SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING
|
|
- Knut Mikalsen
- 5 år siden
- Visninger:
Transkript
1 SEGMENTERING IN 106, V-2001 Segmentering er en prosess som deler opp bildet i meningsfulle regioner. I det enkleste tilfelle har vi bare to typer regioner BILDE-SEGMENTERING DEL I Forgrunn Bakgrunn Problemet blir banalt hvis vi bare har én objekt-region, og denne er homogen. 26/ Vi har som regel flere objekter i bildet. Fritz Albregtsen Objektene er sjelden helt like, selv om de er av samme type. Ofte har vi flere typer (klasser) objekter samtidig. Belysningen kan variere over bildet. Refleksjon etc varierer over objektet. FA 26/3/2001 FA/IN106/segm-01 SEGMENTERING SEGMENTERING Hva er god segmentering? Regioner i et segmentert bilde bør være uniforme og homogene m.h.t. karakteristika som gråtone, tekstur, eller andre egenskaper. Nabo-regioner av forskjellig klasse bør være signifikant forskjellige m.h.t. de egenskaper der regionene hver for seg er uniforme. Regioner bør være enkle, uten mange hull. Region-grensene bør være enkle (uten mange frynser ), og må være riktig plassert. I praksis er dette ofte vanskelig! Det finnes ingen grunnleggende teori for segmentering. Segmentering er ett av de viktigste elementene i et komplett bilde-analyse system. I segmenteringen får vi fram regioner og objekter som senere skal beskrives og gjenkjennes. Vi skal se på to kategorier av metoder, basert på to egenskaper ved piksler i bilder, nemlig likhet og diskontinuitet Ved terskling og ved region-basert segmentering (groing, split-and-merge) får vi fram de pikslene som ligner hverandre. Dermed har vi alle pikslene i objektet. I kant-basert segmentering finner vi basalelementer kant-punkter, linje-punkter, hjørnepunkter,... I neste steg: Tynner og kjeder sammen til kanter, linjer, hjørner,... Dermed har vi omrisset av objektene. Kombinasjons-metoder gir best resultat. FA/IN106/segm-02 FA/IN106/segm-03
2 Motivasjon for kant-deteksjon Punkt-deteksjon Repeterte fenomener i en sekvens bringer oss lite ny informasjon. Anta at vi benytter en konvolusjonsmaske med vekter w i gitt ved Vi vet at dette utnyttes i kommunikasjon og i digital bilde-kompresjon. Det meste av informasjonen i et bilde finnes ved kantene/omrissene til objektene/regionene i bildet. Kanter brukes her om intensitets-kanter, farge-kanter, tekstur-kanter, etc. Biologiske visuelle systemer er basert på kant-deteksjon, ikke på f.eks. terskling. Slike systemer arbeider ofte både parallelt og sekvensielt: Alle lokale omgivelser behandles uavhengig av hverandre, og behandles derfor samtidig. Lokalt resultat kan være avhengig av tidligere resultat(er). Vi beregner R = 9 w i z i i=1 der z i er den gråtone-verdi vi finner under maskeverdien w i. Et punkt (i, j) avviker fra sine omgivelser hvis R(i, j) > T der T > 0 er en terskel, og R beregnes ved å sentrere masken om punktet (i, j). Dette er samme maske som vi brukte til høyfrekvens-filtrering, men her anvendes en terskel T for å finne punkter som avviker tilstrekkelig fra sine omgivelser. Hvilket resultat får vi i homogene områder? Hva med en hellende gråtone-flate? FA/IN106/segm-04 FA/IN106/segm-05 Linje-deteksjon Digitale gradient-operatorer Anta at vi har fire konvolusjonsmatriser Maskene vil detektere linjer som er ett piksel brede, og som er orientert i retningene 0 o,45 o, 90 o, 135 o ( 45 o ). Dette er en gruppe av operatorer som gir approksimasjoner til De ortogonale gradient komponentene δf(x, y)/δx og δf(x, y)/δy Gradienten i en gitt retning δf(x, y)/δr Noen operatorer gir bare et estimat av kant-styrken (magnituden) Andre gir også retningen. Anta at vi konvolverer hver omegn i bildet med alle fire maskene, og får resultatene R i, i [1, 2, 3, 4] Hvis R i > R j for alle j i, da ligger den linjen vi har detektert nærmest orienteringen til maske i. Gitt to digitale masker H x og H y. Disse konvolveres med det digitale bildet F (i, j) og måler gradient-komponentene g x og g y over en omegn om (i, j) ibildetf. FA/IN106/segm-06 FA/IN106/segm-07
