Geometriske operasjoner

Like dokumenter
Geometriske operasjoner

INF Kap og i DIP

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

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling

INF februar 2017 Ukens temaer (Kap og i DIP)

INF januar 2018 Ukens temaer (Kap og i DIP)

INF 2310 Digital bildebehandling

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

UNIVERSITETET I OSLO

INF 2310 Digital bildebehandling

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

Anvendelser. Kapittel 12. Minste kvadraters metode

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

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

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

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

INF 2310 Digital bildebehandling

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

TMA4240/4245 Statistikk Eksamen august 2016

Dynamisk programmering. Hvilke problemer? Overlappende delproblemer. Optimalitetsprinsippet

INF2310 Digital bildebehandling

ØVINGER 2017 Løsninger til oppgaver

IT1105 Algoritmer og datastrukturer

Forelesning 4 og 5 MET3592 Økonometri ved David Kreiberg Vår 2011

UNIVERSITETET I OSLO

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

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

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

EKSAMEN ny og utsatt løsningsforslag

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

Løsningsforslag øving 10 TMA4110 høsten 2018

INF 2310 Digital bildebehandling

Forelesning nr.3 INF 1411 Elektroniske systemer

Alternerende rekker og absolutt konvergens

MA1301 Tallteori Høsten 2014

INF 2310 Digital bildebehandling

EKSAMEN Løsningsforslag

UNIVERSITETET I OSLO

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

COLUMBUS. Lærerveiledning Norge og fylkene. ved Rolf Mikkelsen. Cappelen Damm

Dynamisk programmering. Hvilke problemer? Optimalitetsprinsippet. Overlappende delproblemer

INF2310 Digital bildebehandling

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

Løsningsskisse til eksamen i TFY112 Elektromagnetisme,

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

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

Tillegg 7 7. Innledning til FY2045/TFY4250

INF2310 Digital bildebehandling

TMA4265 Stokastiske prosesser

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

Seleksjon og uttak av alderspensjon fra Folketrygden

Løsningsforslag ST2301 Øving 8

EKSAMEN Ny og utsatt Løsningsforslag

Arbeid og potensiell energi

TMA4265 Stokastiske prosesser

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

Sluttrapport. utprøvingen av

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

MoD233 - Geir Hasle - Leksjon 10 2

STK desember 2007

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

NÆRINGSSTRUKTUR OG INTERNASJONAL HANDEL

Fast valutakurs, selvstendig rentepolitikk og frie kapitalbevegelser er ikke forenlig på samme tid

Arbeid og potensiell energi

Eksamen i emne SIB8005 TRAFIKKREGULERING GRUNNKURS

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

Gråtonehistogrammer. Histogrammer. Hvordan endre kontrasten i et bilde?

Positive rekker. Forelest: 3. Sept, 2004

Alle deloppgaver teller likt i vurderingen av besvarelsen.

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

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.

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

Auksjoner og miljø: Privat informasjon og kollektive goder. Eirik Romstad Handelshøyskolen Norges miljø- og biovitenskapelige universitet

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

Komprimering av bilder

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

Årsplan: Matematikk 4.trinn Uke Tema

TMA4240 Statistikk H2010

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

INF 2310 Digital bildebehandling

Spinntur 2017 Rotasjonsbevegelse

C(s) + 2 H 2 (g) CH 4 (g) f H m = -74,85 kj/mol ( angir standardtilstand, m angir molar størrelse)

NA Dok. 52 Angivelse av måleusikkerhet ved kalibreringer

Gauss-Krüger-projeksjonen ved analytiske funksjoner

Statistikk og økonomi, våren 2017

UNIVERSITETET I OSLO ØKONOMISK INSTITUTT

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

4 Energibalanse. TKT4124 Mekanikk 3, høst Energibalanse

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

Referanseveiledning. Oppsett og priming

FOLKETELLINGEN 1. NOVEMBER Tellingsresultater Tilbakegående tall - Prognoser SARPSBORG 0102 STATISTISK SENTRALBYRÅ - OSLO

Forelesning nr.3 INF 1410

MASTER I IDRETTSVITENSKAP 2012/2014. Individuell skriftlig eksamen. MAS 402- Statistikk. Tirsdag 9. oktober 2012 kl

Sorterings- Algoritmer

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

Transkript:

Geometrske operasjoner INF 23 29..28 Kap. 2.4.4 og 2.6.5 DIP Geometrske operasjoner Affne transformer Interpolasjon Samregstrerng av blder Endrer på pkslenes possjoner ransformerer pkselkoordnatene (x,) tl (x, ): x x (x,) (x,) x og ofte gtt som polnomer erk: Her er det kke pkselverdene, men pksel-koordnatene x og som endres. 29..28 INF23 29..28 INF23 2 Anvendelser Rette opp geometrske fel som oppstår under avbldnngen Fskeøelnse Radaravbldnng av terreng edsnsk ultrald... Samregstrere blder fra ulke sensorer eller blder tatt på ulke tdspunkt Eks ansktsgjenkjennng: Fnne ansktene et blde og transformere bldet slk at ansktene bldet blr på samme sted, orenterng og samme størrelse som referansebldene Samregstrere blder med kart en bestemt kartprojeksjon Generere blder fra andre kameravnkler Spesaleffekter 29..28 INF23 3 Affne transformer ransformerer pkselkoordnatene (x,) tl (x, ): x x (x,) (x,) Affne transformer beskrves ved: x a x+a +a 2 b x+b +b 2 På matrseform: x' a a a2 ' b b b2 eller x' a ' b 29..28 INF23 4 a a2 + b b2

Egenskaper ved affne transformer Eksempler på enkle transformer Rette lnjer bevares Parallelle lnjer forblr parallelle Utrkkes ved enkel matrsemultplkasjon ransformasjon ranslasjon med Δx og Δ a a a 2 Δx b b b 2 Δ Uttrkk x x+δx +Δ Eksempler på affne transformasjoner: ranslasjon Rotasjon Shearng Skalerng Kombnasjoner av dsse Skalerng med faktor s Rotasjon med θ Horsontal shear faktor s s cosθ s -snθ snθ cosθ s x' a ' b a a2 b b2 x sx s x cosθx-snθ snθ+ cosθ x x+s 29..28 INF23 5 29..28 INF23 6 Sammenslång av affne transformer Alternatve måter å fnne transformkoeffsentene x' transl. ' rot x' x'' ' '' En affn transform kan bestemmes ved å spesfsere tre punkter før og etter avbldnngen x'' rot transl. '' x'' transl. & rot ' ' nn-bldet resultat-bldet ed dsse tre punktparene kan v fnne de 6 koeffsentene; a,a,a 2,b,b,b 2 ed flere enn 3 punktpar velger man den transformasjonen som mnmerer kvadratfelen summert over alle punktene (mer om dette senere) 29..28 INF23 7 29..28 INF23 8 2

ransformer med høere ordens polnomer Blneære transformer beskrves ved: x a x+a +a 2 +a 3 x b x+b +b 2 +b 3 x Kvadratske transformer: x a x+a +a 2 +a 3 x+a 4 x 2 +a 5 2 b x+b +b 2 +b 3 x+b 4 x 2 +b 5 2 Også enda høere ordens polnomer kan benttes ulgheter for å korrgere for mer komplekse avbldnngsfel ransformalgortmer prakss Eksempel: cosθ snθ snθ cosθ Hva om x og kke er heltall? Hva skjer når x og kommer utenfor bldet? Hvor stort skal resultatbldet være? Hva med skalerng -- hva om flere punkter mappes tl samme heltall etter transformasjonen? Kan v tllate at ne pkselverder blr ntrodusert? 29..28 INF23 9 29..28 INF23 Algortme: Forlengs-mappng Rotere et blde med dmensjon N: Lag ntt blde, g, med dmensjon N for all x, do g(x,) a cos θ b sn θ a -b b a for all x, do x round(a x+a ) round(b x+b ) f (x, ) nsde g then g(x, ) f(x,) end Eksempel: Forlengs-mappng Problemer: Hull appng beregnes for pksler utenfor bldet g Et output-pksel kan bl beregnet flere ganger (flertdghet) 29..28 INF23 29..28 INF23 2 3

Algortme: Baklengs-mappng Eksempel: Baklengs-mappng Rotasjon av nputbldet f med dmensjon N: Lag ntt blde, g, med dmensjon N a cos θ a sn θ b -a b a for alle x, do x round(a x +a ) round(b x +b ) f (x,) nsde f then g(x, ) f(x,) else g(x, ) Husk: Hvs (x,) roteres med θ og gr (x, ), tlsvarer det at hvs (x, ) roteres med -θ får v (x,) end 29..28 INF23 3 29..28 INF23 4 x Interpolasjon - hvlken gråtoneverd skal pkselen få? Baklengs-mappng Nullte-ordens nterpolasjon eller nærmeste nabo-nterpolasjon g(x, ) f( round(x), round() ) x Første-ordens nterpolasjon/ blneær nterpolasjon Intensteten tl g blr en kombnasjon av pkselverdene de fre pkslene som omgr punktet Bdragene fra hver av dsse vektes med avstanden Algortme: Δx x -x Δ - p f(x, )+[f(x, )-f(x, )] Δx q f(x, )+[f(x, )-f(x, )] Δx f(x, )p+(q-p)δ Intensteten tl g blr en av verdene tl f 29..28 INF23 5 29..28 INF23 6 4

