INF Kap og i DIP

Like dokumenter
INF 2310 Digital bildebehandling

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

INF 2310 Digital bildebehandling

INF februar 2017 Ukens temaer (Kap og i DIP)

INF 2310 Digital bildebehandling

INF januar 2018 Ukens temaer (Kap og i DIP)

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

Geometriske operasjoner

Geometriske operasjoner

INF 2310 Digital bildebehandling

UNIVERSITETET I OSLO

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

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

UNIVERSITETET I OSLO

Obligatorisk oppgave 1

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling

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

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

Forelesningsnotater SIF8039/ Grafisk databehandling

INF 2310 Digital bildebehandling

INF februar 2017 Ukens temaer (Kap 3.3 i DIP)

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

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

Hovedsakelig fra kap. 3.3 i DIP

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

=,,,,, = 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

TDT4195 Bildeteknikk

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

UNIVERSITETET I OSLO

Repetisjon av histogrammer

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

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

UNIVERSITETET I OSLO

INF Stikkord over pensum til midtveis 2017 Kristine Baluka Hein

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

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

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

Midtveiseksamen Løsningsforslag

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

UNIVERSITETET I OSLO. Dette er et løsningsforslag

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

Mer om Histogramprosessering og Convolution/Correlation

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

UNIVERSITETET I OSLO

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.

Løsningsforslag øving 7

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

UNIVERSITETET I OSLO. Dette er et løsningsforslag

Grunnleggende Matematiske Operasjoner

UNIVERSITETET I OSLO

TMA4100 Matematikk1 Høst 2008

INF 1040 høsten 2008: Oppgavesett 11 Farger (kapittel 15)

Morfologiske operasjoner på binære bilder

Utkast med løsningshint inkludert UNIVERSITETET I OSLO

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

Underveiseksamen i MAT-INF 1100, 17. oktober 2003 Tid: Oppgave- og svarark

UNIVERSITETET I OSLO

Eksamen Løsningsforslag

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

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

Løsning av øvingsoppgaver, INF2310, 2005, kompresjon og koding

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

Basisbilder - cosinus. Alternativ basis. Repetisjon Basis-bilder. INF april 2010 Fouriertransform del II. cos( )

Bildetransformer Lars Aurdal

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

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

8 Interpolasjon TMA4125 våren 2019

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO

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

Løsningsforslag til kapittel 15 Fargerom og fargebilder

Heuristiske søkemetoder III

Matematisk morfologi IV

UNIVERSITETET I OSLO

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

INF 1040 høsten 2009: Oppgavesett 11 Farger (kapittel 15) Løsningsforslag Flervalgsoppgaver

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

Matematisk morfologi III

Histogramprosessering

Morfologiske operasjoner på binære bilder

Filter-egenskaper INF Fritz Albregtsen

UNIVERSITETET I OSLO

Newtons interpolasjon og dividerte differanser

Løsningsforslag, Ukeoppgaver 10 INF2310, våren 2011 kompresjon og koding del II

2D Transformasjoner (s. 51 i VTK boken) Translasjon. Del 2 Grafisk databehandling forts. Rotasjon. Skalering. y x = x + d x, y = y + d y.

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

EKSAMEN I EMNE SIB 6005 GEOMATIKK-1. Torsdag 25. november 1999 Tid:

Eksamen i IN 106, Mandag 29. mai 2000 Side 2 Vi skal i dette oppgavesettet arbeide med et bilde som i hovedsak består av tekst. Det binære originalbil

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

Transkript:

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 ne koordinater (, (, som de originale pikselkoordinatene (,. Siden pikselkoordinatene må være heltall, må vi bruke interpolasjon til å finne hvilken gråtoneverdi den ne posisjonen. Geometriske operasjoner Endrer på pikslenes posisjoner ransformerer pikselkoordinatene (, til (,: : (, (, og ofte gitt som polnomer Merk: I dette første steget er det ikke pikselverdiene (gråtoneverdiene, men piksel-koordinatene og som endres. Anvendelser Zoom inn/ut Rette opp geometriske feil som oppstår under avbildningen Fiskeøelinse Radaravbildning av terreng Medisinsk ultrald... Samregistrere bilder fra ulike sensorer eller bilder tatt på ulike tidspunkt Eks ansiktsgjenkjenning: kj i 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 Samregistrere bilder med kart i en bestemt kartprojeksjon j Generere bilder fra andre kameravinkler 3 Spesialeffekter 4

