Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη

Μέγεθος: px
Εμφάνιση ξεκινά από τη σελίδα:

Download "Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη"

Transcript

1 Επεξεργασία Εικόνας Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Μπαρμπούτης Παναγιώτης

2 Α) ΦΙΛΤΡΑ ΟΞΥΝΣΗΣ Αρχικά θα μελετήσουμε την εικόνα από το MRI αρχείο της πρώτης εργασίας. Εικόνα χωρίς επεξεργασία. (Εικόνα 1) Εικόνα 1

3 1) Εικόνα με το εφαρμογή του φίλτρου του Sobel. (Εικόνα 2) Εικόνα 2 Εικόνα με το εφαρμογή του φίλτρου του Prewitt. (Εικόνα 3) Εικόνα 3

4 Οι διαφορές που παρατηρούνται στην εφαρμογή των φίλτρων του Sobel και του Prewitt είναι ελάχιστες. Και τα δύο είναι φίλτρα όξυνσης των ακμών, με μικρή διαφορά μεταξύ των μασκών τους. Οπότε και το αποτέλεσμα είναι παρόμοιο. Με μεγένθυνση των δύο εικόνων, παρατηρούμε ότι με το φίλτρο του Sobel έχουμε καλύτερο αποτέλεσμα στην όξυνση των ακμών. 2) Εικόνα με εφαρμογή του Laplacian φίλτρου, με τους 4 γείτονες. (Εικόνα 4) Εικόνα 4

5 Εικόνα με εφαρμογή του Laplacian φίλτρου, με τους 8 γείτονες. (Εικόνα 5) Εικόνα 5 Με την εφαρμογή του Laplacian φίλτρου με τους 8 γείτονες παρατηρούμε ότι έχουν χαθεί οι λεπτομέρειες και έχουν μείνει έντονες οι ακμές της εικόνας. Το φίλτρο «προσπαθεί» να κάνει ευκρινέστερη την εικόνα αλλά με αυτόν τον τρόπο στην συγκεκριμένη εικόνα χάνονται οι λεπτομέρειες. 3) Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες φαίνεται στην παρακάτω εικόνα. (Εικόνα 6)

6 Διασπορά: e+006. Εικόνα 6 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες φαίνεται στην παρακάτω εικόνα. (Εικόνα 7) Εικόνα 7

7 Διασπορά: e+006. Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας στις εικόνες που εφαρμόσαμε Laplacian φίλτρο με γείτονες 4 και 8 είναι να έχουμε ευκρινέστερες και με περισσότερη λεποτομέρεια εικόνες από τις αντίστοιχες αυτών που εφαρμόσαμε μόνο Laplacian φίλτρο. 4) Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=0,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 8) Εικόνα 8

8 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=1,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 9) Εικόνα 9

9 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=2,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 10) Εικόνα 10

10 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=0,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 11) Εικόνα 11

11 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=1,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 12) Εικόνα 12

12 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=2,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 13) Εικόνα 13 Στην εφαρμογή Laplacian φίλτρου μετά από Gaussian φίλτρο μας δίνει σαν αποτέλεσμα να αυξηθεί η λεπτομέρεια στις εικόνες σε σχέση με την εφαρμογή μόνο του Laplacian φίλτρου. Αυξημένες λεπτομέρειες έχουμε όταν το σ είναι μικρό κατά το Gaussian φίλτρο. Όσο αυξάνεται το σ, χάνονται και λεπτομέρειες. Η φωτεινότητα στο σύνολο της εικόνας αυξάνεται όσο αυξάνεται το σ κατά το Gaussian φίλτρο.

13 5) Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=0,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 14) Διασπορά: e+006 Εικόνα 14

14 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=1,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 15) Διασπορά: e+006 Εικόνα 15

15 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=2,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 16) Διασπορά: e+006 Εικόνα 16

16 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=0,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 17) Διασπορά: e+006 Εικόνα 17

17 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=1,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 18) Διασπορά: e+006 Εικόνα 18

18 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=2,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 19) Διασπορά: e+006 Εικόνα 19 6) Παρατηρούμε ότι κατά την εφαρμογή του Laplacian φίλτρου με 4 γείτονες η διασπορά είναι χαμηλή σε σύγκριση με τα αποτελέσματα της πρώτης εργασίας που πραγματοποίησα. Ενώ κατά την εφαρμογή του Laplacian φίλτρου με 8 γείτονες έχουμε την μεγαλύτερη τιμή διασποράς σε σύγκριση και πάλι με την πρώτη εργασία. Κατά την εφαρμογή του Laplacian φίλτρου μετά από το Gaussian φίλτρο παρατηρούμε ότι η

19 διασπορά μείωνεται όσο αυξάνεται το σ κάτι που το είχαμε παρατηρήσει και στην πρώτη εργασία. Η διασπορά κατά την εφαρμογή του Laplacian φίλτρου με 4 γείτονες και Gaussian με σ=2,5 είναι η χαμηλότερη τιμή που λαμβάνουμε για αυτήν την εικόνα ενώ στην εφαρμογή του Laplacian φίλτρο με 8 γείτονες έπειτα από Gaussian φίλτρο η διασπορά που λαμβάνουμε βρίσκεται σε μια μέση τιμή σε σύγκριση με τα αποτελέσματα που είχαμε λάβει κατά την πρώτη εργασία. 7) Ο κώδικας που χρησιμοποιήσαμε για την δημιουργία high boost filtering στην 3d εικόνα MRI, με συντελεστή Α=1,2 και την 6 γείτονες, φαίνεται παρακάτω καθώς και στο άρχειο matlab που επισυνάπτεται. a=1.2; img13=zeros(130,258,258); for x=1:1:128 for y=1:1:256 for z=1:1:256 img13(x+1,y+1,z+1)=img(x,y,z); end end end img14=zeros(128,256,256); for x=2:1:129 for y=2:1:257 for z=2:1:257 img14(x-1,y-1,z-1)=(-img13(x+1,y,z)-img13(x-1,y,z)- img13(x,y+1,z)-img13(x,y-1,z)-img13(x,y,z-1)- img13(x,y,z+1)+7*img13(x,y,z)); end end end for x=1:1:128 for y=1:1:256 for z=1:1:256 img14(x,y,z)=a*img(x,y,z)+img14(x,y,z); end end

20 end avw.img=img14; avw_img_write(avw, 'high_boost_6_geitones_1,2','','ieee-be'); Ο κώδικας που χρησιμοποιήσαμε για την δημιουργία high boost filtering στην 3d εικόνα MRI, με συντελεστή Β=1,2 και την 18 γείτονες, φαίνεται παρακάτω καθώς και στο άρχειο matlab που επισυνάπτεται. img15=zeros(128,256,256); for x=2:1:129 for y=2:1:257 for z=2:1:257 img15(x-1,y-1,z-1)=(-img13(x+1,y,z)-img13(x+1,y+1,z)- img13(x-1,y+1,z)-img13(x-1,y-1,z)-img13(x+1,y-1,z)-img13(x-1,y,z)- img13(x,y+1,z)-img13(x,y-1,z)-img13(x,y,z-1)-img13(x+1,y,z-1)- img13(x,y+1,z-1)-img13(x-1,y,z-1)-img13(x,y-1,z-1)-img13(x,y,z+1)- img13(x+1,y,z+1)-img13(x,y+1,z+1)-img13(x-1,y,z+1)-img13(x,y- 1,z+1)+27*img13(x,y,z)); end end end for x=1:1:128 for y=1:1:256 for z=1:1:256 img15(x,y,z)=b*img(x,y,z)+img15(x,y,z); end end end Απο τα αποτελέσματα, συμπεραίνουμε ότι με την χρήση των 18 γειτόνων χάνεται κάποιο μέρος της λεπτομέρειας. Το περίγραμμα της εικόνας καθώς και κάποια έντονα σημεία παραμένουν ευδιάκριτα και μπορούν να τμηματοποιηθούν πιο εύκολα. Ο συνδιασμός του αθροίσματος μεγαλύτερου ποσοστού της αρχικές εικόνας στην εικόνα που έχουμε εφαρμόσει το high boost filtering, μας δίνει καλύτερο οπτικό αποτέλεσμα στο συνδυασμό

