INF 2310 Digital bildebehandling

Like dokumenter
INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

Temaer i dag. Geometriske operasjoner. Anvendelser. INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF Kap og i DIP

INF februar 2017 Ukens temaer (Kap og i DIP)

INF januar 2018 Ukens temaer (Kap og i DIP)

INF 2310 Digital bildebehandling

Geometriske operasjoner

Geometriske operasjoner

INF 2310 Digital bildebehandling. Rayleigh-kriteriet. Samplingsteoremet (Shannon/Nyquist) Hvor små detaljer kan en linse oppløse?

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Oppsummering, mai 2014: Sampling og kvantisering Geometriske operasjoner Gåt Gråtone- og histogramoperasjoner F4,5. Segmentering ved terskling

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

Motivasjon INF Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) OCR-gjennkjenning: Problem: gjenkjenn alle tall i bildet automatisk.

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling

Temaer i dag. Repetisjon av histogrammer II. Repetisjon av histogrammer I. INF 2310 Digital bildebehandling FORELESNING 5.

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

INF 2310 Digital bildebehandling FORELESNING 5. Fritz Albregtsen. Pensum: Hovedsakelig 3.3 i DIP HISTOGRAM-TRANSFORMASJONER

UNIVERSITETET I OSLO

Utkast med løsningshint inkludert UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

=,,,,, = det( A) a a a a a a a a a a + a a 0 1. a11 a12 a22 a12 a11 a22 a12 a21 a11a12 + a12 a11

UNIVERSITETET I OSLO

a. Hva er de inverse transformasjonene avfølgende tre transformasjoner T, R og S: θ θ sin( ) cos( ) Fasit: 1 s x cos( θ) sin( θ) 0 0 y y z

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

Morfologiske operasjoner. Motivasjon

INF februar 2017 Ukens temaer (Kap 3.3 i DIP)

SEGMENTERING IN 106, V-2001 BILDE-SEGMENTERING DEL I 26/ Fritz Albregtsen SEGMENTERING SEGMENTERING

Forelesningsnotater SIF8039/ Grafisk databehandling

Midtveiseksamen Løsningsforslag

Hovedsakelig fra kap. 3.3 i DIP

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde? INF Hovedsakelig fra kap. 6.3 til 6.6

DIGITALISERING Et bilde er en reell funksjon av to (eller flere) reelle variable. IN 106, V-2001 BILDE-DANNING. SAMPLING og KVANTISERING

UNIVERSITETET I OSLO

TDT4195 Bildeteknikk

Obligatorisk oppgave 1

Motivasjon. Litt sett-teori. Eksempel. INF Mesteparten av kap i DIP Morfologiske operasjoner på binære bilder.

Temaer i dag. Repetisjon av histogrammer I. Gjennomgang av eksempler. INF2310 Digital bildebehandling. Forelesning 5. Pensum: Hovedsakelig 3.

Morfologiske operasjoner på binære bilder

Forelesning, 23.februar INF2400 Sampling II. Øyvind Ryan. Februar 2006

Sampling av bilder. Romlig oppløsning, eksempler. INF Ukens temaer. Hovedsakelig fra kap. 2.4 i DIP

UNIVERSITETET I OSLO

Forelesning, 17.februar INF2400 Sampling II. Øyvind Ryan. Februar 2005

Repetisjon av histogrammer

Repetisjon av histogrammer. Repetisjon av histogrammer II. Repetisjon av gråtonetransform. Tommelfingerløsning

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

INF januar 2017 Ukens temaer (Kap med drypp fra kap. 4. i DIP)

INF1040 Digital representasjon

Motivasjon. INF 2310 Morfologi. Eksempel. Gjenkjenning av objekter intro (mer i INF 4300) Problem: gjenkjenn alle tall i bildet automatisk.

UNIVERSITETET I OSLO

Hvor små detaljer kan en linse oppløse?

