analiza imaginilor - pub.ro

Click here to load reader

Post on 03-Oct-2021

2 views

Category:

Documents

0 download

Embed Size (px)

TRANSCRIPT

Microsoft PowerPoint - 01 intro.pptC. VERTAN
ANALIZA IMAGINILOR
C. VERTAN
Cod curs: 04.S.08.A.127 - 5 puncte credit
Curs: 3 ore/ spatamana Laborator: 2 ore/ 2 saptamani, cu subgrupa
Punctare: 70 puncte examen final 21 puncte colocviu de laborator 9 puncte prezenta laborator
(9 pct = 6 prez., 6 pct = 5 prez., 3 pct = 4 prez)
3 prezente obligatorii la laborator
Chestiuni administrative
C. VERTAN
Titular curs :
B141
Laborator :
C. VERTAN
C. VERTAN
ANALIZA IMAGINILOR
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Compunere la nivel logic (in sistemul de calcul):
AnalizaImbunatatire Restaurare Segmentare
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Descrierea partilor (obiectelor) din imagine si a relatiilor dintre ele; decizii/ clasificari …
De la obiecte la numere:
011 000 111 ….
C. VERTAN
Caracteristicile pixelului
C. VERTAN
Obiecte diferite sa fie caracterizate de aceleasi valori ale pixelilor ?
sau
Obiecte identice sa fie caracterizate de valori diferite ale pixelilor ?
depinde de ceea ce se achizitioneaza …..
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Caracteristicile pixelului
C. VERTAN
Structura cursului
Segmentarea imaginilor
3
C. VERTAN
C. VERTAN
Descompunerea imaginii (scenei) in partile sale constituente.
Matematic: segmentarea este o partitionare a multimii pixelilor din imaginea f, in submultimi fi continand una sau mai multe componente conexe, disjuncte si uniforme dpdv al unui criteriu C pre-stabilit.
0)ff(C 1)f(C
C. VERTAN
componenta 1
comp. 2
comp. 3
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Texturi
4
Segmentare
Evident, segmentarea inseamna ca pentru fiecare pixel din imagine, in functie de valoarea acestuia (si poate si alte valori din imagine) si in functie de parametri specifici unui anume metode, sa se decida care componenta din care respectivul pixel face parte.
Parametrii care particularizeaza o metoda generala pentru o anume imagine pot sa depinda
doar de valoare pixelilor
de valoarea pixelilor si de caracteristici de vecinatate ale pixelilor
de valoarea pixelilor, de caracteristici de vecinatate ale pixelilor si de pozitia in imagine
segm. globala
segm. locala
segm. dinamica
segm. adaptiva
C. VERTAN
Thresholding (segmentare pe histograma)
Cresterea si fuziunea regiunilor
pentru regiuni cu uniformitate a caracteristicilor (texturi)
?
C. VERTAN
C. VERTAN
Contur = frontiera unei regiuni; este format din pixeli in jurul carora criteriul de uniformitate nu se mai respecta.
Contur = modificare (variatie) a valorilor pixelilor.
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
5
C. VERTAN
Cum putem individualiza acest obiect printr-un set de numere ?
(mutam obiectul de studiu din domeniul functiilor binare cu suport in Z2 intr-un spatiu real de dimensiune n).
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Aplicatii posibile
C. VERTAN
Thresholding (segmentare pe histograma)
Presupunere esentiala : diversele categorii de obiecte din scena sunt formate din pixeli al caror nivel de gri (valoare) este relativ constanta.
Tip de obiecte = plaja ingusta de valori a pixelilor
Obiectele sunt caracterizate de grupuri de pixeli avand o uniformitate a valorilor.
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Thresholding
Nivelul de gri (valoarea) pixelilor corespunde in scena unor proprietati fizice definitorii si discriminatorii pentru tipurile de obiecte.
Distributia proprietatii fizice masurate in scena este aproximata de histograma imaginii.
Histograma - instrument de descriere a continutului scenei.
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Histograma
Histograma = functie ce asociaza fiecarui nivel de gri posibil probabilitatea [sa] de aparitie in imagine.
h(u) = numar pixeli de nivel de gri “u” / numar total pixeli
( ) 1L,...,1,0u,u)n,m(f MN
1)u(h 1M