21 λεπτομέρειας και ένταση φωτεινότητας συγκεκριμένων στοιχείων της εικόνας. Επίσης δημιουργήσαμε τον αλγόριθμο στο matlab για την δημιουργία high boost filtering στην 3d εικόνα MRI, με συντελεστή Β=1,2 και την 26 γείτονες, για να διαπιστωθεί η τυχόν διαφορά. Στην συνέχεια θα μελετήσουμε την εικόνα του προστάτη της πρώτης εργασίας. Εικόνα χωρίς επεξεργασία. (Εικόνα 20) Εικόνα 20

22 1) Εικόνα με το εφαρμογή του φίλτρου του Sobel. (Εικόνα 21) Εικόνα 21

23 Εικόνα με το εφαρμογή του φίλτρου του Prewitt. (Εικόνα 22) Εικόνα 22 Όπως και στην εικόνα που λάβαμε από το MRI αρχείο έτσι και εδώ οι παρατηρήσεις είναι ίδες. Οι διαφορές που παρατηρούνται στην εφαρμογή των φίλτρων του Sobel και του Prewitt είναι ελάχιστες. Και τα δύο είναι φίλτρα όξυνσης των ακμών, με μικρή διαφορά μεταξύ των μασκών τους. Οπότε και το αποτέλεσμα είναι παρόμοιο. Με μεγένθυνση των δύο εικόνων, παρατηρούμε ότι με το φίλτρο του Sobel έχουμε καλύτερο αποτέλεσμα στην όξυνση των ακμών.

24 2) Εικόνα με εφαρμογή του Laplacian φίλτρου, με τους 4 γείτονες. (Εικόνα 23) Εικόνα 23

25 Εικόνα με εφαρμογή του Laplacian φίλτρου, με τους 8 γείτονες. (Εικόνα 24) Εικόνα 24 Με την εφαρμογή του Laplacian φίλτρου με τους 8 γείτονες παρατηρούμε ότι έχουν χαθεί οι λεπτομέρειες και έχουν μείνει οι ακμές της εικόνας. Η φωτεινότητα της εικόνας έχει μειωθεί στο σύνολο της. Το φίλτρο «προσπαθεί» να κάνει ευκρινέστερη την εικόνα αλλά με αυτόν τον τρόπο στην συγκεκριμένη εικόνα χάνονται οι λεπτομέρειες.

26 3) Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρου με 4 γείτονες φαίνεται στην παρακάτω εικόνα. (Εικόνα 25) Διασπορά: e+004 Εικόνα 25

27 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρου με 8 γείτονες φαίνεται στην παρακάτω εικόνα. (Εικόνα 26) Διασπορά: e+004 Εικόνα 26 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας στις εικόνες που εφαρμόσαμε Laplacian φίλτρο με γείτονες 4 και 8 είναι να έχουμε ευκρινέστερες και με περισσότερη λεποτομέρεια εικόνες από τις αντίστοιχες αυτών που εφαρμόσαμε μόνο Laplacian φίλτρο.

28 4) Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=0,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 27) Εικόνα 27

29 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=1,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 28) Εικόνα 28

30 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=2,5 και Laplacian φίλτρο με 4 γείτονες. (Εικόνα 29) Εικόνα 29

31 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=0,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 30) Εικόνα 30

32 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=1,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 31) Εικόνα 31

33 Εικόνα με εφαρμογή του Laplacian of Gaussian φίλτρου με Gaussian φίλτρο μεγέθους 3 και σ=2,5 και Laplacian φίλτρο με 8 γείτονες. (Εικόνα 32) Εικόνα 32 Όπως και στην εικόνα από το MRI αρχείο που μελετήσαμε έτσι και εδώ, η εφαρμογή Laplacian φίλτρου μετά από Gaussian φίλτρο μας δίνει σαν αποτέλεσμα να αυξηθεί η λεπτομέρεια στις εικόνες σε σχέση με την εφαρμογή μόνο του Laplacian φίλτρου. Αυξημένες λεπτομέρειες έχουμε όταν το σ είναι μικρό κατά το Gaussian φίλτρο. Όσο αυξάνεται το σ, χάνονται και λεπτομέρειες και η εικόνα χάνει την ευκρίνεια της. Η φωτεινότητα στο σύνολο της

34 εικόνας αυξάνεται όσο αυξάνεται το σ κατά το Gaussian φίλτρο. 5) Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=0,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 33) Διασπορά: e+004 Εικόνα 33

35 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=1,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 34) Διασπορά: e+004 Εικόνα 34

36 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 4 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=2,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 35) Διασπορά: e+004 Εικόνα 35

37 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=0,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 36) Διασπορά: e+004 Εικόνα 36

38 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=1,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 37) Διασπορά: e+004 Εικόνα 37

39 Το αποτέλεσμα της πρόσθεσης της αρχικής εικόνας με την εικόνα που έχει εφαρμοστεί Laplacian φίλτρο με 8 γείτονες και στην συνέχεια Gaussian φίλτρο μεγέθους 3 και σ=2,5 φαίνεται στην παρακάτω εικόνα. (Εικόνα 38) Διασπορά: e+004 Εικόνα 38 6) Οι παρατηρήσεις και σε αυτήν την εικόνα είναι παρόμοιες με την εικόνα MRI. Παρατηρούμε ότι κατά την εφαρμογή του Laplacian φίλτρου με 4 γείτονες η διασπορά είναι χαμηλή σε σύγκριση με τα αποτελέσματα της πρώτης εργασίας που πραγματοποίησα. Ενώ κατά την εφαρμογή του Laplacian φίλτρου με 8 γείτονες έχουμε την

40 μεγαλύτερη τιμή διασποράς σε σύγκριση και πάλι με την πρώτη εργασία. Κατά την εφαρμογή του Laplacian φίλτρου μετά από το Gaussian φίλτρο παρατηρούμε ότι η διασπορά μείωνεται όσο αυξάνεται το σ κάτι που το είχαμε παρατηρήσει και στην πρώτη εργασία. Η διασπορά κατά την εφαρμογή του Laplacian φίλτρου με 4 γείτονες και Gaussian με σ=2,5 είναι η χαμηλότερη τιμή που λαμβάνουμε για αυτήν την εικόνα ενώ στην εφαρμογή του Laplacian φίλτρο με 8 γείτονες έπειτα από Gaussian φίλτρο η διασπορά που λαμβάνουμε βρίσκεται σε μια μέση τιμή σε σύγκριση με τα αποτελέσματα που είχαμε λάβει κατά την πρώτη εργασία.

