dob kocka projekt n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Dobókocka projekt PowerPoint Presentation
Download Presentation
Dobókocka projekt

Loading in 2 Seconds...

play fullscreen
1 / 34

Dobókocka projekt - PowerPoint PPT Presentation


  • 60 Views
  • Uploaded on

Dobókocka projekt. Képfeldolgozás II. A csapat. Bátori Csaba Borbola Péter Kovács Norbert. Feladatkiírás. A feladat szerint két dobókockával kell dobni, majd készíteni egy olyan képet, amin mindkét dobókocka 3 lapja látszik, végül a két felső lapon látható pontokat összeadni.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Dobókocka projekt' - lea


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
dob kocka projekt

Dobókocka projekt

Képfeldolgozás II.

a csapat
A csapat
  • Bátori Csaba
  • Borbola Péter
  • Kovács Norbert
feladatki r s
Feladatkiírás
  • A feladat szerint két dobókockával kell dobni, majd
  • készíteni egy olyan képet, amin mindkét dobókocka 3 lapja látszik,
  • végül a két felső lapon látható pontokat összeadni
kezdeti probl m k
Kezdeti problémák
  • Legelső probléma maga a kocka
      • Kezdetben úgy véltük, hogy a kerekített csúcsú kocka nem megfelelő /kiderült, hogy más a gond/
      • üzletekben csak ilyen kapható

¯

      • saját dobókocka készítése
kezdeti probl m k1
Kezdeti problémák
  • Következő nehézség a szegmentálás
      • Ezt megfelelő világítással küszöböltük ki
      • A kockák felső lapja kellőképpen megvilágítva jó eredményt hozott
      • Fontos a képalkotás megfelelő szöge
          • Mind a látható felszínek
          • Mind a későbbi feladatok miatt
kezdeti probl m k2
Kezdeti problémák
  • Ami menetközben került felszínre:
      • Az órán bemutatott K-means klaszterezés
      • „cityblock”-ot használunk, de néha jobb a „sqEuclidean”
      • Mindössze a tapasztalat döntött
a program fel p t se
A program felépítése
  • Szürkeárnyalatossá alakítás
  • Otsu algoritmus végrehajtása
  • Mediánszűrés
  • Objektumszám vizsgálat (>2?)
  • Ha szükséges, eróziót hajtunk végre
  • Egy újabb objektumszám vizsgálat (==2?)
  • Ha az objektumok száma kettő, akkor megvizsgáljuk, hogy a második komponens kocka felszíne-e

7. a, Felszínek kiválasztása, majd a pöttyök megszámolása

7. b, Egyébként klaszterezés, végül az egyes klasszterekbe tartozó pöttyök összeadása

sz rke rnyalatoss alak t s
Szürkeárnyalatossá alakítás
  • Egy beépített Matlab függvényt használtunk:

I a beolvasott kép

J = rgb2gray(I);

otsu algoritmus
Otsu-algoritmus
  • A bemeneti J kép szürkeárnyalatos
  • A normalizált hisztogram minden x szürkeértékhez megadja az előfordulási gyakoriságát(valószínűségét): px
  • Az algoritmus lényege: keressük meg azt a T küszöbszámot, amely maximalizálja az objektumháttér közötti varianciát.
otsu algoritmus1
Otsu-algoritmus
  • A globális küszöbérték meghatározása:level = graythresh(J);
  • A küszöbérték alapján a bináris kép előállítása:BW = im2bw(J,level);
a medi nsz r s
A mediánszűrés
  • Ez szintén beépített Matlab függvény:

BWMED = medfilt2(BW,[25 20]);

  • Ahol szűrő mérete 25x20 maszk, mert ekkora méret már kellően zaj mentesíti a képet.
az objektumsz m vizsg lata
Az objektumszám vizsgálata
  • Megnézzük, hogy az objektumok száma nagyobb-e mint 2 (bwlabel())
  • Ha igen, akkor eróziót hajtunk végre:

st = strel('disk',6); //6-os méretű ‘disk’ szerkesztőelem

BWR = imerode(BWMED,st);

