1 / 36

Osnove obdelave slike s primeri: Inspector

Osnove obdelave slike s primeri: Inspector. Obdelava slike. Predobdelava slike Izboljšanje slike Obnavljanje slike Analiza slike Iskanje robov Iskanje oglišč. 12. Slika f(x,y). x. M. y. 12. N. Piksel. Področje zanimanja. Predobdelava slike. Izhodna slika. Vhodna slika.

chase-williamson
Download Presentation

Osnove obdelave slike s primeri: Inspector

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Osnove obdelave slike s primeri: Inspector

  2. Obdelava slike • Predobdelava slike • Izboljšanje slike • Obnavljanje slike • Analiza slike • Iskanje robov • Iskanje oglišč • ....

  3. 12 Slika f(x,y) x M y 12 N Piksel Področje zanimanja

  4. Predobdelava slike Izhodna slika Vhodna slika Predobdelava • Napraviti sliko bolj primerno za nadaljnjo • obdelavo • V sistemih strojnega vida naj bi bilo • predobdelave čim manj.

  5. Predobdelava slike Izhodna slika Vhodna slika Predobdelava • Izboljšanje slike • Obnavljanje slike

  6. Predobdelava slike Izhodna slika Vhodna slika Predobdelava • Točkovne operacije: +,-,*,/, C = A- B • Lokalne operacije: filtriranje • Globalne operacije: histogram

  7. Predobdelava slike • Točkovne operacije: • Seštevanje slik: • popravimo razmerje signal/šum • Odštevanje slik • detekcija premika (spremembe) • odštevanje ozadja

  8. q q p p Predobdelava slike • Popravljanje svetlosti: q = p + k Izhodni nivoji sivosti Vhodni nivoji sivosti

  9. Predobdelava slike • Popravljanje kontrasta: q  k . p Izhodni nivoji sivosti q q p p Vhodni nivoji sivosti

  10. Predobdelava slike • Zmanjšati nivo šuma • Gaussov šum • Impulzni šum • Linerano filtriranje (Gaussov filter) • Nelinearno filtriranje (medianin filter) • k(x,y) =  h(x,y) x f(u-x,v-x)

  11. Predobdelava slike • Glajenje • povprečenje • uteženo povprečenje • filtriranje z Gaussovim filtrom

  12. Predobdelava slike • Povprečenje, uteženo povprečenje • Npr. ‘maska’ 3 x 3 1 2 1 1 1 1 1 1 2 4 2 1 1 2 1 1 1 1

  13. Predobdelava slike • Smiselno je izkoristiti ločljivost jedra • g(x,y) * f(x,y) = g(x) * g(y) * f(x,y) • Najprej filtriramo po stolpcih • Nato po vrsticah 1 1 4 4 6 Diskretna aproksimacija Gaussa

  14. Predobdelava slike • Spreminjanje (ravnanje) histograma H(p) p

  15. t Upragovljenje Izhod: Binarna slika Vhod: Sivinska slika

  16. Iskanje robov • Iskanje robnih točk • - spremebe svetlosti (vrednosti) slike • - robne točke še niso obris Robna točka

  17. Iskanje robov • Robni operatorji • Večina operatorjev deluje na podlagi (numeričnega) odvajanja • Računanje prvih odvodov (gradienta) slike • Računanje drugih odvodov (Laplace) slike (tudi DOF) • Modela robov (Hueckel) • Splošen postopek • Filtriranje z Gaussovim filtrom primerne širine • Numerično odvajanje (npr. računanje gradienta) • Upragovljenje (po potrebi tanjšanje)

  18. Iskanje robov • Nekateri najbolj znani robni operatorji • Robertsov operator • Prewittov operator • Sobelov operator • Cannyjev operator • Iskanje prehodov skozi nič (Laplace Gaussa) • Razlika Gaussov (DOF – Diff. Of Gaussians)

  19. Iskanje robov

  20. -1 -2 -1 1 2 1 Sobelov operator -1 1 -2 2 -1 1 Izhod: Slika robnih točk Vhod: Sivinska slika Sobel

  21. -1 -1 -1 1 1 1 Nekateri drugi operatorji -1 1 -1 1 -1 1 1 -1 -1 1 -1 -1 1 1 Prewitt Roberts

  22. Canny-jev operator • Kriteriji (J. Canny, 1983): • Dober odziv na rob v prisotnosti šuma ugodno ramerje signal/šum • Dobra lokalizacija – maksimalen odziv na mestu pravih robov • En odziv na robno točko

  23. Canny-jev operator • Postopek • Filtriranje z Gaussovim filtrom primerne širine • Odvajanje v smeri x in y • Iskanje lokalnih maksimumov (NMS, angl. Non-Maxima Suppression) • Upragovljenje s histerezo (z dvema pragovoma, zgornjim in spodnjim)

  24. Canny-jev operator • Namesto slike odvajamo filter • Filtriramo z odvodom filtra • Upoštevamo lastnost ločljivosti filtra

  25. Canny-jev operator f - vhodna slika g(x)*f g(y)*f gy(y)*f gx(x)*f Velikost Smer NMS HT e – slika robov

  26. Canny-jev operator

  27. Canny-jev operator

  28. Prostor ločljivosti • Sliko filtriramo z več Gaussovimi filtri različnih širin • Dobimo isto sliko na različnih stopnjah ločljivosti • Poiščemo robne točke na vseh stopnjah ločljivosti • Združimo rezultate z vseh stopenj ločjivosti

  29. Iskanje oglišč (kotov) • Izračunamo odvode (e) v smeri x in y • Izračunamo matriko C v neki okolici točke • Izračunamo lastni vrednosti matrike C

  30. Iskanje oglišč (kotov) • Točka (x,y) je oglišče, če sta obe lastni vrednosti dovolj veliki

  31. Iskanje oglišč (kotov)

  32. Houghov transform y = k.x + n Vhod: slika Izhod: Hugh transform

  33. Houghov transform

  34. Oblika • Faktorji oblike • kompaktnost • podolgovatost • ekscentričnost • ………. Izhod: faktor oblike Vhod: binarna slika

  35. Momenti • Številni primeri uporabe • določanje lege • določanje oblike • ……….

  36. Literatura • E. Trucco, A. Verri, • Introductory Techniques for 3D Computer Vision, Prentice Hall, 1998. • Matrox Inspector

More Related