Esittely latautuu. Ole hyvä ja odota

Esittely latautuu. Ole hyvä ja odota

Laskuharjoitus 5 kuvankäsittely 1/3 AS-84.161 Automaation signaalinkäsittelymenetelmät.

Samankaltaiset esitykset


Esitys aiheesta: "Laskuharjoitus 5 kuvankäsittely 1/3 AS-84.161 Automaation signaalinkäsittelymenetelmät."— Esityksen transkriptio:

1 Laskuharjoitus 5 kuvankäsittely 1/3 AS-84.161 Automaation signaalinkäsittelymenetelmät

2 Fourier-muunnos Käytetään taajuuskomponenttien etsimiseen signaalista 2-ulotteinen Fourier-muunnos etsii taajuuskomponentit kuvasta

3 Fourier-muunnoksen kaavat 1-ulotteinen Fourier-muunnos 2-ulotteinen Fourier-muunnos

4 Kuvan suodatus Suodatus voidaan tehdä spatiaali- tai taajuustasossa Spatiaalitasossa –Suodatus konvoluutiolla tai korrelaatiolla Taajuustasossa –sekä kuva että maski Fourier-muunnetaan –Fourier-muunnetut matriisit kerrotaan keskenään alkioittain

5 Spatiaalitason maskin käyttö Esimerkiksi 3 x 3 alkion suuruinen operaattori (maski), jonka kertoimet valitaan havaitsemaan tietty ominaisuus kuvasta Maski voi olla muunkin kokoinen w1w1 w2w2 w3w3 w4w4 w5w5 w6w6 w7w7 w8w8 w9w9

6 Spatiaalitason maskin käyttö 23454 23455 23455 22344 12233 -20 01 012 3 Alkuperäinen kuva Maski Suodatettu kuva

7 Spatiaalitason maskeja Ylipäästösuodatus –Poikkeavan pisteen havaitseminen 8

8 Spatiaalitason maskeja Sobelin maskit –Kuvan gradientin etsimiseen 01 -202 01 -2 000 121

9 Spatiaalitason maskeja Keskiarvoistava maski –Kuvan tasoitukseen Lisäksi on paljon muitakin käyttökelpoisia maskeja 010 101 010

10 Histogrammin tasoitus Muunnetaan kuvan harmaasävyarvoja siten, että harmaasävyhistogrammista tulee tasainen Diskreetit harmaasävyt aiheuttavat virhettä  Tulos mahdollisimman lähellä tasaista histogrammia

11 Histogrammintasoitusalgoritmi 1/5 Lasketaan harmaatasohistogrammi h(i)i = 0,..., k-1k = harmaatasojen määrä (tässä esimerkissä k=4) ih(i)h(i) 01 16 27 32

12 Histogrammintasoitusalgoritmi 2/5 Lasketaan suhteelliset esiintymismäärät n = kuvapisteiden määrä ih(i)h(i) H(i)H(i) 01 0.063 16 0.375 27 0.438 32 0.125

13 Histogrammintasoitusalgoritmi 3/5 Lasketaan suhteellisen histogrammin kertymäfunktio... j = 0, 1,..., k-1 ih(i)h(i) H(i)H(i)K(i)K(i) 01 0.063 16 0.375 27 0.438 32 0.125 0.063 0.438 0.875 1.000

14 Histogrammintasoitusalgoritmi 4/5...ja normalisoidut harmaatasorajat ih(i)h(i) H(i)H(i)K(i)K(i)I(i)I(i) 01 0.063 0.000 16 0.3750.4380.250 27 0.4380.8750.500 32 0.1251.0000.750 Tässä: k = 4

15 Histogrammintasoitusalgoritmi 5/5 Jokainen harmaataso i alkuperäisessä kuvassa kuvautuu suurimmalle sellaiselle harmaatasolle i’, jota vastaava normalisoitu harmaatasoraja I(i’) on pienempi kuin i:tä vastaava kertymäfunktion arvo K(i). ih(i)h(i) H(i)H(i)K(i)K(i)I(i)I(i)i’i’ 01 0.063 0.000 16 0.3750.4380.250 27 0.4380.8750.500 32 0.1251.0000.750 0 1 3 3

16 Histogrammin tasoitus 1.Harmaatasohistogrammi 2.Suhteelliset esiintymismäärät 3.Suhteellisen histogrammin kertymäfunktio 4.Normalisoidut harmaatasorajat h(i) i=0...k-1 H(i) = h(i) / n, j=0...k-1 5.Valitaan suurin mahdollinen I(i’), joka on pienempi kuin K(i) –kuvaus harmaasävyille i  i’ k = harmaatasojen määrä, n = kuvapisteiden määrä

17 Ratkaisut

18 Tehtävä 1a)

19 =1 A X f(x)f(x) x |F(u)| u AX 01/X2/X3/X-1/X-2/X-3/X

20 Tehtävä 1b)

21 Tehtävä 2 ih(i)h(i)H(i)H(i)K(i)K(i)I(i)I(i) 010.0156 0.0000 10 0.01560.1250 220.03130.04960.2500 340.06250.10940.3750 4320.50000.60940.5000 5160.25000.85940.6250 680.12500.98440.7500 710.01561.00000.8750 0  0 1  0 2  0 3  0 4  4 5  6 6  7 7  7


Lataa ppt "Laskuharjoitus 5 kuvankäsittely 1/3 AS-84.161 Automaation signaalinkäsittelymenetelmät."

Samankaltaiset esitykset


Iklan oleh Google