Title: Strojni vid
1(No Transcript)
2Obdelava slike
- (Pred)obdelava slike (Angl. Image Processing)
- Izboljšanje slike (Angl. Image Enhancement)
- Naloga napraviti sliko (še) boljšo -
- potrebujemo model izboljšanja.
- Obnavljanje slike (Angl. Image Restoration)
- Naloga napraviti sliko tako, kot je
- (naj bi) že bila - potrebujemo model
poslabšanja. - Analiza slike (Angl. Image Analysis)
- Razgradnja slike (Angl. Image Segmentation)
- Iskanje robov (Angl. Edge detection)
- Iskanje oglišc (Angl. Corner detection)
- ....
3(Pred)obdelava slike
Izhodna slika
Vhodna slika
Predobdelava
- Naloga predobdelave
- Napraviti sliko bolj primerno za nadaljnjo
obdelavo - V sistemih strojnega vida naj bi bilo
predobdelave cim manj - Kakovost slike je potrebno zagotoviti že v casu
njenega nastanka - Op.
- Ko govorimo o predobdelavi slike, mogoce prevec
razmišljamo o tem, - da bi bilo treba sliko popraviti.
4Digitalna slika f(x,y)
x
M
y
12
N
Piksel
Okolica 3x3, 5x5, ...
Podrocje zanimanja
5(Pred)obdelava slike
- Tockovne operacije
- aritmeticne in logicne operacije , -, , /,
IN, ALI,... - vcasih nastopajo samostojno, še pogosteje pa so
- sestavni del sestavljenih operacij.
- Lokalne operacije
- linearno / nelinearno filtriranje šuma.
- Globalne operacije
- take, ki so rezultat celotne vsebine slike
(histogram)
6Tockovne operacije
Spreminjanje svetlosti IIzh IVh k
IIzh
IIzh
IVh
IVh
IVh Vhodni nivoji svetlosti (sivosti) IIzh
Izhodni nivoji svetlosti (sivosti)
7Tockovne operacije
Spreminjanje kontrasta IIzh ? k . IVh
IIzh
IIzh
IVh
IVh
8Tockovne operacije
invertiranje
upragovljenje
IIzh
IIzh
IVh
IVh
9Tockovne operacije
V splošnem
IVh Vhodni nivoji svetlosti IIzh Izhodni
nivoji svetlosti d maksimalna vhodna
vrednost c minimalna vhodna vrednost b
maksimalna izhodna vrednost a minimalna
izhodna vrednost
10Tockovne operacije
- Seštevanje slik
- predvsem, da popravimo razmerje signal / šum
- Odštevanje slik
- detekcija premika (spremembe)
- odštevanje ozadja
- (npr. zaradi neenakomernosti osvetlitve).
11Tockovne operacije
Seštevanje slik popravimo razmerje signal /
šum Seštejemo N zaporednih slik
(stacionarnega) prizora. V primeru, da je šum
nekoreliran, Gaussov, s srednjo vrednostjo
nic in enako porazdeljen, se da na ta nacin
potlaciti šum za
12Histogramljenje
- Slikovni element obravnavamo kot nakljucno
spremenljivko. - Na podlagi histograma se da povedati marsikaj o
kakovosti slike. - Popravljanje svetlosti, kontrasta, upragovljenje,
... - Ravnanje histograma
- Tiste svetlosti, ki so bolj prisotne,
kvantiziraj bolj fino. - Dolocanje histograma
- Preslikaj svetlosti tako, da bodo ustrezno
porazdeljene.
13Ravnanje histograma
Ravnanje histograma
14Ravnanje histograma
15Dolocanje histograma
Dolocanje histograma
s
T(x)
x
s
G(y)
y
To se da realizirati v diskretnem primeru s
pregledovalnimi tabelami.
16Upragovljenje
IzhodBinarna slika
Vhod Sivinska slika
Histogram
t
17Lokalne operacije
- Zmanjšati nivo šuma
- Gaussov šum
- Impulzni šum (poper in sol)
- Linerano filtriranje (Gaussov filter)
- Nelinearno filtriranje (medianin filter)
- IIzh(i, j) ?k ?l h(k,l) x IVh(i-k,j-l)
18Lokalne operacije
- Glajenje
- Povprecenje
- (maska 3x3, ipd.)
