Зрение
<<  Компьютерное зрение Коррекционные игры и упражнения для детей с нарушением зрения  >>
Компьютерное зрение
Компьютерное зрение
Обработка и анализ изображений
Обработка и анализ изображений
Изображение
Изображение
Компьютерное зрение
Компьютерное зрение
Информация, содержащаяся в изображении
Информация, содержащаяся в изображении
Предобработка изображения
Предобработка изображения
Предобработка изображения
Предобработка изображения
Устранение шума в полутоновых и цветных изображениях
Устранение шума в полутоновых и цветных изображениях
Усреднение
Усреднение
Гауссиан (sigma=32)
Гауссиан (sigma=32)
Размытие
Размытие
Свертка - дифференцирование
Свертка - дифференцирование
Свертка - дифференцирование
Свертка - дифференцирование
Маски дифференцирования
Маски дифференцирования
Градиент
Градиент
Попикселная обработка
Попикселная обработка
Усиление и выделение полезной информации
Усиление и выделение полезной информации
gout = f(gin)
gout = f(gin)
gout = f(gin)
gout = f(gin)
Выравнивание гистограмм
Выравнивание гистограмм
Выравнивание гистограмм
Выравнивание гистограмм
Упражнение
Упражнение
Бинаризация изображения (1)
Бинаризация изображения (1)
Примеры пороговой бинаризации
Примеры пороговой бинаризации
Устранение шума типа «соль и перец»
Устранение шума типа «соль и перец»
Морфологические фильтры
Морфологические фильтры
Морфологические операции
Морфологические операции
Расширение & Сужение
Расширение & Сужение
Морфологические операции
Морфологические операции
Пример морфологического раскрытия
Пример морфологического раскрытия
Пример морфологического закрытия
Пример морфологического закрытия
Морфологические операции
Морфологические операции
Подавление и устранение шума
Подавление и устранение шума
Устранение шума в бинарных изображениях
Устранение шума в бинарных изображениях
Применения сужения к бинарному изображению с сильным шумом
Применения сужения к бинарному изображению с сильным шумом
Устранение шума в бинарных изображениях
Устранение шума в бинарных изображениях
Не лучший пример для морфологии
Не лучший пример для морфологии
Применения операции открытия
Применения операции открытия
Выделение границ
Выделение границ
Пример оконтуривания объекта
Пример оконтуривания объекта
Морфологическая скелетизация
Морфологическая скелетизация
Примеры морфологической скелетизации 1
Примеры морфологической скелетизации 1
Примеры морфологической скелетизации 2
Примеры морфологической скелетизации 2
Медианный фильтр
Медианный фильтр
Применение медианного фильтра
Применение медианного фильтра
Очистка изображения с помощью медианного фильтра
Очистка изображения с помощью медианного фильтра
Очистка изображения с помощью медианного фильтра
Очистка изображения с помощью медианного фильтра
Быстрая реализация медианного фильтра
Быстрая реализация медианного фильтра
Анализ информации, содержащейся в изображении
Анализ информации, содержащейся в изображении
Выделение связных областей
Выделение связных областей
Разметка связных областей
Разметка связных областей
Рекурсивная разметка связных областей (1)
Рекурсивная разметка связных областей (1)
Рекурсивная разметка связных областей (2)
Рекурсивная разметка связных областей (2)
Разметка связных областей путем последовательного сканирования
Разметка связных областей путем последовательного сканирования
Разметка связных областей путем последовательного сканирования
Разметка связных областей путем последовательного сканирования
Анализ формы связных областей
Анализ формы связных областей
Анализ формы связных областей
Анализ формы связных областей
Подсчет периметра области
Подсчет периметра области
Пример периметров области
Пример периметров области
Статистические моменты области
Статистические моменты области
Инвариантные характеристики области
Инвариантные характеристики области
Ориентация главной оси инерции
Ориентация главной оси инерции
Пример изображения с подсчитанными характеристиками областей
Пример изображения с подсчитанными характеристиками областей
Другие инвариантные характеристики области
Другие инвариантные характеристики области
Пример изображения для обработки
Пример изображения для обработки
Литература
Литература
Задания
Задания

Презентация на тему: «Компьютерное зрение». Автор: Ю.М. Баяковский. Файл: «Компьютерное зрение.ppt». Размер zip-архива: 1022 КБ.