41 Β) Κατάτμηση λευκής ουσίας με την βοήθεια ιστογράμματος: Το ιστόγραμμα του αρχείου MRI: OAS1_0011_MR1_mpr_n4_anon_111_t88_maske d_gfc_whited φαίνεται παρακάτω. (Εικόνα 39) Εικόνα 39 Για αρχική τιμή κατωφλίου ίση με 200 και για 10 επαναλήψεις του αλγόριθμου, Τ= Για αρχική τιμή κατωφλίου ίση με 1000 και για 10 επαναλήψεις του αλγόριθμου, Τ= Για αρχική τιμή κατωφλίου ίση με 1500 και για 10 επαναλήψεις του αλγόριθμου, Τ= Για αρχική τιμή κατωφλίου ίση με 2000 και για 10 επαναλήψεις του αλγόριθμου, Τ=

42 Για αρχική τιμή κατωφλίου ίση με 2400 και για 10 επαναλήψεις του αλγόριθμου, Τ= Παρατηρούμε ότι όσο αυξάνουμε την αρχική τιμή του κατωφλίου η τελική τιμή για 10 επαναλήψεις του αλγόριθμου τείνει στο Χρησιμοποιούμε τιμή κατωφλίου την τιμή 990 και μαυρίζουμε τις φωτεινότητες από την πάνω μεριά του κατωφλίου. Ο κώδικας που χρησιμοποιήθηκε φαίνεται παρακάτω: for x=1:1:176 for y=1:1:208 for z=1:1:176 if (b(x,y,z)<990) %Timi katwfliou end end end else b(x,y,z)=0; end %mavrisma anw tou katwfliou όπου ο b είναι ο πίνακας που περιέχει την MRI εικόνα. Στην συνέχεια χρησιμποιούμε την τιμή κατωφλίου που χρησιμοποιήσαμε και στην προηγούμενη περίπτωση (990) για να μαυρίσουμε τις τιμές που βρίσκονται κάτω από αυτήν την τιμή κατωφλίου. Ο κώδικας που χρησιμοποιήθηκε φαίνεται παρακάτω: b=img; for x=1:1:176 for y=1:1:208 for z=1:1:176

43 if (b(x,y,z)<990) %Timi katwfliou kai analogws ean theloume na maurisoume katw i anw tou katwfliou vazoume kai tin katallili entoli ws sxolio. b(x,y,z)=0; %mavrisma katw tou katwfliou end end end end όπου ο b είναι ο πίνακας που περιέχει την MRI εικόνα. Παρακάτω φαίνεται ένα sagittal slice του MRI χωρίς επεξεργασία (Εικόνα 40): Εικόνα 40

44 Παρακάτω φαίνεται ένα sagittal slice του MRI με μαυρισμένες τις τιμές άνω του κατωφλίου (990) (Εικόνα 41): Εικόνα 41 Παρακάτω φαίνεται ένα sagittal slice του MRI με μαυρισμένες τις τιμές κάτω του κατωφλίου (990) (Εικόνα 42): Εικόνα 42 Παρατηρούμε ότι εάν προσθέσουμε τις εικόνες 41 και 42 θα έχουμε σαν αποτέλεσμα να πάρουμε την εικόνα 40.

45 Στην συνέχεια θα αναπαραστήσουμε το ιστόγραμμα της εικόνας και στο ίδιο διάγραμμα θα αναπαραστήσουμε και τις δέκα τιμές του κατωφλίου που λαμβάνουμε κατά τον επαναληπτικό αλγόριθμο, έχοντας θέσει σαν αρχικό κατώφλι την τιμή (Εικόνα 43) Εικόνα 43

46 Στην συνέχεια εμφανίζουμε το ιστόγραμμα για το MRI αρχείο: OAS1_0011_MR1_mpr_n4_anon_111_t88_maske d_gfc, το οποίο φαίνεται παρακάτω (Εικόνα 44): Εικόνα 44 Κατα την εφαρμογή του επαναληπτικού αλγόριθμου για 10 επαναλήψεις λαμβάνουμε τιμή κατωφλίου ίση με T= Είναι σημαντικό να παρατηρήσουμε ότι για οποιαδήποτε αρχική τιμή κατωφλίου μεταξύ η τελικά τιμή που θα πάρουμε για 10 επαναλήψεις είναι η ίδια.

47 Στην συνέχεια θα υπολογίσουμε τα ιστογράμματα για κάθε μία ουσία από τις, υγρά του εγκεφάλου, φαιά ουσία και λευκή ουσία, και θα τα αναπαραστήσουμε γραφικά σε ένα διάγραμμα. (Εικόνα 45) Εικόνα 45 Red: Ιστόγραμμα υγρών του εγκεφάλου Green: Ιστόγραμμα φαιάς ουσίας Blue: Ιστόγραμμα λευκής ουσίας

48 Από το ιστόγραμμα του MRI, OAS1_0011_MR1_mpr_n4_anon_111_t88_maske d_gfc, που απεικονείζεται στην εικόνα 44, παρατηρούμε ότι ένα κατώφλι θα μπορούσε να οριστεί στην φωτεινότητα Ο αλγόριθμος μας υπολόγισε την τιμή κατωφλίου ίση με 504. Επομένως υπολογίζοντας τα voxels που βρίσκονται σε αυτό το διάστημα θα υπολογίσουμε αυτά που βρίσκονται στην λάθος μεριά. Τα voxels που βρίσκονται σε αυτό το διάστημα με τον αλγόριθμο που αναπτύχθηκε στο matlab υπολογίστηκαν σε στα συνολικά pixels της εικόνας. Δηλαδή το 12% περίπου των voxels βρίσκονται στην λάθος μεριά με βάση το κατώφλι που χρησιμποιήθηκε. Από το ιστόγραμμα φαίνεται ότι στο τροποποιημένο MRI αρχείο ο αλγόριθμος λειτουργεί καλύτερα σε σχέση με το μη τροποποιημένο MRI αρχείο που το 12% των voxels βρίσκονται σε λάθος μεριά. Επίσης από τα ιστογράμματα κάθε μίας από τις ουσίες στον εγκέφαλο φαίνεται ότι οι φωτεινότητες έχουν πολύ μικρή αλληλοκάλυψη μεταξύ τους, το οποίο είναι θετικό στοιχείο.

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Ακμές και περιγράμματα Ακμές και περιγράμματα Γενικά Μεγάλο τμήμα της πληροφορίας που γίνεται αντιληπτή

Διαβάστε περισσότερα

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας. Ένας αποδεκτός ορισμός της ακμής είναι ο ακόλουθος: «Το σύνορο μεταξύ δύο ομοιογενών περιοχών με

Διαβάστε περισσότερα

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 8 ο. Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 8 ο Ανίχνευση Ακμών ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα ένας ευρέως αποδεκτός ορισμός της ακμής. Εδώ θα θεωρούμε ως ακμή:

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 2: Βελτιστοποίηση Εικόνας.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 2: Βελτιστοποίηση Εικόνας. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 2: Βελτιστοποίηση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 50: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 005 006, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 2 : Βελτιστοποίηση εικόνας (Image enhancement) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το

Διαβάστε περισσότερα

6-Aνίχνευση. Ακμών - Περιγράμματος

6-Aνίχνευση. Ακμών - Περιγράμματος 6-Aνίχνευση Ακμών - Περιγράμματος Ανίχνευση ακμών Μετατροπή 2 εικόνας σε σύνολο ακμών Εξαγωγή βασικών χαρακτηριστικών της εικόνας Πιο «συμπαγής» αναπαράσταση Ανίχνευση ακμών Στόχος: ανίχνευση ασυνεχειών

Διαβάστε περισσότερα

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Επεξεργασία Ιατρικών Εικόνων

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Intensity Transformations Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Image Enhancement: είναι

Διαβάστε περισσότερα

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης

Ακαδημαϊκό Έτος , Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΚΕΣ 3: ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΚΑΙ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ Ακαδημαϊκό Έτος 7 8, Χειμερινό Εξάμηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ Το παρόν