  • Ha pontosan kettő, akkor megnézzük, hogy a második kockafelszín-e (pöttyök keresése az objektumon)
els eset
Első eset
  • Amikor mindkét objektum kockafelszín

A felszínek különválasztása:

[r,c] = find(bwlabel(BWR)==1);

  • CUBE1 = bwselect(BWR,c,r)

Inverzképzés (pöttyszámolás miatt):

CUBE1INV = ~CUBE1;

Pöttyszámolás:

[labeled,numObjects] = bwlabel(CUBE1INV);

  • cube1Sum = numObjects-1; (-1 a háttér miatt)
m sodik eset
Második eset
  • A két kocka felszíne összefolyik
        • Inverzképzés (pöttyszámolás miatt)
        • Pöttyök koordinátájának tárolása (medián x,y)
        • Ezeken K-means eljárás végrehajtásakMeansResult = kmeans(comps,2,'Distance','cityblock');
        • Klasszterek alapján az eredeti képen színezünk is
ennyit az elm leti h tt rr l

Ennyit az elméleti háttérről

Magának a programnak a bemutatása

a felhaszn l i fel let1
A felhasználói felület

Fejléc

A betöltött kép

Tallózás

Tallózás után Futtatás

Az egyes eredményképek

Végül az összeg

az sszes tett k pek
Az összesített képek

Szürkeárnyalatos

Otsu

Mediánszűrés

Inverzek

Két dobókocka felszín

lehets ges esetek
Lehetséges esetek
  • A kockák egymáshoz való viszonya különböző lehet
      • Különálló felszínek
      • Összeérő felszínek
els eset1
Első eset
  • Különálló felszínek esetén erózió legtöbbször nem szükséges
  • A mediánszűrés szépen letisztítja az Otsu-algoritmus eredményét
  • Erre példát korábban láthattunk
m sodik eset1
Második eset
  • Amikor a kockák felszíne összeér szükség lehet erózióra
  • De vannak esetek, amikor az sem szükséges
ssze r de nem kell er zi
Összeér, de nem kell erózió

Mediánszűrés letisztította

Zaj, az Otsu után

ssze r s kell er zi
Összeér és kell erózió

Zaj, amiből maradt a mediánszűrés után is

ssze r kell er zi nincs zaj
Összeér, kell erózió, nincs zaj

Összeérő felszínek, de itt az erózió leszedte a zajt

ahogy semmi ez sem t k letes
Ahogy semmi, ez sem tökéletes
  • Nem megfelelő elhelyezkedés (szög)
  • Kis pöttyöt a mediánszűrés leszedi
ahogy semmi ez sem t k letes1
Ahogy semmi, ez sem tökéletes

Van, amikor a „zaj is pötty” 

ahogy semmi ez sem t k letes2
Ahogy semmi, ez sem tökéletes
  • Ha nem megfelelő a megvilágítás, nyílván az Otsu-algoritmus sem működik megfelelően, ahogy azt korábban megemlítettük.
  • Valamint a K-means esetében a távolságszámítás néha nem megfelelő, vagyis a ‘cityblock’, ilyenkor a 'sqEuclidean 'jól működne. Gyakorlatban a ‘cityblock’ több jó eredményt produkál.
sszefoglal s
Összefoglalás
  • Kiindulási ötletként a felülről való megvilágítást találtuk ki, a szegmentálás megkönnyítésre
  • Ehhez Otsu algoritmus megtalálása hozta meg a sikert
  • Ezek után már csak a dobókockák elhelyezkedése (összeér, nem ér össze) okozta a nehézséget
  • Mediánszűrés, erózió, objektum címkézés, kiválasztás, klaszterezés
  • Továbbá készítettünk egy grafikus felhasználó felületet, megkönnyítve ezzel a program kezelését
  • Vannak esetek, amikor egy gyári dobókockára is működik
r szletek
Részletek

A zaj itt is szépen eltűnt

A klaszterezés is jól működik