INF 2310 Digital bildebehandling

Like dokumenter
INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

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

Geometriske operasjoner

UNIVERSITETET I OSLO

Geometriske operasjoner

ØVINGER 2017 Løsninger til oppgaver

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

Illustrasjon av regel 5.19 om sentralgrenseteoremet og litt om heltallskorreksjon (som i eksempel 5.18).

INF2310 Digital bildebehandling

Anvendelser. Plass og tid. INF2310 Digital bildebehandling. Eksempler: Plassbehov uten kompresjon. Forelesning 10. Kompresjon og koding I

Statistikk og økonomi, våren 2017

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

(iii) Når 5 er blitt trukket ut, er det tre igjen som kan blir trukket ut til den siste plassen, altså:

STK desember 2007

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

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

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i << >>.

INF 2310 Digital bildebehandling

Løsningskisse for oppgaver til uke 15 ( april)

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

Appendiks 1: Organisering av Riksdagsdata i SPSS. Sannerstedt- og Sjölins data er klargjort for logitanalyse i SPSS filen på følgende måte:

TMA4240/4245 Statistikk Eksamen august 2016

TMA4265 Stokastiske prosesser

TALLSVAR. Det anbefales at de 9 deloppgavene merket med A, B, teller likt uansett variasjon i vanskelighetsgrad. Svarene er gitt i <<< >>>.

X ijk = µ+α i +β j +γ ij +ǫ ijk ; k = 1,2; j = 1,2,3; i = 1,2,3; i=1 γ ij = 3. i=1 α i = 3. j=1 β j = 3. j=1 γ ij = 0.

Anvendelser. Kapittel 12. Minste kvadraters metode

Gradient-operatorer. 1D Laplace-operator. Laplace-operatoren. INF 2310 Digital bildebehandling. Laplace-operatoren er gitt ved:

De normalfordelte: x og sd for hver gruppe. De skjevfordelte og de ekstremt skjevfordelte: Median og kvartiler for hver gruppe.

Gråtone-transformasjoner Hovedsakelig fra kap i DIP

Simpleksmetoden. Initiell basistabell Fase I for å skaffe initiell, brukbar løsning. Fase II: Iterativ prosess for å finne optimal løsning Pivotering

STK1000 Innføring i anvendt statistikk Eksamensdag: Tirsdag 12. desember 2017

Alle deloppgaver teller likt i vurderingen av besvarelsen.

Lokale operasjoner. Omgivelser/naboskap/vindu. Bruksområder - filtrering. INF 2310 Digital bildebehandling

Sparing gir mulighet for å forskyve forbruk over tid; spesielt kan ujevne inntekter transformeres til jevnere forbruk.

TMA4240 Statistikk H2010

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Romlig frekvens. INF 2310 Digital bildebehandling. Sampling av kontinuerlige signaler. Samplingsteoremet (Shannon/Nyquist) En kort midtveis-repetisjon

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS

Løsningsforslag ST2301 Øving 8

Oversikt 1. forelesning. ECON240 Statistikk og økonometri. Utdanning og lønn. Forskning. Datainnsamling; utdanning og inntekt

EKSAMEN ny og utsatt løsningsforslag

IT1105 Algoritmer og datastrukturer

Seleksjon og uttak av alderspensjon fra Folketrygden

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

TMA4300 Mod. stat. metoder

Investering under usikkerhet Risiko og avkastning Høy risiko. Risikokostnad prosjekt Snøskuffe. Presisering av risikobegrepet

Sannsynlighet seier noko om kor truleg det er at ei hending får eit bestemt utfall. Ein matematisk definisjon på sannsynlighet er:

INF1040-Kompresjon-2. (tekst, bilde, lydsignaler etc.) på en så kompakt måte. at redundant informasjon ikke lagres.

