Презентация Методы и средства обработки изображений. (Лекция 3) онлайн
На нашем сайте вы можете скачать и просмотреть онлайн доклад-презентацию на тему Методы и средства обработки изображений. (Лекция 3) абсолютно бесплатно. Урок-презентация на эту тему содержит всего 113 слайдов. Все материалы созданы в программе PowerPoint и имеют формат ppt или же pptx. Материалы и темы для презентаций взяты из открытых источников и загружены их авторами, за качество и достоверность информации в них администрация сайта не отвечает, все права принадлежат их создателям. Если вы нашли то, что искали, отблагодарите авторов - поделитесь ссылкой в социальных сетях, а наш сайт добавьте в закладки.
Презентации » Устройства и комплектующие » Методы и средства обработки изображений. (Лекция 3)
Оцените!
Оцените презентацию от 1 до 5 баллов!
- Тип файла:ppt / pptx (powerpoint)
- Всего слайдов:113 слайдов
- Для класса:1,2,3,4,5,6,7,8,9,10,11
- Размер файла:15.89 MB
- Просмотров:64
- Скачиваний:0
- Автор:неизвестен
Слайды и текст к этой презентации:
№5 слайд
![Сегментация Сегментация - это](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img4.jpg)
Содержание слайда: Сегментация
Сегментация - это способ разделения сцены на «куски», с которыми проще работать
Тесселяция - разбиение изображения на неперекрывающиеся области, покрывающие все изображение и однородные по некоторым признакам
Можно и по другому сегментировать изображение
Пересекающиеся области
Иерархическое представление
№9 слайд
![Пороговая бинаризация](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img8.jpg)
Содержание слайда: Пороговая бинаризация
Пороговая фильтрация (thresholding)
Пиксели, которых выше/ниже некоторого порога, заданного «извне», помечаются 1
Ниже порога помечаются 0
Бинарное изображение – пиксели которого могут принимать только значения 0 и 1
Бинаризация - построение бинарного изображения по полутоновому / цветному
№13 слайд
![Анализ гистограммы Сгладить](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img12.jpg)
Содержание слайда: Анализ гистограммы
Сгладить гистограмму;
Найти ячейку гистограммы hmax с максимальным значением;
На стороне гистограммы не относящееся к объекту (на примере – справа от пика фона) найти яркость hp, количество пикселей с яркостью >= hp равняется p% (например 5%) от пикселей яркости которых >= hmax;
Рассчитать порог T = hmax - (hp - hmax);
№15 слайд
![Адаптивная бинаризация](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img14.jpg)
Содержание слайда: Адаптивная бинаризация
Необходима в случае неравномерной яркости фона/объекта.
Для каждого пикселя изображения I(x, y):
В окрестности пикселя радиуса r высчитывается индивидуальный для данного пикселя порог T;
Если I(x, y) > T + C , результат 1, иначе 0;
Варианты выбора T:
T = mean
T = median
T = (min + max) / 2
№29 слайд
![Важное замечание Результат](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img28.jpg)
Содержание слайда: Важное замечание
Результат морфологических операций во многом определяется применяемым структурным элементом. Выбирая различный структурный элемент можно решать разные задачи обработки изображений:
• Шумоподавление
• Выделение границ объекта
• Выделение скелета объекта
• Выделение сломанных зубьев на изображении шестерни
№52 слайд
![Подсчет периметра области](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img51.jpg)
Содержание слайда: Подсчет периметра области
Пиксель лежит на границе области, если он сам принадлежит области и хотя бы один из его соседей области не принадлежит.
(внутренняя граница)
Пиксель лежит на границе области, если он сам не принадлежит области и хотя бы один из его соседей области принадлежит. (внешняя граница)
Периметр зависит также от того 4-х или 8-ми связность используется для определения соседей.
№57 слайд
![Фотометрические признаки Для](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img56.jpg)
Содержание слайда: Фотометрические признаки
Для каждой области можно подсчитать некий набор простейших числовых характеристик:
Средняя яркость
Средний цвет (если изображение цветное)
Гистограмма распределения яркостей
(или три гистограммы распределения R, G, B)
Дисперсию (разброс) яркостей или цвета
Разумеется, все это считается по исходному, а не бинарному изображению!
№59 слайд
![Как анализировать признаки](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img58.jpg)
Содержание слайда: Как анализировать признаки
Как воспользоваться признаками для классификации?
Подобрать диапазоны значений для разных классов вручную, экспериментально (может быть весьма трудоемко)
Подобрать диапазоны значений графически (нужна база для тренировки, трудно, если признаков много)
Обучить классификатор с помощью машинного обучения
№60 слайд
![Ручной подбор Из общих](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img59.jpg)
Содержание слайда: Ручной подбор
Из общих соображений:
Ложки более вытянутые, чем сахарные кусочки
Ложки больше чем сахарные кусочки
Сахарные кусочки квадратные
Области появляющиеся из-за шума обычно небольшие и неквадратные
Пытаемся сконструировать решающее правило, проверяем экспериментально
Может быть весьма утомительно
№66 слайд
![Метод k-средних Алгоритм .](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img65.jpg)
Содержание слайда: Метод k-средних
Алгоритм:
1. Случайным образом выбрать k средних mj j = 1,…, k;
2. Для каждого xi i = 1,…,p подсчитать расстояние до каждого из mj j=1,…, k, отнести (приписать) xi к кластеру j’, расстояние до центра которого mj’ минимально;
3. Пересчитать средние mj j=1,…, k по всем кластерам;
4. Повторять шаги 2, 3, пока кластеры не перестанут изменяться
№73 слайд
![Текстура Это типичные примеры](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img72.jpg)
Содержание слайда: Текстура
Это типичные примеры текстурных шаблонов для исследований психофизиологоического восприятия изображений
Человек явно использует не только яркость и цвет, но и ориентацию краёв (градиентов изображения), их распределение, для анализа изображений
Текстура — преимущественная ориентация элементов, составляющих материал (одно из определении)
№81 слайд
![Jean Baptiste Joseph Fourier](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img80.jpg)
Содержание слайда: Jean Baptiste Joseph Fourier
Дикая идея (1807):
Любая периодическая функция может быть представлена как взвешенная сумма синусов и косинусов различной частоты
Воспринята была не сразу:
Ни Лагранж, ни Лаплас, Пуассон не верили в это
Впервые переведена работа на английский в 1878 году
Преобразование Фурье
№84 слайд
![Быстрое преобразование Фурье](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img83.jpg)
Содержание слайда: Быстрое преобразование Фурье
Для вычисления всех коэффициентов через скалярное произведение требуется примерно N2 умножений: очень много при больших длинах сигнала N.
