela: Po zastosowaniu maski FG1: Poniżej tablica liczb dla tego fragmentu po zastosowaniu maski Sobela: 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 255 255 255 0 0 0 0 0 0 0 0 255 255 255 255 255 255 0 0 0 0 0 255 255 255 255 255 255 255 255 255 0 0 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 255 0 255 255 255 255 255 255 255 255 0 255 255 0 0 0 255 255 255 255 255 255 0 255 255 0 0 0 0 0 255 255 I maski FG1 w programie Filtry: 223 239 207 207 255 207 255 216 255 224 223 255 255 231 239 231 247 239 247 239 247 255 255 255 255 255 255 223 231 231 239 239 239 121 205 255 255 255 255 255 255 223 231 239 109 138 164 206 249 254 255 255 255 255 231 0 0 26 23 66 100 166 204 255 255 255 0 14 18 17 39 49 92 130 156 246 241 0 8 7 0 0 10 8 0 18 15 66 255 0 0 24 8 0 0 6 18 17 39 0 255 0 0 8 8 16 16 0 0 0

Z powyższych tablic widać wyraźną różnicę w działaniu obu masek. Po zastosowaniu maski Sobela wynik został poddany skalowaniu metodą 2, w rezultacie czego wartości równe są 0(czarne piksele) lub 255(białe piksele). Natomiast po zastosowaniu maski FG1 możemy przypuszczać, że zastosowano skalowanie metodą 3, czyli wartości spoza zakresu równe najbliższej należącej do zakresu, reszta, która mieściła się w zakresie (0-255) pozostała bez zmian. Po analizie obrazu i jego fragmentu można stwierdzić, że detekcja krawędzi czyli: znajdowanie lokalnych nieciągłości w granicach obiektów, działa mniej lub bardziej dokładnie w zależności od wybranej maski, a także każdy z programów realizuje te operacje w trochę inny sposób.