Osnove obdelave slike s primeri: Inspector

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

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

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

Predobdelava slike Izboljšanje slike Obnavljanje slike Izhodna Vhodna slika Izhodna slika Predobdelava Izboljšanje slike Obnavljanje slike

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

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

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

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

Predobdelava slike k(x,y) =  h(x,y) x f(u-x,v-x) 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)

Predobdelava slike Glajenje povprečenje uteženo povprečenje filtriranje z Gaussovim filtrom

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

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 4 6 4 1 Diskretna aproksimacija Gaussa

Predobdelava slike Spreminjanje (ravnanje) histograma H(p) p

Upragovljenje t Izhod: Binarna slika Vhod: Sivinska slika

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

Iskanje robov Robni operatorji Splošen postopek 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)

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)

Iskanje robov

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

Nekateri drugi operatorji -1 1 1 -1 -1 1 -1 1 -1 1 -1 1 1 -1 -1 1 Roberts Prewitt

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

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)

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

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

Canny-jev operator

Canny-jev operator

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

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

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

Iskanje oglišč (kotov)

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

Houghov transform

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

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

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