3 Gradient i kontinuerlig bilde Gradienten til F langs r i retning θ δf δr = δf δx δx δr + δf δy δy δr dvs. δf δr = δf δf cos θ + δx δy sin θ Gradienten er størst når δ δf =0 δθ δr Dvs når δf δx sin θ g + δf δy cos θ g =0 Retningen til kanten relativt til x-aksen er derfor θ g = tan 1 g y g x Og gradient-magnituden er δf = [ gx 2 δr + g2 y max ] 1/2 Digitale gradient-approksimasjoner Asymmetrisk 1D operator G R (i, j) =F(i, j) F (i, j 1) G C (i, j) =F(i, j) F (i +1,j) Definisjonen er gitt slik at komponentene er positive for en kant der intensiteten øker fra venstre mot høyre og nedenfra og oppover i bildet. Gradient-estimatene refererer ikke til samme sted i bildet. Symmetrisk 1D operator G R (i, j) =F(i, j +1) F(i, j 1) G C (i, j) =F(i 1,j) F(i+1,j) Gradient-estimatene refererer nå til (i, j). FA/IN106/segm-08 FA/IN106/segm-09 Symmetriske gradient-operatorer Operatoren gjøres mindre følsom for støy ved å midle i én retning og derivere i den ortogonale retningen. Eksempler: Prewitt, Sobel, Frei-Chen. Frei-Chen gir samme gradient om kanten ligger langs aksene eller diagonalt. Prewitt er mer følsom for horisontale og vertikale enn for diagonale kanter. Det motsatte er tilfelle for Sobel. Prewitt-operatoren glatter ikke ut støy like effektivt som Sobel-operatoren. Større masker gir mindre støy-følsomhet. Alle de tre nevnte operatorene er separable. FA/IN106/segm-10 Pixel difference Gradient-operatorer Separated pixel difference Roberts Prewitt Sobel Frei-Chen H C(i, j) = H C(i, j) = H C(i, j) = H C(i, j) = H C(i, j) = H C(i, j) =
4 De gradient-operatorene vi har sett på, forutsetter at forandringen i gråtone er en (tilnærmet) step-funksjon. Når transisjons-området blir større er det mer hensiktsmessig å benytte 2. deriverte. Merk at f har to maksima, og at det er f = 0 som markerer intensitets-kanten. Den generaliserte 2. deriverte er gitt ved G(x, y) = 2 (F (x, y)) der er gitt ved 2 F = 2 F x + 2 F 2 y 2 G(x, y) = 0 hvis F(x, y) er en lineær funksjon av x og y. G(x, y) endrer fortegn der F (x, y) har et infleksjons-punkt. Denne operatoren gir ikke brede kanter! Vi finner bare magnitude, ikke retning. Merk at G har to ekstremalverdier idet vi passerer en kant, mens G = 0 markerer kant-posisjonen. FA/IN106/segm-12a FA/IN106/segm-12b I1Der 2 fekvivalent med 2. deriverte Kontinuerlig Digitalt f(x) f(i) f (x) f (i) =f(i) f(i 1) f (x) = 2 f(x) f (i) =f (i) f (i 1) =[f(i) f(i 1)] [f(i 1) f(i 2)] = f(i 2) 2f(i 1) + f(i) Av symmetri-hensyn flytter vi operatoren slik at den er sentrert om i. Dessuten bytter vi fortegn 2 f(i) = f(i 1)+2f(i) f(i+1) Legg merke til at e kan uttrykkes som senter-verdi minus et (veiet) middel over et lokalt naboskap. 1D : 2 f(i) = f(i 1) + 2f(i) f(i +1) = 3f(i) i+1 f(j) 2D pluss : D kvadrat : = = j=i FA/IN106/segm-13 FA/IN106/segm-14
5 LoG = 2 G Gauss-funksjonen i 1D er gitt som G(x) = 1 e (x µx)2 2πσ mens den 2-dimensjonale sirkelsymmetriske Gauss-funksjonen er gitt ved G(x, y) = 1 (x µx) 2 +(y µy) 2 2πσ 2e Anta at middelverdiene µ x = µ y =0,ogderivér G x = 1 xe (x2 +y 2 ) 2πσ 4 2 G x = 1 2 2πσ 4 Tilsvarende får vi 2 G y = 1 2 2πσ 4 1 x2 1 y2 σ 2 e (x2 +y 2 ) σ 2 e (x2 +y 2 ) og summen av 2 G og x 2 2 G blir dermed y 2 2 G = 1 2 x2 + y 2 2πσ 4 σ 2 e (x2 +y 2 ) Laplacian-of-Gaussian (LoG) Først foreslått av David Marr (1980) I2D 2 G(x, y) = 1 2 2πσ 4 (x 2 + y 2 ) σ 2 σ er standard-avviket til G(x,y) exp (x2 + y 2 ) w = 2 2σ er bredden av den sentrale positive toppen i LoG-operatoren I de fleste