Morfologi i Binære Bilder

Like dokumenter
Morfologi i Binære Bilder

Morfologi i Gråskala-Bilder

Morfologi i Binære Bilder II

Morfologi i Binære Bilder III

Morfologiske operasjoner på binære bilder

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

Morfologiske operasjoner på binære bilder

Grunnleggende Matematiske Operasjoner

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

Introduksjon. Morfologiske operasjoner på binære bilder. Litt mengdeteori. Eksempel: Lenke sammen objekter INF

Morfologi i Gråskala-Bilder II

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

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

Oversikt, kursdag 3. Matematisk morfologi III. Hit-or-miss transformen og skjeletter. Hit-or-miss transformen og skjeletter

Morfologiske operasjoner på binære bilder

EKSAMEN Bildebehandling

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

Matematisk morfologi IV

Matematisk Morfologi Lars Aurdal

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

UNIVERSITETET I OSLO

Grunnleggende Grafalgoritmer II

UNIVERSITETET I OSLO

Intensitetstransformasjoner og Spatial Filtrering

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

EKSAMEN. Bildebehandling og mønstergjenkjenning

Matematisk morfologi II

Oversikt, kursdag 2. Matematisk morfologi II. Morfologiske operatorer, erosjon og dilasjon. Morfologiske operatorer, erosjon og dilasjon

Fargebilder. Lars Vidar Magnusson. March 12, 2018

KONTROLLSTRUKTURER. MAT1030 Diskret matematikk. Kontrollstrukturer. Kontrollstrukturer. Eksempel (Ubegrenset while-løkke)

Teori og oppgaver om 2-komplement

Forelesning 2. Flere pseudokoder. Representasjoner av tall. Dag Normann januar 2008 KONTROLLSTRUKTURER. Kontrollstrukturer. Kontrollstrukturer

UNIVERSITETET I OSLO

Oversikt, kursdag 4. Matematisk morfologi IV. Geodesi-transformasjoner: Dilasjon. Geodesi-transformasjoner

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.

Morfologiske operasjoner. Motivasjon

Et kvadrats symmetrier en motivasjon

Matematisk morfologi III

UNIVERSITETET I OSLO

Hermiteske og ikke-hermiteske operatorer, kommutatorer,

Sortering i Lineær Tid

Lars Vidar Magnusson

Øvingsforelesning 2. Mengdelære, funksjoner, rekurrenser, osv. TMA4140 Diskret Matematikk. 10. og 12. september 2018

Oppsummering av Uke 3. MAT1030 Diskret matematikk. Binære tall. Oppsummering av Uke 3

UNIVERSITETET I OSLO

MAT1030 Forelesning 13

Kapittel 6: Funksjoner

Mer om Histogramprosessering og Convolution/Correlation

Prøve- EKSAMEN med løsningsforslag

Oppgave 578. Tilleggsspørsmål: a. (Som i original oppgave)

Dagens tema. Dagens temaer hentes fra kapittel 3 i læreboken. Repetisjon, design av digitale kretser. Kort om 2-komplements form

MAT1030 Forelesning 2

MAT1030 Diskret Matematikk

Mer om representasjon av tall

Mars Robotene (5. 7. trinn)

Norsk informatikkolympiade runde

UNIVERSITETET I OSLO

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer

Tall. Posisjons-tallsystemer. Representasjon av heltall. Tall positive, negative heltall, flytende tall. Tekst ASCII, UNICODE XML, CSS

Dagens temaer. Architecture INF ! Dagens temaer hentes fra kapittel 3 i Computer Organisation and

Grunnleggende om Digitale Bilder (ITD33515)

Spatial Filtere. Lars Vidar Magnusson. February 6, Delkapittel 3.5 Smoothing Spatial Filters Delkapittel 3.6 Sharpening Spatial Filters

Analog til digital omformer

UNIVERSITETET I OSLO

Aksiom 3.1 (Likhet av mengder). La A og B være mengder. Da er A og B like hvis og bare hvis de har akkurat de samme elementene.

Filtrering i Frekvensdomenet III

Oversikt, matematisk morfologi. Matematisk morfologi. Oversikt, matematisk morfologi. Oversikt, matematisk morfologi. Praktisk informasjon

Lineære likningssystemer og matriser

MAT1030 Forelesning 22

En relasjon på en mengde A er en delmengde R A A = A 2. Vi har satt navn på visse egenskaper relasjoner som oppstår i anvendelser ofte kan ha.

Analysedrypp I: Bevis, mengder og funksjoner

Introduksjon. MAT1030 Diskret matematikk. Søkealgoritmer for grafer. En graf

MAT1030 Diskret matematikk

UNIVERSITETET I OSLO

Matematisk morfologi NTNU

Lars Vidar Magnusson Kapittel 13 Rød-Svarte (Red-Black) trær Rotasjoner Insetting Sletting

UNIVERSITETET I OSLO

Kombinatorikk. MAT1030 Diskret Matematikk. Oppsummering av regneprinsipper

MAT1030 Diskret Matematikk

Introduksjon. MAT1030 Diskret Matematikk. Introduksjon. En graf. Forelesning 22: Grafteori. Roger Antonsen

Læringsmål tall. Prefikser for potenser av Store tall. Kunne prefikser for store tall i. det binære tallsystemet

MAT1030 Forelesning 22

Læringsmål tall. Kunne prefikser for store tall i. det binære tallsystemet. Forstå ulike prinsipper for representasjon av.

fotoboken en trinnvis veiledning

UNIVERSITETET I OSLO

Alle hele tall g > 1 kan være grunntall i et tallsystem.