Быстрое преобразование Фурье (БПФ, FFT) – ускоренный алгоритм вычисления ДПФ
Основан на периодичности базисных функций (много одинаковых множителей)
Математически точен (ошибки округления даже меньше, т.к. меньше число операций)
Число умножений порядка N·log2N, намного меньше, чем N2 ► Ограничение: большинство реализаций FFT принимают только массивы длиной N = 2m
Есть и быстрое обратное преобразование
№87 слайд
![Ограниченный сигнал Как быть,](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img86.jpg)
Содержание слайда: Ограниченный сигнал
Как быть, если сигнал задан на отрезке?
Продлить сигнал за границы отрезка, затем разложить
В зависимости от типа разложения, продлять нужно по разному
Продление должно быть периодическим
Можем использовать только синусы или только косинусы, в зависимости от этого продлевать нужно по-разному
Если косинусное преобразование, то продление должно быть чётной функцией
№96 слайд
![Свойства Разрывы функции](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img95.jpg)
Содержание слайда: Свойства
Разрывы функции приводят к тому, что требуется больше слагаемых для достижения точности
sin() – нечётная функция, поэтому продление должно быть нечётной функцией
Поскольку у реального сигнала значение на конце и в начале сигнала обычно разное, то продление почти всегда с разрывом
Для реальных сигналов разложение через косинусы эффективнее, чем через синусы
Также в базисе косинусов есть константа
№102 слайд
![Сжатие изображения с ДКП](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img101.jpg)
Содержание слайда: Сжатие изображения с ДКП
Следующим шагом является квантование (дискретизация) коэффициентов
Квантовать мы можем по разному низкие (важные) и высокие (менее важные) частоты
Именно при квантовании происходит потеря информации
В декодере проводится обратное преобразование
Матрица квантования хранится в заголовке файла
№107 слайд
![Спектральный анализ для](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img106.jpg)
Содержание слайда: Спектральный анализ для изображений
Отображение спектров изображений
Спектр – это изображение, показывающая зависимость амплитуды от частоты и от направления синусоиды.
Амплитуды отображаются в виде яркостей.
Нулевая частота – в центре спектра, низкие частоты вокруг центра, высокие – дальше от центра.
Спектр обычно продублирован отражением от нулевой частоты.
В реальных изображениях чаще всего гораздо большие амплитуды имеют низкие частоты (и постоянная составляющая). Поэтому постоянную составляющую иногда удаляют, или применяют логарифмический масштаб отображения амплитуд, чтобы пара самый мощных гармоник не скрыла остальные, менее мощные, но тоже существенные гармоники.
№112 слайд
![Теорема о свёртке](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img111.jpg)
Содержание слайда: Теорема о свёртке
Преобразование Фурье от свёртки двух функций можно представить как произведение преобразований Фурье каждой из функций
F[g∗h]= F[g]F[h]
Обратное преобразование Фурье от произведения есть свёртка двух обратных преобразований Фурье
F−1[gh]= F−1[g]∗F−1[h]
Свёртка в пространстве эквивалентна произведению в частотном диапазоне
Можно существенно ускорить многие операции свёртки!
№113 слайд
![Резюме Сегментация](/documents_6/a7eae98a426a280cd1f7265c2ca1f2e2/img112.jpg)
Содержание слайда: Резюме
Сегментация изображения позволяет работать не со всем изображением в целом, а с отдельными областями
В отдельных случаях мы можем решить задачу распознавания, анализируя геометрические и фотометрические признаки сегментов
Сегменты могут быть однородны по яркости, цвету, текстуре и по комбинации этих признаков
Переход от представления в виде регулярной сетки к частотному представлению позволяет учесть структуру изображения
Сжатие изображений по алгоритму JPEG
Использование теоремы о свёртке позволяет эффективнее фильтровать изображение
Фильтр Гаусса – фильтр низких частот
Скачать все slide презентации Методы и средства обработки изображений. (Лекция 3) одним архивом:
Похожие презентации
-
Методы математической морфологии при обработке изображений
-
Методы улучшения алгоритмов сортировок. Лекция 7
-
Словарные методы сжатия. Лекция 3
-
Сжатие изображений. Лекция 4
-
Статистические методы сжатия. Лекция 2
-
Программные средства обработки сигналов аускультации сердца и легких
-
Обработка событий в JavaScript. Лекция 9
-
Основные элементы класса: поля, методы, конструкторы, декструкторы, свойства. Лекция 3
-
Операционная система Windows. Программирование с использованием средств Win32 API. (Лекция 2)
-
Организация пользовательских подпрограмм, методов класса. Лекция 21