29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä1 Sisältö: 0. Johdanto 1. Digitaalisen kuvan perusteita OSA 1.

Esitys aiheesta: "29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä1 Sisältö: 0. Johdanto 1. Digitaalisen kuvan perusteita OSA 1."— Esityksen transkriptio:

1 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä1 Sisältö: 0. Johdanto 1. Digitaalisen kuvan perusteita OSA 1

2 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä2 Digital image processing sovellus alueet: Parannetaan kuvanlaatua ihmisen helpompaa tulkinta varten. Prosessoidaan kuva data talletusta, siirtoa tai tietokoneen tulkintaa varten. Johdanto

3 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä3 Mitä kuvankäsittely on? Kuva = f(x,y), missä x ja y alueen koordinaatit f:n amplitudi kyseisessä kohdassa on intensiteetti. Digitaalinen kuva, jos f:n arvot äärellisiä ja diskreettiarvoisia. Digitaalinen kuva koostuu kuvaelementeistä pikseleistä. Kuvankäsittelyä tehdään koko EM-spektrin alueella –Gamma säteet –Röntgensäteet –Ultravioletti alue –Näkyvä valo –Infrapuna alue –Mikroaalto alue –Radioaallot Johdanto

4 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä4 Kuvankäsittelyn historia 1.Juuret sanomalehtien kuvan välityksessä (1920). Kuvan lähettäminen kaapelia pitkin Lontoon ja New Yorkin välillä. (5 harmaansävyä) 2.Ensimmäiset tietokoneet (kuvankäsittelykyiset) 1960. 3.Space imaging:1964 korjattiin luotaimen lähettämiä kuvia kuusta. 4.Medical imaging. 1960-70 5.Alun jälkeen kuvankäsittelyn käyttö laajeni useille alueille Satelliittikuvien analyysi Tuotteiden automaattinen tarkastus Jne.. Johdanto

5 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä5 State of art: Tekniikan ja talouden artikkeli… Johdanto

6 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä6 Ryhmätyö (2-4) henkeä: 1.Puheenjohtaja (esittää tulokset) 2.Sihteeri (kirjaa tulokset paperille) 3.Tehtävä (sama kullekin EM-spektrin alueelle): 1.Mihin sovelluksiin kuvia käytetään? 2.Miten EM säteily saadaan kuvaa varten aikaan? Johdanto

7 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä7 Gamma-ray imaging: 1.Mihin sovelluksiin kuvia käytetään? Lääketieteessä Tähtitieteessä 2.Miten EM säteily saadaan kuvaa varten aikaan? Injektoidaan radioaktiivista isotooppia potilaaseen. Radioaktiivinen aine hajotessaan säteilee gamma säteitä. Avaruuden luontainen säteily. Johdanto

8 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä8 X-ray imaging: 1.Mihin sovelluksiin kuvia käytetään? Lääketiede (esim sydämen verisuonten varjoainekuvaus) Teollisuudessa tuotteiden tarkastamiseen (jottei tarvitse rikkoa tuotetta) Tähtitieteessä 2.Miten EM säteily saadaan kuvaa varten aikaan? Säteily tuotetaan röntgenputkella Varjoaineet kuvan parantamista varten Säteily voi olla myös luonnosta peräisin Johdanto

9 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä9 Ultraviolet imaging: 1.Mihin sovelluksiin kuvia käytetään? Tähtitieteessä Mikroskoopeissa 2.Miten EM säteily saadaan kuvaa varten aikaan? Ultraviolettivalon fotonin osuessa materiaalin (fluoresoiva) elektronien kanssa elektronit virittyvät ja säteilevät alemmalle energiatasolle siirtyessään (usein) näkyvää valoa, joka sitten detektoidaan = valokuvataan. Materiaali on joko luontaisesti fluoresoiva tai sitten se tehdään sellaiseksi kemikaalein. Johdanto

10 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä10 Visible & infrared imaging: 1.Mihin sovelluksiin kuvia käytetään? Kaukokartoitukseen (satelliittikuvien avulla) Mikroskoopeissa Tähtitieteessä Visuaalisessa tuotteiden laadunvalvonnassa 2.Miten EM säteily saadaan kuvaa varten aikaan? Kuvattava kohde säteilee infrapuna tai näkyvää valoa Johdanto

11 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä11 Microwave imaging: 1.Mihin sovelluksiin kuvia käytetään? Tutka (näkee pilvien ja kasvillisuuden läpi) 2.Miten EM säteily saadaan kuvaa varten aikaan? Lähetetä mikroaaltosäteilyä antennista ja mitataan kohteesta heijastunut energia vastaanottoantennilla. Johdanto