tilfelle er størrelsen på operatoren 3w, 8.5σ. 99.7% av arealet under en 1D Gauss ligger mellom µ 3σ og µ +3σ. Integralet av LoG operatoren mellom disse grensene 0. FA/IN106/segm-15 FA/IN106/segm-16 Hough-transform Anta at vi har foretatt en kantdeteksjon og en terskling av resultat-bildet. Dermed har vi n punkter som f.eks. beskriver et objekt. Vi vil finne delmengder av disse punktene som ligger på rette linjer. Betrakt et punkt (x i,y i ) og en rett linje y i = ax i + b Hvert punkt (x i,y i ) i bilde-domenet svarer til en rett linje gitt ved b = x i a + y i i parameter-domenet (ab-planet) Hough-transform II Del opp ab-planet i akkumulator-celler A [a, b],a [a min,a max ];b [b min,b max ] sett alle A[a,b] := 0; for hvert punkt (x,y) der grad(x,y) > T for alle mulige verdier av a b = -xa + y; A[a,b] := A[a,b] + 1; end end En verdi A [i, j] =M svarer til at M punkter i x, y-planet ligger på linjen y = a i x + b j Denne representasjonen håndterer ikke vertikale linjer! FA/IN106/hough-01 FA/IN106/hough-02
6 Hough-transform III Benytter normal-representasjonen for en rett linje, gitt ved x cos θ + y sin θ = ρ Hough-transform IV Del opp ρθ-planet i akkumulatorceller A [ρ, θ],ρ [ρ min,ρ max ];θ [θ min,θ max ] Range for θ er ±90 o fra x-aksen horisontal linje har θ =90 o,ρ 0 vertikal linje har θ =90 o,ρ 0 eller θ = 90 o,ρ 0 Range for ρ er ±D 2 der D er lengden av sidekanten i bildet. Hvert punkt (x i,y i ) i xy-planet gir nå opphav til en sinusoid i ρθ-planet. M ko-lineære punkter som ligger på linjen x cos θ j +sinθ j =ρ i gir M kurver som skjærer hverandre i punktet (ρ i,θ j ) i parameter-planet. Lokale maksima => signifikante linjer FA/IN106/hough-03 FA/IN106/hough-04 Hough-transform, problemer Hough-transform, sirkler Lengde og posisjon til et linjesegment kan ikke finnes. Ko-lineære linjesegmenter kan ikke skilles fra hverandre. Hvordan skal vi finne lokale maksima i parameter-planet, som svarer til sammen hengende linjestykker i bildeplanet? Parametrisering av sirkel i xy-planet (x a) 2 +(y b) 2 =c 2 Vi få r altså et 3-dimensjonalt parameter-rom åsøkei. Enkel prosedyre, gitt akkumulator A[i, j, k] : Høy terskel => korte linjestykker går tapt Lav terskel => deteksjon av ikkesammenhengende piksler. Løsning: Lokal terskling. Traverser de piksler som svarer til et maksimum i parameter-planet. Sjekk at gap < toleranse. sett alle A[a,b,c] := 0; for hvert punkt (x,y) der grad(x,y) > T for alle mulige a og b c = sqrt((x-a)**2 + (y-b)**2); A[a,b,c] := A[a,b,c] + 1; end; end; Andre, mer elegante forslag? FA/IN106/hough-05 FA/IN106/hough-06
Filter-egenskaper INF Fritz Albregtsen
Filter-egenskaper INF 60-04.03.2002 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 2: - Lineær filtrering - Gradient-detektorer - Laplace-operatorer Linearitet H [af (x, y) + bf 2 (x, y)] ah [f (x, y)]
DetaljerINTRODUCTION IN 384, H-2001 SEGMENTATION METHODS 21/ Fritz Albregtsen. Automatic versus Interactive. Parametric versus Non-parametric
IN 384, H-001 SEGMENTATION METHODS 1/11 001 Fritz Albregtsen INTRODUCTION Automatic thresholding is important in applications where speed or the physical conditions prevent human interaction. In bi-level
DetaljerINF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein
INF2310 - Stikkord over pensum til midtveis 2017 Kristine Baluka Hein 1 Forhold mellom størrelse i bildeplan y og "virkelighet"y y y = s s og 1 s + 1 s = 1 f Rayleigh kriteriet sin θ = 1.22 λ D y s = 1.22
DetaljerPunkt, Linje og Kantdeteksjon
Punkt, Linje og Kantdeteksjon Lars Vidar Magnusson April 18, 2017 Delkapittel 10.2 Point, Line and Edge Detection Bakgrunn Punkt- og kantdeteksjon er basert på teorien om skjærping (forelesning 7 og 8).
DetaljerMotivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.