Affine transformer ransformerer pikselkoordinatene (, til (, : (, (, Affine transformer beskrives ved: a 0 +a +a b 0 +b +b På matriseform: ' a0 a a ' a0 a a ' b0 b b eller + ' b0 b b 0 0 Egenskaper ved affine transformer Rette linjer bevares Parallelle linjer forblir parallelle Utrkkes ved enkel matrisemultiplikasjon lik Eksempler på affine transformasjoner: ranslasjon Rotasjon Shearing Skalering Kombinasjoner av disse 5 6 Bevaring av parallelle linjer o parallelle linjer har samme stigningstall. Linje : c + d Linje : c +d Hva får vi hvis vi sender og gjennom ligningene for affine transformer? 7 8

Eksempler på enkle transformer Eksempler på enkle transformer ransformasjon a 0 a a b 0 b b Uttrkk ransformasjon a 0 a a b 0 b b Uttrkk Identisk 0 0 0 0 ranslasjon med Δ og Δ 0 Δ 0 Δ +Δ +Δ Skalering med faktor s s s 0 0 0 s 0 s s cosθ-sinθ Rotasjon med θ cosθ -sinθ 0 sinθ cosθ 0 sinθ+ cosθ Horisontal shear s 0 0 0 faktor s Vertikal shear faktor s 0 0 s 0 +s s+ Vertikalt Horisontalt ' a0 ' b0 0 a b 0 a b ' a0 ' b0 0 a b 0 a b 9 0 Sammenslåing av affine transformer Alternative måter å finne transformkoeffisientene ffi i t ' transl. ' ' ' ' rot ' '' En affin transform kan bestemmes ved å spesifisere tre punkter før og etter avbildningen ''' rot transl. '' ''' transl. & rot '' inn-bildet resultat-bildet Med disse tre punktparene kan vi finne de 6 koeffisientene; a 0,a,a,b 0,b,b Med flere enn 3 punktpar velger man den transformasjonen som minimerer kvadratfeilen summert over alle punktene (mer om dette senere

ransformer med høere ordens polnomer Bilineære transformer beskrives ved: a 0 +a +a +a 3 b 0 +b +b +b 3 Kvadratiske transformer: a 0 +a +a +a 3 +a 4 +a 5 b 0 +b +b +b 3 +b 4 +b 5 Også enda høere ordens polnomer kan benttes Muligheter for å korrigere for mer komplekse avbildningsfeil bld l ransformalgoritmer i praksis Eksempel: cosθ sinθ 0 sinθ cosθ 0 0 0 Hva om og ikke er heltall? Hva skjer når og kommer utenfor bildet? Hvor stort skal resultatbildet være? Hva med skalering -- hva om flere punkter mappes til samme heltall etter transformasjonen? Kan vi tillate at ne pikselverdier e blir introdusert? t? 3 4 Algoritme: Forlengs-mapping Eksempel: Forlengs-mapping Rotere et bilde med dimensjon M N: Lag ntt bilde, g, med dimensjon M N for all, do g(,0 a 0 cos θ b 0 sin θ a -b 0 b a 0 for all, do round(a 0 +a round(b 0+b if (, inside g then g(, f(, end Problemer: Hull Mapping beregnes for piksler utenfor bildet g Et output-piksel kan bli beregnet flere ganger (flertdighet 5 6

Algoritme: Baklengs-mapping Eksempel: Baklengs-mapping Rotasjon av inputbildet f med dimensjon M N: Lag ntt bilde, g, med dimensjon M N a 0 cos θ a sin θ b 0 -a b a 0 for alle, do round(a 0 +a round(b 0 +b if (, inside f then g(, f(, else g(,0 0 end Husk: Hvis (, roteres med θ og gir (,, tilsvarer det at hvis (, roteres med -θ får vi (, 7 8 Interpolasjon - hvilken gråtoneverdi skal pikselen få? Baklengs-mapping Nullte-ordens interpolasjon eller nærmeste nabo-interpolasjon g(, f( round(, round( Dette ble brukt i de enkle forlengs- og baklengs-algoritmene. Intensiteten til g blir en av verdiene til f Første-ordens interpolasjon/ bilineær interpolasjon Intensiteten til g blir en kombinasjon av pikselverdiene i de fire pikslene som omgir punktet Bidragene fra hver av disse vektes med avstanden Algoritme (baklengs: Δ - 0 Δ - 0 p f( 0, 0 +[f(, 0 -f( 0, 0 ] Δ q f( 0, +[f(, -f( 0, ] Δ f(, p+(q-pδ 9 0