UNIVERSITETET I OSLO

Temaer i dag. Mer om romlig oppløsning. Optisk avbildning. INF 2310 Digital bildebehandling

5.5.1 Bruk matriseregning til å vise at en rotasjon er produktet av to speilinger. Løsningsforslag + + = =

Motivasjon. Litt sett-teori. Eksempel. INF Kap. 11 i Efford Morfologiske operasjoner. Basis-begreper

Filter-egenskaper INF Fritz Albregtsen

INF mars 2017 Fourier I -- En litt annen vinkling på stoffet i kapittel 4

UNIVERSITETET I OSLO

INF 1040 løsningsforslag til kapittel 17

Løsningsforslag øving 7

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO. Dette er et løsningsforslag

TMA4100 Matematikk1 Høst 2008

Midtveiseksamen. INF Digital Bildebehandling

UNIVERSITETET I OSLO

Morfologiske operasjoner på binære bilder

RF5100 Lineær algebra Løsningsforslag til prøveeksamen

UNIVERSITETET I OSLO. Dette er et løsningsforslag

Mer om Histogramprosessering og Convolution/Correlation

UNIVERSITETET I OSLO

sin(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

UNIVERSITETET I OSLO

Kap. 6 Ortogonalitet og minste kvadrater

INF 2310 Digital bildebehandling

Introduksjon. «Diskret» sinus/cosinus i 1D. Funksjonen sin(θ) INF april 2010 Fourier -- En annen vinkling på stoffet i kapittel 4

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling FILTRERING I BILDE-DOMÈNET I

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

Eksamen Løsningsforslag

UNIVERSITETET I OSLO

Løsningsforslag, Ukeoppgaver 9 INF2310, våren kompresjon og koding del I

Hensikt: INF Metode: Naboskaps-operasjoner Hvorfor: Hvor:

Introduksjon. Litt mengdeteori. Eksempel: Lenke sammen objekter. Morfologiske operasjoner på binære bilder. INF2310 Digital bildebehandling

INF 1040 høsten 2009: Oppgavesett 12 Digital video og digital bildeanalyse (løsningsforslag) (kapittel 16 og 17) 13. Lagring av video på DVD

NOTAT OM UNIFORM KONTINUITET VEDLEGG TIL BRUK I KURSET MAT112 VED UNIVERSITETET I BERGEN

INF 2310 Digital bildebehandling

Heuristiske søkemetoder III

Transkript:

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 Pensum: Kap. 44.4.4 og.6.5 65iDIP 1 Geometriske operasjoner Endrer på pikslenes posisjoner Første steg i denne prosessen: Transormer pikselkoordinatene (, til (, : = T (, = T (, T og T er ote gitt som polnomer. Siden pikselkoordinatene må være heltall, må vi deretter bruke interpolasjon til å inne pikselverdien (gråtonen id den ne posisjonen. Anvendelser Forstørre deler av bilder or visuell inspeksjon («zoome» Rette opp geometriske eil som oppstår under avbildningen Rotasjon i bildeplanet Fiskeøelinse Radaravbildning av terreng Medisinsk ultrald Samregistrere bilder Samregistrere bilder ra ulike sensorer (CT, MR, US Samregistrere bilder tatt tt på ulike tidspunkt. Samregistrere bilder med kart i en bestemt kartprojeksjon. Eksempel: Ansiktsgjenkjenning: Finne alle ansiktene i et bilde, klipp ut ansiktene, transormer del-bildene slik at ansiktene i bildet blir på samme sted, har samme orientering og samme størrelse som i reeransebildene. Generere bilder ra andre kameravinkler Spesialeekter 3 4

Aine transormer Transormerer pikselkoordinatene (, til( (, : = T (, = T (, Aine transormer beskrives ved: På matriseorm: = a 0 + a 1 + a =b+b+b 0 b 1 + b eller Egenskaper ved aine transormer Rette linjer bevares (se ukeoppgave Parallelle linjer orblir parallelle Utrkkes ved enkel matrisemultiplikasjon lik Eksempler på aine transormasjoner: Translasjon Rotasjon Shearing Skalering Kombinasjoner av disse (! 5 6 Litt om rotasjon Hørehånds koordinatsstem, rotasjon positiv med urviseren: = cosθ - sinθ; = sinθ + cosθ Venstrehånds koordinatsstem, rotasjon positiv med urviseren: = cosθ + sinθ; = -sinθ + cosθ θ P 7 θ P Eksempler på enkle transormer - I Transormasjon a 0 a 1 a b 0 b 1 b Uttrkk Identitet 1 0 0 0 1 0 = = Skalering s 1 0 0 0 s 0 = s 1 = s Rotasjon cosθ -sinθ 0 sinθ cosθ 0 =cosθ-sinθ =sinθ+cosθ F F 8