1 Motivasjon INF 2310 Mesteparten av kap 9.1-9.5 i DIP Morfologiske operasjoner på binære bilder Basis-begreper Fundamentale operasjoner på binære bilder Sammensatte operasjoner Eksempler på anvendelser
DetaljerUNIVERSITETET I OSLO. Dette er et løsningsforslag
Bokmål UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF231 Digital bildebehandling Eksamensdag : Onsdag 3. juni 29 Tid for eksamen : 14:3 17:3 Løsningsforslaget er på :
DetaljerMotivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper
Basis-begreper INF 2310 08.05.2006 Kap. 11 i Efford Morfologiske operasjoner Fundamentale operasjoner på binære bilder Sammensatte operasjoner Morfologisk filtrering Morfologiske operasjoner på gråtonebilder
DetaljerFlater, kanter og linjer INF Fritz Albregtsen
Flater, kanter og linjer INF 160-11.03.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del 3: - Canny s kant-detektor - Rang-filtrering - Hybride filtre - Adaptive filtre Litteratur: Efford, DIP, kap.
DetaljerUNIVERSITETET I OSLO
Bokmål UNIVERSIEE I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 3. juni 2009 id for eksamen : 14:30 17:30 Oppgavesettet er på : 6 sider
DetaljerKantsegmentering NTNU
Kantsegmentering Lars Aurdal Norsk regnesentral aurdal@nr.no 19. april 24 Oversikt, kantsegmentering Litt praktisk informasjon. Motivasjon. Hva er en kant i et bilde? Hva er segmentering? Hva er kantsegmentering?
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 13:00 Oppgavesettet er på: 6 sider Vedlegg:
DetaljerMotivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.
INF 230 Morfologi Morfologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. ammensatte operasjoner 4. Eksempler på anvendelser flettet inn GW, Kapittel
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FORELESNING 6 FILTRERING I BILDE-DOMÈNET I Fritz Albregtsen Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30-Digital bildebehandling Eksamensdag: Tirsdag 5. mars 06 Tid for eksamen: 09:00-3:00 Løsningsforslaget er på: 4 sider Vedlegg:
DetaljerHva er segmentering? INF Fritz Albregtsen. Tema: Segmentering av bilder Del 1: - Ikke-kontekstuell terskling
Hva er segmentering? IN 160-80003 ritz Albregtsen Tema: Segmentering av bilder Del 1: - Ikke-kontekstuell terskling Litteratur: Efford, DIP, kap 101-10 Segmentering er en prosess som deler opp bildet i
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 15 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 25. mars 2014 Tid for eksamen : 15:00 19:00 Oppgavesettett er på : 6 sider
DetaljerHensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor:
Standardisering av bildets histogram INF 60-8.02.2003 Fritz Albregtsen Tema: Naboskaps-operasjoner Del : - Standardisering av bilder - Konvolusjon Litteratur: Efford, DIP, kap. 7. - 7.2 Hensikt: Sørge
DetaljerTemaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF210 Digital bildebehandling Eksamensdag: Onsdag 28. mai 2014 Tid for eksamen: 09:00 1:00 Løsningsforslaget
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Onsdag 1. juni 2015 Tid for eksamen: 14:30 18:30 Løsningsforslaget
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF30 Digital bildebehandling Eksamensdag: Mandag 6. juni 06 Tid for eksamen: 4:30 8:30 Løsningsforslaget er
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i: INF2310 Digital bildebehandling Eksamensdag: Mandag 1. juni 2015 Tid for eksamen: 14:30 18:30 Oppgavesettett er på: 6 sider Vedlegg:
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Tirsdag. mars Tid for eksamen : :3 :3 ( timer) Løsningsforslaget
DetaljerTemaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.
Temaer i dag INF 231 Digital bildebehandling FORELESNING 5 HISTOGRAM-TRANSFORMASJONER Fritz Albregtsen Histogramtransformasjoner Histogramutjevning Histogramtilpasning Standardisering av histogram for
DetaljerTMA4105 Matematikk 2 Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4105 Matematikk 2 Vår 2014 Løsningsforslag Øving 7 10.4.7 Vi skal finne likningen til et plan gitt to punkter P = (1, 1,
DetaljerINF 2310 Digital bildebehandling
INF 230 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 05.02.203 INF230 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 28. mars 2007 Tid for eksamen : 13:30 16:30 Oppgavesettet er på : 4 sider
DetaljerEn (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x).
