INF januar 2018 Ukens temaer (Kap og i DIP)

Like dokumenter
INF februar 2017 Ukens temaer (Kap og i DIP)

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

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF Kap og i DIP

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

Geometriske operasjoner

Geometriske operasjoner

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

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling

INF februar 2017 Ukens temaer (Kap 3.3 i DIP)

UNIVERSITETET I OSLO

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

INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

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

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

Løsningsforslag øving 7

Forelesningsnotater SIF8039/ Grafisk databehandling

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

Midtveiseksamen Løsningsforslag

Obligatorisk oppgave 1

UNIVERSITETET I OSLO

Repetisjon av histogrammer

Bildetransformer Lars Aurdal

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

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

TDT4195 Bildeteknikk

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

UNIVERSITETET I OSLO. Dette er et løsningsforslag

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

UNIVERSITETET I OSLO

Lineærtransformasjoner

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014

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

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

Utkast med løsningshint inkludert UNIVERSITETET I OSLO

INF 1040 løsningsforslag til kapittel 17

Løsningsforslag eksamen STE 6038 Geometrisk modellering 9/8 1995

Histogrammetoder. Lars Aurdal Norsk regnesentral. Histogrammetoder p.1/91

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

( x+ π 2) Bakgrunn: Sinus og cosinus. Bakgrunn: Samplet sinus i 1D. Bakgrunn: Samplet sinus i 2D. Bakgrunn: Sinus i 2D. sin( x)=cos.

Grunnleggende Matematiske Operasjoner

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

UNIVERSITETET I OSLO

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

Hovedsakelig fra kap. 3.3 i DIP

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

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

Morfologiske operasjoner på binære bilder

Emne 6. Lineære transformasjoner. Del 1

UNIVERSITETET I OSLO

8 Interpolasjon TMA4125 våren 2019

Newtons interpolasjon og dividerte differanser

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

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

Morfologiske operasjoner på binære bilder

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

y(t) t

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:

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

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 19. august 2010

UNIVERSITETET I OSLO

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

4.2 Nullrom, kolonnerom og lineære transformasjoner

Midtveiseksamen. INF Digital Bildebehandling

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

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

Pensum i lineæralgebra inneholder disse punktene.

INF 2310 Digital bildebehandling

Eksamen i Geometrisk Modellering

Filter-egenskaper INF Fritz Albregtsen

RF5100 Lineær algebra Leksjon 12

RF5100 Lineær algebra Løsningsforslag til prøveeksamen

Funksjoner Forelesning i Matematikk 1 TMA4100. Hans Jakob Rivertz Institutt for matematiske fag 18. august 2011

Eksamen Løsningsforslag

4 Matriser TMA4110 høsten 2018

Eksamen i Geometrisk Modellering

Karakterer. Kapittel Homomorfier av grupper. 8.2 Representasjoner

INF februar 2017 Ukens temaer (Hovedsakelig fra kap. 3.1 og 3.2 i DIP) (Histogrammer omtales i kap. 3.3)

Universitetet i Agder Fakultet for teknologi og realfag LØSNINGSFORSLAG. Dato: 11. desember 2008 Varighet: Antall sider inkl.

MAT1120 Repetisjon Kap. 1

12 Projeksjon TMA4110 høsten 2018

Anvendt Robotteknikk Konte Sommer 2019 EKSAMEN HARIS JASAREVIC

INF{3 4}320 - Obligatorisk oppgave 3

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

Matriser. Kapittel 4. Definisjoner og notasjon

Transkript:

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 på pikslenes posisjoner Transformerer pikselkoordinatene (x,y) til (x,y ): x = Tx(x,y) y = Ty(x,y) Tx og Ty ofte gitt som polynomer Merk: Her er det ikke pikselverdiene, men piksel-koordinatene x og y som endres. 2 / 30

Anvendelser Forstørre deler av bilder for visuell inspeksjon («zoome») Rette opp geometriske feil som oppstår under avbildningen Rotasjon Fiskeøyelinse (Radar)avbildning av terreng Generell linsekorrigering... Samregistrere bilder.. fra ulike sensorer (f.eks. CT, MR, US).. tatt på ulike tidspunkt / vinkler.. med kart i en bestemt kartprojeksjon Eks ansiktsgjenkjenning: Finne ansiktene i et bilde og transformere bildet slik at ansiktene i bildet blir på samme sted, orientering og i samme størrelse som i referansebildene Generere bilder fra andre kameravinkler Spesialeffekter 3 / 30

Affine transformer Eksempler på affine transformasjoner: Translasjon (forflytning) Rotasjon Shearing Refleksjon Skalering Kombinasjoner av disse (!) 4 / 30

