Cyfrowe Przetwarzanie Obrazów Karol Czapnik
Podstawowe zastosowania (1) automatyka laboratoria badawcze medycyna kryminalistyka metrologia geodezja i kartografia 2/21
Podstawowe zastosowania (2) komunikacja nadzór i zabezpieczenie obiektów wojsko astronomia i astrofizyka poligrafia telewizja cyfrowa, DVD, monitory ekranowe 3/21
Naturalny proces przetwarzania obrazu Ogólny schemat naturalnego procesu przetwarzania obrazu Schemat naturalnego przetwarzania obrazu 4/21
Grafika a rozpoznawanie obrazu Przetwarzanie obrazu dane wejściowe i wyjściowe mają postać obrazu, np. systemy przesyłania obrazów, w których istotne jest usuwanie zakłóceń i kompresja danych. Grafika komputerowa tworzenie obrazu na podstawie informacji nieobrazowej. Przetwarzanie obrazu OBRAZ Rozpoznawanie obrazu metody tworzenia opisu obrazu wejściowego lub klasyfikowanie obrazu do jakiejś szczególnej klasy. Grafika Rozpoznawanie obrazu Schemat procesu automatycznego widzenia OPIS sphere(x s,y s,z s,r) 5/21
Obraz cyfrowy podstawowe pojęcia (1) Obraz cyfrowy jako funkcja jasności: najczęściej funkcja dwóch zmiennych f(x,y), która opisuje: współczynnik odbicia, czyli odcień oraz natężenie oświetlenia, czyli jasność Funkcja ta określana jest na obszarze sceny znajdującej się w polu widzenia kamery lub obserwatora. Barwa a Kolor: Barwa jest wrażeniem zmysłowym definiowanym 3 atrybutami: kolorem (odcieniem), nasyceniem i jasnością. Kolor jest tylko atrybutem barwy z pominięciem jasności i nasycenia (w kolorymetrii odpowiednikiem jest długość fali światła widzialnego). Kolor nie jest barwą 6/21
Obraz cyfrowy podstawowe pojęcia (2) Metameryzm efekt uboczny, takie same barwy przy danym oświetleniu mogą być odbierane jako różne przy innym oświetleniu, czyli to samo wrażenie barwy lecz różny skład widmowy Przykłady różnych efektów związanych z oświetleniem 7/21
Obraz cyfrowy podstawowe pojęcia (3) Podstawowe przestrzenie barw: 1. RGB wszystkie 3 zmienne (R, G, B) niosą jednocześnie informacje o odcieniu (chrominancji) i o jasności (luminancji): f(x,y) = f R (x,y) + f G (x,y) + f B (x,y) 3. CMYK model dostosowany do substraktywnego mieszania barw, barwy podstawowe to C=Cyjan, M=Magenta, Y=Yellow oraz czarny (B=blacK) 2. HLS, HSV jedna zmienna niesie informacje o luminancji (L=Lightness Jasność lub V=Value), a dwie niosą informację o chrominancji (H=Hue Odcień i S=Saturation Nasycenie): f(x,y) = f L (x,y) + f H (x,y) + f S (x,y) C M Y = R G B 8/21
Obraz cyfrowy podstawowe pojęcia (4) Trójkąt barwowy: CIEXYZ przestrzeń kolorymetryczna abstrakcyjny opis barw (model matematyczny) niezależny od urządzeń, wprowadzony przez komisje CIE jako podstawowy układ kolorymetryczny XYZ E 9/21
Obraz cyfrowy podstawowe pojęcia (5) Kolorymetria opis obrazu barwnego (mieszanie barw): addytywna złożenie 3 kolorów podstawowych (R, G, B) daje biel (np. światło, monitory) substraktywna złożenia 3 kolorów podstawowych (C, M, Y) daje czerń (np. farby, drukarki) 10/21
Proces przetwarzania i analizy obrazów akwizycja obrazów (digitalizacja) konwersja A/C kompresja obrazów (kodowanie) poprawa jakości obrazów i kompensacja zakłóceń efekty specjalne (morphing, warping) analiza i rozpoznawanie obrazów segmentacja analiza cech identyfikacja klasyfikacja 11/21
Akwizycja obrazów (digitalizacja) (1) Akwizycja (digitalizacja) uzyskiwanie cyfrowej funkcji jasności na podstawie informacji analogowej (światła odbitego od obserwowanego obiektu) Podstawowe problemy: dyskretyzacja dziedziny próbkowanie, aby uniknąć zniekształceń sygnału (Tw. o próbkowaniu, kwestia rozdzielczości, efekt aliasingu, szum) dyskretyzacja zbioru wartości kwantyzacja, czyli wybór liczby i rozkład poziomów kwantyzacji 12/21