Funksjoner En (reell) funksjon f fra en (reell) mengde D er en regel som til hvert element x D tilordner en unik verdi y = f (x). Mengden D kalles definisjonsmengden (eng.: domain) til f. Merknad Dersom
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Løsningsforslaget
DetaljerINF februar 2017 Ukens temaer (Kap og i DIP)
1. februar 2017 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer
DetaljerUtkast med løsningshint inkludert UNIVERSITETET I OSLO
Utkast med løsningshint inkludert UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00
DetaljerIntroduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4
Introduksjon INF 2310 13. april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4 Fourier: Vi kan uttrykke ethvert bilde som en vektet sum av sinus- og cosinus-signaler med ulik frekvens og orientering
DetaljerUNIVERSITETET I OSLO
Løsningsforslag UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : :3 8:3 Løsningsforslaget er på : 9
DetaljerINF januar 2018 Ukens temaer (Kap og i DIP)
31. januar 2018 Ukens temaer (Kap 2.4.4 og 2.6.5 i DIP) Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering av bilder 1 / 30 Geometriske operasjoner Endrer
DetaljerLokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I
Lokale operasjoner INF 30 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I Naboskaps-operasjoner Konvolusjon og korrelasjon Kant-bevarende filtre Ikke-lineære filtre GW Kap. 3.4-3.5 + Kap. 5.3 Vi skal
DetaljerINF februar 2017 Ukens temaer (Kap 3.3 i DIP)
15. februar 2017 Ukens temaer (Kap 3.3 i DIP) Kjapp repetisjon av gråtonetransformasjon Histogramtransformasjoner Histogramutjevning Histogramtilpasning/histogramspesifikasjon Standardisering av histogram
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Onsdag 2. juni 2010 Tid for eksamen : 09:00 12:00 Oppgavesettet er på : XXX sider
DetaljerUNIVERSITETET I OSLO
Eksamen i UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet INF 160 Digital bildebehandling Eksamensdag: Mandag 12. mai - mandag 26. mai 2003 Tid for eksamen: 12. mai 2003 kl 09:00 26. mai
DetaljerLØSNINGSFORSLAG TMA4105 Matematikk 2 8. August 2005
LØSNINGSFORSLAG TMA45 Matematikk 8. August 5 Oppgave Vi introduserer funksjonen g(x, y, z) x +y z slik at flaten z x + y er gitt ved g(x, y, z). I dette tilfellet utgjør gradienten til g en normalvektor
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF230 Digital bildebehandling Eksamensdag : Onsdag 6. juni 202 Tid for eksamen : 09:00 3:00 Oppgavesettet er på : 6 sider Vedlegg
DetaljerKantdeteksjon og Fargebilder
Kantdeteksjon og Fargebilder Lars Vidar Magnusson April 25, 2017 Delkapittel 10.2.6 More Advanced Techniques for Edge Detection Delkapittel 6.1 Color Fundamentals Delkapittel 6.2 Color Models Marr-Hildreth
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF310 Digital bildebehandling Eksamensdag : Tirsdag 5. juni 007 Tid for eksamen : 09:00 1:00 Oppgavesettet er på : 5 sider
DetaljerINF Kap og i DIP
INF 30 7.0.009 Kap..4.4 og.6.5 i DIP Anne Solberg Geometriske operasjoner Affine transformer Interpolasjon Samregistrering av bilder Geometriske operasjoner Endrer på pikslenes posisjoner o steg:. Finn
DetaljerLøsning IM
Løsning IM 6 Oppgave x + y Grensen lim er ubestemt da både teller og nevner blir Vi skal vise at grensen ( xy, ) (,) x + y ikke eksisterer og bruker rette linjer inn mot origo De enkleste linjene er koordinataksene
DetaljerDIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING
IN 06, V-200 DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. BILDE-DANNING SAMPLING og KVANTISERING BILDE-FORBEDRING I BILDE-DOMENET 2/3 200 Fritz Albregtsen. Trinn: Legg
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 9-209 Morfologiske operasjoner på binære bilder Fritz Albregtsen Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Tirsdag 4. juni 2013 Tid for eksamen : 09:00 13:00 Oppgavesettet er på : 7 sider
DetaljerObjekt-bilde relasjonen. Vinkeloppløsnings-kriterier. Forstørrelse. INF 2310 Digital bildebehandling
Objekt-bilde relasjonen IN 3 Digital bildebehandling Oppsummering II, våren 7: y f f s s y Avbildning Naboskapsoperasjoner og konvolusjon Segmentering Kompresjon og koding av bilder argerom og bildebehandling
DetaljerINF 2310 Digital bildebehandling
Temaer i dag INF 310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen Geometriske operasjoner Lineære / aine transormer Resampling og interpolasjon Samregistrering i av bilder
DetaljerJustering av bildets middelverdi og standard-avvik IN 106, V-2001 BILDEFORBEDRING, DEL II FILTRERING 19/ Fritz Albregtsen
IN 06, V-200 Justering av bildets middelverdi og standard-avvik Gitt et inn-bilde med normalisert histogram p(v),v [0,..., ], 0 p(v) = Da er µ og gitt ved BILDEFORBEDRING, DEL II µ v = vp(v)dv 0 v 2 (
DetaljerEKSAMEN I MATEMATIKK 1000
EKSAMEN I MATEMATIKK 1000 Oppgave 1 a) Finn den deriverte av disse funksjonene: f(x) = x 3 e 5x og g(x) = ln(tan(x)) + x 3. b) Finn de følgende ubestemte integralene: i) (x 3 + xe x2 ) dx og ii) cos 2
DetaljerVi viser denne ekvivalensen ved å vise begge implikasjoner. " "Anta at G virker trofast på X og anta at g, h G er slik at gx = hx for alle
TMA4150 Algebra Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Seksjon 16 2 Fasit: G 1 = {ρ 0, δ 2 } = G 3 = G P1 = G P3 G S1 = {ρ 0, µ 1 } = G S3 G m1 = {ρ 0, ρ 2, µ 1, µ
Detaljer= (2 6y) da. = πa 2 3
TMA45 Matematikk Vår 7 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Løsningsforslag Øving Alle oppgavenummer referer til 8. utgave av Adams & Essex alculus: A omplete ourse.