Høere-ordens interpolasjon Kubisk interpolasjon: Naboskap på 4 4 4 piksler brukes Interpolasjon kan sees på som (kontinuerlig konvolusjon med bestemte filtre Vurdering av interpolasjonsfunksjoner Nærmeste nabo: aggete kanter og større totalfeil. Hver utpiksel har en verdi fra inn-bildet: Fordel hvis man vil bevare statistiske egenskaper for bildet (eller hvis bildet er segmenert i ulike klasser Bilineær interpolasjon og høere-ordens interpolasjon er mer regnekrevende. (D-varianter av nærmeste nabo, lineær og kubisk interpolasjonskjerne Kubisk interpolasjon gir skarpere bilder og har kontinuerlige deriverte, men er (me mer regnekrevende enn bilineær interpolasjon, og kan gi opphav til kant-glorie-effekter Vanlig kompromiss: bilineær Unntak: binære eller klassifiserte/segmenterte bilder. Kant-glorie-effekter effekter / ringing ved kubisk interpolasjon Bruk av geometriske transformer: Samregistrering i av bilder Original ransformert Negative lobe-verdier Ønsket bilde å samregistrere med 3 4

Samregistrering II Hvis bildenes kartkoordinater er kjent, brukes disse (evt. må man transformere til felles kartprojeksjon Hvis bildenes kartkoordinater ikke er kjent, brukes gjerne kontrollpunkter: Kontrollpunkter plukkes ut manuelt - lett identifiserbare punkter (landemerker i begge bildene Affine transformer er eksakt spesifisert med 3 punktpar (bestemmer a 0,a,a,b 0,b,b eksakt Bilineære transformer er eksakt spesifisert med 4 punkter, (kvadratiske med 6 punkter,.. Ofte mange flere punkter for å få en god transformasjon Samregistrering III Kvadratfeilen brukes til å vurdere hvor god en samregistrering er Gitt M kontrollpunkter ( i, i,( ir, ir ( r er referansebildet ( i, i --> ( i, i M >>3 for affine transformer og M>>6 for kvadratiske Polnomkoeffisientene bestemmes som de som passer best mht. kontrollpunktene, dvs. de som minimerer kvadratfeilen mellom kontrollpunktets sanne koordinater ( ir, ir og de transformerte koordinatene ( i, i M r i J ( ' + ( ' i i r i Enkel lineæralgebra benttes til å finne eksakte løsninger på ligningen over i 5 6 Kursorisk pensum M Samregistrering IV (Minimere kvadratfeilen r r r J ( i ' i + ( i ' i J + J J ( i ' i i Finn a som minimerer kvadratfeilen d G a r r M r' n M M M n n a0 a a M i Stkkevise transformer Forskjellige transformer for ulike deler av bildet Ofte bestemmes et kontrollgrid som strer hvordan de ulike delene skal endres Bilineær transformasjon benttes ofte: a a 0 +a +a +a 3 bestemmer b 0 +b +b +b 3 entdig den Hver firkants fire punkter bilineære transformen J ( d Ga ( d Ga d d + a G Ga a δj δaδ a G Ga G d 0 a ( G G G G d d 7 8

Morphing eknikk for å transformere et bilde til et annet i en trinnvis prosess Hvordan lages en gradvis overgang mellom to bilder? Ofte basert på stkkevise transformer Krever vanligvis spesifikasjon av kontrollpunkter Anvendelser: grafikk/film/spesialeffekter generere ansiktsuttrkk (f.eks. simulere munnbevegelser til tale Oppsummering Polnomtransformer for å mappe,-koordinatene Affine transformer Forlengs- og baklengsmapping Interpolasjonsmetoder for å bestemme gråtonene til den transformerte pikselen Nærmeste nabo-interpolasjon Bilineær interpolasjon Høere-ordens interpolasjoner Bruk av geometriske operasjoner til å samregistrere bilder Kontrollpunkter Løs ligningssett som minimerer kvadratfeil 9 30