Akwizycja obrazów (digitalizacja) (2) Matryce CCD/CMOS: B G R R G G B R G E B matryca Bayera 1 detektor, 3 różne filtry barwne, dodatkowo 1 zielony, interpolacja matryca Sony 1 detektor, 4 różne filtry barwne, w tym szmaragdowy (E), interpolacja matryca Foveon X3 3 warstwy sensorów umieszczone na różnych głębokościach, różnie pochłaniają światło matryca 3CCD 3 detektory barwne i układ optyczny, który rozdziela odpowiednie długości fal matryca Fuji SuperCCD SR struktura plastra miodu, lepsze odwzorowanie kolorów oraz dodatkowo 2 różnoczułe fotodiody 13/21
Kompresja obrazów (kodowanie) Kodowanie zapisywanie dyskretnej funkcji (np. jasności) przy użyciu ciągu znaków kodowych, tak aby na podstawie tego ciągu dało się odtworzyć oryginalną funkcję: dokładnie kompresja bezstratna: stopień kompresji 3:1 (Kodowanie Huffmana, LZW, GIF, PNG, PCX) w przybliżeniu kompresja stratna (JPEG, JPEG2000, MPEG, DivX/Xvid) Przykład kompresji stratnej: 14/21
Poprawa jakości obrazów (1) W praktyce sprowadza się do: kompensowania wpływu zniekształceń określonego rodzaju (geometrycznych optyka, prześwietlenia, niedoświetlenia) usuwania zakłóceń (redukcja szumów, wygładzanie kształtów) poprawy kontrastu (wyostrzanie krawędzi) Podstawowy problem i jego rozwiązania: algorytm redukcji szumów i algorytm wyostrzania krawędzi są wzajemnie antagonistyczne (sprzeczne ze sobą) metoda prób i błędów eksperymenty i doświadczenia projektowe 15/21
Poprawa jakości obrazów (2) Podstawowe operacje na obrazie: metody przestrzenne przekształceniu poddawana jest funkcja jasności (wartość piksela) (m.in. wyrównanie histogramu, zwiększanie kontrastu, poprawa jasności, korekcja gamma, filtry i maski, operacje morfologiczne) metody częstotliwościowe przekształceniu poddawana jest transformata (np. Fouriera, falkowa) funkcji jasności Przykład wyrównania histogramu: Przykłady zastosowanie odpowiedniego filtru: 16/21
Efekty specjalne Podstawowe operacje: przekształcenia / zniekształcenia (morphing / warping) symulacja efektów optycznych (np. zmiany oświetlenia, głębia ostrości zastosowanie wirtualnego studia blue box) Przykłady morphing'u: Przykłady warping'u: 17/21
Analiza i rozpoznawanie obrazów (1) Typowa sekwencja przetwarzania: segmentacja klasyfikacja pikseli (np. wg jasności) na podzbiory i kategorie, wydzielenie tła i interesujących obiektów z obrazu (przez progowanie, przez analizę skupień, przez wykrywanie krawędzi, przez rozrost lub podział obszarów) analiza cech określenie atrybutów dla odpowiednich segmentów, utworzenie wektora cech, czyli opisu symbolicznego (przez wielkość obszaru, przez współczynniki kształtu, niezmienniki momentowe) identyfikacja stwierdzenie na podstawie otrzymanego opisu kształtu obszaru (zestawu cech) jakiego typu jest dany obszar klasyfikacja odbywa się w przestrzeni cech (przez grupowanie, drzewa decyzyjne, sieci neuronowe, miary podobieństwa) 18/21
Analiza i rozpoznawanie obrazów (2) Przykłady segmentacji: obraz oryginalny przez progowanie przez wykrywanie krawędzi obraz oryginalny obraz posegmentowany 19/21
Proces przetwarzania i analizy obrazów czyli System cyfrowego przetwarzania obrazów Ekspozycja obrazu rozmieszczenia źródeł światła (cienie) jaką przesłonę ustawić, jaki czas naświetlania może szum dochodzić dane analogowe konwersja A/C akwizycja = digitalizacja obliczanie transformat w dziedzinie częstotliwości dane cyfrowe w dziedzinie przestrzennej poprawa jakości i kompensacja zakłóceń transformata odwrotna segmentacja i wydzielenie cech Obraz wysokiej jakości decyzja opis rozpoznanie symboliczny system automatycznej analizy wyznaczanie krawędzi (filtr górnoprzepustowy) 20/21
Dziękuję za uwagę 21/21