MAT1030 Diskret matematikk

MAT1030 Diskret matematikk

Oppsummering. MAT1030 Diskret matematikk. Oppsummering. Oppsummering. Eksempel

UNIVERSITETET I OSLO

MAT1030 Diskret matematikk

INF1400. Kombinatorisk Logikk

Dagens temaer. Dagens temaer hentes fra kapittel 3 i læreboken. Oppbygging av flip-flop er og latcher. Kort om 2-komplements form

Emnenavn: Datateknikk. Eksamenstid: 3 timer. Faglærer: Robert Roppestad. består av 5 sider inklusiv denne forsiden, samt 1 vedleggside.

Tall. Binære regnestykker. Binære tall positive, negative heltall, flytende tall

Fagdag 3. Kommentarer og oppsummering

Repetisjonsforelesning - INF1080

Algoritmer og Datastrukturer

Del-hele relasjonen har disse tre egenskapene, og vi tar den som fundamental.

Eksamen i emne TFE4110 DIGITALTEKNIKK MED KRETSTEKNIKK

Transkript:

Morfologi i Binære Bilder Lars Vidar Magnusson March 20, 2017 Delkapittel 9.1 Preliminaries Delkapittel 9.2 Dilation and Erosion

Bakgrunn Morfologiske operasjoner på binære bilder beskrives med mengdeteori. Hvert element er en 2-tuple som inneholder posisjonen til elementet. Konvensjon avgjør om elementene er de svarte eller hvite punktene i et binært bilde. I tillegg til de vanlige mengeoperasjonene benytter man seg ofte av refleksjon ˆB = {w w = b, for b B} og translasjon. (B) z = {c c = b + z, for b B}

Strukturerende Elementer Mange morfologiske operasjoner benytter seg av såkalte strukturerende elementer (SE) Under er noen eksempler.. Hvert punkt angis med en 2-tuple.

Strukturerende Elementer Når vi jobber med binære bilder på datamaskiner må elementene paddes med tomme elementer.

Strukturerende Elementer Vi kan ha elementer som ikke er av relevanse. Disse angis med et kryss.

Eksempel på Bruk av Strukturerende Elementer La oss anta at vi har følgende sett og strukturerende element.

Eksempel på Bruk av Strukturerende Elementer Vi begynner med å padde (finne bilderepresentasjonene). La oss anta en operasjon hvor vi lar det strukturerende elementet besøke hvert element i mengden. Hvis hele det strukturerende elementet er i mengden så er punktet med i output.

Eksempel på Bruk av Strukturerende Elementer Vi sitter da igjen med følgende output.

Erosion (Erosjon) Erosion (erosjon) er en primitiv morphologisk operasjon. Vi har to mengder A og B. Erosjon er da definert som... A B = {z (B) z A} Med ord: Erosjonen av A med B er settet med alle punktene z slik at (B) z er i A. Dette er den matematiske formuleringen av eksempelet gitt tidligere.

Erosion (Erosjon) Siden B A er ekvivalent med å si at B ikke skal ha overlap med bakgrunnselementer, kan vi skrive erosjon på følgende form. A B = {z (B) z A c = } hvor A c er komplementet til A, og er det tomme settet.

Et Eksempel Under har vi en mengde A og et strukturerende element B. B A

Et Eksempel A B blir da.. B A A B Merk: den merkede linjen rundt A B er bare med for å illustrere hvordan operasjonen fungerer.

Et Annet Eksempel Under har vi den samme mengden A men et annet strukturerende element B. A B

Et Annet Eksempel A B blir da.. A B A B Merk: den merkede linjen rundt A B er bare med for å illustrere hvordan operasjonen fungerer.

Et Reelt Eksempel La oss ta en titt på et mer reelt eksempel. Vi vil fjerne koblingene mellom komponentene.

Et Reelt Eksempel Vi begynner med å bruke et kvadratisk strukturerende element på størrelse 11 11.

Et Reelt Eksempel Vi prøver så med å bruke et kvadratisk strukturerende element på størrelse 15 15.

Et Reelt Eksempel Ved å bruke et kvadratisk strukturerende element på størrelse 45 45 kan vi fjerne alt bortsett fra senterkomponentet.

Dilation (Utvidning) Dilation (utvidning) fungerer omvendt av erosjon. Dilation utvider/øker et sett med elementer. A B = {z (ˆB) z A } hvor ˆB er B reflektert om origo. Med ord: Utvidning av A med B er alle punktene z hvor (ˆB) z og A overlapper med minst et element. A B = {z [(ˆB) z A] A}

Et Eksempel Vi begynner igjen med å se på en mengde A og et strukturerende element B. B A

Et Eksempel Mengden til høyre representerer A B. B A A B Merk: den merkede linjen rundt A B er bare med for å illustrere hvordan operasjonen fungerer.

Et Annet Eksempel Under har vi den samme mengden A men et annet strukturerende element B. A B

Et Annet Eksempel A B blir da.. A B A B

Et Reelt Eksempel La oss si at vi skal lage en tekstprosessor, og la oss anta at karakterdeteksjonen er av dårlig kvalitet.

Et Reelt Eksempel Vi utfører en utvidning med et lite SE og får følgende..

Koblingen Mellom Erosion og Dilation Erosjon og utvidelse er to sider av samme sak når vi trekker in komplementsett og refeksjoner. (A B) C = A C ˆB og (A B) C = A C ˆB