1 / 84

A képelemzés folyamata

A képelemzés folyamata. a) A képek érzékelése és rögzítése. b) A képek feldolgozása : a lényeges és a lényegtelen információk különválasztása. A {szürke képből >> szürke képet} transzformációk végrehajtása.

xiang
Download Presentation

A képelemzés folyamata

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. A képelemzés folyamata a) A képek érzékelése és rögzítése. b) A képek feldolgozása: a lényeges és a lényegtelen információk különválasztása. A {szürke képből >> szürke képet} transzformációk végrehajtása. c) Detektálás. A képeken található – vizsgálni kívánt – jellegzetességek ('features'), vagy objektumok ('object') megkülönböztetése, s a háttértől való elválasztása. Bináris képek létrehozása: a {szürke képből >> bináris kép} transzformáció segítségével. d) A bináris képek átalakítása {bináris képből >> bináris kép}, a mérés előkészítése. e) A mérés végrehajtása. A {képből >> adat} transzformáció segítségével. A mérési eredmények előállítása. f) A mérési eredmények értelmezése {adatok << >> képi környezet}.

  2. Videokamerák A fekete-fehér és a színes videokamerák egyaránt az objektív által a képfelvevő felületre vetített képek videojellé történő átalakítását végzik. Két típusuk van: egyik a képfelvevő cső (a), míg a másik (b) a CCD kamera. (a) (b)

  3. Analóg videojel (ideális eset)

  4. Analóg video jel (reális eset)

  5. 8 bit = 256 szürkeségi szint 10 bit = 1024 szürkeségi szint 12 bit = 4096 szürkeségi szint Digitális video jel

  6. Szürkekép • A képmátrix értékei a fekete-fehér intervallumon belül változnak, azaz pl. 256 (8 bites felbontásnál) különböző szürkeségi szint alkotja a képet.

  7. A képelemzés folyamata a) A képek érzékelése és rögzítése. b) A képek feldolgozása: a lényeges és a lényegtelen információk különválasztása. A {szürke képből >> szürke képet} transzformációk végrehajtása. c) Detektálás. A képeken található – vizsgálni kívánt – jellegzetességek ('features'), vagy objektumok ('object') megkülönböztetése, s a háttértől való elválasztása. Bináris képek létrehozása: a {szürke képből >> bináris kép} transzformáció segítségével. d) A bináris képek átalakítása {bináris képből >> bináris kép}, a mérés előkészítése. e) A mérés végrehajtása. A {képből >> adat} transzformáció segítségével. A mérési eredmények előállítása. f) A mérési eredmények értelmezése {adatok << >> képi környezet}.

  8. A képfeldolgozás módjai • Szürkekép átalakítások {szürkeképből >> szürkeképet}: a vizsgálni kívánt jellegzetességek (‘features’), objektumok (‘object’) kihangsúlyozása (szűkebb értelemben csak ez a képfeldolgozás), a lényeges és a lényegtelen információk különválasztása. • Szegmentálás, detektálás {szürkeképből >> binárisképet} a vizsgálni kívánt objektumok és a háttér teljes elkülönítése (pl. szürkeségi szintjük alapján) alapján, amelynek eredménye: bináris kép. • Bináris átalakítások {binárisképből >> binárisképet}: a mérendő objektumok átalakítása, értelmezésüket leginkább megközelítő alakra hozásuk.

  9. A képfeldolgozás módjai • Szürkekép átalakítások {szürkeképből >> szürkeképet}: • pl. nem valós objektumok (zaj, szennyeződés) eltávolítása

  10. A képfeldolgozás módjai • Szegmentálás, detektálás {szürkeképből >> binárisképet} • az objektumok és a háttér teljes elkülönítése

  11. A képfeldolgozás módjai • Bináris átalakítások (binárisképből > binárisképet): mérendő objektumok átalakítása

  12. Detektálás • A képek a mérés szempontjából lényegtelen információkat is hordoznak (elektromos zaj; egyenlőtlen megvilágítás; csiszolási és maratási hibák, stb.), valamint „több fázisúak”. • Ezért szükséges "kijelölnünk", detektálnunk a kép kívánt tartományait, amelyeket azután számszerűen jellemezhetünk. • Ezt nevezzük bináris képpé alakításnak (0 és 1), vagy szegmentálásnak, és többnyire egy-egy szürkeségi szint alatti illetve feletti képpontok elkülönítését értjük alatta.