Компьютерное зрение

содержание презентации «Компьютерное зрение.ppt»
СлайдТекст
1 Компьютерное зрение

Компьютерное зрение

Лекция 4 Математическая морфология

2 Обработка и анализ изображений

Обработка и анализ изображений

Обработка изображений Image processing Компьютерное (машинное) зрение Computer (machine) vision Компьютерная графика Computer graphics

21 февраля 2003

Компьютерная графика Лекция 4 Астана

2

3 Изображение

Изображение

Изображение оптическое – картина, получаемая в результате прохождения через оптическую систему лучей, распространяющихся от объекта, и воспроизводящая его контуры и детали. Физический энциклопедический словарь. Компьютерное представление изображения: Функция от двух переменных Используется дискретное представление

21 февраля 2003

Компьютерная графика Лекция 4 Астана

3

4 Компьютерное зрение

Компьютерное зрение

Цель – принятие решений о реальных физических объектах и сценах, основываясь на воспринимаемых изображениях. Получение информации из изображений Анализ и интерпретация полученной информации

21 февраля 2003

Компьютерная графика Лекция 4 Астана

4

5 Информация, содержащаяся в изображении

Информация, содержащаяся в изображении

Полезная информация Информация низкого уровня Области однородные по некому признаку Границы однородных областей Цвет, форма области Информация высокого уровня Объекты, содержащиеся на изображении Ошибочная информация (шум)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

5

6 Предобработка изображения

Предобработка изображения

Подготовка изображения к анализу Подавление и устранение шума Упрощение изображения (напр., бинаризация) Усиление и выделение полезной информации

21 февраля 2003

Компьютерная графика Лекция 4 Астана

6

7 Предобработка изображения

Предобработка изображения

Подавление и устранение шума Причины возникновения шума: Несовершенство измерительных приборов Хранение и передача изображений с потерей данных

21 февраля 2003

Компьютерная графика Лекция 4 Астана

7

8 Устранение шума в полутоновых и цветных изображениях

Устранение шума в полутоновых и цветных изображениях

Пример: изображение с равномерным шумом. noise(i,j) – нормально распределенная случайная величина.

21 февраля 2003

Компьютерная графика Лекция 4 Астана

8

9 Усреднение

Усреднение

21 февраля 2003

Компьютерная графика Лекция 4 Астана

9

10 Гауссиан (sigma=32)

Гауссиан (sigma=32)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

10

11 Размытие

Размытие

21 февраля 2003

Компьютерная графика Лекция 4 Астана

11

12 Свертка - дифференцирование

Свертка - дифференцирование

21 февраля 2003

Компьютерная графика Лекция 4 Астана

12

13 Свертка - дифференцирование

Свертка - дифференцирование

21 февраля 2003

Компьютерная графика Лекция 4 Астана

13

14 Маски дифференцирования

Маски дифференцирования

21 февраля 2003

Компьютерная графика Лекция 4 Астана

14

15 Градиент

Градиент

21 февраля 2003

Компьютерная графика Лекция 4 Астана

15

16 Попикселная обработка

Попикселная обработка

Out[x, y] = f (In[x,y])

21 февраля 2003

Компьютерная графика Лекция 4 Астана

16

17 Усиление и выделение полезной информации

Усиление и выделение полезной информации

Коррекция яркости изображения. Простое линейное преобразование:

21 февраля 2003

Компьютерная графика Лекция 4 Астана

17

18 gout = f(gin)

gout = f(gin)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

18

19 gout = f(gin)

gout = f(gin)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

19

20 Выравнивание гистограмм

Выравнивание гистограмм

Используются все n уровней серого цвета На каждый уровень попадает примерно одинаковое количество пикселов: q=(R*C)/n