Διαβάστε περισσότερα

Εργαστήριο ADICV2. Image filtering. Κώστας Μαριάς

Εργαστήριο ADICV2. Image filtering. Κώστας Μαριάς Εργαστήριο ADICV2 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab Στη συνέχεια θα

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Χωρικό φιλτράρισμα Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 008. Χωρικού Φιλτράρισμα Η μηχανική

Διαβάστε περισσότερα

Τηλεπισκόπηση - Φωτοερμηνεία

Τηλεπισκόπηση - Φωτοερμηνεία ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας

Διαβάστε περισσότερα

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων

Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης Ραδιομετρική Ενίσχυση - Χωρική Επεξεργασία Δορυφορικών Εικόνων Ιωάννης Φαρασλής Τηλ : 24210-74466,

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Αποκατάσταση

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 4 η : Βελτίωση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές βελτίωσης εικόνας

Διαβάστε περισσότερα

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Σημειακή επεξεργασία και μετασχηματισμοί Κατηγορίες μετασχηματισμού εικόνων Σημειακοί μετασχηματισμοί

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ Ψηφιακή Επεξεργασία Εικόνας ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση (Segmentation)

Διαβάστε περισσότερα

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας

Ε.Α.Υ. Υπολογιστική Όραση. Κατάτμηση Εικόνας Ε.Α.Υ. Υπολογιστική Όραση Κατάτμηση Εικόνας Γεώργιος Παπαϊωάννου 2015 ΚΑΤΩΦΛΙΩΣΗ Κατωφλίωση - Γενικά Είναι η πιο απλή μέθοδος segmentation εικόνας Χωρίζουμε την εικόνα σε 2 (binary) ή περισσότερες στάθμες

Διαβάστε περισσότερα

. Βάθος χρώματος: Πραγματικό χρώμα. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 8bit. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 1bit.

. Βάθος χρώματος: Πραγματικό χρώμα. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 8bit. . Βάθος χρώματος: Αποχρώσεις του γκρίζου 1bit. Α ΤΕΙ ΑΘΗΝΑΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ, ΤΜΗΜΑ ΗΛΕΚΤΡΟΝΙΚΗΣ ΕΞΕΤΑΣΤΙΚΗ ΠΕΡΙΟΔΟΣ: A ΧΕΙΜΕΡΙΝΟ 2011-2012 ΕΞΕΤΑΣΕΙΣ ΣΤΟ ΜΑΘΗΜΑ: ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ ΚΑΙ ΗΧΟΣ (7-2-2012) Διάρκεια εξέτασης: 2.0 ώρες (08:00 10:30)

Διαβάστε περισσότερα

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση

Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση Χειμερινό Εξάμηνο 2013-2014 Μετάδοση Πολυμεσικών Υπηρεσιών Ψηφιακή Τηλεόραση 5 η Παρουσίαση : Ψηφιακή Επεξεργασία Εικόνας Διδάσκων: Γιάννης Ντόκας Σύνθεση Χρωμάτων Αφαιρετική Παραγωγή Χρώματος Χρωματικά

Διαβάστε περισσότερα

Μάθημα: Μηχανική Όραση

Μάθημα: Μηχανική Όραση Μάθημα: Μηχανική Όραση Εργασία 2: Advances in Digital Imaging and Computer Vision Ομάδα χρηστών 2 : Τσαγκαράκης Νίκος, Καραμήτρος Κώστας Εισαγωγή Σκοπός της άσκησης, είναι να εξοικειωθούμε με κάποιες βασικές

Διαβάστε περισσότερα

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά

ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Αντικείμενο: Εξαγωγή ιστογράμματος εικόνας, απλοί μετασχηματισμοί με αυτό, ισοστάθμιση ιστογράμματος. Εφαρμογή βασικών παραθύρων με την βοήθεια του ΜΑΤLAB

Διαβάστε περισσότερα

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές

Διαβάστε περισσότερα

Ασκήσεις Επεξεργασίας Εικόνας

Ασκήσεις Επεξεργασίας Εικόνας Ασκήσεις Επεξεργασίας Εικόνας. Εύρεση στοιχείων μιας περιοχής με ιδιότητα συγκεκριμένης γειτονιάς Άσκηση. Έστω δύο υποσύνολα πίνακα εικόνας S και S2 η οποία φαίνεται στο σχήμα παρακάτω. Για σύνολο τιμών

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 3 : Αποκατάσταση εικόνας (Image Restoration) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν

Διαβάστε περισσότερα

Παρουσίαση Νο. 5 Βελτίωση εικόνας

Παρουσίαση Νο. 5 Βελτίωση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 5 Βελτίωση εικόνας Εισαγωγή Η βελτίωση γίνεται σε υποκειμενική βάση Η απόδοση εξαρτάται από την εφαρμογή Οι τεχνικές είναι συνήθως ad hoc Τονίζει

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά

Διαβάστε περισσότερα

Advances in Digital Imaging and Computer Vision

Advances in Digital Imaging and Computer Vision Advances in Digital Imaging and Computer Vision Lecture and Lab 4 th part 12/3/2018 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Βασικές έννοιες επεξεργασίας Φιλτράρισμα στο χωρικό

Διαβάστε περισσότερα

Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών. «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και. Ρομποτικής» Assignment 2

Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών. «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και. Ρομποτικής» Assignment 2 Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών «Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής» ΜΑΘΗΜΑ Μηχανική Όραση ΑΝΑΦΟΡΑ ΕΡΓΑΣΙΑΣ Assignment 2 ΣΠΟΥΔΑΣΤΕΣ Λεμωνιά Κατερίνα Πορφυράκης Μανώλης

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 3: Αποκατάσταση Εικόνας.

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 3: Αποκατάσταση Εικόνας. ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 3: Αποκατάσταση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ Π. ΑΣΒΕΣΤΑΣ Επ. Καθηγητής Τμήμα Μηχανικών Βιοϊατρικής Τεχνολογίας ΤΕΙ Αθήνας Email: pasv@teiath.gr ΠΕΡΙΕΧΟΜΕΝΑ Αναπαράσταση εικόνας Ιστόγραμμα Εξισορρόπηση ιστογράμματος Κατωφλίωση

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46

Ψηφιακή Επεξεργασία Εικόνας. Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Ψηφιακή Επεξεργασία Εικόνας Σ. Φωτόπουλος ΨΕΕ ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΔΠΜΣ ΗΕΠ 1/46 Περιλαμβάνει: Βελτίωση (Enhancement) Ανακατασκευή (Restoration) Κωδικοποίηση (Coding) Ανάλυση, Κατανόηση Τμηματοποίηση

Διαβάστε περισσότερα

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ

ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΠΑΝΕΠΙΣΤΗΜΙΟ ΑΘΗΝΩΝ ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΠΑΡΑΔΕΙΓΜΑΤΑ ΜΕ ΧΡΗΣΗ MATLAB ΑΘΑΝΑΣΙΑ ΚΟΛΟΒΟΥ (Ε.Τ.Ε.Π.) 2012 ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ο σκοπός αυτού

Διαβάστε περισσότερα

DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης

DIP_04 Σημειακή επεξεργασία. ΤΕΙ Κρήτης DIP_04 Σημειακή επεξεργασία ΤΕΙ Κρήτης ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός μιας τέτοιας τεχνικής μπορεί να είναι: η βελτιστοποίηση της οπτικής εμφάνισης μιας εικόνας όπως την αντιλαμβάνεται ο άνθρωπος, η τροποποίηση

Διαβάστε περισσότερα

ΚΕΣ 03: Αναγνώριση Προτύπων και Ανάλυση Εικόνας. KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας. Κατάτµηση Εικόνων:

ΚΕΣ 03: Αναγνώριση Προτύπων και Ανάλυση Εικόνας. KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας. Κατάτµηση Εικόνων: KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση Εικόνων: Ανίχνευση Ακµών Τµήµα Επιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας

Διαβάστε περισσότερα

ΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής

ΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής ΖΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ Προηγμένα Συστήματα Παραγωγής, Αυτοματισμού και Ρομποτικής ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ ΕΡΓΑΣΙΑ 1 ΣΠΟΥΔΑΣΤΕΣ: ΥΠΕΥΘΗΝΟΣ ΚΑΘΗΓΗΤΗΣ : ΒΛΑΧΑΚΗΣ ΜΙΧΑΛΗΣ(Α.Μ:ΜΗ81) ΓΛΑΜΠΕΔΑΚΗΣ

Διαβάστε περισσότερα

Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab

Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab ATEI Κρήτης Παράρτημα Χανίων τμ. Ηλεκτρονικής Προηγμένες εφαρμογές των μαθηματικών στην ψηφιακή επεξεργασία σήματος με χρήση της Matlab Iterative Shadowgraphic Method (ISM) Παναγιώτης Αργυρέας 5/12/2010

Διαβάστε περισσότερα

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Εισαγωγή Τι είναι η εικόνα; Μια οπτική αναπαράσταση με την μορφή μιας συνάρτησης f(x, y) όπου η

Διαβάστε περισσότερα

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ

ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ ΑΣΚΗΣΗ 2 ΒΑΣΙΚΑ ΚΑΙ ΣΥΝΘΕΤΑ ΣΗΜΑΤΑ ΔΥΟ ΔΙΑΣΤΑΣΕΩΝ - ΕΙΚΟΝΑΣ Αντικείμενο: Κατανόηση και αναπαράσταση των βασικών σημάτων δύο διαστάσεων και απεικόνισης αυτών σε εικόνα. Δημιουργία και επεξεργασία των διαφόρων

Διαβάστε περισσότερα

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ

ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΙΑΤΡΙΚΗ ΑΠΕΙΚΟΝΙΣΗ & ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΙΑΤΡΙΚΗΣ ΕΙΚΟΝΑΣ ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΕΠ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ Εισαγωγή Σχηματισμός Εικόνας

Διαβάστε περισσότερα

Advances in Digital Imaging and Computer Vision

Advances in Digital Imaging and Computer Vision Advances in Digital Imaging and Computer Vision Lecture and Lab 5-6 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Σημειακή Επεξεργασία Εικόνας Point processing All/Erasmus students:

Διαβάστε περισσότερα

Εργαστήριο ADICV3. Image filtering, Point Processing and Histogram Equalisation. Κώστας Μαριάς 20/3/2017

Εργαστήριο ADICV3. Image filtering, Point Processing and Histogram Equalisation. Κώστας Μαριάς 20/3/2017 Εργαστήριο ADICV3 Image filtering, Point Processing and Histogram Equalisation Κώστας Μαριάς 20/3/2017 Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε

Διαβάστε περισσότερα

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης

Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα

Διαβάστε περισσότερα

Βιοϊατρική τεχνολογία

Βιοϊατρική τεχνολογία Τμήμα Μηχανικών Πληροφορικής & Τηλεπικοινωνιών Βιοϊατρική τεχνολογία Ενότητα 3: Επεξεργασία σημείων Αν. καθηγητής Αγγελίδης Παντελής e-mail: paggelidis@uowm.gr ΕΕΔΙΠ Μπέλλου Σοφία e-mail: sbellou@uowm.gr

Διαβάστε περισσότερα

Επεξεργασία εικόνας για την επιφανειακή ανάλυση του ανάγλυφου του ξύλου

Επεξεργασία εικόνας για την επιφανειακή ανάλυση του ανάγλυφου του ξύλου Αριστοτέλειο Πανεπιστήμιο Θεσσαλονίκης Σχολή Δασολογίας και Φυσικού Περιβάλλοντος Εργαστήριο Δασικής Πληροφορικής Επεξεργασία εικόνας για την επιφανειακή ανάλυση του ανάγλυφου του ξύλου Μεταπτυχιακή Διατριβή

Διαβάστε περισσότερα

ΑΠΑΝΤΗΣΕΙΣ. H διαδικασία ανεύρεσης λογικών λαθών περιλαμβάνει : β- Σωστό. Διαπίστωση του είδους του λάθους γ- Σωστό δ- Λάθος

ΑΠΑΝΤΗΣΕΙΣ. H διαδικασία ανεύρεσης λογικών λαθών περιλαμβάνει : β- Σωστό. Διαπίστωση του είδους του λάθους γ- Σωστό δ- Λάθος ΑΡΧΗ 1ΗΣ ΣΕΛΙΔΑΣ Γ ΤΑΞΗ ΕΠΑΛ (ΟΜΑΔΑ Α ) & ΜΑΘΗΜΑΤΩΝ ΕΙΔΙΚΟΤΗΤΑΣ ΕΠΑΛ (ΟΜΑΔΑ Β ) ΤΕΤΑΡΤΗ 08/04/2015 - ΕΞΕΤΑΖΟΜΕΝΟ ΜΑΘΗΜΑ: ΔΟΜΗΜΕΝΟΣ ΠΡΟΓΡΑΜΜΑΤΙΣΜΟΣ ΣΥΝΟΛΟ ΣΕΛΙΔΩΝ: ΟΚΤΩ (8) ΘΕΜΑ Α ΑΠΑΝΤΗΣΕΙΣ Α1. Α2. α-

Διαβάστε περισσότερα

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών.

ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011. Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. 1 ΑΝΤΩΝΙΟΣ ΛΥΡΩΝΗΣ ΧΑΝΙΑ 2011 2 Σκοπός Εργασίας Εντοπισμός πλίνθων σε σειρά ορθοφωτογραφιών και εξαγωγή δισδιάστατης αποτύπωσης των τειχών. Ενδεδειγμένες και αξιόπιστες μέθοδοι αποτύπωσης Εμπειρικές Τοπογραφικές

Διαβάστε περισσότερα

ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ 1... 2

ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ 1... 2 ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ 1... 2 ΕΙΣΑΓΩΓΗ... 2 1.1 Οι Τύποι Εικόνων και η οµή τους στο MATLAB... 3 1.1.1 Ενδεικτικές (indexed) εικόνες...

Διαβάστε περισσότερα

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_05 Τμηματοποίηση εικόνας. ΤΕΙ Κρήτης DIP_05 Τμηματοποίηση εικόνας ΤΕΙ Κρήτης ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Τμηματοποίηση εικόνας είναι η διαδικασία με την οποία διαχωρίζεται μία εικόνα σε κατάλληλες περιοχές ή αντικείμενα. Για την τμηματοποίηση

Διαβάστε περισσότερα

Εργαστήριο ADICV2 Labs 2-6

Εργαστήριο ADICV2 Labs 2-6 Εργαστήριο ADICV2 Labs 2-6 Image filtering Κώστας Μαριάς Image Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab Σκοπός εργαστηρίου Θα φτιάξουμε ένα ΦΙΛΤΡΟ ΜΕΣΗΣ ΤΙΜΗΣ (mean FILTER) σε matlab

Διαβάστε περισσότερα

Νοέμβριος 2005 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/53

Νοέμβριος 2005 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/53 Νοέμβριος 5 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /53 Ακμή ή περίγραμμα (edge) σεμιαεικόναχ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική αλλαγή

Διαβάστε περισσότερα

Εργαστήριο ADICV1. Image Boundary detection and filtering. Κώστας Μαριάς 13/3/2017

