Prenesi predstavitev
Predstavitev se nalaga. Prosimo počakajte.
1
Osnove obdelave slike s primeri: Inspector
2
Obdelava slike Predobdelava slike Izboljšanje slike Obnavljanje slike
Analiza slike Iskanje robov Iskanje oglišč ....
3
Slika f(x,y) x M y 12 N Piksel Področje zanimanja 12
4
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.
5
Predobdelava slike Izboljšanje slike Obnavljanje slike Izhodna Vhodna
slika Izhodna slika Predobdelava Izboljšanje slike Obnavljanje slike
6
Predobdelava slike Točkovne operacije: +,-,*,/, C = A- B
Vhodna slika Izhodna 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
Predobdelava slike Popravljanje svetlosti: q = p + k q q p p Izhodni
nivoji sivosti p q p q Vhodni nivoji sivosti
9
Predobdelava slike Popravljanje kontrasta: q k . p q q p p Izhodni
nivoji sivosti q q p p Vhodni nivoji sivosti
10
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)
11
Predobdelava slike Glajenje povprečenje uteženo povprečenje
filtriranje z Gaussovim filtrom
12
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
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 4 6 4 1 Diskretna aproksimacija Gaussa
14
Predobdelava slike Spreminjanje (ravnanje) histograma H(p) p
15
Upragovljenje t 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 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)
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
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
21
Nekateri drugi operatorji
-1 1 1 -1 -1 1 -1 1 -1 1 -1 1 1 -1 -1 1 Roberts Prewitt
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 NMS
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 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
Podobne predstavitve
© 2024 SlidePlayer.si Inc.
All rights reserved.