Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Ipari képfeldolgozás és képmegjelenítés Műszaki Informatika BSc

Hasonló előadás


Az előadások a következő témára: "Ipari képfeldolgozás és képmegjelenítés Műszaki Informatika BSc"— Előadás másolata:

1 Ipari képfeldolgozás és képmegjelenítés Műszaki Informatika BSc
Gépi látás Mechatronika MSc 3. hét Getting started – Bináris képek A képi információ feldolgozásának alapjai. Bináris képek feldolgozása. Geometriai tulajdonságok mérése. Topológiai tulajdonságok analízise. Additív halmaz tulajdonságmérték fogalma. Euler-szám fogalma, alkalmazása. Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

2 egyszerű geometriai tulajdonságok meghatározása
Bináris képeken egyszerű geometriai tulajdonságok meghatározása b(x,y) = 1 ; objektum b(x,y) = 0 ; háttér Több objektumra az eredő területet adja Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

3 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
A pozíció mértéke lehet célszerűen a súlypont Az elsőrendű nyomaték legyen zérus, ahol a terület közép koordinátái „A” (a terület) nem zérus, Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

4 Az objektum orientációja:
Legyen a legkisebb másodrendű nyomaték iránya „r” az egyes pontoknak egy viszonyítási tengelytől mért távolsága x y p/cosθ -p/sinθ θ p O*(-psinθ,pcosθ) A tengely egyenlete: xsinθ – ycosθ + p = 0 Az origóhoz legközelebbi pont: O*(-psinθ,pcosθ) Az egyenes pontjainak paraméteres egyenlete: X0 = -p(sinθ) + s(cosθ) Y0 = p(cosθ) + s(sinθ) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

5 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

6 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

7 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

8 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

9 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

10 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

11 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

12 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

13 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

14 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

15 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

16 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

17 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

18 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
A CT működése Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

19 Topológiai tulajdonságok
Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

20 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
..\Mug_and_Torus_morph.gif Paul Renteln és Alan Dundes tréfás meghatározása szemléletesen írja le a terület vizsgálatának lényegét: szerintük a topológus az, aki nem tud megkülönböztetni egy bögrét egy amerikai fánktól. Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

21 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Klein féle kancsó Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

22 Érdekesség: miért süllyedt el a Titanic?
Az ortodroma, vagy ortodromikus távolság, a földfelszín két pontja közötti legrövidebb távolsága amit Föld felszínén a két pontot összekötő főkör mentén mérünk. London – Los Angeles útvonal Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

23 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
B C Olyan képen, ahol több objektum van, a jellemzőket objektumonként határozzuk meg. Ehhez először az összefüggő területeket határozzuk meg a pontok címkézésével. A és B összetartozó területen van, míg C kézenfekvően egy másik komponens része. Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

24 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
A Jordan-féle görbetétel egy szemléletesen nyilvánvaló, de csak nehezen bizonyítható topológiai tétel. Legyen  egy síkbeli, egyszerű, zárt görbe, képe (pontjainak halmaza) . Ekkor  a síkot pontosan két összefüggő, egy korlátos és egy nemkorlátos részre bontja. Mindkettőnek pontosan  a határa. A tételt Camille Jordan 1893-ban mondta ki először  A tétel szemléltetése: a fekete színnel jelölt görbe egy korlátos (kék) és egy nemkorlátos (rózsaszín) részre bontja a síkot Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

25 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Távolságok Adott két pont a képen: p1(k, l) p2(m, n) A köztük lévő távolság kétféle módon definiálható: 4-es távolság 8-as távolság Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

26 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
4-es távolság 1 2 3 4 T4(p1, p2) = |k - m| + |l - n| Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

27 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
8-as távolság 1 2 3 4 T8(p1, p2) = max (|k - m|, |l - n|) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

28 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Távolság, mint metrika Nemnegatív definit T(p1, p2) ≥ 0 T(p1, p2) = 0, csak ha p1 = p2 Szimmetrikus T(p1, p2) = Tx(p2, p1) Érvényes a háromszög-egyenlőtlenség T(p1, p3) ≤ T(p1, p2) + T(p2, p3) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

29 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Szomszédosság 4-szomszédság T4(p1, p2) = 1 8-szomszédság T8(p1, p2) = 1 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

30 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Útvonal Képpontok véges sorozata, amiben szomszédok vannak Egyszeres, ha végpontok kivételével minden elemnek két szomszédja van 1 2 3 4 4-szomszédság 8-szomszédság Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

31 Freeman-féle iránykód
Az irányokhoz {0, 3} ill. {0, 7} számokat rendelünk Ha p1  p2: l1, l2 …ln, akkor li = ln - i + 2 (mod 4) vagy li = ln - i + 4 (mod 8) 1 2 3 4 5 6 7 3 2 1 1 2 3 4 4-szomszédság t4(p1, p2) = t4(p2, p1) = 8-szomszédság t8(p1, p2) = t8(p2, p1) = Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

32 Előtér (objektum), háttér, lyukak
Előtér: A kép 1 értékű pixelei Háttér: Azon 0 értékű pixelek halmaza, amely kapcsolatban vannak a kerettel (egy csupa 0 elemet tartalmazó útvonalon keresztül) Lyuk: Minden egyéb 0 értékű pixelhalmaz Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

33 Szomszédosság – Anomália
1 B O H 8-szomszédság az objektumra 4-szomszédság a háttérre B1 O1 O2 B2 O4 O3 4-szomszédság B O 8-szomszédság Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

34 Hatszomszédosság – Megoldás
vagy Előállítása a kép újra mintavételezése nélkül Nyírással (topológiai transzformáció) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

