Digitális képanalízis

Slides:



Advertisements
Hasonló előadás
Orthogonal Frequency Division Multiplexing
Advertisements

ÉRDEKES PONTOK KINYERÉSE DIGITÁLIS KÉPEKEN. BEVEZETÉS  ALAPPROBLÉMA  Jellemzőpontok detektálása mindkét képen  Kinyert pontok megfeleltetése  Megfeleltetések.
Jelanalízis.
A Fourier - transzformáció
Összehasonlitó Élettan III. Gyakorlat
Számítógépes grafika és képfeldolgozás
4. Folytonos wavelet transzformáció (CWT) –folytatás
9. Diszkrét wavelet transzformáció, szűrők, sokskálás felbontás, operátor tömörítés Speciálkurzus 2009 tavasz.
A waveletek és néhány alkalmazásuk
3. Folytonos wavelet transzformáció (CWT)
1. Bevezetés a waveletekhez (folytatás)
Digitális eszközök a rádiókban
Digitális képanalízis
Digitális képanalízis
Digitális képanalízis
Hullámterjedési sebesség meghatározása CDP: 420 (24 szeres fedés)
Dekonvolúciós módszerek femtokémiai alkalmazása
Jelkondicionálás.
Példa az Early-algoritmus alkalmazására
Analóg és digitális jelek
Objektum osztályozás Képfeldolgozás 2. Blaskovics Viktor, Hantos Norbert, Papp Róbert Sándor.
4. előadás.
Radványi Mihály Gergely Sándor Alpár Antal 2006
Adaptív jelfeldolgozás Rádiócsatorna kiegyenlítése
Élek detektálása Vámossy Zoltán 2004
Szűrés és konvolúció Vámossy Zoltán 2004
Folytonos jelek Fourier transzformációja
Példák a Fourier transzformáció alkalmazására
Diszkrét változójú függvények Fourier sora
Térkép. Mi az adat? Minden információ, amit tárolni kell. Minden információ, amit tárolni kell.  szám  szöveg  dátum  hang  kép, stb.
Dr. Balogh Péter Gazdaságelemzési és Statisztika Tanszék DE-AMTC-GVK
Implementált képfeldolgozó algoritmusok
HATÉKONY SAJÁTSÁGKIEMELŐK KÉPEK ÖSSZEHASONLÍTÁSÁHOZ MobileAssistant workshop, május 4. Főnix Inkubátorház, 4029 Debrecen, Csapó u. 42. A ép III/2.
Ciklikus, lineáris kódok megvalósítása shift-regiszterekkel
Statisztika.
Elemzések, jelentések készítése
Rekeszív meghatározása tüdőröntgenen
Digitális jelfeldolgozó processzorok oktatása programozó hallgatóknak
BMEEPAG0202 CAD és építészinformatika / 2006 őszi félév 0 2D-3D számítógépes grafika BME Építészmérnöki Kar Építészeti Ábrázolás Tanszék Előadó: Batta.
Csipkézettség csökkentés (anti-aliasing) Szirmay-Kalos László.
 Farkas György : Méréstechnika
Digitális képanalízis Pontoperátorok, matching. Nézzünk egy példát!
Digitális jelfeldolgozás
5. Folytonos wavelet transzformáció (CWT) – újabb folytatás
Mérnöki tervezés december Hangelemző rendszer fejlesztése Symbian OS-re Hegedűs Iván Mihály Pázmány Péter Katolikus Egyetem Információs Technológiai.
Kép- és modellalkotó eszközök az orvosi gyakorlatban 2. előadás: Matematikai és fizikai alapok.
Jelfeldolgozás alapfogalmak
Adatátvitel elméleti alapjai
4. előadás.
Nagy Szilvia 2. Lineáris blokk-kódok II.
Számítógépes grafika és képfeldolgozás
PPKE ITK 2009/10 tanév 8. félév (tavaszi) Távközlő rendszerek forgalmi elemzése Tájékoztatás GY
Képek, képfeldolgozás Szirmay-Kalos László.
2. Házi feladat „Digitális kép szűrése”. A feladat I. Az előzően beszerzett digitális kép szűrése Szűrés –Átlagoló szűrés 5×5-ös kernellel –Medián-szűrés.
Digitális képanalízis
Budapest Műszaki és Gazdaságtudományi Egyetem eet.bme.hu Elektronikus Eszközök Tanszéke Számítógépes grafika és képfeldolgozás Dr. Szirmay-Kalos László.
Digitális képanalízis
A Tantárgy címe Képfeldolgozás
Több irányú, alaksablonok nélküli épület detekció légiképeken Manno-Kovács Andrea, Szirányi Tamás Elosztott Események Elemzése Kutatócsoport MTA SZTAKI.
Adaptív jelfeldolgozás Rádiócsatorna kiegyenlítése
Képjavítás a frekvenciatartományban
Képrestauráció Képhelyreállítás
Jelfeldolgozás bevezető
Nikházy László Ureczky Bálint Konzulens: dr. Horváth Gábor
Jelkondicionálás.
Konvolúciós neuronhálók
Jelanalízis.
Bevezetés a mély tanulásba
4. előadás.
KONVOLÚCIÓS NEURONHÁLÓK
Előadás másolata:

Digitális képanalízis Szűrések

Általában a szűrés angolul: filtering – filter típusai: konvolúciós szűrés nem-konvolúciós szűrés szűrés a frekvencia tartományban

A konvolúció általában a szorzás általánosítása elemei: szűrendő adatok (pl. digitális kép) kernel = mag = szűrő = szűrőmaszk

A konvolúció matematikailag folytonos esetben: diszkrét esetben: x,y i,j n,m jelentése

A kernel jellemzői többnyire páratlan elem  páratlan elem pl. 33, 55, 77, 99 … többnyire cél az izotrópia sokszor cél az átskálázás nélkülözése „torzítatlanság”-i cél lehetséges megoldás: elemösszeg: 1

A kernel hatása műveletvégzés a szélső helyzetekben a képméret csökkenése kérdés: baj a csökkenés? mekkora a csökkenés mértéke?

A konvolúciós szűrés típusai I. simító szűrők: átlagoló szűrő súlyozott átlagoló szűrő

Vegyünk egy példát! Adott a képmátrix 33-as részlete és egy átlagoló szűrő:

A konvolúciós szűrés típusai II. élkiemelő szűrők: Laplace (Laplacian) n=4 vagy n=5

A konvolúciós szűrés típusai III. Sobel Prewitt Robinson Roberts Cross …

Nem-konvolúciós szűrők nem a konvolúció elvén működnek futó (sikló) ablak (=kernel) előnyei: összetett algoritmusok is alkalmazhatók iterált is lehet a számítás alkalmazás: pl. festők ecsetkezelése hátrányai: méretcsökkenés számítási sebesség

Nem-konvolúciós szűrőtípusok medián-szűrő algoritmus összehasonlítás az átlagoló szűrővel előnyök-hátrányok módusz-szűrő (majority filter) alkalmazás LIFE-szűrő (LInear FEature preserving filter)

Szűrés a frekvencia-térben szűrési folyamat átalakítva: homomorf szűrés:

Fourier-transzformáció

A gyakorlatban DFT és IDFT lassú helyette: FFT és IFFT FFT – Fast Fourier Transformation 2 hatvány szerinti mátrixméret „zero padding”-eljárás alkalmazás: pl. konvolúció

Levezethető mennyiségek magnitúdó spektrum fázis spektrum teljesítmény spektrum

Például eredeti kép magnitúdó kép magnitúdó kép fázis kép teljesítmény kép

Még egyszer a szűrők! a szűrők is FFT-zhetők jellemzés: csoportosítás: karakterisztika-görbe csoportosítás: aluláteresztők (felülvágók) felüláteresztők (alulvágók) sáváteresztők

Aluláteresztő szűrők néhány típus: ideális Bartlett Butterworth Gauss…

Felüláteresztő szűrők

Sáváteresztő szűrők

Szűrés a frekvencia-térben

Átlagoló szűrés (mean)

Medián-szűrés

Átlagoló vs medián-szűrő

Laplace-szűrés N=4,n=4 N=4,n=5 N=8,n=8 N=8,n=9

Find edges = Sobel-szűrés

Élkeresők

Fourier-elemzés