Eksempler på enkle transormer - II Sammenslåing av aine transormer Transormasjon a 0 a 1 a b 0 b 1 b Uttrkk Translasjon 1 0 0 1 = + = + = Horisontal shear 1 s 0 0 1 0 +s 1 med aktor s 1 1 = Vertikal shear med daktor s 1 0 0 s 1 0 = = s + F (etc. 9 10 Alternativ måte å inne transormkoeisientene i i t En ain transorm kan bestemmes ved å spesiisere tre punkter ør og etter avbildningen Transormer med høere ordens polnomer Bilineære transormer beskrives ved: = a 0 + a 1 + a + a 3 = b 0 + b 1 + b + b 3 Kvadratiske transormer: = a 0 + a 1 + a + a 3 + a 4 + a 5 inn-bildet resultat-bildet Med disse tre punktparene p kan vi inne de 6 koeisientene; a 0, a 1, a, b 0, b 1, b Med lere enn 3 punktpar velger man den transormasjonen som minimerer (kvadrat-eilen summert over alle punktene (mer om dette senere 11 = b +b+b +b +b 0 1 + b 3 + b 4 5 Polnomer av høere orden gir muligheter or å korrigere or mer «komplekse» k avbildningseil. i 1

Resampling Forlengs-mapping or all ',' do g(',' = 0 a 0 = cos θ a 1 = -sin θ b 0 = sin θ b 1 =cosθ θ Eksempel: Enkel rotasjon ved transormen: I illustrasjonen: Har kun sample/piksel- l Vil gjerne ha bildet samplet verdier på et rektangulært grid der linjene krsser -> resample Ikke glem at sammenhengen mellom romlig oppløsning og samplingsrate (samplingsteoremet ortsatt gjelder! 13 or all, do = round(a 0 +a 1 = round(b 0 +b 1 i (, inside g g(, = (, end Fltter de posisjonstransormerte pikselposisjonene til nærmeste pikselposisjon i utbildet. Skriver innbildets (, inn i g(, 14 Forlengs-mapping, orts. Baklengs-mapping Problemer: Ikke alle utpiksler år verdi (hullene i bildet Unødig beregning av pikselkoordinater som allikevel ikke blir snlige (ender utenor utbildet Samme utbilde-piksel kan bli satt lere ganger a 0 = cos (-θ a 1 = -sin (-θ b 0 = sin (-θ b 1 = cos (-θ or alle, do = round(a 0 +a 1 = round(b 0 +b 1 i (, inside g(, = (, else g(, =0 end Samme eksempel som ved orlengs-mappingen. NB: (, rotert t med θ ga (, (, rotert med -θ gir (, Resample bildet. Her; or hvert utbilde-piksel, invers-transormér, og velg verdien til nærmeste piksel ra innbildet. For hver pikselposisjon i ut-bildet: Hent pikselverdi ra innbildet. 15 16

Baklengs-mapping, orts. Og så : INTERPOLASJON GARANTI: Alle utpiksler år verdi (ingen hull i ut-bildet. Ingen unødig beregning av pikselkoordinater som allikevel ikke blir snlige (ender utenor utbildet. Ingen utbilde-piksel vil bli satt lere ganger. Vi har utørt den geometriske operasjonen baklengs mapping, som er en re-sampling. For hvert piksel i utbildet har vi valgt pikselverdien ra nærmeste piksel i innbildet, gitt transormen. Er dette det beste vi kan å til? Eller innes det metoder som gir et bedre resultat? 17 18 Interpolasjon : Hvilken intensitetsverdi it t skal pikselen å? Bilineær interpolasjon - I Baklengs-mapping Nullte-ordens interpolasjon eller nærmeste nabo-interpolasjon g(, = ( round(, round( => Intensiteten til g(, g(, blir en av verdiene ra 19 Anta at vi kjenner gråtoneverdien i ire nabo-punkter Ønsker å estimere gråtonen i et mellomliggende punkt. Gjør to lineære interpolasjoner i én retning ørst,.eks i -retning: 1 (, 1 ( 1, 1 (, 1 1 1 og 1 (, ( 1, (, 1 Så én interpolasjon i ortogonal retning: 1, (, 1 (, ( 1 1 Resultatet er uavhengig av rekkeølgen. Den interpolerte laten er kvadratisk (krum, men lineær langs linjer parallelle med aksene. 1 1 1 0