Εργαστήριο ADICV1. Image Boundary detection and filtering. Κώστας Μαριάς 13/3/2017 Εργαστήριο ADICV1 Image Boundary detection and filtering Κώστας Μαριάς 13/3/2017 Boundary Detection 2 Γείτονες και περίγραμμα εικόνας Ορίζουμε ως V το σύνολο των τιμών εντάσεων εικόνας για να ορίσουμε

Διαβάστε περισσότερα

7.5 Ενδιάμεσο επίπεδο επεξεργασίας εικόνας

7.5 Ενδιάμεσο επίπεδο επεξεργασίας εικόνας 7.5 Ενδιάμεσο επίπεδο επεξεργασίας εικόνας 7.5.1 Εισαγωγή Kάθε σύστημα επεξεργασίας εικόνας έχει ένα συγκεκριμένο σκοπό λειτουργίας. Παραδείγματος χάριν, διαφορετικές απαιτήσεις θα έχει μια βιομηχανία

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ4 -1- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION)

Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ4 -1- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION) -- ΑNIΧΝΕΥΣΗ ΑΚΜΩΝ (EDGE DETECTION) 4. Εισαγωγικά Ακµή ή περίγραµµα (edge) σε µια εικόνα Χ ij ορίζεται ως το σύνολο των σηµείων στη θέση i,j της εικόνας, όπου παρατηρείται µία σηµαντική αλλαγή της έντασης

Διαβάστε περισσότερα

ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ

ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΜΕΤΑΠΤΥΧΙΑΚΟ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ "ΣΥΣΤΗΜΑΤΑ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ" ΜΕΘΟΔΟΙ ΣΥΝΘΕΣΗΣ ΕΙΚΟΝΩΝ ΥΨΗΛΗΣ ΑΝΑΛΥΣΗΣ ΑΠΟ ΕΙΚΟΝΕΣ ΧΑΜΗΛΟΤΕΡΗΣ ΑΝΑΛΥΣΗΣ ΚΛΑΡΟΥΔΑΣ ΕΥΑΓΓΕΛΟΣ

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 3η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ

ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 3η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ & ΡΟΜΠΟΤΙΚΗΣ 01 ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ 3η ΕΡΓΑΣΙΑ ΣΠΟΥΔΑΣΤΕΣ:

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση 12 η. Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση 12 η Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων Εισαγωγή (1) Το χρώμα είναι ένας πολύ σημαντικός παράγοντας περιγραφής, που συχνά απλουστεύει κατά

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνας

Ψηφιακή Επεξεργασία Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 6 : Κωδικοποίηση & Συμπίεση εικόνας Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό

Διαβάστε περισσότερα

Advances in Digital Imaging and Computer Vision

Advances in Digital Imaging and Computer Vision Advances in Digital Imaging and Computer Vision Lecture and Lab 3 27/3/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Σημειακή Επεξεργασία Εικόνας (point processing), μετασχηματισμοί

Διαβάστε περισσότερα

Digital Image Processing

Digital Image Processing Digital Image Processing Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Εισαγωγικά Γενικά Πληροφορίες Στόχοι Θεωρία Εργαστήριο

Διαβάστε περισσότερα

ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ

ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΤΕΙ 2.2.2.3ζ ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΓΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ Εγχειρίδιο χρήσης λογισμικού ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΕΥΘΥΝΟΣ: ΣΤΡΟΥΘΟΠΟΥΛΟΣ ΧΑΡΑΛΑΜΠΟΣ ΣΕΡΡΕΣ, ΜΑΙΟΣ 2007 ΠΕΡΙΕΧΟΜΕΝΑ

Διαβάστε περισσότερα

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ

Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ Ε π ι μ έ λ ε ι α Κ Ο Λ Λ Α Σ Α Ν Τ Ω Ν Η Σ Θέμα εξετάσεων 2000 Εξετάσαμε 50 μαθητές ως προς τα βιβλία που έχουν διαβάσει και διαπιστώσαμε ότι: 5 μαθητές δεν έχουν διαβάσει κανένα βιβλίο, 15 μαθητές έχουν

Διαβάστε περισσότερα

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό

27-Ιαν-2009 ΗΜΥ 429. 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό ΗΜΥ 429 2. (ι) Βασική στατιστική (ιι) Μετατροπές: αναλογικό-σεψηφιακό και ψηφιακό-σε-αναλογικό 1 (i) Βασική στατιστική 2 Στατιστική Vs Πιθανότητες Στατιστική: επιτρέπει μέτρηση και αναγνώριση θορύβου και

Διαβάστε περισσότερα

Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων

Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων Μέθοδοι Τμηματοποίησης Ψηφιακής Εικόνας με Εφαρμογή στην Ανάλυση Βιοϊατρικών Εικόνων Μαρία Δ. Πελώνη Μαρία Α. Τσεμεντζή Α.Τ.Ε.Ι. Καβάλας Διαχείριση Πληροφοριών Επιβλέπων: Δρ. Γκούμας Στέφανος Επίκουρος

Διαβάστε περισσότερα

Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα

Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Ενότητα 3: Μετασχηµατισµοί Έντασης & Χωρικό Φιλτράρισµα Βασικές Έννοιες Διεργασίες στο πεδίο του χώρου f(x, y) : εικόνα εισόδου g(x, y) : εικόνα εισόδου g x, y = T f(x, y) T : τελεστής που εφαρµόζεται

Διαβάστε περισσότερα

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ

ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ ΑΝΑΠΤΥΞΗ ΕΦΑΡΜΟΓΩΝ ΣΕ ΠΡΟΓΡΑΜΜΑΤΙΣΤΙΚΟ ΠΕΡΙΒΑΛΛΟΝ Εξετάσεις Προσομοίωσης 06/04/2015 Θέμα Α Α1. Να γράψετε στο τετράδιο σας τον αριθμό κάθε πρότασης και δίπλα τη λέξη ΣΩΣΤΟ, αν είναι σωστή και ΛΑΘΟΣ αν

Διαβάστε περισσότερα

DIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης

DIP_04 Βελτιστοποίηση εικόνας. ΤΕΙ Κρήτης DIP_04 Βελτιστοποίηση εικόνας ΤΕΙ Κρήτης ΒΕΛΤΙΣΤΟΠΟΙΗΣΗ ΕΙΚΟΝΑΣ Σκοπός µιας τέτοιας τεχνικής µπορεί να είναι: η βελτιστοποίηση της οπτικής εµφάνισης µιας εικόνας όπως την αντιλαµβάνεται ο άνθρωπος, η τροποποίηση

Διαβάστε περισσότερα

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο

Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοημοσύνη Ι» 5 o Φροντιστήριο Πρόβλημα ο Ασκήσεις Φροντιστηρίου 5 o Φροντιστήριο Δίνεται το παρακάτω σύνολο εκπαίδευσης: # Είσοδος Κατηγορία 0 0 0 Α 2 0 0 Α 0 Β 4 0 0 Α 5 0 Β 6 0 0 Α 7 0 Β 8 Β α) Στον παρακάτω κύβο τοποθετείστε τα

Διαβάστε περισσότερα

ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 2η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ

ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ. 2η ΕΡΓΑΣΙΑ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΔΙΑΤΜΗΜΑΤΙΚΟ ΠΡΟΓΡΑΜΜΑ ΜΕΤΑΠΤΥΧΙΑΚΩΝ ΣΠΟΥΔΩΝ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ & ΡΟΜΠΟΤΙΚΗΣ ΜΗΧΑΝΙΚΗ ΟΡΑΣΗ 2η ΕΡΓΑΣΙΑ ΣΠΟΥΔΑΣΤΕΣ:

Διαβάστε περισσότερα

Συστήµατα και Αλγόριθµοι Πολυµέσων

Συστήµατα και Αλγόριθµοι Πολυµέσων Συστήµατα και Αλγόριθµοι Πολυµέσων Ιωάννης Χαρ. Κατσαβουνίδης Οµιλία #3: Αρχές Επεξεργασίας Σηµάτων Πολυµέσων 10 Οκτωβρίου 005 Επανάλειψη (1) ειγµατοληψία επανα-δειγµατοληψία Τεχνικές φίλτρων (συνέλειξη)

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ. Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ενότητα 4: Δειγματοληψία και Κβάντιση Εικόνας Ιωάννης Έλληνας Τμήμα Υπολογιστικών Συστημάτων Άδειες Χρήσης

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 8 η : Κατάτμηση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στην κατάτμηση εικόνας Τεχνικές

Διαβάστε περισσότερα

ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ

ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ ΜΕΡΟΣ Α: Στοιχεία ψηφιακής επεξεργασίας & ανάλυσης εικόνας µε τη βοήθεια MATLAB ΚΕΦΑΛΑΙΟ 1... 2 ΕΙΣΑΓΩΓΗ... 2 1.1 Οι Τύποι Εικόνων και η οµή τους στο MATLAB... 3 1.1.1 Ενδεικτικές (indexed) εικόνες...

Διαβάστε περισσότερα

2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ

2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ 2.0 ΒΑΣΙΚΕΣ ΓΝΩΣΕΙΣ-ΟΡΟΛΟΓΙΕΣ Η σάρωση ενός εγγράφου εισάγει στον υπολογιστή μια εικόνα, ενώ η εκτύπωση μεταφέρει στο χαρτί μια εικόνα από αυτόν. Για να αντιληφθούμε επομένως τα χαρακτηριστικά των σαρωτών

Διαβάστε περισσότερα

«Τεχνικές επεξεργασίας για βελτιστοποίηση υπερηχογραφικών εικόνων και εξαγωγή χαρακτηριστικών, με χρήση του Matlab.»

«Τεχνικές επεξεργασίας για βελτιστοποίηση υπερηχογραφικών εικόνων και εξαγωγή χαρακτηριστικών, με χρήση του Matlab.» ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕΔΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ Τμήμα Εφαρμοσμένης Πληροφορικής, Πρόγραμμα Μεταπτυχιακών Σπουδών Ειδίκευσης Συστήματα Υπολογιστών «Τεχνικές επεξεργασίας για βελτιστοποίηση

Διαβάστε περισσότερα

Μια εισαγωγή στο φίλτρο Kalman

Μια εισαγωγή στο φίλτρο Kalman 1 Μια εισαγωγή στο φίλτρο Kalman Το 1960, R.E. Kalman δημόσιευσε το διάσημο έγγραφό του περιγράφοντας μια επαναλαμβανόμενη λύση στο γραμμικό πρόβλημα φιλτραρίσματος διακριτών δεδομένων. Από εκείνη τη στιγμή,

Διαβάστε περισσότερα

Σκοπός. Εργαστήριο 6 Εντολές Επανάληψης

Σκοπός. Εργαστήριο 6 Εντολές Επανάληψης Εργαστήριο 6 Εντολές Επανάληψης Η δομή Επιλογής στη PASCAL H δομή Επανάληψης στη PASCAL. Ρεύμα Εισόδου / Εξόδου.. Ρεύμα Εισόδου / Εξόδου. To πρόγραμμα γραφικών gnuplot. Γραφικά στη PASCAL. Σκοπός 6.1 ΕΠΙΔΙΩΞΗ

Διαβάστε περισσότερα

ΑΕΠΠ 4o Επαναληπτικό Διαγώνισμα

ΑΕΠΠ 4o Επαναληπτικό Διαγώνισμα ΑΕΠΠ 4o Επαναληπτικό Διαγώνισμα Ονοματεπώνυμο: ΘΕΜΑ 1 A. Να γράψετε τους κανόνες που πρέπει να ακολουθούνται στη χρήση των εμφωλευμένων βρόχων. B. Να χαρακτηρίσετε ως σωστή (Σ) ή λάθος (Λ) καθεμία από

Διαβάστε περισσότερα

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 9 ο Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ Εισαγωγή () Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και αντικείμενα. Μία περιοχή αναμένεται να έχει ομοιογενή χαρακτηριστικά

Διαβάστε περισσότερα

ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΟΡΘΟΠΕΔΙΚΩΝ ΔΕΔΟΜΕΝΩΝ

ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΟΡΘΟΠΕΔΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΣΥΣΤΗΜΑΤΩΝ ΜΕΤΑΔΟΣΗΣ ΠΛΗΡΟΦΟΡΙΑΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΥΛΙΚΩΝ ΤΜΗΜΑΤΟΠΟΙΗΣΗ ΟΡΘΟΠΕΔΙΚΩΝ ΔΕΔΟΜΕΝΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

Διαβάστε περισσότερα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα

Ανάλυση Διασποράς Ανάλυση Διασποράς διακύμανση κατά παράγοντες διακύμανση σφάλματος Παράδειγμα 1: Ισομεγέθη δείγματα Ανάλυση Διασποράς Έστω ότι μας δίνονται δείγματα που προέρχονται από άγνωστους πληθυσμούς. Πόσο διαφέρουν οι μέσες τιμές τους; Με άλλα λόγια: πόσο πιθανό είναι να προέρχονται από πληθυσμούς με την ίδια

Διαβάστε περισσότερα

Γεωμετρικοί μετασχηματιμοί εικόνας

Γεωμετρικοί μετασχηματιμοί εικόνας Γεωμετρικοί μετασχηματιμοί εικόνας Μάθημα: Υπολογιστική Οραση 1 Γεωμετρικοί Μετασχηματισμοί Ορισμός σημείου στονευκλείδιοχώρο: p=[x p,y p,z p ] T, όπου x p, y p, z p πραγματικοί αριθμοί. ΕστωΕ 3 τοσύνολοτωνp.

Διαβάστε περισσότερα

Β. Γάτος, Ψηφιακή Επεξεργασία και Αναγνώριση Εγγράφων

Β. Γάτος, Ψηφιακή Επεξεργασία και Αναγνώριση Εγγράφων Κεφάλαιο 2 Δυαδική μετατροπή 2.1 Γενικά για την δυαδική μετατροπή Η δυαδική μετατροπή των εικόνων (binarizaion - hresholding) είναι το πρώτο βήμα των περισσοτέρων συστημάτων ανάλυσης και επεξεργασίας εγγράφων

Διαβάστε περισσότερα

Ψηφιακή Επεξεργασία Εικόνων

Ψηφιακή Επεξεργασία Εικόνων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΡΗΤΗΣ Ψηφιακή Επεξεργασία Εικόνων Ενότητα # 15: Τμηματοποίηση σε τοπολογικά συνεκτικές περιοχές Καθηγητής Γιώργος Τζιρίτας Τμήμα Επιστήμης Υπολογιστών Διαμέριση σε συνεκτικές

Διαβάστε περισσότερα

Συμπίεση Πολυμεσικών Δεδομένων

Συμπίεση Πολυμεσικών Δεδομένων Συμπίεση Πολυμεσικών Δεδομένων Εισαγωγή στο πρόβλημα και επιλεγμένες εφαρμογές Παράδειγμα 2: Συμπίεση Εικόνας ΔΠΜΣ ΜΥΑ, Ιούνιος 2011 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας

