Számítógépes grafika és képfeldolgozás IV előadás: Képfeldolgozási esettanulmányok, képfájl formátumok Jegyzet: Székely Vladimír: Képfeldolgozás 7. fejezet.

Slides:



Advertisements
Hasonló előadás
Tömörítés.
Advertisements

Multimédia.
Minden amit tudni akartál de soha sem merted megkérdezni
Az MPEG tömörítés.
Grafikai alapismeretek
Pethő Balázs ELTE TTK Oktatástechnika Csoport
A digitális képfeldolgozás
Számítógép grafika.
Készítette: Farkas Ildikó 2006.Január 12.
Multimédia szoftverek
Jelátalakítás és kódolás
Informatikai alapismeretek Hardver
Raszter és vektor Nagy Gyula YMÉK
Gábor Dénes Főiskola Informatikai Rendszerek Intézete Informatikai Alkalmazások Tanszék Infokommunikáció Beszédjelek Házman DIGITÁLIS BESZÉDJEL ÁTVITEL.
Azonosítók és képzési szabályaik
Az adatábrázolás, adattárolás módja a számítógépekben
A színek számítógépes ábrázolásának elve
Készítette: Mester Tamás METRABI.ELTE.  Egy bemeneten kapott szöveg(karakter sorozat) méretét csökkenteni, minél kisebb méretűre minél hatékonyabb algoritmussal.
HIKGHB Németh Gábor LUF9NV Simon Attila. A programozás alapjai előadás Híradástechnikai Tanszék.
Képfeldolgozás - esettanulmányok
Számítógépes grafika és képfeldolgozás
Digitális Sötétszoba Adobe Photoshop CS5 Extended v12.0 Fotószakkör 2011/1. Retusálás beadandók.
A diákat készítette: Matthew Will
Multimédiás technikák 1. kérdés Melyik diszkrét médium? a)hang b)videó c)animáció d)kép.
Multimédiás technikák 1. kérdés A homogén foltok kódolása milyen tömörítést valósít meg? a)veszteséges b)káros c)veszteségmentes d)redundáns.
Forrás kódolás Feladat: -az információ tömörítése.
Kommunikációs Rendszerek
Az információ és kódolása Kovácsné Lakatos Szilvia
Térinformatika Bornemisza Imre egyetemi adjunktus PTE TTK Informatika és Általános Technika Tanszék  Térinformatika 2007.
A számítógépes grafika céljai és feladatai
1 Digitális hang, kép és videóállományok Kiss Attila Információs Rendszerek Tanszék
Huffman Kódolás.
Készítette: Vámossy Zoltán (Bebis anyagai alapján) 2004 (Stanford, Berkeley, CMU, Birmingham, ELTE, SZTAKI, SzTE anyagok alapján) Képfeldolgozás, alapok.
Számítógépes Grafika 2. gyakorlat Programtervező informatikus (esti) 2011/2012 őszi félév.
Szilágyi András Digitális videózás Szilágyi András
Bevezetés: a Számítógépi grafika tárgya (Szemelvények: amit tudni illik)
Turbo Pascal 11..
1 Takács Béla HOGYMŰKÖDIK A SCANNER? (1.) A scanner lelke, mint a digitális fényképezőgépnél vagy a digitális kameránál a CCD. CCD - Charge Coupled.
Grafikus tervezőrendszerek programozása 11. előadás.
Grafika.
A grafikus megjelenítés elvei
Monitorok.
Pixel műveletek, képek Szirmay-Kalos László.
Adatleírás.
Képek feldolgozása 7. osztály.
Kép formátumok, tulajdonságaik
Web-grafika II (SVG) 1. gyakorlat
Web-grafika II (SVG) 5. gyakorlat Kereszty Gábor.
Mi az RGB? Red Green Blue, a képernyős szín-megjelenítés modellje. Ha mindhárom alapszín teljes intenzitással világít, fehér színt kapunk. Ha mindhárom.
Bináris szám-, karakter- és képábrázolás
Informatikai alapismeretek Hardver
Grafika alapfogalmak.
Kép- és képfile-típusok Képrögzítés eszközei
Adattömörítés.
Bevezetés a számítógépi grafikába
Crt Monitor. Általános  a televízióhoz hasonló  elektronsugár futja végig  a sorok és képek váltásának időpillanatait a vízszintes és függőleges sorszinkron.
Fájlrendszer, számrendszer
Számítógépes grafika és képfeldolgozás
A számítógépes grafika alapjai, PPKE-ITK, Benedek Csaba, 2010 Tanagyag forrás © Szirmay-Kalos László, BME A számítógépes grafika céljai és feladatai 1.
Képek, képfeldolgozás Szirmay-Kalos László.
Számítógépes grafika és képfeldolgozás
Huffman tömörítés.
1 A digitális képfeldolgozás alapjai A digitális képfeldolgozás alapjai.
9. Óra Tömörítés Tömörítés fogalma: A tömörítő eljárások segítségével adatainkat olyan alakra hozhatjuk, amelyeknek kisebb a mérete, mint az eredetinek.
Digitális képfeldolgozás Póth Miklós. Digitális képtípusok Raszter – Képpontokból épül fel Vektor – egyenletekből épül fel.
A digitális kép bevezetés. A digitális kép tulajdonságai 1. Egyszerű Windows Intéző nézet És még: IrfanView (társított alkalmazás), KB („nagy”
03 – Képtípusok és képformátumok, megjelenítés a képernyőn
Informatikai alapismeretek Hardver
Adatfeldolgozási ismeretek 1/15. ML, 2017
A digitális kép bevezetés.
Előadás másolata:

Számítógépes grafika és képfeldolgozás IV előadás: Képfeldolgozási esettanulmányok, képfájl formátumok Jegyzet: Székely Vladimír: Képfeldolgozás 7. fejezet

Képfeldolgozási esettanulmányok

I. Folyadékkristályos hőtérképezés V. Székely, M. Rencz: Image processing procedures for the thermal measurements IEEE Trans. on Components and Packaging Technology, V.22, No.2, 1999

B1 B2 B3 I. Folyadékkristályos hőtérképezés

“Added image”, összegkép: I. Folyadékkristályos hőtérképezés

“Hamis színes” megjelenítés Pixel érték Szín 0 blue 1green 2red 3cyan 4magenta 5yellow 6  fentiek ismétlése I. Folyadékkristályos hőtérképezés

A hamis színes kép “mögé tesszük” a layout rajzot 1. Az L layout képet 0…K-1 komprimáljuk 2. Az összegkép pixel értékeit K-val szorozzuk 3. A fenti két képet összeadjuk 4. Az alábbi szín-táblát használjuk: Pixel érték Szín 0…K-1darkblue…lightblue K…2K-1darkgreen…lightgreen stb. I. Folyadékkristályos hőtérképezés

Relief jellegű kép generálása 1. Az A összegképról készítünk egy 2-2 pixellel eltolt R másolatot 2. A megjelenítendő képet az alábbi módon számoljuk: 3. A LUT-ot egyenletes szürke skálára állítjuk. I. Folyadékkristályos hőtérképezés

Izotermikus vonalak rajzolása a layoutra 1. Az A összegképen Roberts operátoros élkeresés  E 2. Az alábbi összeg képzése: I. Folyadékkristályos hőtérképezés

II. Ujjlenyomat azonosítás Eva Nikodemusz, V. Székely: Image recognition problems of fingerprint identification, Microprocessors and Microsystems, V.17, No.4, 1993 Delta Hurok Minutiae

II. Ujjlenyomat azonosítás Olyan, mint egy E elektromos tér erővonalképe!

II. Ujjlenyomat azonosítás Az E x “térerősség” számítása 1. A kép dy-nal eltolt replikáját képezzük 2. Ezt EXOR-oljuk az eredeti képpel 3. Számoljuk az eredmény területét az a,b téglalapon:

II. Ujjlenyomat azonosítás Definíciók Xbinim = bináris kép Xgrayim = szürkeskálás kép pl. FPbinim az ujjlenyomat Ybinim=SHIFT(Xbinim,dx,dy) Abinim=EXOR(Bbinim,Cbinim) Xgrayim=SUMM(Xbinim,a,b)

II. Ujjlenyomat azonosítás A teljes divergencia számítása EXbinim=EXOR(FPbinim,SHIFT(FPbinim, ,0)) EYbinim=EXOR(FPbinim,SHIFT(FPbinim,0,  )) EXgrayim=SUMM(EXbinim,a,b) EYgrayim=SUMM(EYbinim,a,b) DIVgrayim=SHIFT(EXgrayim,h/2,0) - SHIFT(EXgrayim, - h/2,0)  SHIFT(EYgrayim,0,h/2) - SHIFT(EYgrayim,0, - h/2)