35 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Komponens-címkézés A független objektumok megszámlálása a képen Kétféle módszer: Rekurzív módszer Általánosabban használt módszer Párhuzamos feldolgozás esetén használják Szekvenciális algoritmus Nem kell a teljes képet betölteni a memóriába Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

36 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Rekurzív módszer Az első címkézetlen 1 pixel megkeresése és L címkével jelölése Az összes 1 értékű, címkézetlen szomszédjának L címkével történő megjelölése, és az algoritmus rekurzív meghívása Stop, ha nincs több 1 értékű pixel Ugrás az első lépésre Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

37 Szekvenciális algoritmus
A kép balról-jobbra, fentről lefelé történő végigpásztázása Ha egy pixel 1 értékű: Ha csak a felső, vagy a bal szomszédja címkézett  a címke másolása Ha a felső és a bal szomszédja ugyanolyan címkét visel  a címke másolása Ha különböző címkéjük van  a felső címke másolása és az egyenlőség feljegyzése Különben (ha nincsen címkézett szomszédja)  új címke bevezetése Címkézés frissítése (a 3. feltétel miatt) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

38 Szekvenciális algoritmus 2.
Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

39 Szekvenciális algoritmus 2.
1 1 1 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

40 Szekvenciális algoritmus 2.
1 2 1 1 2 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

41 Szekvenciális algoritmus 2.
1 2 3 1 1 2 3 3 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

42 Szekvenciális algoritmus 2.
1=3 2 1 1 2 3 3 1 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

43 Szekvenciális algoritmus 2.
1=3 2 4 1 1 2 3 3 1 1 4 4 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

44 Szekvenciális algoritmus 2.
1=3 2=4 1 1 2 3 3 1 1 4 4 2 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

45 Szekvenciális algoritmus 2.
1=3 2=4 1 1 2 3 3 1 1 4 4 2 3 1 1 1 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

46 Szekvenciális algoritmus 2.
1=2=3=4 1 1 2 3 3 1 1 4 4 2 3 1 1 1 4 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

47 Szekvenciális algoritmus 2.
1=2=3=4=5 1 1 2 3 3 1 1 4 4 2 3 1 1 1 4 4 2 2 3 1 1 1 1 5 3 1 1 1 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

48 Szekvenciális algoritmus 2.
1=2=3=4=5 6=7=8 1 1 2 3 3 1 1 4 4 2 3 1 1 1 1 4 2 2 3 1 1 1 1 5 3 1 1 1 6 6 3 1 1 7 6 6 7 6 6 8 7 6 6 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

49 Szekvenciális algoritmus 2.
1=2=3=4=5 6=7=8 1 1 2 3 3 1 1 4 4 2 3 1 1 1 1 4 2 2 3 1 1 1 1 5 3 1 1 1 6 6 3 1 1 7 6 6 7 6 6 8 7 6 6 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

50 Szekvenciális algoritmus 2.
1 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 2 1 1 1 2 2 2 2 2 2 2 2 2 2 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

51 Éldetektálás bináris képeken
Kizáró VAGY (ExOR) művelettel és Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

52 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Euler szám C = A komponensek száma H = Lyukak száma Euler szám = C – H B i n a r y 1-2= = Ʃ = 4 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

53 Additív halmaz tulajdonság
Eredeti képek: X és Y X ∩ Y  logikai ÉS X U Y  logikai VAGY A(X)  függvény, amely értelmezhető a képeken A(X) + A(Y) = A(X U Y) + A(X ∩ Y) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

54 Additív halmaz tulajdonság 2.
A(X) + A(Y) = A(X U Y) + A(X ∩ Y) X Y Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

55 Euler szám kiszámítása 1.
Szeleteljük fel a képet, majd balról jobbra nézve számítsuk az Euler számot I a már megvizsgált kép, ΔI pedig a növekmény Bejárási irány I ΔI Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

56 Euler szám kiszámítása 2.
Az additív halmaz tulajdonság igaz az Euler számra is: E(I U ΔI) – E(I) = E(ΔI) – E(I ∩ ΔI) Ha E(ΔI) = E(I ∩ ΔI)  nincs változás Ha E(ΔI) != E(I ∩ ΔI) (!) Új objektum: ΔE = E(ΔI) – E(I ∩ ΔI) = +1 (= 1 – 0) Lyuk vége: ΔE = E(ΔI) – E(I ∩ ΔI) = –1 (= 1 – 2) ΔI mérete tehát akkora legyen, hogy csak fenti három eset legyen igaz, és könnyen megállapítható legyen Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

57 Euler szám kiszámítása 3.
E(I U ΔI) – E(I) = E(ΔI) – E(I ∩ ΔI) Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

58 45 fokban haladva a minták, amiket keresünk
Maga a kereső algoritmus raszteresen pásztáz Vajta: Képfeldolgozás és megjelenítés 2013 tavasz

59 Műveletek párhuzamosíthatósága
Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

60 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Lokális operáció hatása az Euler számra Hatszomszédság esetén 64 lehetséges szomszédság rendszer vesz körül egy pixelt! Legyen E* az operáció hatása az Euler számra Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

61 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Ha a művelet a pixelt 0-ról 1-re változtatja E*=+1 Új test E*=0 A kontúr vastagság változik E*=+1 Egy lyuk betömése E*= -1 E*= -2 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz

62 Vajta: Képfeldolgozás és megjelenítés 2014 tavasz
Párhuzamosított művelet torzíthatja az eredményt! Vajta: Képfeldolgozás és megjelenítés 2014 tavasz


Letölteni ppt "Ipari képfeldolgozás és képmegjelenítés Műszaki Informatika BSc"

Hasonló előadás


Google Hirdetések