Διαβάστε περισσότερα

Φύλλο εργασίας 3 - Χριστουγεννιάτικα φωτάκια (σταδιακή αύξηση και μείωση φωτεινότητας ενός LED) Το κύκλωμα σε breadboard

Φύλλο εργασίας 3 - Χριστουγεννιάτικα φωτάκια (σταδιακή αύξηση και μείωση φωτεινότητας ενός LED) Το κύκλωμα σε breadboard Φύλλο εργασίας 3 - Χριστουγεννιάτικα φωτάκια (σταδιακή αύξηση και μείωση φωτεινότητας ενός LED) Στην δραστηριότητα αυτή θα χρησιμοποιήσουμε ένα LED το οποίο θα ανάβει σταδιακά και όταν θα φτάσει στη μέγιστη

Διαβάστε περισσότερα

n sin 1 n. 2 n n+1 6 n. = 1. = 1 2, = 13 4.

n sin 1 n. 2 n n+1 6 n. = 1. = 1 2, = 13 4. ΑΠΕΙΡΟΣΤΙΚΟΣ ΛΟΓΙΣΜΟΣ Ι ΟΛΟΗΜΕΡΟ ΕΡΓΑΣΤΗΡΙΟ ΠΡΟΒΛΗΜΑΤΩΝ Λύσεις ασκήσεων φυλλαδίου. Άσκηση : Εξετάστε ως προς τη σύγκλιση τη σειρά si. Λύση: Παρατηρούμε ότι si 0 άρα η σειρά δεν συγκλίνει. Συγκεκριμένα

Διαβάστε περισσότερα

Β2.5 Οθόνες. Εικόνα 46 Μια οθόνη αποτελείται από εικονοστοιχεία, το καθένα από αυτά έχει τρείς φωτεινές πηγές, για κόκκινο, πράσινο και μπλε χρώμα

Β2.5 Οθόνες. Εικόνα 46 Μια οθόνη αποτελείται από εικονοστοιχεία, το καθένα από αυτά έχει τρείς φωτεινές πηγές, για κόκκινο, πράσινο και μπλε χρώμα Β2.5 Οθόνες Τι θα μάθουμε σήμερα: Να αναγνωρίζουμε και να αναφέρουμε τα κύρια χαρακτηριστικά μιας οθόνης (τεχνολογία, ανάλυση, μέγεθος, κόστος, κ.λπ.) Να αναγνωρίζουμε και να αναφέρουμε τις μονάδες μέτρησης

Διαβάστε περισσότερα

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Πληροφορική. Εργαστηριακή Ενότητα 6 η : Ταξινόμηση & Ομαδοποίηση Δεδομένων

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Πληροφορική. Εργαστηριακή Ενότητα 6 η : Ταξινόμηση & Ομαδοποίηση Δεδομένων ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Πληροφορική Εργαστηριακή Ενότητα 6 η : Ταξινόμηση & Ομαδοποίηση Δεδομένων Ι. Ψαρομήλιγκος Τμήμα Λογιστικής & Χρηματοοικονομικής

Διαβάστε περισσότερα

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Μάθημα 9 ο. Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Μάθημα 9 ο Κατάτμηση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ Εισαγωγή () Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και αντικείμενα. Μία περιοχή αναμένεται να έχει ομοιογενή χαρακτηριστικά

Διαβάστε περισσότερα

Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η

Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η Ε Ρ Γ Α Σ Τ Η Ρ Ι Α9 Κ Η Α Σ Κ Η Σ Η Επεξεργασία Σήματος VIDEO σε Πραγματικό Χρόνο 1. Εισαγωγή Σκοπός της άσκησης αυτής είναι η υλοποίηση-επίδειξη αλγορίθμων επεξεργασίας σημάτων video σε πραγματικό χρόνο

Διαβάστε περισσότερα

Λυσεις προβλημάτων τελικής φάσης Παγκύπριου Μαθητικού Διαγωνισμού Πληροφορικής 2007

Λυσεις προβλημάτων τελικής φάσης Παγκύπριου Μαθητικού Διαγωνισμού Πληροφορικής 2007 Λυσεις προβλημάτων τελικής φάσης Παγκύπριου Μαθητικού Διαγωνισμού Πληροφορικής 2007 Πρόβλημα 1 Το πρώτο πρόβλημα λύνεται με τη μέθοδο του Δυναμικού Προγραμματισμού. Για να το λύσουμε με Δυναμικό Προγραμματισμό

Διαβάστε περισσότερα

Υλοποίηση Αλγόριθμου Ανίχνευσης Ακμών σε προγραμματιζόμενη ψηφίδα Xilinx ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ

Υλοποίηση Αλγόριθμου Ανίχνευσης Ακμών σε προγραμματιζόμενη ψηφίδα Xilinx ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ ΕΘΝΙΚΟ ΜΕΤΣΟΒΙΟ ΠΟΛΥΤΕΧΝΕΙΟ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ ΚΑΙ ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ ΤΟΜΕΑΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ Υλοποίηση Αλγόριθμου Ανίχνευσης Ακμών σε προγραμματιζόμενη ψηφίδα Xilinx ΔΙΠΛΩΜΑΤΙΚΗ

Διαβάστε περισσότερα

Αλγόριθμος Ομαδοποίησης

Αλγόριθμος Ομαδοποίησης Αλγόριθμος Ομαδοποίησης Εμπειρίες από τη μελέτη αναλλοίωτων χαρακτηριστικών και ταξινομητών για συστήματα OCR Μορφονιός Κωνσταντίνος Αθήνα, Ιανουάριος 2002 Γενικά Ένα σύστημα OCR χρησιμοποιείται για την

Διαβάστε περισσότερα

Μορφοποίηση της διάταξης ψηφιακού χάρτη

Μορφοποίηση της διάταξης ψηφιακού χάρτη Ενότητα 11 η Μορφοποίηση της διάταξης ψηφιακού χάρτη Βύρωνας Νάκος Καθηγητής Ε.Μ.Π. - bnakos@central.ntua.gr Bασίλης Κρασανάκης Υποψήφιος διδάκτορας Ε.Μ.Π. krasvas@mail.ntua.gr Β. Νάκος & Β. Κρασανάκης

Διαβάστε περισσότερα

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab

Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab ΑΣΚΗΣΗ 8 Ανάλυση και επεξεργασία εικόνων DICOM με τη χρήση Matlab 1. Περιγραφή του προτύπου DICOM Η ψηφιακή επεξεργασία ιατρικής εικόνας ξεκίνησε παράλληλα με την ανάπτυξη ενός προτύπου για τη μεταφορά

Διαβάστε περισσότερα

Κατ οίκον Εργασία 1 Σκελετοί Λύσεων

Κατ οίκον Εργασία 1 Σκελετοί Λύσεων ΕΠΛ Δομές Δεδομένων και Αλγόριθμοι Σεπτέμβριος 00 Κατ οίκον Εργασία Σκελετοί Λύσεων Άσκηση Αφού ξέρουμε με ακρίβεια τον αριθμό των βασικών πράξεων που εκτελεί ο κάθε αλγόριθμος σε δεδομένα μεγέθους, θα

Διαβάστε περισσότερα

Νοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57

Νοέμβριος 2013 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ 1/57 Νοέμβριος 3 Σ. Φωτόπουλος ΨΕΕ κεφ.4 ΑΝΙΧΝΕΥΣΗ ΑΚΜΩΝ ΔΠΜΣ ΗΕΠ /57 Ακμή ή περίγραμμα (edge) σε μια εικόνα Χ ij ορίζεται ως το σύνολο των σημείων στη θέση i,j της εικόνας, όπου παρατηρείται μία σημαντική

Διαβάστε περισσότερα