Vámossy Zoltán (Gonzales – Woods könyve alapján) Jellemzők és leírók.

Slides:



Advertisements
Hasonló előadás
ÉRDEKES PONTOK KINYERÉSE DIGITÁLIS KÉPEKEN. BEVEZETÉS  ALAPPROBLÉMA  Jellemzőpontok detektálása mindkét képen  Kinyert pontok megfeleltetése  Megfeleltetések.
Advertisements

Az anyagi pont dinamikája A merev testek mechanikája
1 AIBO Robotfoci Bodor László IAR Bevezetés AIBO RoboCup AIBO RoboCup Célok Célok Rendszer elemei Rendszer elemei Megvalósítás terve Megvalósítás.
Függvények Egyenlőre csak valós-valós függvényekkel foglalkozunk.
MI 2003/ A következőkben más megközelítés: nem közvetlenül az eloszlásokból indulunk ki, hanem a diszkriminancia függvényeket keressük. Legegyszerűbb:
Diszkrét idejű bemenet kimenet modellek
Geometriai Transzformációk
Geometriai transzformációk
Vektormező szinguláris pontjainak indexe
3. Folytonos wavelet transzformáció (CWT)
Digitális képanalízis
Térbeli infinitezimális izometriák
Klasszikus mechanikai kéttestprobléma és merev test szabad mozgása állandó pozitív görbületű sokaságon Kómár Péter témavezető: Dr. Vattay Gábor
Mozgó Objektumok Detektálása és Követése Robotkamera Segítségével
MI 2003/ Alakfelismerés - még egy megközelítés: még kevesebbet tudunk. Csak a mintánk adott, de címkék nélkül. Csoportosítás (klaszterezés, clustering).
Intelligens ébresztő óra Számítógépes látás projekt 2011.
Objektum osztályozás Képfeldolgozás 2. Blaskovics Viktor, Hantos Norbert, Papp Róbert Sándor.
Hasonlósági transzformáció
A hasonlóság alkalmazása
Transzformációk kucg.korea.ac.kr.
Vámossy Zoltán 2004 (Mubarak Shah, Gonzales-Woods anyagai alapján)
Vámossy Zoltán 2006 Gonzales-Woods, SzTE (Kató Zoltán) anyagok alapján
Szűrés és konvolúció Vámossy Zoltán 2004
Mubarak Shah (University of Central Florida) és társai anyaga alapján
Szkeletonizáció Vámossy Zoltán 2004
Pontrendszerek mechanikája
Differenciál számítás
A lokális szélsőérték és a derivált kapcsolata
A háromszögek nevezetes vonalai
PTE PMMK Matematika Tanszék dr. Klincsik Mihály Matematika III. előadások MINB083, MILB083 Gépész és Villamosmérnök szak BSc képzés 2007/2008. őszi félév.
Matematika III. előadások MINB083, MILB083
Matematika III. előadások MINB083, MILB083
Programozás C-ben Link és joint Melléklet az előadáshoz.
Implementált képfeldolgozó algoritmusok
HATÉKONY SAJÁTSÁGKIEMELŐK KÉPEK ÖSSZEHASONLÍTÁSÁHOZ MobileAssistant workshop, május 4. Főnix Inkubátorház, 4029 Debrecen, Csapó u. 42. A ép III/2.
Fejmozgás alapú gesztusok felismerése Bertók Kornél, Fazekas Attila Debreceni Egyetem, Informatikai Kar Debreceni Képfeldolgozó Csoport KÉPAF 2013, Bakonybél.
Koordináta-geometria
2. Koordináta-rendszerek és transzformációk
Háromszög nevezetes vonalai, körei
Lineáris függvények ábrázolása
16. Modul Egybevágóságok.
Mechanika KINEMATIKA: Mozgások leírása DINAMIKA: a mozgás oka erőhatás
Többváltozós adatelemzés 5. előadás. Hierarchikus klaszterezés Klaszterek számát nem kell előre megadni A pontok elhelyezkedését térképezi fel Nem feltétlenül.
Analitikus geometria gyorstalpaló
Transzformációk Szirmay-Kalos László. Transzformációk (x,y) (x’,y’) = T(x,y) l Tönkre tehetik az egyenletet l Korlátozzuk a transformációkat és az alakzatokat.
Geometriai transzformációk
2.2. Az egyenes és a sík egyenlete
2. Koordináta-rendszerek és transzformációk
Lineáris algebra.
Összegek, területek, térfogatok
1 Vektorok, mátrixok.
Számtani és mértani közép
A derivált alkalmazása a matematikában
Algebrai struktúrák: csoport, gyűrű, test. RSA Cryptosystem/ Titkosítási rendszer Rivest, Shamir, Adelman (1978) RSA a neten leggyakrabban használt.
Valószínűségszámítás II.
Hasonlósági transzformáció ismétlése
előadások, konzultációk
Hajlító igénybevétel Példa 1.
A gyakorisági sorok grafikus ábrázolása
Ipari képfeldolgozás és képmegjelenítés Műszaki Informatika BSc
3.2. Axonometria – Műszaki rajzok párhuzamos vetítéssel
Hasonlóság modul Ismétlés.
Kontinuum modellek 1.  Bevezetés a kontinuum modellekbe  Numerikus számolás alapjai.
Alapvető raszteres algoritmusok, szakasz rajzolása, DDA, MidPoint algoritmus.
Készítette: Horváth Zoltán
Numerikus differenciálás és integrálás
Szécsi László 3D Grafikus Rendszerek 7. előadás
Bevezetés Tematika Számonkérés Irodalom
ELEMI GEOMETRIAI ISMERETEK
Előadás másolata:

Vámossy Zoltán (Gonzales – Woods könyve alapján) Jellemzők és leírók

2 Leírók - cél Szegmentálás eredményeként a képet régiókra bontottuk, ezeket szeretnénk tömör formában leírni Forgatásra, eltolásra, skálázásra invariáns jellemzőket keresünk Leírási módok: –A régió határaihoz kapcsolódó jellemzőkkel (külső reprezentánsok) –A régió belső jellemzőivel Példa: a régió leírható a határának hosszával –Külsőt leíró jellemzőket használunk, ha a régió alakján van a hangsúly –Belső jellemzőket használunk, ha pl. a textúra, vagy a szín a fontos

3 Egyszerű leírók Átlagos intenzitás Minimális intenzitás Maximális intenzitás Korlátozott körülmények között alkalmazhatóak

Külső leírók Javarészt Gonzales-Woods könyv alapján

5 Lánckód (chain code) Lánckód: Határ leírására szolgál, egyenes szakaszok sorozatával –4-es, vagy 8-as szomszédságot használunk –A szegmensek iránya kódolt Módszer: –Kövessük a határt szisztematikusan - óramutató járásának irányában: (d+5)mod 8: köv. pixel iránya (0..7) –Iránykódot (Freeman) rendelünk minden pixelpárhoz

6 Lánckód (chain code) Példa: Problémák: –A lánckód függ a startponttól –Az objektum orientációjával változik –Mintavételezéssel változik

7 Differenciált lánckód Tekintsük körkörös sorozatnak a lánckódot és számoljuk ki a differenciákat két egymás utáni elemre vonatkozóan Példa (nem az ábráé): Differenciált lánckód: Számoljuk ki az ábrára!

8 Alakszám (shape number) Alakszám: a differenciák körkörös sorozatában a legkisebb n-ed rendű alakok: n elemű lánckóddal leírható zárt alakok lehetséges formái Példa (6-od rendű alak): Lánckód Differencia: Alakszám:

9 Alakszám - feladat Határozzuk meg a alak rendjét, lánckódját, alakszámát

10 További problémák a lánckóddal Nagyon hosszú lehet (Megj.: a kerület közelítése a+b*√2, ahol a párosok száma, b páratlanok száma a lánckódban) Zajokra nem toleráns Megoldás: –Válasszunk nagyobb rácsot (gridet) –A határpontokat a legközelebbi rácselemhez rendeljük Gyakorlatban nem túl hatékony megoldások az eddigiek: jobb a poligonokkal való közelítés (pl. legkisebb négyzetek + Split and merge)

11 Módosított alakszám Rögzítsük le az alakszám rendjét (pl. n=18) Határozzuk meg a fő és melléktengelyt (lásd később) és azok arányát = excentricitást Határozzuk meg azt minimális befoglaló téglalapot, melynek alakszám rendje = n, és oldalainak aránya = excentricitás Számoljuk ki az alakszámot ebben a rácsban

12 Lánc simítás Cél: lánc rövidítése, határ vékonyítása Legyen S 1 és S 2 két egymás utáni irány a lánckódban és legyen m=min(S 1, S 2 ), valamint M=max(S 1, S 2 ). Iterálással hajtsuk végre a következőt (Zamperoni: Methoden der digitalen Bildverarbeitung, Vieweg-Verlag 1991): M-mmúj irány 0-nincs változás 1-nincs változás 2páratlanm+1, m+1 2párosm+1 3páratlanm+1 3párosm+1 4-törlendő m és M 5pártalanm-1 5párosm-2 6páratlanm-1, m-1 6párosm-1 7-nincs változás

13 Szignatúra (Signature) Signature: a határ 1-D függvényszerű leírása Különböző módszerek léteznek Pl. a súlyponttól mért távolság a szög függvényében

14 Signature Invariáns eltolásra, függ a forgatástól és a skálázástól Forgásra invariáns, ha mindig ugyanazt a startpontot választjuk –A középponttól a legtávolabbi pont ilyen lehet Skálázásra invariáns, ha normalizáljuk egy tartományra x’=(x-x min )/(x max -x min )

15 Signature Más signature-k: A határon haladva az út függvényében az érintő iránya egy referenciairányhoz képest Meredekség sűrűség függvény: érintőfüggvény hisztogramja Az egyenes szegmensek csúcsok lesznek a hisztogramban