  13. Más detektálási elvek • A szegmentálás azonban nem csak küszöb értékeken keresztül valósítható meg. • Lehetséges az objektumokat más jellemzőjük: textúra, morfológia alapján is elkülöníteni. • Ilyen a tűs szerkezet azonosítása az orientáció vagy a hosszúság alapján.

  14. Más detektálási elvek • Tűs szerkezet azonosítása a hosszúság alapján.

  15. Színes képek feldolgozása • Színsávonként

  16. Színes képek feldolgozása • Színes képek szürkeképként történő elemzése, az egyes színekhez (színsáv-kombinációkhoz) egy-egy szürkeségi szintet rendelünk majd az eredményt visszaalakítjuk a hozzárendelési táblázat alapján.

  17. Szürkekép feldoldolgozásjellemzői • Szükséges rossz: még a legegyszerűbb zajszűrés is rontja a megbízhatóságot. • Nélkülözhetetlen, mert a detektálás e nélkül olykor teljesen valótlan eredményt adna. • A bináris átalakításokkal a hibák korrigálása már egy olyan képen történne, ami nem tartalmazza az összes információt.

  18. Look Up Table (LUT) transzformációk • Pontbeli intenzitás transzformációk • Általában egy meghatározott függvény kapcsolatothajtanak végre az adott képpont szürkeségi szintjén • Az eredmény csupán az adott pont kiindulási szürkeségi értékétől függ, a szomszédok szürkeségi szintjétől független.

  19. Look Up Table (LUT) transzformációk • A kapcsolat gyakran matematikai (logaritmus, négyzet, négyzetgyök, exponenciális, reciprok - azaz inverzkép). • Az eredményt a 0..255 szürkeségi szint-tartományba skálázzuk át, ahol a 0 a fekete, 255 a fehér szintjét jelöli • (Sij)output = Smax (Sij)input / (Sij)max • ahol (Sij)output a kép pontjainak szürkeségi szintje • Smax a megjeleníthető maximum (255) • (Sij)input szürkeségi szintek a matematikai • művelet után • (Sij)max szürkeségi szint maximuma a matematikai művelet után.

  20. LUT transzformációk Inverz kép előállítása

  21. LUT transzformációk Inverz kép előállítása

  22. LUT transzformációk Exponenciális LUT

  23. LUT transzformációk Kontraszt növelése

  24. Hisztogram kiegyenlítés (LUT) • Hisztogram a kép szürkeségi szintjeinek megfelelő sűrűségfüggvény: Hisztogram

  25. Hisztogram kiegyenlítés (LUT) Átalakított kép hisztogramja Eredeti kép hisztogramja

  26. LUT transzformációk • Maga a LUT kifejezés a számítástechnikai megvalósításból származik • A gyakorlatban a 256-féle szürkeségi szinthez tartozó 256-féle hozzárendelést előre kiszámítják és TÁBLÁZATBAN tárolják. • Az egyes képpont értékeket kicserélik. Ez jóval kevesebb számítási igényel, mint minden egyes pontban elvégezni magát a transzformáció műveletsorozatát (kivétel: háttérkorrekció!).

  27. LUT transzformációkAutomatikus kontraszt • Az "AutoContrast" művelet nem egyéb, mint a kép szürkeségi szintjének átkalibrálása a 0..255 tartományba az alábbi egyenlet szerint: • (Sij)output = Smax (Sij)input / (Sij)max • ahol (Sij)output a kép pontjainak szürkeségi szintje • Smax a megjeleníthető maximum.

  28. LUT automatikus kontraszt Eredeti kép hisztogramja Átalakított kép hisztogramja

  29. LUT transzformációkHáttér korrekció • Az ún. SHADING CORRECTION (egyenlőtlen megvilágítás miatt a háttér egyenlőtlen) is LUT transzformáció, ám ekkor nem az egyes szürkeségi szintekhez rendelünk új értéket, hanem a kép egyes (ij) pontjaihoz rendeljük a konstans háttér-értékeket („üres látómező”), amelyet továbbiakban a feldolgozandó képekből „kivonunk”.

