Komunikacja Człowiek-Komputer Przetwarzanie i rozpoznawanie obrazów przegląd Wojciech Jaśkowski Instytut Informatyki Politechnika Poznańska Wersja: 21 listopada 2014
Transformata Hough Detekcja odcinków / prostych y = ax + b Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_line_hough_transform.html
Transformata Hough Detekcja okręgów Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_line_hough_transform.html
Transformata Hough Detekcja elips Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_line_hough_transform.html
Wykrywanie plam (ang. blob detection) Laplasjan funkcji gaussa (LoG Laplacian of Gaussian) Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_blob.html
Wykrywanie plam (ang. blob detection) Różnica gaussianów (DoG Difference of Gaussian) szybka aproksymacja LoG
Wykrywanie plam (ang. blob detection) Wyznacznik macierzy Hessego (DoH Determinant of Hessian) znajdowanie ekstremów wielowymiarowych.
Wykrywanie narożników i punktów charakterystycznych (ang. corner and interest point detection) Detektor Harrisa
Wykrywanie narożników i punktów charakterystycznych (ang. corner and interest point detection) Detektor Harrisa Źródło: http://commons.wikimedia.org/wiki/file:writing_desk_with_harris_detector.png
Wykrywanie narożników i punktów charakterystycznych (ang. corner and interest point detection) SIFT (Scale-Invariant Feature Transform) Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_sift_intro/py_sift_intro.html#siftintro
Wykrywanie narożników i punktów charakterystycznych (ang. corner and interest point detection) SIFT (Scale-Invariant Feature Transform) Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_surf_intro/py_surf_intro.html#surf
Źródło: http://www.codeproject.com/articles/619039/bag-of-features-descriptor-on-sift-features-with-o Deskryptory Deskryptor jest wektorem (np. SIFT 128 wartości) charakterystycznych dla danego punktu (charakterystycznego). Istotne,a by był: niezmienny przy transformacjach geometrycznych i przy zmianach w oświetleniu (SIFT)
Dopasowywanie (ang. matching) Dopasowywanie deskryptorów Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_matcher/py_matcher.html#matcher
Dopasowywanie (ang. matching) ORB feature detection and matching Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_matcher/py_matcher.html#matcher
Dopasowywanie (ang. matching) ORB feature detection and matching Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_matcher/py_matcher.html#matcher
Źródło: http://docs.opencv.org/trunk/doc/py_tutorials/py_feature2d/py_feature_homography/py_feature_homograph feature-homography Dopasowywanie (ang. matching) Przekształcenie perspektywiczne (potrzebne 4 punkty).
Dopasowywanie wzorców (ang. template matching) Za pomocą korelacji wzajemnej (miara podobieństwa) Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_template.html
Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_entropy.html Entropia obrazu entropia w punkcie = i p i log 2 (p i ), gdzie p i oznacza prawd, że różnica w intensywności pomiędzy pixelem a jego sąsiadem wynosi i
Segmentacja Random walker algorithm Źródło: http://scikit-image.org/docs/dev/auto_examples/plot_random_walker_segmentation.html
Segmentacja Human vs. machine segmentation Źródło: http://mygsoc.blogspot.com/2013/06/segmentation-algorithms-and-why-we-need.html
Przegląd zastosowań Ogólnie: CNET https://www.youtube.com/watch?v=bqfdtbs2y_y Car industry: Mobileyey https://www.youtube.com/watch?v=h_wmyueeizq 3D photos https://www.youtube.com/watch?v=nxf1qrfcbii MS Photosynth: https://www.youtube.com/watch?v=p16frkjlvi0 3D real-time model reconstruction: Urbanscape https://www.youtube.com/watch?v=3rf26nwzxhc Augmented Reality: https://www.youtube.com/watch?v=uniyt7qwhga Qualcomm AR Challenge: https://www.youtube.com/watch?v=jdn_zn0xeow Mixed Reality, MS room-live: https://www.youtube.com/watch?v=ilb5exbzhqw