Affine transformer kont. Transformerer pikselkoordinatene (x,y) til (x,y ): x = Tx(x,y) y = Ty(x,y) Affine transformer beskrives ved: x = a0x+a1y+a2 y = b0x+b1y+b2 På matriseform: eller 5 / 30

Eksempler på (enkle) transformer Transformasjon a0 Translasjon med x og y 1 a1 0 a2 b0 b1 b2 Uttrykk x 0 1 y x =x+ x y =y+ y Skalering med faktor s s 0 0 0 s 0 x =sx y =sy Rotasjon med cos -sin 0 sin cos 0 x =cos x - sin y y =sin x + cos y Horisontal shear med faktor s 1 s 0 0 1 0 x =x+sy y =y 6 / 30

Litt mer om rotasjon Hva vil vi skal skje med hver av disse basisvektorene ved en rotasjon med θ? R(θ) = [T(e1) T(e2)] e1 e2 7 / 30

Sammenslåing av affine transformer (etc.) 8 / 30

Egenskaper ved affine transformer Rette linjer bevares Parallelle linjer forblir parallelle Lineær transform med påfølgende translasjon Kan utrykkes ved enkel matrisemultiplikasjon Og følgelig svært enkle generelle inverse 9 / 30

Alternativ måte å finne transformkoeffisientene En affin transform kan bestemmes ved å spesifisere tre punkter før og etter transformasjonen resultat-bildet inn-bildet Med disse tre punktparene kan vi finne de 6 koeffisientene; a0,a1,a2,b0,b1,b2 Med flere enn 3 punktpar velger man den transformasjonen som minimerer (f.eks. kvadrat-)feilen summert over alle punktene (mer om dette senere) 10 / 30

Transformer med høyere ordens polynomer Bilineære transformer beskrives ved: x = a0x+a1y+a2+a3xy y = b0x+b1y+b2+b3xy Kvadratiske transformer: x = a0x+a1y+a2+a3xy+a4x2+a5yy2 y = b0x+b1y+b2+b3xy+b4x2+b5yy2 Polynomer av høyere orden gir muligheter for å korrigere for mer «komplekse» avbildningsfeil 11 / 30

Resampling I illustrasjonen: Har kun sample/piksel-verdier der linjene krysser Vil gjerne ha bildet samplet på et rektangulært grid resample Ikke glem at sammenhengen mellom romlig oppløsning og samplingsrate (samplingsteoremet) fortsatt gjelder! 12 / 30

En noe naiv fremgangsmåte: Forlengs-mapping for all x',y' do g(x',y')=0 a0 = cos θ Eksempel: Enkel rotasjon ved transformen: a1 = -sin θ b0 = sin θ b1 = cos θ for all x,y do x = round(a0x+a1y) y = round(b0x+b1y) if (x,y ) inside g g(x,y ) = f(x,y) end Flytter de posisjonstransformerte pikselverdiene til nærmeste pikselposisjon i utbildet Skriver innbildets f(x,y) inn i g(x, y ) 13 / 30

Forlengs-mapping, forts. Problemer: Ikke alle utpiksler får verdi (hullene i bildet) Unødig beregning av pikselkoordinater som allikevel ikke blir synlige (ender utenfor utbildet) Samme utbilde-piksel kan bli satt flere ganger 14 / 30

«Baklengs-mapping» Løp igjennom «utbilde»-pikselposisjonene (røde prikker på figuren) og finn ut hvilke verdier vi har der Resampling ved inverstransform 15 / 30

Interpolasjon hvilke intensitetsverdier har bildet mellom sample-punktene? Baklengs-mapping y y x x Enkleste løsning: Nullte-ordens interpolasjon eller nærmeste nabo-interpolasjon g(x,y ) = f( round(x), round(y) ) [Intensiteten til g blir da ALLTID en av verdiene til f] 16 / 30

Baklengs-mapping med nærmeste-nabo-interpolasjon a0 = cos (-θ) a1 = -sin (-θ) b0 = sin (-θ) Resample bildet. Her; for hvert utbilde-piksel, invers-transformér, og velg nærmeste piksel fra innbildet. b1 = cos (-θ) Samme eksempel som ved forlengs-mappingen. for alle x,y do x = round(a0x +a1y ) Husk: Hvis (x,y) roteres med θ og gir (x', y'), tilsvarer det at hvis (x', y') roteres med -θ får vi (x,y). [Kan selvfølgelig også bare invertere transformmatrisen for å få koeffisientene.] y = round(b0x +b1y ) if (x,y) inside f g(x,y ) = f(x,y) else g(x,y )=0 end 17 / 30