Høere-ordens nterpolasjon Kubsk nterpolasjon: Naboskap på 4 4 pksler brukes Interpolasjon kan sees på som (kontnuerlg) konvolusjon med bestemte fltre Vurderng av nterpolasjonsfunksjoner Nærmeste nabo: aggete kanter og større totalfel. Hver ut-pksel har en verd fra nn-bldet: Fordel hvs man vl bevare statstske egenskaper for bldet (eller hvs bldet er segmenert ulke klasser) Blneær nterpolasjon og høere-ordens nterpolasjon er mer regnekrevende (D-varanter av nærmeste nabo, lneær og kubsk nterpolasjonskjerne) 29..28 INF23 7 Kubsk nterpolasjon gr skarpere blder og har kontnuerlge derverte, men er (me) mer regnekrevende enn blneær nterpolasjon, og kan g opphav tl kant-glore-effekter 29..28 INF23 8 Kant-glore-effekter / rngng ved kubsk nterpolasjon Bruk av geometrske transformer: Samregstrerng av blder Orgnal ransformert Negatve lobe-verder Ønsket blde å samregstrere med 29..28 INF23 9 29..28 INF23 2 5

Samregstrerng II Hvs bldenes kartkoordnater er kjent, brukes dsse (evt. må man transformere tl felles kartprojeksjon) Hvs bldenes kartkoordnater kke er kjent, brukes gjerne kontrollpunkter: Kontrollpunkter plukkes ut manuelt - lett dentfserbare punkter (landemerker) begge bldene Affne transformer er eksakt spesfsert med 3 punktpar (bestemmer a,a,a 2,b,b,b 2 eksakt) Blneære transformer er eksakt spesfsert med 4 punkter, (kvadratske med 6 punkter,..) Ofte mange flere punkter for å få en god transformasjon Samregstrerng III Kvadratfelen brukes tl å vurdere hvor god en samregstrerng er Gtt kontrollpunkter (x, ),(x r, r ) ( r er referansebldet) (x, ) --> (x, ) >>3 for affne transformer og >>6 for kvadratske Polnomkoeffsentene bestemmes som de som passer best mht. kontrollpunktene, dvs. de som mnmerer kvadratfelen mellom kontrollpunktets sanne koordnater (x r, r ) og de transformerte koordnatene (x, ) J r 2 ( x ' x ) + ( ' ) Enkel lneæralgebra benttes tl å fnne eksakte løsnnger på lgnngen over 29..28 INF23 2 29..28 INF23 22 Samregstrerng IV (nmere kvadratfelen) J ( x ' x ) + ( ' ) Jx + r x r x2 r' xn x x2 J d G a 2 xn n a a a2 Jx Kursorsk pensum ( x ' x ) Stkkevse transformer Forskjellge transformer for ulke deler av bldet Ofte bestemmes et kontrollgrd som strer hvordan de ulke delene skal endres Blneær transformasjon benttes ofte: x a x+a x+a 2 +a 3 b x+b x+b 2 +b 3 Hver frkants fre punkter bestemmer entdg den blneære transformen Jx ( d Ga) ( d Ga) d d + a G Ga 2a G d δj δa x 2G Ga 2G d a ( G G) G d 29..28 INF23 23 29..28 INF23 24 6

orphng eknkk for å transformere et blde tl et annet en trnnvs prosess Hvordan lages en gradvs overgang mellom to blder? Ofte basert på stkkevse transformer Krever vanlgvs spesfkasjon av kontrollpunkter Anvendelser: grafkk/flm/spesaleffekter generere ansktsuttrkk (f.eks. smulere munnbevegelser tl tale) Oppsummerng Polnomtransformer for å mappe x,-koordnatene Affne transformer Forlengs- og baklengsmappng Interpolasjonsmetoder for å bestemme gråtonene tl den transformerte pkselen Nærmeste nabo-nterpolasjon Blneær nterpolasjon Kubsk nterpolasjon Bruk av geometrske operasjoner tl å samregstrere blder Kontrollpunkter 29..28 INF23 25 29..28 INF23 26 7