Strojni vid

1
(No Transcript)
2
Obdelava 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.

4
Digitalna 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)

6
Tockovne operacije
Spreminjanje svetlosti IIzh IVh k
IIzh
IIzh
IVh
IVh
IVh Vhodni nivoji svetlosti (sivosti) IIzh
Izhodni nivoji svetlosti (sivosti)
7
Tockovne operacije
Spreminjanje kontrasta IIzh ? k . IVh
IIzh
IIzh
IVh
IVh
8
Tockovne operacije
invertiranje
upragovljenje
IIzh
IIzh
IVh
IVh
9
Tockovne 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
10
Tockovne operacije

• Seštevanje slik
• predvsem, da popravimo razmerje signal / šum
• Odštevanje slik
• detekcija premika (spremembe)
• odštevanje ozadja
• (npr. zaradi neenakomernosti osvetlitve).

11
Tockovne 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
12
Histogramljenje

• 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.

13
Ravnanje histograma
Ravnanje histograma
14
Ravnanje histograma
15
Dolocanje histograma
Dolocanje histograma
s
T(x)
x
s
G(y)
y
To se da realizirati v diskretnem primeru s
pregledovalnimi tabelami.
16
Upragovljenje
IzhodBinarna slika
Vhod Sivinska slika
Histogram
t
17
Lokalne 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)

18
Lokalne operacije

• Glajenje
• Povprecenje
• (maska 3x3, ipd.)
• Uteženo povprecenje

x 1/9
x 1/16
19
Lokalne 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)
20
Lokalne operacije

• Glajenje zamegli robove
• Ostrenje (angl. unsharp masking)
• Zmanjšamo vpliv glajenja na robove
• Nelinearno filtriranje mediana
• Zavedati se moramo, da filtriranje lahko zamakne
  robove

21
Lokalne 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

22
Lokalne operacije

• Filtriranje z mediano
• vrednost slikovnega elementa nadomestimo z
  mediano
• v izbrani okolici, npr. 3x3, 5x5, ipd.

okolica slikovnega elementa
Dobro odstranjuje impulzni šum
23
Iskanje robov
Iskanje robnih tock - spremebe svetlosti
(vrednosti) slike - robne tocke še niso
obris
Robna tocka
24
Iskanje 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)

25
Iskanje 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)

26
Sobelov operator
-1
1
-2
2
-1
1
Izhod Slika robnih tock
Vhod Sivinska slika
Sobel
27
Iskanje robov
28
Nekateri drugi operatorji
Prewitt
Roberts
Gx
Gx
-1
1
Gy
Gy
-1
1
-1
1
Izbira robnega operatorja ne sme
odlocilno Vplivati na delovanje sistema.
29
Canny-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

30
Canny-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)

31
Canny-jev operator

• Namesto slike odvajamo filter
• Filtriramo z odvodom filtra
• Upoštevamo lastnost locljivosti filtra

32
Canny-jev operator
f - vhodna slika
g(x)f
g(y)f
gy(y)f
gx(x)f
Velikost Smer
NMS
HT
e slika robov
33
Canny-jev operator
34
Veclocljivostni 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

35
Prostor 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, ...

36
Prostor locljivosti
Prehodi skozi nic drugega odvoda (Laplace)
Gaussa LoG, DoG
37
Iskanje oglišc (kotov)

• Izracunamo odvode (e) v smeri x in y
• Izracunamo matriko C v neki okolici tocke
• Izracunamo lastni vrednosti matrike C

38
Iskanje oglišc (kotov)

• Tocka (x,y) je oglišce, ce sta obe lastni
  vrednosti dovolj veliki

39
Iskanje oglišc (kotov)
40
Houghov transform
y k.x n
Vhod slika
Izhod Hugh transform
41
Houghov transform
42
Literatura

• 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