INF 2310 Digital bildebehandling

Komprimering av bilder

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

Automatisk koplingspåsats Komfort Bruksanvisning

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

EKSAMEN Løsningsforslag

MSKOMNO. kó=ñê~w. pfabufp=ud. aáöáí~ä=ê åíöéå=l=îáçéçjëçñíï~êé=j=sfabufp hçêí=äêìâë~åîáëåáåö= kçêëâ

Eksamensoppgave i SØK Statistikk for økonomer

Oppgaven består av 9 delspørsmål som anbefales å veie like mye, Kommentarer og tallsvar er skrevet inn mellom <<, >>, Oppgave 1

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer

Forelesning nr.3 INF 1411 Elektroniske systemer. Parallelle og parallell-serielle kretser Kirchhoffs strømlov

SIF5072 Stokastske prosesser Sde 2 av 6 b) Hva vl det s at en Markov-kjede er rredusbel? Er Markov-kjeden fx n g denne oppgaven rredusbel? Er den aper

EKSAMEN I FAG SIF5040 NUMERISKE METODER Tirsdag 15. mai 2001 Tid: 09:00 14:00

INF februar 2017 Ukens temaer (Kap 3.3 i DIP)

UNIVERSITETET I OSLO

Forelesning nr.3 INF 1411 Elektroniske systemer

Notater. Marie Lillehammer. Usikkerhetsanalyse for utslipp av farlige stoffer 2009/30. Notater

Forelesning 17 torsdag den 16. oktober

EKSAMEN I FAG SIF8052 VISUALISERING MANDAG 21. MAI 2001 KL LØSNINGSFORSLAG

Hvordan får man data og modell til å passe sammen?

Temaer i dag. Hvordan endre kontrasten i et bilde? Histogrammer. INF 2310 Digital bildebehandling

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

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

INF 2310 Digital bildebehandling

Magnetisk nivåregulering. Prosjektoppgave i faget TTK 4150 Ulineære systemer. Gruppe 4: Rune Haugom Pål-Jørgen Kyllesø Jon Kåre Solås Frode Efteland

Fourieranalyse. Fourierrekker på reell form. Eksempel La. TMA4135 Matematikk 4D. En funksjon sies å ha periode p > 0 dersom

OBLIGATORISK OPPGAVE 1 INF 3340/4340/9340 HØSTEN 2005

Regler om normalfordelingen

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

Norske CO 2 -avgifter - differensiert eller uniform skatt?

Oppgave 3, SØK400 våren 2002, v/d. Lund

EKSAMEN Ny og utsatt Løsningsforslag

må det justeres for i avkastningsberegningene. se nærmere nedenfor om valg av beregningsmetoder.

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

Alderseffekter i NVEs kostnadsnormer. - evaluering og analyser

Filtrering i bildedomenet. 2D-konvolusjons-eksempel. 2D-konvolusjon. INF2310 Digital bildebehandling FORELESNING 8

Balanserte søketrær. AVL-trær. AVL-trær. AVL-trær høyde AVL AVL. AVL-trær (Adelson-Velskii og Landis, 1962) Splay-trær (Sleator og Tarjan, 1985)

MA1301 Tallteori Høsten 2014

MoD233 - Geir Hasle - Leksjon 10 2

Oppgaver. Multiple regresjon. Forelesning 3 MET3592 Økonometri ved David Kreiberg Vår 2011

Repetisjon av histogrammer

Notater. Bjørn Gabrielsen, Magnar Lillegård, Berit Otnes, Brith Sundby, Dag Abrahamsen, Pål Strand (Hdir)

UNIVERSITETET I OSLO

Forelesning nr.3 INF 1410

Masteroppgave i statistikk. GAMLSS-modeller i bilforsikring. Hallvard Røyrane-Løtvedt Kandidatnr

i kjemiske forbindelser 5. Hydrogen har oksidasjonstall Oksygen har oksidsjonstall -2

INF2310 Digital bildebehandling

Rapport Benchmarkingmodeller. incentiver

DEN NORSKE AKTUARFORENING

Transkript:

INF 30 Dgtal bldebehandlng FORELESNING 4 GRÅONE-RANSFORMASJONER Frtz Albregtsen

emaer dag Hstogrammer Lneære gråtonetransformer t Standardserng av blder med lneær transform Ikke-lneære, parametrske transformer Pensum: Kap. 3. - 3DIP 3. Neste uke: Hstogrambaserte operasjoner og lokale gråtonetransformer

Hvordan endre kontrasten et blde?? Matematsk verktøykasse 3

Hstogrammer En dskret funksjon som vser antall målnger nnenfor (som oftest) unforme ntervaller et datasett V jobber med blder og får Et blde som datasett Pksel-ntensteter som målnger En overskt over hyppgheten h tl ntenstetene bldet Kan også ha hstogrammer over andre parametre. 4

Gråtonehstogrammer Gtt et gråtoneblde med nm pksler og G gråtoner Et hstogram, h(), er slk at: h() = antall pksler bldet med pkselverd #p pksler Dannes ved å gå gjennom alle pkslene og telle gråtoner gråtone V har naturlgvs at h( ) n m G 0 5

Eksempel - hstogram Blde: Hstogram: 3 5 4 5 3 4 3 # pk ksler h() 3 4 5 Pkselverd 6

Eksempler 7

Eksempler II 8

Oppgaver Hvordan ser hstogrammet ut? Hvordan ser hstogrammet ut? Her er hstogrammet. Hvordan ser bldet ut? 0 40 60 80 00 9

Normalsert hstogram G V har at h ( ) n m 0 Det normalserte hstogrammet er: p( ) h( ) n m, G 0 p( ) p() kan ses på som en sannsynlghetsfordelng for pkselverdene Uavhengg av antall pksler bldet Man kan s en del om bldet ut fra denne sannsynlghets-tetthetsfunksjonen 0

Kumulatvt hstogram Hvor mange pksler har gråtone mndre enn eller lk gråtone j? c( j) j 0 h( ) Normalsert kumulatvt hstogram: c ( j ) n m (Sannsynlgheten for at en tlfeldg pksel er mndre eller lk gråtone j)

Eksempel, kumulatvt hstogram Hstogram og kumulatvt hstogram samme fgur

Hstogrammer full oppløsnng ll kandd dater anta 4 0 Hstogram kanddater mot total poengsum 0 0 0 30 40 50 60 70 80 90 00 total poengsum kum mulatvt antall kan nddater30 0 0 0 Kumulatvt hstogram, kanddater mot total poengsum med karaktergrenser markert 0 0 40 60 80 00 total poengsum 3

Skalerte hstogrammer redusert oppløsnng * Oppløsnngen hstogrammer kan reduseres - for eksempel ved overgang fra poengsum tl karakter. * Hstogrammet kan skaleres es tl sum = eller e sum = 00%. Normen er 0%, 5%, 30% 5%, 0%. Er dere bedre enn normen, så får dere gode karakterer. 4

Hstogrammer av objekt-egenskaperegenskaper Begrepsapparatet omkrng hstogrammer vl også komme tl nytte dgtal bldeanalyse V kan lage hstogrammer over egenskaper, feks: Objekt-størrelse: Vser fordelngen av størrelsen på objektene, og danner grunnlag for å sette en terskel for å kunne fjerne små og uvesentlge objekter fra bldet (støy) Objekt-momenter: Vser fordelngen av beregnede momenter fra hvert objekt, og danner grunnlag for å samle grupper av objekter klasser eller clustre 5

Gråtonetransformasjon Når v vser et blde på skjermen er ntensteten kontrollert av den tlsvarende verden bldematrsen V kan opprette en avbldnngs-funksjon mellom de tallene som fnnes bldematrsen, v n, og den ntensteten v ønsker på skjermen, v out For ett-båndsblder er v out =[v n ] kan være en parametrsk funksjon eller en tabell Ren gråtonetransformasjon, så ett og ett pksel transformeres uavhengg ggav nabopksler Global transformasjon. 6