  30. Konvolúció • A konvolúciós képátalakító művelet a képpontok szürkeségi szintjét szomszédainak figyelembe vételével módosítja egy m x m kernel (szűrő) segítségével. Si = a bemenő kép szürkeségi szintjei ki= a kernel értékei S5= a kimenő kép egy pontjának szürkeségi szintje N= a konvolúciós mátrix elemeinek összege + 1

  31. Él kiemelés, élesítés • Az él kiemelő kernel a képpontok szürkeségi szintjeinek hirtelen változása alapján „keresi meg” a kép egyes irányaiban az éleket. • Vízszintes él kiemelés (a), • Függőleges él kiemelés (b), • Élesítés (c). (a) (b) (C)

  32. Él kiemelés, élesítés • Vízszintes él kiemelés

  33. Él kiemelés, élesítés • Függőleges él kiemelés

  34. Él kiemelés, élesítés • Élesítés

  35. Simítás, lágyítás • Átlag képzés

  36. Simítás, lágyítás • Súlyozott átlag

  37. Morfológiai transzformációk • Morfológiai transzformációk során az egyes képpontok szürkeségi szintjét a szomszéd képpontok szürkeségi szintjétől függően változtatjuk meg. • A figyelembe vett szomszédság méretét és alakját egy ún. szerkezeti elem (módosító elem), pédául egy 3x3-as négyzet jelöli ki. • Szürkeképeknél "kisebb" / "nagyobb" relációk segítségével történik a módosítás.

  38. Eredeti kép Kör alakú szerkezeti elem • Lehetséges szerkezeti elemek Nyolcszög alakú szerkezeti elem Négyszög alakú szerkezeti elem Vízszintes téglalap alakú szerkezeti elem Függőleges téglalap alakú szerkezeti elem

  39. Erózió és dilatáció • Leggyakoribb morfológiai transzformációk • A szürkekép eróziója nem más, mint egy-egy pixel értékének helyettesítése az önmaga és nyolc szomszédja által alkotott csoport szürkeségi értékeinek minimumával. • Dilatáció során a maximum érték helyettesítése történik.

  40. Erózió és dilatáció • Erózió - dilatáció szemléltetése virtuális 3D ábrán

  41. Eredeti kép és a szürkeségi profil Erodált kép és a szürkeségi profil

  42. Eredeti kép és a szürkeségi profil Dilatált kép és a szürkeségi profil

  43. Morfológiai transzformációk tulajdonságai • Megfordíthatatlanok, egy - egy erodált kép eredetijét nem kapjuk vissza az eróziót követően elvégzett dilatációval. • Az erózió és a dilatáció egyfajta komplementer műveletek: miközben a háttér erodálódik, az objektumok dilatációját figyelhetjük meg.

  44. „Opening” és „closing” mint morfológiai transzformációk • A "nyitás (opening)" nem más mint erózió és azt követő ekvivalens dilatáció. • A "zárás (closing)" pedig a dilatáció és az ekvivalens erózió egymást követő végrehajtásából áll. • Az ekvivalens kifejezéssel azt jelenti hogy nem feltétlenül egyetlen alkalommal történik a művelet: más eredményt kapunk két eróziót követő két dilatáció során.

  45. Nyitás - zárás • Az opening az apró, világos objektumokat távolítja el. • A closing az apró, sötét jellegzetességek eltüntetésére használható. • Az eltávolított objektumok mérete az alkalmazott eróziók és dilatációk számától, valamint a szerkezeti elem alakjától függ.

  46. Nyitás • Apró és világos objektumok eltávolítása Eredeti kép Módosított kép

  47. Zárás • Apró, sötét jellegzetességek eltávolítása Eredeti kép Módosított kép

  48. Lágyítás • Sokféle szűrő származtatható az erózió, dilatáció, opening, closing egymást követő alkalmazásával. • Alternáló sorozatokon alapuló szűrők például az n-szeres black smoothing: • 1 open  1 close  2 open  2 close  ...  n open  n close. • Az n-szeres white smoothing művelet: • 1 close  1 open  2 close  2 open  ...  n close  n open.

  49. Fekete simítás • n-szeres black smoothing (n open  n close) Eredeti kép Módosított kép

More Related