21 февраля 2003

Компьютерная графика Лекция 4 Астана

20

21 Выравнивание гистограмм

Выравнивание гистограмм

21 февраля 2003

Компьютерная графика Лекция 4 Астана

21

22 Упражнение

Упражнение

Входное изображение содержит n = 200 пикселов Гистограмма Hin = [0, 0, 20, 30, 5, 5, 40, 40, 30, 20, 10, 0, 0, 0, 0, 0] Каким будет значение f(8) в выходном изображении? Каким будет значение f(11) в выходном изображении?

21 февраля 2003

Компьютерная графика Лекция 4 Астана

22

23 Бинаризация изображения (1)

Бинаризация изображения (1)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

23

24 Примеры пороговой бинаризации

Примеры пороговой бинаризации

21 февраля 2003

Компьютерная графика Лекция 4 Астана

24

25 Устранение шума типа «соль и перец»

Устранение шума типа «соль и перец»

Задача – избавиться от одиночных темных пикселов в светлых областях и одиночных светлых пикселов в темных областях. Применение масок к изображению С учетом 8ми соседей С учетом 4х соседей

21 февраля 2003

Компьютерная графика Лекция 4 Астана

25

26 Морфологические фильтры

Морфологические фильтры

Сужение (Эрозия, Erosion) Расширение (Dilation) Закрытие (Closing) Раскрытие (Opening)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

26

27 Морфологические операции

Морфологические операции

28 Расширение & Сужение

Расширение & Сужение

21 февраля 2003

Компьютерная графика Лекция 4 Астана

28

29 Морфологические операции

Морфологические операции

30 Пример морфологического раскрытия

Пример морфологического раскрытия

A

open(A)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

30

31 Пример морфологического закрытия

Пример морфологического закрытия

A

close(A)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

31

32 Морфологические операции

Морфологические операции

21 февраля 2003

Компьютерная графика Лекция 4 Астана

32

33 Подавление и устранение шума

Подавление и устранение шума

Устранение шума в бинарных изображениях

Широко известный способ - устранение шума с помощью операций математической морфологии: Сужение (erosion) Расширение (dilation) Закрытие (closing) Раскрытие (opening)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

33

34 Устранение шума в бинарных изображениях

Устранение шума в бинарных изображениях

Пример бинарного изображению с сильным шумом

21 февраля 2003

Компьютерная графика Лекция 4 Астана

34

35 Применения сужения к бинарному изображению с сильным шумом

Применения сужения к бинарному изображению с сильным шумом

21 февраля 2003

Компьютерная графика Лекция 4 Астана

35

36 Устранение шума в бинарных изображениях

Устранение шума в бинарных изображениях

Пример бинарного изображению с дефектами распознаваемых объектов

21 февраля 2003

Компьютерная графика Лекция 4 Астана

36

37 Не лучший пример для морфологии

Не лучший пример для морфологии

Не во всех случаях математическая морфология так легко убирает дефекты, как хотелось бы…

21 февраля 2003

Компьютерная графика Лекция 4 Астана

37

38 Применения операции открытия

Применения операции открытия

21 февраля 2003

Компьютерная графика Лекция 4 Астана

38

39 Выделение границ

Выделение границ

В\(B (-) S) –внутренняя граница (В? S)\B- внешняя граница

21 февраля 2003

Компьютерная графика Лекция 4 Астана

39

40 Пример оконтуривания объекта

Пример оконтуривания объекта

21 февраля 2003

Компьютерная графика Лекция 4 Астана

40

41 Морфологическая скелетизация

Морфологическая скелетизация

21 февраля 2003

Компьютерная графика Лекция 4 Астана

41

42 Примеры морфологической скелетизации 1

Примеры морфологической скелетизации 1

21 февраля 2003

Компьютерная графика Лекция 4 Астана

42

43 Примеры морфологической скелетизации 2

Примеры морфологической скелетизации 2

21 февраля 2003

Компьютерная графика Лекция 4 Астана

43

44 Медианный фильтр

Медианный фильтр

Выбор медианы среди значений яркости пикселов в некоторой окрестности. Определение медианы: Медианный фильтр радиусом r – выбор медианы среди пикселов в окрестности [-r,r].