Baklengs-mapping, forts. 18 / 30

Første-ordens interpolasjon/ bilineær interpolasjon Intensiteten blir en kombinasjon av pikselverdiene i de fire pikslene som omgir punktet Bidragene fra hver av disse vektes med avstanden Interpolere i x- og y-intervallene mellom 0 og 1: Praktisk algoritme: x0 = floor(x), y0 = floor(y) x1 = ceil(x), y1 = ceil(y) Δx = x - x0 Δy = y - y0 p = f(x0,y0)+[f(x1,y0)-f(x0,y0)] Δx q = f(x0,y1)+[f(x1,y1)-f(x0,y1)] Δx f(x,y ) = p+(q-p)δy 19 / 30

Bilineær interpolasjon, eksempel 20 / 30

Høyere-ordens interpolasjon Kubisk interpolasjon benytter et naboskap på 4 4 piksler Interpolasjon kan sees på som (kontinuerlig) konvolusjon med bestemte filtre (1D-varianter av nærmeste nabo, lineær og kubisk interpolasjonskjerne) 21 / 30

Interpolasjon en sammenligning Nærmeste nabo gir 2D trappefunksjon, med diskontinuitet midt mellom punktene Bi-lineær interpolasjon bruker 2 x 2 = 4 piksler. Derivert er ikke kontinuerlig over flaten Bi-kubisk interpolasjon gir glattere flater enn bilineær, men er mer regnekrevende; bruker 4 x 4 = 16 piksler 22 / 30

Interpolasjonsfunksjoner i praksis Nærmeste nabo: Taggete kanter (ikke kontinuerlige ut-bilder) Hver ut-piksel har en verdi fra inn-bildet: Ingen rekvantisering nødvendig, og en fordel hvis man vil bevare visse statistiske egenskaper i bildet (eller hvis bildet er segmenert i ulike klasser) Bilineær: Kontinuerlige ut-bilder Ofte visuelt mer behagelige enn nærmeste nabo Noe mer regnekrevende Høyere-ordens interpolasjon (f.eks. bikubisk): Kontinuerlige deriverte av ønsket orden (Betydelig) mer regnekrevende Kan gi opphav til «kant-klorie-effekter» 23 / 30

Kant-glorie-effekter / ringing ved kubisk interpolasjon Negative «lobe»-verdier 24 / 30

Bruk av geometriske transformer: Samregistrering av bilder Original Transformert Ønsket bilde å samregistrere med 25 / 30

Samregistrering II Om bildenes kartkoordinater er kjent kan disse benyttes til å finne transformkoeffisientene Hvis ikke, brukes gjerne kontrollpunkter: Kontrollpunkter plukkes ut manuelt - lett identifiserbare punkter (landemerker) i begge bildene Affine transformer er unikt spesifisert med 3 punktpar (bestemmer a0,a1,a2,b0,b1,b2), bilineære med 4 punktpar (bi-kvadratiske med 6, etc.) I praksis velges ofte mange flere punkter for å få en god transformasjon (se neste side) 26 / 30

Samregistrering III Ved flere kontrollpunkter enn nødvendig for å bestemme transformkoeffisientene, benyttes ofte summen av punktparenes kvadrerte feil som minimeringskriterium Gitt M kontrollpunkter (xi,yi),(xir,yir) («r» indikerer referansebildet) og anta mappingen (xi,yi) --> (x i,y i) Polynomkoeffisientene settes til de som minimerer kvadratfeilen mellom kontrollpunktets sanne koordinater (xir,yir) og de transformerte koordinatene (xi,yi ): Enkel lineæralgebra benyttes til å finne eksakt løsning 27 / 30

Kursorisk pensum Samregistrering IV (Minimere kvadratfeilen) d G Vi er på jakt etter koeffisientene i denne a-vektoren G og a er her basert på en affin transform a Én enkelt matrise 28 / 30

Stykkevise transformer Forskjellige transformer for ulike deler av bildet Ofte bestemmes et kontrollgrid som styrer hvordan de ulike delene skal endres Bilineær transformasjon benyttes ofte: x =a0xy+a1x+a2y+a3 y =b0xy+b1x+b2y+b3 Hver firkants fire hjørnepunkter bestemmer entydig den bilineære transformen 29 / 30

Oppsummering Transform/endring av pikslenes posisjoner (x-,y-koordinater) Resampling Fokus på affine transformer Forlengs- og baklengsmapping Interpolasjonsmetoder Nærmeste nabo-interpolasjon Bilineær interpolasjon Høyere-ordens interpolasjoner Bruk av geometriske operasjoner til å samregistrere bilder Kontrollpunkter 30 / 30