1 / 14

Interpolacija slike uz otklanjanje grešaka

Interpolacija slike uz otklanjanje grešaka. Kristina Bashota Vedran Koruga Ivo Veseli Zagreb, svibanj 2006. Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Zavod za elektroničke sustave i obradbu informacija. Uvod. Cilj projekta: Upoznavanje s metodom Markovljevih lanaca u

coye
Download Presentation

Interpolacija slike uz otklanjanje grešaka

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. Interpolacija slike uz otklanjanje grešaka Kristina Bashota Vedran Koruga Ivo Veseli Zagreb, svibanj 2006. Sveučilište u Zagrebu Fakultet elektrotehnike i računarstva Zavod za elektroničke sustave i obradbu informacija

  2. Uvod Cilj projekta: Upoznavanje s metodom Markovljevih lanaca u obradi slike. Izrada Matlab aplikacija za: • Rekonstrukciju slike iz zašumljenih slika • Interpolaciju odšumljene slike

  3. Uvod Područja primjene • Pri fotografiranju velikog broja statičnih slika • Svaka od njih će imati različiti šum, a program će rekonstruirati najvjerojatniju sliku, te će ona biti bolje kvalitete od ostalih.

  4. Faze projekta • Zašumljivanje slike kao slučajan proces (Gaussov šum) • Rastav slike (“zig-zag” metoda) • Generiranje matrice prijelaza i rekonstrukcija slike (Markovljevi lanci) • Interpolacije rekonstruirane slike (Bilinearna interpolacija)

  5. Realizacija projekta Zašumljivanje slike • Odabir i pretvorba testne slike u pogodan oblik • Zašumljivanje slike Gaussovim šumom na proizvoljan broj načina i devijaciju (npr. 15000 različito zašumljenih slika uz devijaciju od 15) Originalna slika Zašumljena slika

  6. Realizacija projekta Rastav slike • Rastavljena slika u Matlabu prikazana je kao stupčasti vektor “zig-zag” rastav slike na piksele (susjedni pikseli moraju korelirati)

  7. Realizacija projekta Rastav slike Dimenzije slike: 128 * 128 piksela Broj realizacija: 15000 Ukupni broj piksela: 128 * 128 * 15000 = = 245,76* 106 piksela

  8. Realizacija projekta Generiranje matrice prijelaza Veliki broj piksela (245,76* 106 piksela) uvjetovao je izradu matrica prijelaza za pojedinačni piksel svake slike.

  9. Realizacija projekta Generiranje matrice prijelaza Rekonstrukcija slike • U svakoj matrici prijelaza (dimenzija 256 * 256) zapisan je broj prijelazaprethodnog u sljedeći piksel. • Fiksiranjem prvog piksela rekonstruiraju se ostali pikseli iz generiranih matrica prijelaza.

  10. Realizacija projekta Rekonstrukcija slike Zašumljena slika Rekonstruirana slika

  11. Realizacija projekta Rekonstrukcija slike Signal to noise ratio (SNR) SNR zašumljene slike = 17,7 dB SNR odšumljene slike = 25,3 dB • Velika razlika SNR-a potvrđuje odlične rezultate dobivene korištenjem Markovljevih lanaca u obradi slike

  12. Realizacija projekta Bilinearna interpolacija Povećana Bilinearno interpolirana zašumljena slika odšumljena slika

  13. Zaključak • Dobru primjenu gore navedenih tehnika pronašli smo u izoštravanju, a s tim i povećanju kvalitete digitalne fotografije. • Problemi nastaju sa većim brojem slika i slikama većih dimenzija zbog ograničene procesorske snage računala.

  14. Literatura • Introduction to Probability, Charles M. Grinstead, J. Laurie Snell • www.mathworks.com • Vjerojatnost i stohastički procesi, Neven Elezović

More Related