DetaljerLøsningsforslag til eksamen i TMA4105 matematikk 2,
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av Løsningsforslag til eksamen i TMA45 matematikk, 9.5.4 Oppgave La fx, y, z) xy + arctanxz). La P være punktet,, ). a)
DetaljerMorfologiske operasjoner. Motivasjon
INF 230 Digital bildebehandling orelesning nr 2-9.04.2005 Morologiske operasjoner Litteratur : Eord, Kap. Temaer : Neste gang : Basis-begreper Fundamentale operasjoner på binære bilder ammensatte operasjoner
DetaljerMotivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk.
INF 230 Morologi Morologiske operasjoner på binære bilder:. Basis-begreper 2. Fundamentale operasjoner på binære bilder 3. Sammensatte operasjoner 4. Eksempler på anvendelser lettet inn GW, Kapittel 9.-9.4
DetaljerLøsning, funksjoner av flere variable.
Ukeoppgaver, uke 3 Matematikk 3, funksjoner av flere variable 1 Løsning, funksjoner av flere variable Oppgave 1 a) = +=, b) =, =y3 d ) e ) = 3+= 3 Selv om ikke x er med kan det betraktes som funksjon av
DetaljerRepetisjon av histogrammer. Repetisjon av histogrammer II. Repetisjon av gråtonetransform. Tommelfingerløsning
2017.02.10. Repetisjon av histogrammer Foreløbig versjon! 15. februar 2017 Ukens temaer h(i) = antall piksler i bildet med pikselverdi i, og følgelig er (Kap 3.3 i DIP) Kjapp repetisjon av gråtonetransformasjon
DetaljerINF mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4
INF 2310 22. mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4 I dag: Sinus-funksjoner i 1D og 2D 2D diskret Fouriertransform (DFT) Mandag 27. mars: Supplementsforelesning holdt av
Detaljer1 Mandag 22. februar 2010
1 Mandag 22. februar 2010 Vi begynner med litt repetisjon fra forrige gang, med å sjekke om et vektorfelt er konservativt og dersom svaret er ja, regne ut potensialfunksjonen. Videre skal vi se på en variant
DetaljerKarakterer. Kapittel Homomorfier av grupper. 8.2 Representasjoner
Kapittel 8 Karakterer 8. Homomorfier av grupper I forrige kapittel definerte vi begrepet abstrakt gruppe, som en abstrakt versjon av begrepet symmetrigruppe. For å studere forbindelsen mellom abstrakte
DetaljerDen deriverte og derivasjonsregler
Den deriverte og derivasjonsregler Department of Mathematical Sciences, NTNU, Norway September 3, 2014 Tangenten til en funksjon i et punkt (kap. 2.1) Sekant til en funksjon gjennom to punkter 25 20 f(c+h)
DetaljerMAT feb feb mars 2010 MAT Våren 2010
MAT 1012 Våren 2010 Mandag 22. februar 2010 Forelesning Vi begynner med litt repetisjon fra forrige gang, med å sjekke om et vektorfelt er konservativt og dersom svaret er ja, regne ut potensialfunksjonen.
DetaljerMA0002 Brukerkurs i matematikk B Vår 2017
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2017 Løsningsforslag Øving 11 Oppgaver fra boken: 10.6 :, 8, 12, 19, 1, (valgfritt - 9,
Detaljera 2 x 2 dy dx = e r r dr dθ =
NTNU Institutt for matematiske fag TMA4 Matematikk, øving, vår Løsningsforslag Notasjon og merknader Som vanlig er enkelte oppgaver kopiert fra tidligere års løsningsforslag. Derfor kan notasjon, språk
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF3 Digital bildebehandling Eksamensdag : Onsdag. juni Tid for eksamen : 4:3 8:3 Oppgavesettet er på : 5 sider Vedlegg : Ingen
DetaljerMatematikk 1 Første deleksamen. Løsningsforslag
HØGSKOLEN I ØSTFOLD, AVDELING FOR INFORMASJONSTEKNOLOGI Matematikk Første deleksamen 4. juni 208 Løsningsforslag Christian F. Heide June 8, 208 OPPGAVE a Forklar kortfattet hva den deriverte av en funksjon
DetaljerTemaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling
Temaer i dag INF 2310 Digital bildebehandling Forelesning II Sampling og kvantisering Fritz Albregtsen Romlig oppløsning i bilder Sampling av bilder Kvantisering i bilder Avstandsmål i bilder Pensum: Kap.