12 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä12 Radio imaging: 1.Mihin sovelluksiin kuvia käytetään? Lääketieteessä (Magnetic Resonance Imaging, MRI) Tähtitieteessä 2.Miten EM säteily saadaan kuvaa varten aikaan? Radiolähettimellä. Johdanto

13 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä13 Muita kuvantamismenetelmiä: 1.Kuvaus ääntä käyttämällä Ultraäänikuvat (korkeat taajuudet) Geologisissa mittauksissa käytetään matalia äänitaajuuksia Sukellusveneissä 2.Elektronimikroskopia 3.Tietokoneella muodostetut kuvat Johdanto

14 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä14 Kuvankäsittelyn vaiheita Johdanto

15 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä15 Kuvankäsittely systeemi Johdanto

16 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä16 Silmän toiminta: Cornea = sarveiskalvo Sclera = kovakalvo Choroid=suonikarvo Retina = verkkokalvo Cones = tappisolut (6-7 miljoonaa kpl) Rods = sauvasolut (75- 150 miljoonaa) Fovea = silmän keskikuoppa Digitaalisen kuvan perusteita

17 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä17 Digitaalisen kuvan perusteita

18 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä18 Digitaalisen kuvan perusteita

19 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä19 Digitaalisen kuvan perusteita

20 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä20 Digitaalisen kuvan perusteita Glare limit = häikäistymiskynnys Scotopic vision = hämäränäkö, harmaanäkökyky Photopic vision = päivänäkö Brigthness = kirkkaus

21 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä21 Digitaalisen kuvan perusteita

22 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä22 Digitaalisen kuvan perusteita Monokromaattinen valo –Radiance = energian määrä valolähteestä [W] –Luminance = energian määrä, joka saavuttaa katsojan (tai filmin) [lm = lumen] –Brightness = subjektiivinen mitta, ei voi mitata.

23 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä23 Digitaalisen kuvan perusteita Image sensing / acquisition Single sensor Line sensor Array sensor

24 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä24 Digitaalisen kuvan perusteita Image sensing / acquisition

25 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä25 Digitaalisen kuvan perusteita Image sensing / acquisition

26 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä26 Digitaalisen kuvan perusteita Kuvan muodostuksen malli

27 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä27 Digitaalisen kuvan perusteita Harmaasävykuva Väli [Lmin,Lmax] = sävyasteikko Tyypillisesti väli [0, L-1], missä 0 = musta ja L-1= valkoinen

28 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä28 Digitaalisen kuvan perusteita Kvantisointi

29 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä29 Digitaalisen kuvan perusteita Spatial and Gray level resolution ???

30 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä30 Digitaalisen kuvan perusteita Zoomaus Nearest neighbor interpolation Pixel replication Bilinear interpolation

31 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä31 Digitaalisen kuvan perusteita Naapuri pikselit

32 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä32 Digitaalisen kuvan perusteita Naapuri pikselit

33 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä33 Digitaalisen kuvan perusteita Etäisyys mittarit Euclidean etäisyys D4 etäisyys D8 etäisyys (shakkilauta etäisyys)

34 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä34 Digitaalisen kuvan perusteita Matemaattiset operaatiot Ja matriisien kertolaskuhan oli Kuvien kertolasku:

35 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä35 Digitaalisen kuvan perusteita Matemaattiset operaatiot Lineaarisuusehto Tutki alla olevien ”kuvien” perusteella onko max operaatio lineaarinen (a1=1 ja a2=-1)

36 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä36 Digitaalisen kuvan perusteita Matemaattiset operaatiot Operaatiot tehdään vastinpikseleiden kanssa. Eli operaatioihin osallistuvien kuvien pitää olla saman kokoisia.

37 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä37 Digitaalisen kuvan perusteita Matemaattiset operaatiot

38 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä38 Digitaalisen kuvan perusteita Matemaattiset operaatiot

39 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä39 Digitaalisen kuvan perusteita

40 29.10.2008Kuva- ja videosignaalinen käsittely / Kari Jyrkkä40 Digitaalisen kuvan perusteita Affine transform 1.Lasketaan pikselin koordinaateille uusi paikka 2.Interpoloidaan uusi intensiteettiarvo pikselille uudessa paikassa. 1.Nearest neighbor interpolation 2.Bilinear interpolation 3.Bicubic interpolation