II. Ujjlenyomat azonosítás További problémák: a  elöjel eldöntése a bizonytalan területek kizárása

II. Ujjlenyomat azonosítás

Képfájl formátumok, tömörítés

Képfile formátumok Nagyon sok fajta használatos! Például: BMP GIF TIFF JPEG Targa PCX PNG PNM MacPaint GEM SUN rasterfiles IFF/ILBM és még sok más. Irodalom: D.C. Kay, J.R. Levine: Graphics File Formats, 2nd ed. Windcrest/McGraw Hill, 1995

A BMP - mint példa typedef struct { BYTE rgbBlue; BYTE rgbGreen; BYTE rgbRed; BYTE rgbReserved; } RGBQUAD; typedef struct { DWORD biSize; /* a str. byte-jainak szama */ DWORD biWidth; /* bitterkep szelessege, pel */ DWORD biHeight; /* bitterkep magassaga, pel */ WORD biPlanes; /* kotelezoen =1 */ WORD biBitCount; /* bit/pixel, 1,4,8,24 */ DWORD biCompression; /* 0/1/2=nem tomor/RLE8/RLE4 */ DWORD biSizeImage; /* kepmeret byte-okban */ DWORD biXPelsPerMeter; /* device pixel/meter vizsz */ DWORD biYPelsPerMeter; /* device pixel/meter fugg */ DWORD biClrUsed; /* hasznalt szinek szama */ DWORD biClrImportant; /* fontos szinek szama */ } BITMAPINFOHEADER ;

typedef struct { BITMAPINFOHEADER bmiHeader; RGBQUAD bmiColors[256]; } BITMAPINFO; typedef struct { WORD bfType; /* a BM karakterek */ DWORD bfSize; /* a file merete, byte */ WORD bfReserved1; /* foglalt, =0 */ WORD bfReserved2; /* foglalt, =0 */ DWORD bfOffBits; /* bitterkep kezdet offs*/ } BITMAPFILEHEADER; fwrite(&bmfh,sizeof(BITMAPFILEHEADER),1,fp); fwrite(&bminf,sizeof(BITMAPINFO),1,fp); Pixelek írása sorfolytonosan, balról jobbra, alulról felfelé. Vigyázat!!! Soronként kiegészítendő 4-gyel oszthatóra! A BMP - mint példa

Képtömörítési eljárások 1. Információ veszteség nélkül Run-length encoding (RLE) Statisztikai módszerek (pl. Huffman) Aritmetikai módszerek 2. Információ veszteséggel RLE, megtűrt eltéréssel Bitszám csökkentés + dithering JPEG Tipikus forrás-kódolási probléma!

Run-length encoding (RLE) (futamhossz kódolás) Soronként alkalmazzák Általában max. 128 hosszúságú blokkok (hosszabb bontandó) Rajz jellegű képeknél igen hatékony

Az RLE kódolás hatékonysága Kódolatlan BMP, 8 bit: byte RLE kódolt BMP, 8 bit: byte Kódolatlan BMP, 8 bit: byte RLE kódolt BMP, 8 bit: byte Vonalas ábrán, rajzfilm rajzon igen hatékony!

A Huffman kódolás Előzetesen szükség van a kép statisztikájára (hisztogram) A kódtábla is továbbítandó Csak akkor hatékony, ha a pixel értékek eloszlása nem egyenletes

A Huffman kódolás hatékonysága A kiegyenlített hisztogrammú képen gyakorlatilag hatástalan

Képezzük a szomszédos pixel értékek különbségét, pl. a vízszintes vonalak mentén! A Huffman kódolás hatékonysága

Képtömörítési eljárások 1. Információ veszteség nélkül Run-length encoding (RLE) Statisztikai módszerek (pl. Huffman) Aritmetikai módszerek 2. Információ veszteséggel RLE, megtűrt eltéréssel Bitszám csökkentés + dithering JPEG

A JPEG tömörítés JPEG = Joint Photographic Experts Group of the ISO (International Standard Organisation) RGB  Luminancia + 2  Chrominancia, utóbbiakban 2  kisebb felbontás, 8  8 mezökön DCT, a nagyobb frekvenciák egyre kisebb bitszámon tárolva, Ez után aritmetikai vagy statisztikai tömörítés.

A JPEG tömörítés hatása Tömörítetlen BMP JPEG közepes tömörítés erős tömörítés igen erős 2 527

Közepes tömörítés (18,6%) A JPEG tömörítés hatása

Erős tömörítés (5,86 %) A JPEG tömörítés hatása

Igen erős tömörítés (3,55 %) A JPEG tömörítés hatása

Vonalas ábrához soha ne használjuk!!! Kódolás nélkül JPEG A JPEG tömörítés hatása