DetaljerIntroduksjon. Morfologiske operasjoner på binære bilder. Litt mengdeteori. Eksempel: Lenke sammen objekter INF
INF230 5.05.202 Morfologiske operasjoner på binære bilder Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser er flettet inn DIP: 9.-9.4, 9.5.,
DetaljerLøsningsforslag til Eksamen i MAT111
Universitetet i Bergen Matematisk institutt Bergen, 9. desember 25. Bokmål Løsningsforslag til Eksamen i MAT Mandag 9. desember 25, kl. 9-. Dette er kun et løsningsforslag. Oppgave a) Betrakt de to komplekse
DetaljerAnbefalte oppgaver - Løsningsforslag
TMA405 Matematikk Anbefalte oppgaver - Løsningsforslag Uke 6 3..9: Vi starter med å finne de kritiske punktene. De deriverte blir T x (x, y) = ( x xy)e x y T y (x, y) = ( y xy)e x y, slik at de kritiske
DetaljerOppgaver MAT2500. Fredrik Meyer. 29. august 2014
Oppgaver MAT500 Fredrik Meyer 9. august 04 Oppgave. Bruk cosinus-setningen til å se at definisjonen av vinkel i planet blir riktig. Løsning. Dette er en litt rar oppgave. Husk at cosinus-setningen sier
DetaljerMA0002 Brukerkurs i matematikk B Vår 2014
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2014 Løsningsforslag Øving 10 Oppgaver fra boken: 10.6 : 1, 8, 9, 12, 19, 26, 29,, 4 Det
DetaljerMorfologiske operasjoner på binære bilder
Digital bildebehandling Forelesning 13 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerLøsningsforslag til øving
1 FY1002/TFY4160 Bølgefysikk. Institutt for fysikk, NTNU. Høsten 2012. Løsningsforslag til øving 11-2012 Oppgave 1 a) Forplantning i z-retning betyr at E og B begge ligger i xy-planet. La oss for eksempel
DetaljerMA1102 Grunnkurs i analyse II Vår 2019
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA1102 Grunnkurs i analyse II Vår 2019 Først en kommentar. I læreboka møter man kjeglesnitt på standardform, som ellipser x
DetaljerMA0002 Brukerkurs i matematikk B Vår 2016
Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0002 Brukerkurs i matematikk B Vår 2016 Løsningsforslag Øving 11 Oppgaver fra boken: 10.6 : 1, 8, 9, 12, 19, 26, 29,, 4 Det
DetaljerKurve-, flate- og volumintegraler, beregning av trykkraft
Kapittel 6 Kurve-, flate- og volumintegraler, beregning av trykkraft Oppgave 1 Vi skal regne ut kurveintegralet λ v dr langs kurven λ: y x3 når 1 x 2 og v xyi+x 2 j. Vi kan parametrisere med x som parameter,
Detaljersin(2 ui/n) starter på 0 og repeteres u ganger per N samples. cos(2 ui/n) starter på 1 og repeteres u ganger per N samples
0700 Foreløbig versjon! INF 0 mars 07 Fourier I -- En litt annen vinkling på stoffet i kapittel I dag: Sinus-funksjoner i D og D D diskret Fouriertransform (DFT) Introduksjon I/II Et gråtonebilde Typisk
DetaljerFunksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010
Funksjoner Forelesning i Matematikk TMA400 Hans Jakob Rivertz Institutt for matematiske fag 9. august 200 2 Funksjon som en maskin x Funksjon f f(x) 3 Definisjon- og verdimengde x f(x) 4 Funksjon som en
DetaljerEKSAMENSOPPGAVE. KRAFT I og II Hall del 2 Kraft sportssenter Ingen
Fakultet for naturvitenskap og teknologi EKSAMENSOPPGAVE Eksamen i: MAT-1003 Kalkulus 3 Dato: 11.12.2018 Klokkeslett: 09.00-13.00 Sted: Tillatte hjelpemidler: KRAFT I og II Hall del 2 Kraft sportssenter
DetaljerFlere anvendelser av derivasjon
Flere anvendelser av derivasjon Department of Mathematical Sciences, NTNU, Norway September 30, 2014 Forelesning 17.09.2014 Fikspunkt-iterasjon Newtons metode Metoder for å finne nullpunkter av funksjoner:
DetaljerMA0003-8. forelesning
Implisitt derivasjon og 31. august 2009 Outline Implisitt derivasjon 1 Implisitt derivasjon 2 Outline Implisitt derivasjon 1 Implisitt derivasjon 2 Outline Implisitt derivasjon 1 Implisitt derivasjon 2
DetaljerOversikt, kursdag 3. Matematisk morfologi III. Hit-or-miss transformen og skjeletter. Hit-or-miss transformen og skjeletter
Matematisk morfologi III Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no 4. desember 2003 Sammensatte operasjoner: Hit-or-miss-transformen. Skjeletter. Oversikt, kursdag 3 Copyright Lars Aurdal, NTNU/NR
DetaljerMatematisk morfologi IV
Matematisk morfologi IV Lars Aurdal Norsk regnesentral Lars.Aurdal@nr.no. desember 3 Copyright Lars Aurdal, NTNU/NR Oversikt, kursdag Geodesi-transformasjoner: Geodesi-dilasjon. Geodesi-erosjon. Geodesi-rekonstruksjon.
