Osnove obdelave slike s primeri: Inspector - PowerPoint PPT Presentation

chase-williamson
slide1 n.
Skip this Video
Loading SlideShow in 5 Seconds..
Osnove obdelave slike s primeri: Inspector PowerPoint Presentation
Download Presentation
Osnove obdelave slike s primeri: Inspector

play fullscreen
1 / 36
Download Presentation
Osnove obdelave slike s primeri: Inspector
204 Views
Download Presentation

Osnove obdelave slike s primeri: Inspector

- - - - - - - - - - - - - - - - - - - - - - - - - - - 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