Identtetsmappng Fguren vser sammenhengen mellom pkselverden nn-bldet (f) og pkselverden tl den samme pkselen utbldet (g) etter en gråtonetransformasjon. Hvs transformasjon er en denttetsmappng, g=f, vl fguren vse en rett lnje gjennom orgo, med stgnngstall. [] = g g g f f f 7

Lneær avbldng Lneær strekkng [ ] a b g( x, y) a f ( x, y) b a regulerer kontrasten, og b lysheten a>: mer kontrast a<: mndre kontrast b: flytter alle gråtoner b nvåer Negatver: a=-, b=maxverd for bldetype 8

Endre lysheten (brghtness) Legge tl en konstant b tl alle pkselverdene g g x, y f ( x, y ) b Hvs b>0, alle pkselverdene øker, og bldet blr lysere Hvs b < 0, bldet blr mørkere Hstogrammet flyttes opp eller ned med b h(g) f Mddelverden endres! h(f) 9

Endre kontrasten Multplsere hver pkselverd med en faktor a: g x, y a f ( x, y ) g Hvs a >, kontrasten øker Hvs a <, kontrasten mnker h(g) f Eks: Bruke hele ntenstetsskalaen Q: Hva skjer med mddelverden? h(f) 0

Invertert gråtoneblde Danner bldets negatv ved å sett a=- og b=maksverden (antall gråtoner = G) g x, y ( G ) f ( x, y ) Bldet får kke negatve verder, men avbldnngsfunksjonen har negatvt stgnngstall

Fra gråtonenvå [f,f ]tl[g,g ] Endre ntervallet [f, f ] tl å bl [g,g ] En lneær mappng fra f tl g: g g x, y g f ( x, y f g ) f f Rett lnje med stgnngstall g a=(g -g )/(f -f ) g g g g g a f f f f f

Klppng etter transform Om g(x,y) får verder utenfor det støttede ntervallet, foretas som oftest klppng av verdene F.eks vl et unsgned byte blde g bl tvunget nnenfor ntervallet [0, 55] max g mn g 3

Standardserng av blder Henskt: Sørge for at alle bldene en sere er statstsk lke (. orden) Metode: Justere mddelverden og varansen tl gråtoneverdene bldet ved hjelp av en lneær gråtonetransform Hvorfor? Fjerne effekten av Døgnvarasjon belysnng Aldrngseffekter lamper og detektorer Akkumulerng av støv på lnser etc. Hvor: Produkt-nspeksjon ndustr Mkroskoperng av celler...... hstogrammet Neste uke: Kan også standardsere bldene med hstogramspesfkasjon, men vl da kke beholde formen på hstogrammet 4

Mddelverden av gråtonene Mddelverden av pkselverdene et blde med nхm pksler og G gråtoner kan fnnes enten fra bldet eller fra bldets hstogram, evt fra normalsert hstogram n m n m n m n m x0 y0 f ( x, y) 0 h (0) h ()... ( G ) h ( G ) G h( ) G 0 0 p( ) Hvorfor en fordel med det sste alternatvet? t t? der : p( ) h( ), nm G 0 p( ) (Normalsert hstogram) 5

Varans av gråtonene Varans av gråtonene Varansen av pkselverdene et blde med nxm pksler Varansen av pkselverdene et blde med nxm pksler og G gråtoner kan også fnnes fra bldets hstogram 0 0 ] ), ( [ n x m y y x f m n 0 ] )[ ( G y h m n 0 ] )[ ( G p 0 0 ) ( ) ( G G p p 6

Justerng av μ og σ Justerng av μ og σ Gtt nn blde med mddelverd μ og varans σ Gtt nn-blde med mddelverd μ og varans σ Anta en lneær gråtone-transform []=a+b Ny mddelverd μ og varans σ er da gtt ved Ny mddelverd μ og varans σ er da gtt ved b a p G 0 ) ( ] [ 0 0 ) ( ] [ ) ( ] [ p p G G Dvs. a=σ /σ, b= μ -aμ 0 0 0 0 0 ) ( ) ( p b a p b ab a G G V kan altså velge nye μ og σ, beregne a og b 0 0 ) ( ) ( a p p a G G beregne a og b, anvende []=a + b på nn-bldet og få et ut-blde med rktg μ og σ 7