DetaljerOppgaver og fasit til seksjon
1 Oppgaver og fasit til seksjon 3.4-3.6 Oppgaver til seksjon 3.4 1. Anta at f(x, y) = x 2 y 3 og r(t) = t 2 i + 3t j. Regn ut g (t) når g(t) = f(r(t)). 2. Anta at f(x, y) = x 2 e xy2 og r(t) = sin t i+cos
DetaljerUNIVERSITETET I OSLO
UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i : INF2310 Digital bildebehandling Eksamensdag : Fredag 29. mars 2019 Tid for eksamen : 14:30 18:30 (4 timer) Oppgavesettet er
DetaljerLØSNINGSFORSLAG TIL EKSAMEN I FAGET 5005/7 MATEMATIKK 2 1. august der k er et vilkårlig heltall. Det gir
LØNINGFOLAG IL EKAMEN I FAGE 55/7 MAEMAIKK. august Oppgave. (i Ja. (ii Ja. (iii Nei. Alternativt: (i Ja. (ii Ja. (iii Ja. Oppgave. curlf (x, y F i j k (x, y / x / y / z e y + ye x +x xe y + e x + Altså
DetaljerKurve-, flate- og volumintegraler, beregning av trykkraft
Kapittel 6 Kurve-, flate- og volumintegraler, beregning av trykkraft Oppgave 1 Vi skal regne ut kurveintegralet λ v dr langs kurven λ: y x3 når 1 x 2 og v xyi+x 2 j. Vi kan parametrisere med x som parameter,
DetaljerPrøveeksamen i MAT 1100, H-03 Løsningsforslag
Prøveeksamen i MAT, H- Løsningsforslag. Integralet cos x dx er lik: +sin x Riktig svar: c) arctan(sin x) + C. Begrunnelse: Sett u = sin x, da er du = cos x dx og vi får: cos x + sin x dx = du du = arctan
DetaljerIntroduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling
Digital bildebehandling Forelesning 3 Morfologiske operasjoner på binære bilder Andreas Kleppe Repetisjon av grunnleggende mengdeteori Fundamentale operatorer Sammensatte operatorer Eksempler på anvendelser
DetaljerINF 2310 Digital bildebehandling
INF 2310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 03.02.2014 INF2310 1 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon
DetaljerSpatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters
Spatial Filtere Lars Vidar Magnusson February 6, 207 Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters Hvordan Lage Spatial Filtere Det er å lage et filter er nokså enkelt;
DetaljerEksamen IRF30014, våren 16 i Matematikk 3 Løsningsforslag
Oppgave 1. Eksamen IRF314, våren 16 i Matematikk 3 Løsningsforslag Ellipsen vil skal finne er på standardform x a + y b 1 der a > b for styrelinjene er vertikale linjer. Formelen for styrelinjene er x
DetaljerINF 2310 Digital bildebehandling
INF 3 Digital bildebehandling Oppsummering FA, mai 6: Avbildning Sampling og kvantisering Geometriske operasjoner F F F3 Filtrering i bildedomenet F6, F7 Segmentering ved terskling Morfologiske operasjoner
Detaljere y + ye x +2x xe y + e x +1 0 = 0
LØNINGFORLAG TIL EKAMEN I FAGET 55/7 MATEMATIKK. august Oppgave. (i) Ja. (ii) Ja. (iii) Nei. Alternativt: (i) Ja. (ii) Ja. (iii) Ja. Oppgave. a) curlf (x, y) F i j k (x, y) / x / y / z e y + ye x +x xe
DetaljerMAT1100 - Grublegruppen Uke 36
MAT - Grublegruppen Uke 36 Jørgen O. Lye Partiell derivasjon Hvis f : R 2 R er en kontinuerlig funksjon, så kaller man følgende dens partiellderiverte (gitt at de finnes!) f f(x + h, y) f(x, y) (x, y)
DetaljerForelesning 5: Kontinuerlige fordelinger, normalfordelingen. Jo Thori Lind
Forelesning 5: Kontinuerlige fordelinger, normalfordelingen Jo Thori Lind j.t.lind@econ.uio.no Oversikt 1. Kontinuerlige fordelinger 2. Uniform fordeling 3. Normal-fordelingen 1. Kontinuerlige fordelinger
DetaljerOppfriskningskurs i matematikk 2008
Oppfriskningskurs i matematikk 2008 Marte Pernille Hatlo Institutt for matematiske fag, NTNU 4.-9. august 2008 Velkommen! 2 Temaer Algebra Trigonometri Funksjoner og derivasjon Integrasjon Eksponensial-
Detaljer