= =
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
C. VERTAN
Histograma nu reflecta distributia spatiala a valorilor.
Histograma
C. VERTAN
Se pot face presupuneri asupra numarului de tipuri de componente din imagine.
Histograma
C. VERTAN
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Segmentarea pe histograma (thresholding) inseamna determinarea modurilor din histograma si separarea lor.
Fiecare mod va corespunde unui tip de obiecte, caracterizate de plaje distincte (si relativ inguste) de nivele de gri.
Problema : cate moduri sunt ?
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
C=4 T1=40 T2=100 T3=190
Exemplu
C. VERTAN
Thresholding
Presupunem cunoscut numarul de clase de obiecte din imagine in care se face segmentarea, C.
Presupunem ca am ales pragurile de separatie dintre modurile histogramei, aceleasi pentru intreaga imagine (deci suntem in cazul unei segmentari de tip global).
Presupunem ca nivelul de gri al pixelilor corespunde unei marimi fizice discriminante.
Tuturor pixelilor ce apartin aceluiasi mod (au acelasi interval de valori) li se atribuie aceeasi eticheta de apartenenta la o clasa.
Dupa segmentare rezulta o imagine etichetata (sau harta a claselor).
7
C. VERTAN
gasirea “pragurilor” de separare dintre modurile histogramei de nivele de gri a imaginii.
Fie Tk pragurile de segmentare pe histograma.
g(m,n) = Ek, daca Tk ≤ f(m,n) ≤ Tk+1
Ek este eticheta ce se atribuie tipului de obiecte k
T0 = 0, TC = L, k = 0, 1, ..., L-1
Caz particular : C = 2 (binarizarea)

> ≤
C. VERTAN
C. VERTAN
obiecte foarte luminoase obiecte gri mediu
obiecte intunecate
T1 T2
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Exemplu Pentru inspectia de calitate a produselor se fac fotografii ale suprafetei acestora, cu imagini cu 1 pixel/ mm.
Petele de rugina nu trebuie sa depaseasca niste limite impuse. Cum se detecteaza aceasta ?
Rugina: culoare (nivel de gri) intermediar.
Fixam doua praguri care sa separe acest mod central: fie T1=80 si T2=150 (pragurile sunt situate pe minimele histogramei).
T1 T2
C. VERTAN
Exemplu Imaginea segmentata: eticheta 1 pentru pixelii de rugina (mod central), eticheta 0 pentru pixelii modului intunecat si eticheta 2 pentru pixelii modului alb.
Imaginea etichetata este afisata in mod pseudo-color: rosu pentru 0, albastru pentru 1, verde pentru 2.
Rugina = pixelii avand nivele de gri intre 80 si 150, adica pixelii colorati in albastru in imaginea etichetata, adica 62.2 % din imagine.
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Exemplu
O bila alba de biliard este fotogafiata pe un fundal negru. Fotografia este esantionata pe o retea patrata cu spatierea pixelilor de 1 mm si este cuantizata pe 11 de nivele de gri. Histograma imaginii este descrisa de vectorul :
(300, 3000, 9000, 3000, 800, 200, 300, 1127, 700, 300, 0).
a) Binarizati imaginea; care este valoarea pragului de segmentare ? b) Calculati raza bilei de biliard. c) Rezultatul ar mai fi credibil daca spatierea dintre pixeli ar fi de 2 mm ?
8
C. VERTAN
Observatie
Elementele partitiei determinate prin segmentarea pe histograma (deci multimile de pixeli ce au aceeasi eticheta) nu sunt multimi conexe (pot avea mai mult de o singura componenta).
Nu se poate face nici o distinctie intre componente conexe diferite din aceeasi clasa (adica intre obiectele de acelasi fel din scena).
Individualizarea componentelor dintr-o aceeasi clasa se face prin etichetare.
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Metode globale Minimele histogramei Metoda Bhattacharryya Metoda Fisher Metoda Otsu Metoda Kittler-Illingworth
Metode globale cu cunostinte apriori
Segmentarea pe histograma cumulativa Segmentarea cu prag optim
LABORATORUL DE ANALIZA I PRELUCRAREA IMAGINILOR
C. VERTAN
Metode locale