- Uteženo povprecenje
x 1/9
x 1/16
19Lokalne operacije
- Gaussov filter
- Smiselno je izkoristiti locljivost jedra
- g(x,y) f(x,y) g(x) g(y) f(x,y)
- Najprej filtriramo po stolpcih
- Nato po vrsticah
x 1/16
Diskretna aproksimacija 1D Gaussa (? 1)
20Lokalne operacije
- Glajenje zamegli robove
- Ostrenje (angl. unsharp masking)
- Zmanjšamo vpliv glajenja na robove
- Nelinearno filtriranje mediana
- Zavedati se moramo, da filtriranje lahko zamakne
robove
21Lokalne operacije
- Ostrenje (angl. unsharp masking)
- Od originalne slike odštejemo njeno glajeno
verzijo, - g(x,y) fi(x,y) - fg(x,y)
K originalni sliki prištejemo dolocen delež
g(x,y) fo(x, y) (1-k) fi(x,y) k g(x,y)
- Podoben rezultat dobimo s prištevanjem
- ustreznega deleža Laplacea
22Lokalne operacije
- Filtriranje z mediano
- vrednost slikovnega elementa nadomestimo z
mediano - v izbrani okolici, npr. 3x3, 5x5, ipd.
-
okolica slikovnega elementa
Dobro odstranjuje impulzni šum
23Iskanje robov
Iskanje robnih tock - spremebe svetlosti
(vrednosti) slike - robne tocke še niso
obris
Robna tocka
24Iskanje robov
- Robni operatorji
- Vecina operatorjev deluje na podlagi
(numericnega) odvajanja - Racunanje prvih odvodov (gradienta) slike
- Racunanje drugih odvodov (Laplace) slike (tudi
LOG, DOG) - Model robov (Hueckel)
- Splošen postopek
- Filtriranje z Gaussovim filtrom primerne širine
- Numericno odvajanje (npr. racunanje gradienta)
- Upragovljenje (po potrebi tanjšanje)
25Iskanje robov
- Nekateri najbolj znani robni operatorji
- Robertsov operator
- Prewittov operator
- Sobelov operator
- Cannyjev operator
- Iskanje prehodov skozi nic (Laplace Gaussa)
- Razlika Gaussov (DOG Diff. Of Gaussians)
26Sobelov operator
-1
1
-2
2
-1
1
Izhod Slika robnih tock
Vhod Sivinska slika
Sobel
27Iskanje robov
28Nekateri drugi operatorji
Prewitt
Roberts
Gx
Gx
-1
1
Gy
Gy
-1
1
-1
1
Izbira robnega operatorja ne sme
odlocilno Vplivati na delovanje sistema.
29Canny-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 tocko
30Canny-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)
31Canny-jev operator
- Namesto slike odvajamo filter
- Filtriramo z odvodom filtra
- Upoštevamo lastnost locljivosti filtra
32Canny-jev operator
f - vhodna slika
g(x)f
g(y)f
gy(y)f
gx(x)f
Velikost Smer
NMS
HT
e slika robov
33Canny-jev operator
34Veclocljivostni pristop
- Sliko filtriramo z vec Gaussovimi filtri
razlicnih širin - Dobimo isto sliko na razlicnih stopnjah
- locljivosti
- Poišcemo robne tocke na vseh stopnjah
- locljivosti
- Združimo rezultate z vseh stopenj locjivosti
35Prostor locljivosti
- Ko postane širina (parameter) Gaussovega filtra
zvezna - spremenljivka, govorimo o prostoru locljivosti.
- Veclocljivostni pristopi in prostor locljivosti
(scale space) - imajo številne primere uporabe v
- Kodiranju / opisu slik
- Razgradnji /segmentiranju slik
- Poravnavanju slik
- Razpoznavanju slik
- Tvorci teorije P. Burt, E. Adelson, A. Witkin,
P. Perona, J. Malik, T. Lindeberg, J.
Koenderink, J. Weickert, ...
36Prostor locljivosti
Prehodi skozi nic drugega odvoda (Laplace)
Gaussa LoG, DoG
37Iskanje oglišc (kotov)
- Izracunamo odvode (e) v smeri x in y
- Izracunamo matriko C v neki okolici tocke
- Izracunamo lastni vrednosti matrike C
38Iskanje oglišc (kotov)
- Tocka (x,y) je oglišce, ce sta obe lastni
vrednosti dovolj veliki
39Iskanje oglišc (kotov)
40Houghov transform
y k.x n
Vhod slika
Izhod Hugh transform
41Houghov transform
42Literatura
- R. Gonzalez, R. Woods, Digital Image Processing,
- Prentice Hall, 2002.
- M. Sonka, V. Hlavac, R. Boyle, Image Processing,
Analysis, and Machine Vision, PWS Publishing,
1999. - E. Trucco, A. Verri, Introductory Techniques for
3D Computer Vision, Prentice Hall, 1998. - HyperMedia Image Processing Reference
- http//www.cee.hw.ac.uk/hipr/html/hipr_top.html