Ð`ведение в - wl.unn.ru
реклама
МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ Государственное образовательное учреждение высшего профессионального образования «Нижегородский государственный университет им. Н.И. Лобачевского» Радио физический факультет Лаборатория физических основ беспроводной связи “Введение в OpenCV” Выполнил: Миронов И.М. Что такое компьютерное зрение ? Изображение сцены Компьютерная графика Компьютерное зрение Описание сцены История вопроса • Первый проект компьютерного зрения: – 1966 год. Масачусецкий университет. • Планировалось за лето решить задачу компьютерного зрения: – Сегментация объектов – Распознавание сегментированного объекта Сегментация Пример из Berkeley Segmentation Dataset: Оба ответа верные! Задача плохо определена... Основы обработки изображений • Виды подходов к обработки изображений: – Пространственная обработка изображений – Частотная обработка изображений Пространственные методы обработки изображений • Термин пространственная область относится к плоскости изображения как к таковой • Пространственные методы обработки основаны на прямом манипулировании пикселями Операция пространственного маскирования • (x,y) – маска на изображении (также называется ядром, фильтром, окном, шаблоном) Градационные преобразования • T – оператор градационного преобразования Основные функции градационного преобразования Преобразование изображения в негатив • [0, L-1] – диапазон яркости пикселей • Эффект: усиление белых и серых деталей на фоне тёмных областей Логарифмическое преобразование Степенное преобразование Результаты степенного преобразования Кусочно линейные функции преобразований Гистограммный анализ изображений • Гистограмма – это график распределения интенсивности в изображении. – На горизонтальной оси - шкала яркостей тонов от белого до черного, – на вертикальной оси - число пикселей заданной яркости. • 𝑛𝑘 = ℎ(𝑟𝑘 ) • 𝑛𝑘 - число пикселей на k- v уровне яркости • 𝑟𝑘 - есть k-й уровень яркости Пример гистограмм 0 0 255 255 Эквилизация гистограммы изображений Основы пространственной фильтрации • Фильтрация – устранения шума в полутоновых и цветных изображений • Типы шума: Шум фотоаппарата Сильное сжатие JPEG Операция свёртка • Свертка двумерной функции f по функции g в непрерывном и дискретном случае. n1 m1 f g (i, j ) f (i l )( j k ) g (l , k ) l n0 k m0 • Часто, свертка изображения по какой-либо функции называется применением фильтра к изображению. Пример фильтрации изображения Линейные сглаживающие фильтры • Фильтр радиуса r задаётся матрицей (2r + 1) x (2r + 1), 1 значения которой равны 2 (2𝑟+1) • Cсумма по всем элементам матрицы равна, таким образом, единице. При фильтрации с данным ядром значение пикселя заменяется на усредненное значение пикселей в квадрате со стороной 2r+1 вокруг него. Фильтр Гауса I (i, j ) n m I (i l )( j k ) l n k m d l2 k2 Параметр σ задает степень размытия. На графике функция с σ 5. 1 e 2πσ d2 2 2σ Выделение контуров • Край (edge) – резкое изменение яркости на изображении, часто соответствует границам объектов на изображении. Выделение точек контура • Нас интересуют области резкого изменения яркости – нахождение таких областей можно организовать на основе анализа первой и второй производной изображения. Матричный фильтр 1 1 1 1 8 1 1 1 1 График функции График производной График 2ой производной Выделение точек контура. Градиент • Наибольшее изменение функции происходит в направлении ее градиента. Величина изменения измеряется абсолютной величиной градиента. I I I ( x, y ) ( x, y ), ( x, y ) ; y x I I I ( x, y ) ( x, y ) ( x, y ) x y 2 2 Выделение контура. Приближения (маски) Робертса, Превитта и Собеля • Семейство методов основано на приближенном вычислении градиента, анализе его направления и абсолютной величины. Свертка по функциям: 1 0 0 1 0 1 Робертса 1 - 1 1 1 0 0 0 0 1 1 1 -1 1 1 Превитта 0 0 0 1 1 1 -1 0 1 2 0 2 1 0 1 -1 2 1 Собеля Математический смысл – приближенное вычисление производных по направлению. 0 0 0 1 2 1 Выделение точек контура. Примеры • Примеры применения операторов подчеркивания краев: Робертса Превитта Собеля Частотные методы обработки изображений • Частотные методами являются методы работающие в частотной области изображения • Для перехода в частотную область используются различные преобразования Преобразование Фурье • Любая функция, периодически воспроизводящая свои значения, может быть представлена в виде суммы синусов различных частот, умноженных на некоторые коэффициенты: Фильтрация в частотной области • Операция свёртки: n1 m1 f g (i, j ) f (i l )( j k ) g (l , k ) l n0 k m0 • Фурье над операцией свёртки даёт нам произведение функции и ядра в частотной области: ℱ <𝑓∗𝑔 > =𝐹∗𝐺
