Lataa esitys
Esittely latautuu. Ole hyvä ja odota
JulkaistuHilkka Lattu Muutettu yli 9 vuotta sitten
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
Samankaltaiset esitykset
© 2024 SlidePlayer.fi Inc.
All rights reserved.