Bilineær interpolasjon - II Bilineær interpolasjon når er kjent i (0,0, (0,1, (1,0 og (1,1: 1 (,0 (,1 (, der (,0 (1 (0,0 (1,0 og (,1 (1 (0,1 (1,1 (, (1 (1 (0,0 0 (1 (1,0 (1 (0,1 (1,1 1 Første-ordens interpolasjon/ bilineær interpolasjon Intensiteten blir en kombinasjon av pikselverdiene i de ire pikslene som omgir punktet Bidragene ra hver av disse vektes med avstanden Interpolere i - og -intervallene mellom 0 og 1: Praktisk algoritme: 0 = loor(, 0 = loor( 1 = ceil(, 1 = ceil( Eller i matrisenotasjon: (, (0,0 (0,1 (1 (1,0 (1,1 (1 1 Δ = - 0 Δ = - 0 p = ( 0, 0 +[( 1, 0 -( 0, 0 ] Δ q = ( 0, 1 +[( 1, 1 -( 0, 1 ] Δ ( (, =p+(q-pδ pδ Bilineær interpolasjon, eksempel Trilineær interpolasjon Utvidelsen ra D til 3D kalles trilineær interpolasjon, og er en lineær interpolasjon mellom resultatene av to bilineære interpolasjoner. Resultatet er igjen uavhengig av rekkeølgen. 3 4

Høere-ordens interpolasjon Bi-kubisk interpolasjon bentter et naboskap på 44 piksler Interpolasjon kan sees på som (kontinuerlig konvolusjon med bestemte iltre. Interpolasjonsunksjoner i praksis Nærmeste nabo: Taggete kanter og større totaleil. Hver ut-piksel har en verdi ra inn-bildet: Ingen rekvantisering er nødvendig: d en ordel hvis man vil bevare visse statistiske egenskaper i bildet (eller hvis bildet er segmentert i ulike klasser Bilineær interpolasjon og høere-ordens interpolasjon: er mer regnekrevende (1D-varianter av nærmeste nabo, lineær og kubisk interpolasjonskjerne Bi-kubisk interpolasjon: gir skarpere bilder og har kontinuerlige deriverte Men er (me mer regnekrevende enn bilineær interpolasjon, og kan gi opphav til kant-glorie-eekter 5 6 Kant-glorie-eekter eekter / ringing ved kubisk interpolasjon Negative lobe-verdier 7 Interpolasjon en sammenligning Nærmeste nabo gir D trappeunksjon, med diskontinuitet midt mellom punktene. Bi-lineær interpolasjon bruker =4 piksler. Derivert er ikke kontinuerlig over laten. Bi-kubisk interpolasjon gir glattere later enn bilineær, men er mer regnekrevende; bruker 44=16 piksler. 8

Bruk av geometriske transormer: Samregistrering av bld bilder Original Ønsket bilde å samregistrere med Transormert 9 Samregistrering II Hvis bildenes kartkoordinater er kjent, benttes de til å inne transormkoeisientene. Hvis ikke, brukes gjerne kontrollpunkter: Kontrollpunkter kan plukkes ut manuelt lett identiiserbare punkter (landemerker i begge bildene. Aine transormer er unikt spesiisert med 3 punktpar (bestemmer a 0, a 1, a, b 0, b 1, b Bi-lineære med 4 punktpar Bi-kvadratiske med 6 punktpar Bi-kubiske med 16 punktpar, I praksis velges ote mange lere punkter or å å en god transormasjon (se neste side 30 Samregistrering III Kursorisk pensum Samregistrering IV (Minimere kvadrateilen Ved lere kontrollpunkter enn nødvendig or å bestemme transormkoeisientene, benttes ote kvadrateilen som minimeringskriterium. Gitt M kontrollpunkter ( i, i,( ir, ir («r» indikerer reeransebildet og anta mappingen ( i, i --> ( i, i Polnomkoeisientene settes til de som minimerer kvadrateilen mellom kontrollpunktets sanne koordinater ( ir, ir og de transormerte koordinatene ( i, i : G og a er her basert på en ain transorm d G a Vi er på jakt etter koeisientene i denne a- vektoren Enkel lineæralgebra benttes til å inne eksakt løsning. 31 Én enkelt matrise 3

Stkkevise transormer Resampling:Forskjellige transormer or ulike deler av bildet Ote bestemmes et kontrollgrid som strer hvordandeulikedeleneskalendres de delene endres Bilineær transormasjon benttes ote: =a 0 + a 1 +a +a 3 = b 0 + b 1 + b + b 3 Hver irkants ire hjørnepunkter bestemmer entdig den bilineære transormen 33 Oppsummering Transorm/endring av pikslenes posisjoner (-,-koordinater Aine transormer Resampling: Forlengs- og baklengsmapping Interpolasjonsmetoder or å bestemme gråtonene til de geometrisk transormerte pikslene: Nærmeste nabo-interpolasjon Bilineær interpolasjon Høere-ordens interpolasjoner Bruk av geometriske operasjoner til å samregistrere bilder Kontrollpunkter Løs ligningssett i som minimerer i kvadrateil 34