Eksempel : Justerng av σ Eksempel : Justerng av σ Vl beholde mddelverden slk at Vl beholde mddelverden, slk at μ =μ, ø k men ønsker ny σ. B t b l [] b Bestem a og b lgnngen []=a+b: a b a a b a ] [, ] [ 8

Eksempel : Justerng av μ og σ Eksempel : Justerng av μ og σ Ønsker at alle bldene en sere skal ha samme (μ σ ) Ønsker at alle bldene en sere skal ha samme (μ,σ ). Bestem a og b lgnngen []=a+b: a b a, ] [ For hvert blde må v fnne bldets (μ,σ) 9

Valg av standardavvk Anta at hstogrammet tl nnbldet er normalfordelt N(μ,σ), og at v velger μ G/. Hvaerdaoptmaltvalgavσ valg av σ? Hvor stor percentl blr klpt? 30

Ikke-lneær transform Logartmsk skalerng Eks: Desbel og radarblder, Fourer-transform Eksponentell skalerng Gamma-skalerng Stykkevs-lneær skalerng Hva gjøres med kontrasten de mørke og lyse delene av bldet etter slke skalernger egn sksse av funksjonene og se Δf motδg 3

Logartmske transformasjoner Hvlken av transformasjonene tl høyre er brukt her? (Fg 3.3 DIP) 3

Power-law (gamma)-transformasjoner Mange bldeproduserende apparater har et nput/outputforhold som kan beskrves som: s c (Fg 3.6 DIP) der s er ut-ntensteten t t t ved en nput Kan korrgeres ved gråtonetransformen [] = /γ Generell kontrast-manpulasjon Brukervennlg med kun én varabel 33

Eksponentell mappng 34

Stykkevs lneær mappng Brukerspesfsert stykkevs lneær mappng for å fremheve vsse ntervaller 35

Gr bnært blde basert på om pkslenes n-te bt er satt I eksemplet, kun de sste 4 bt nneholder vsuell sgnfkans Kan benyttes kompresjon Kun beholde vsse bt-plan Effektvt å kode bnære blder (f.eks runlength ) Bt-plan-oppdelng 36

ersklng Dette er et grense-tlfelle av lneær transformasjon, der alle ut-verdene g settes lk 0 for nn-verder f et ntervall 0-, mens alle andre ut-verder settes lk Dette gr et to-nvå (bnært) ut-blde 37

Implementasjon: Oppslagstabeller (LU) Mål: Effektvsere mplementasjonen Avbldnngsfunksjonen utføres på alle mulge ntensteter og resultatene lagres en tabell (LU=look up table) Gråtone-avbldngen utføres så som oppslag en tabell Hardware LU-operasjonen utføres på data-strømmen mellom hukommelse og dsplay on the fly (på grafkkortet) Innholdet blde-matrsen endres kke Kontrastendrng ved kun å endre tabellverdene Software Utregnng av avbldnngsfunksjonen for hvert pksel blr byttet ut med enkelt tabelloppslag 38

Implementasjon av gråtoneoperasjoner for x=0:wdth- for y=0:heght- g(x,y)=a*f(x,y) + b drekte mplementasjon for g=0:ngreylevels- [g]=a*g+b ved bruk av LU for x=0:wdth- for y=0:heght- g(x,y)=[f(x,y)] endrng av pkselverdene 39

Gråtonehstogrammer Oppsummerng Lneær transform Forstå effekten av parametrene a og b Standardserng av blder med lneær transform Fjerner effekten av varasjoner avbldnngsforhold (døgnvarasjon, lampe, støv etc) Hvordan bestemme a og b for å få ønsket μ og σ Ikke-lneære, parametrske transformer Logartmsk, eksponentell, gamma, stykkevs lneær Hva gjøres med kontrasten de mørke og lyse delene av bldet etter slke skalernger egn sksse av funksjonene og se på Δf motδg 40