16 Átmérő, befoglaló téglalap, … Átmérő: a határpontokat tekintve, annak a két pontnak a távolsága, amelyek legtávolabb helyezkednek el A főtengelyekkel (lásd később) egyező állású befoglaló téglalap oldalainak aránya invariáns Háromszög hasonlóság – Legyen P1, P2, P3 három pont a határon, és d(Pi; Pj) jelölje az Euklideszi távolságát a két pontnak és S = d(P1; P2) + d(P2; P3) + d(P3; P1) a háromszög kerülete A következő két vektor – hosszak aránya a kerületre – invariáns (d(P1; P2)/S; d(P2; P3)/S)

17 Fourier leírók Adott N pontból álló rendezett határ: (x 0, y 0 ), (x 1, y 1 ) … (x N-1, y N-1 ) Minden koordinátát kezeljünk komplexként s(k) = x k + j y k A DFT: a(u) Fourier leírók Fourier leíró komplex Az inverz Fourier eredménye:

18 Fourier leírók Ha csak P < N tagot veszünk figyelembe (azaz a magas frekvenciás részleteket: sarokpontokat elhagyjuk), akkor közelítjük az eredeti alakot kevesebb adattal: A Fourier leírók nem invariánsak, de: A Fourier leírók nagysága invariáns a forgatásra

19 Fourier leírók Eltolásra invariáns, ha a(0) = 0-t állítunk be Skálázásra invariáns: a’(n) = a(n)/abs(a(1))-t használunk

20 Fourier leírók - példa Bináris kép 1090 pontos határral

21 Fourier leírók - példa 546, 110, 56, 28, 14 darab Fourier leíróval a kép

22 Fourier leírók Invariáns

Régiók geometriai jellemzői Mubarak Shah könyve alapján

24 Cél Cél: olyan jellemzők keresése, amelyek invariánsak eltolásra, forgatásra, skálázásra, még általánosabb esetben affin transzformációkra, a jellemzők a régiók belső tulajdonságain alapuljanak

25 Régió tulajdonságok Terület Középpont (súlypont) Momentumok, nyomatékok Kerület Kompaktság Orientáció Nyomatéki főtengelyek aránya Topológiai leírók Textúra

26 Terület Pixelek száma a régióban

27 Súlypont Tömegközéppont, vagy súlypont

28 Nyomatékok (momentumok, inerciák) Folytonos eset Diszkrét eset i = p+q nyomaték

29 Egyértelműség tétele Az {m pq } nyomatékokat egyértelműen meghatározza a B(x,y) kép, és fordítva, B(x,y) képet egyértelműen meghatározzák {m pq } nyomatékok Megjegyzés: m pq -t gyakran M pq -val is jelölöm, illetve fordítva is igaz

30 Centrális nyomatékok Eltolás invariánsak –Ha ugyanaz a régió a kép különböző részein jelenik meg, ugyanazokat a centrális nyomatékokat kapjuk eredményül Régió súlypont

31 Centrális nyomatékok (eltolás invariáns)

32 Hu-féle nyomatéki invariánsok Eltolásra, forgatásra, skálázásra invariáns

33 Hu-féle nyomatéki invariánsok

34 Példa

35 Példa

36 Kerület és kompaktság Kerület: A régió határán lévő pixelek száma. (Definíció: Határpixel, amelynek legalább egy szomszédja háttérpixel.) Megj.: néha másképpen értelmezik (1 és √ 2-es távolságok összege) Kompaktság –A kör a legkompaktabb terület kerület

37 Régió orientáció – főtengely transzformáció r r r r r B Nyomatéki főtengely, vagy inercia tengely

38 Régió orientáció – Principal Axis Transformation (PAT) Másodrendű nyomatéki főtengely

39 Régió orientáció Egyenes egyenlete Minimalizálandó

40 Régió orientáció (70. o.) (x,y) (x 0,y 0 ) r   s   Behelyettesítve (x 0, y 0 )-t r 2 -be Differenciálva s szerint és ez 0 Behelyettesítve s (x 0,y 0 )-ba

41 Régió orientáció (71. o.)  szerinti derivált 0  ahola súlypont Áttérvekapjuk vagy ahol

42 Régió orientáció (hosszúkás objektum esetén jó!) Szélsőérték, ha a szög szerinti derivált 0 

43 Példa Határozzuk meg a területet, súlypontot, nyomatékokat, kompaktságot, kerületet, orientációt!

44 Topológiai jellemzők A lyukak száma a régióban: H –Balról, jobbról, lentről, fentről … Csatlakozó elemek száma: C –Lásd a régió szegmentálásnál (Connected component algorithm) Rekurzív algoritmus Kétszeres soros, végigjárásos módszer (ekvivalencia osztályokkal) Euler szám: E = C – H –Invariáns: eltolásra, elforgatásra, skálázásra

45 Poligon hálók (egyenes szakaszokból)

46 Javasolt irodalom Chapter 3-4, Mubarak Shah, “Fundamentals of Computer Vision”, 1992 (book.pdf) Gonzales, Woods: “Digital Image Processing”, Prentice Hall, 2002