21 февраля 2003

Компьютерная графика Лекция 4 Астана

44

45 Применение медианного фильтра

Применение медианного фильтра

Результат применения медианного фильтра с радиусом 5 пикселов

Результат применения медианного фильтра с радиусом в 7 пикселов к изображению с шумом и артефактами в виде тонких светлых окружностей.

21 февраля 2003

Компьютерная графика Лекция 4 Астана

45

46 Очистка изображения с помощью медианного фильтра

Очистка изображения с помощью медианного фильтра

Фильтр с радиусом 3x3

21 февраля 2003

Компьютерная графика Лекция 4 Астана

46

47 Очистка изображения с помощью медианного фильтра

Очистка изображения с помощью медианного фильтра

Фильтр с радиусом 3x3

21 февраля 2003

Компьютерная графика Лекция 4 Астана

47

48 Быстрая реализация медианного фильтра

Быстрая реализация медианного фильтра

Медианный фильтр считается дольше, чем операция свертки, поскольку требует частичной сортировки массива яркостей окрестных пикселей. Возможности ускорения: Делать несколько шагов быстрой сортировки до получения медианы Конкретная реализация для каждого радиуса (3x3, 5x5)

21 февраля 2003

Компьютерная графика Лекция 4 Астана

48

49 Анализ информации, содержащейся в изображении

Анализ информации, содержащейся в изображении

Нас интересуют области однородные по некоторому признаку - например по яркости. Простейший случай – области, яркость который выше/ниже некоторого порога

21 февраля 2003

Компьютерная графика Лекция 4 Астана

49

50 Выделение связных областей

Выделение связных областей

Определение связной области: Область, каждый пиксель которой связан с одним из других пикселей, принадлежащих данной области. Связность пикселей:

4-связность

8-связность

21 февраля 2003

Компьютерная графика Лекция 4 Астана

50

51 Разметка связных областей

Разметка связных областей

1

1

2

2

2

1

1

2

2

2

3

4

4

5

4

4

4

6

6

6

6

6

7

Бинарное изображение

Размеченное изображение

21 февраля 2003

Компьютерная графика Лекция 4 Астана

51

52 Рекурсивная разметка связных областей (1)

Рекурсивная разметка связных областей (1)

Void labeling(bit* img[], int* labels[]) { // labels должна быть обнулена L = 1; for(y = 0; y < H; y++) for(x = 0; x < W; x++) if( (img[x][y] = = 1) && (labes[x][y] = = 0) ) { fill(img, labels, x, y, L++); } }

21 февраля 2003

Компьютерная графика Лекция 4 Астана

52

53 Рекурсивная разметка связных областей (2)

Рекурсивная разметка связных областей (2)

void Fill(BIT* img[], int* labels[], int x, int y, int L) { if( (labels[x][y] = = 0) && (img[x][y] = = 1) ) { labels[x][y] = L; if( x > 0 ) Fill(img, labels, x – 1, y, L); if( x < W - 1 ) Fill(img, labels, x + 1, y, L); if( y > 0 ) Fill(img, labels, x, y - 1, L); if( y < H - 1 ) Fill(img, labels, x, y + 1, L); } }

21 февраля 2003

Компьютерная графика Лекция 4 Астана

53

54 Разметка связных областей путем последовательного сканирования

Разметка связных областей путем последовательного сканирования

Последовательно, сканируем бинарное изображение сверху вниз, слева направо:

Постобработка - переразметка с учетом эквивалентностей областей

if A = O do nothing else if (not B labeled) and (not C labeled) increment label numbering and label A else if B xor C labeled copy label to A else if B and C labeled if B label = C label copy label to A else copy either B label or C label to A record equivalence of labels

21 февраля 2003

Компьютерная графика Лекция 4 Астана

54

55 Разметка связных областей путем последовательного сканирования

Разметка связных областей путем последовательного сканирования

Случай конфликта:

Постобработка - переразметка с учетом эквивалентностей областей

21 февраля 2003

Компьютерная графика Лекция 4 Астана

55

56 Анализ формы связных областей

Анализ формы связных областей

Для каждой области можно подсчитать некий набор простейших числовых характеристик: Площадь Периметр Компактность Ориентацию главной оси инерции Удлиненность (эксцентриситет) На основе этих характеристик можно классифицировать получаемые области.

21 февраля 2003

Компьютерная графика Лекция 4 Астана

56

57 Анализ формы связных областей

Анализ формы связных областей

Площадь – количество пикселей в области; Периметр – количество пикселей принадлежащих границе области; Компактность – отношение квадрата периметра к площади;

Наиболее компактная фигура – круг, .

21 февраля 2003

Компьютерная графика Лекция 4 Астана

57

58 Подсчет периметра области

Подсчет периметра области

Пиксель лежит на границе области, если он сам принадлежит области и хотя бы один из его соседей области не принадлежит. (внутренняя граница) Пиксель лежит на границе области, если он сам не принадлежит области и хотя бы один из его соседей области принадлежит. (внешняя граница) Периметр зависит также от того 4-х или 8-ми связность используется для определения соседей.

21 февраля 2003

Компьютерная графика Лекция 4 Астана

58

59 Пример периметров области

Пример периметров области

Область

Внутренняя граница

Внешняя граница

21 февраля 2003

Компьютерная графика Лекция 4 Астана

59

60 Статистические моменты области

Статистические моменты области

Дискретный центральный момент mij области определяется следующим образом:

N – общее количество пикселей в области

21 февраля 2003

Компьютерная графика Лекция 4 Астана

60

61 Инвариантные характеристики области

Инвариантные характеристики области

Для распознавания нас интересуют характеристики инвариантные по отношению к масштабированию, переносу, повороту: Удлиненность, нецентрированность (эксцентриситет) Компактность

21 февраля 2003

Компьютерная графика Лекция 4 Астана

61

62 Ориентация главной оси инерции

Ориентация главной оси инерции

Не является инвариантной к повороту, но в ряде случаев предоставляет полезную информацию об ориентации объекта:

21 февраля 2003

Компьютерная графика Лекция 4 Астана

62

63 Пример изображения с подсчитанными характеристиками областей

Пример изображения с подсчитанными характеристиками областей

21 февраля 2003

Компьютерная графика Лекция 4 Астана

63

64 Другие инвариантные характеристики области

Другие инвариантные характеристики области

21 февраля 2003

Компьютерная графика Лекция 4 Астана

64

65 Пример изображения для обработки

Пример изображения для обработки

21 февраля 2003

Компьютерная графика Лекция 4 Астана

65

66 Литература

Литература

http://graphics.cs.msu.su/ru/ library/cv/cv_intro.html http://graphics.cs.msu.su/ courses/cg2000b/notes/lect_1.doc

21 февраля 2003

Компьютерная графика Лекция 4 Астана

66

67 Задания

Задания

http://graphics.cs.msu.su/courses/ cg02b/assigns/hw-3/hw3.html http://graphics.cs.msu.su/courses/ cg01b/hw4/hw-4.htm

21 февраля 2003

Компьютерная графика Лекция 4 Астана

67

«Компьютерное зрение»
http://900igr.net/prezentacija/biologija/kompjuternoe-zrenie-209180.html
cсылка на страницу

Зрение

18 презентаций о зрении
Урок

Биология

136 тем
Слайды
900igr.net > Презентации по биологии > Зрение > Компьютерное зрение