Ευφυής Καταγραφή Συγκοινωνιακού Φορτίου και Κίνησης σε Οδική Διασταύρωση με Τεχνικές Επεξεργασίας Εικόνας και Video
|
|
- Φώτιος Λειβαδάς
- 7 χρόνια πριν
- Προβολές:
Transcript
1 Ευφυής Καταγραφή Συγκοινωνιακού Φορτίου και Κίνησης σε Οδική Διασταύρωση με Τεχνικές Επεξεργασίας Εικόνας και Video Κωνσταντίνος Κόκκινος Τμήμα Μηχανικών Πληροφορικής ΤΕΙ Θεσσαλίας Λάρισα, Ελλάδα Abstract Η αποτελεσματική παρακολούθηση και διαχείριση της κυκλοφορίας στα οδικά συστήματα συμβάλλει σημαντικά στη διευθέτηση των συγκοινωνιακών προβλημάτων και στην αναβάθμιση της ποιότητας ζωής. Η κυκλοφοριακή συμφόρηση που προκαλείται από την έλλειψη δυναμικότητας και αντοχής του δικτύου σε «κυκλοφοριακές εκρήξεις» στην ουσία επιβάλλει περιορισμούς στην ανάπτυξη μιας πόλης. Για την αντιμετώπιση αυτού του προβλήματος, αναπτύσσουμε αλγόριθμους καταγραφής και αναγνώρισης οχημάτων με χρήση της γλώσσας προγραμματισμού #. Το προτεινόμενο σύστημα δέχεται ως είσοδο μια εικόνα ή ένα βίντεο (είτε από αρχείο είτε από ζωντανή μετάδοση) και έχει την δυνατότητα να μετράει και να αναγνωρίζει τα οχήματα στην εικόνα αλλά και, υπό προϋποθέσεις, να αναγνωρίζει τους αριθμούς κυκλοφορίας που εμφανίζονται. Παρουσιάζονται οι αλγόριθμοι που χρησιμοποιήθηκαν αλλά και δείγματα των αποτελεσμάτων υλοποίησης. Keywords traic analysis, O, licence plate recognition, vehice detection I. ΕΙΣΑΓΩΓΉ Στην σημερινή εποχή, η αντιμετώπιση προβλημάτων κυκλοφοριακής συμφόρησης έχει ως πρώτη επιλογή την αύξηση της ικανότητας και της αποδοτικότητας των οδικών δικτύων στα πλαίσια των υφιστάμενων συνθηκών κυκλοφορίας. Εάν οι οδηγοί μπορούσαν να χρησιμοποιήσουν σε πραγματικό χρόνο πληροφορίες που αφορούν τα χαρακτηριστικά της κυκλοφορίας στο συνολικό οδικό δίκτυο μιας πόλης, θα μπορούσαν να επιλέξουν με καλύτερο τρόπο μια διαδρομή, με σκοπό την ευκολότερη μετακίνησή τους. Αυτό με την σειρά του σημαίνει και εξίσωση του κυκλοφοριακού όγκου κατά μήκος όλου του δικτύου το οποίο μπορεί να εξισώσει το φορτίο των οδικών δικτύων. Τα συστήματα παρακολούθησης της κυκλοφορίας μέσω βίντεο δημιουργούνται λοιπόν για να παρέχουν πληροφορίες των χαρακτηριστικών της κυκλοφορίας οπουδήποτε και κάτω από οποιεσδήποτε συνθήκες χρονικές ή καιρικές. Εκείνο που επιτυγχάνεται είναι η απόκτηση πληροφοριών για την κίνηση η οποία είναι πολύ σημαντική για τη βελτίωση της φέρουσας ικανότητας του οδικού δικτύου να ανταπεξέλθει σε κυκλοφοριακές εκρήξεις. Ταυτόχρονα, η διαδικασία αυτόματης αναγνώρισης πινακίδων κυκλοφορίας έχει αποκτήσει μεγάλο ενδιαφέρον κατά την τελευταία δεκαετία, διότι έχει επέλθει μεγάλη βελτίωση των ψηφιακών φωτογραφικών μηχανών και επίσης μεγάλη βελτίωση στην υπολογιστική ισχύ των πληροφοριακών συστημάτων. Τέτοιες διαδικασίες ωφελούν επίσης και σε άλλες δραστηριότητες όπως για παράδειγμα οι αναγνώριση χαρακτήρων σε τραπεζικές επιταγές, πέρα από τις προφανείς δραστηριότητες της τροχαίας που έχουν σχέση με την επιβολή των κανόνων κυκλοφορίας (έλεγχος ταχύτητας οχήματος, είσπραξη διοδίων με αυτόματο τρόπο, διαχείριση χώρων στάθμευσης κ.λπ.). Το κείμενό μας χωρίζεται σε δύο μέρα, το κάθε ένα από τα οποία ασχολείται με τις χωριστές δράσεις του λογισμικού που αναπτύξαμε. Στο πρώτο μέρος περιγράφεται ο αλγόριθμος καταγραφής των οχημάτων από ένα video eed ενώ στο δεύτε ρο ο αλγόριθμος ανάλυσης της εικόνας για την αναγνώριση του αριθμού κυκλοφορίας. II. ΚΑΤΑΓΡΑΦΉ ΟΧΗΜΆΤΩΝ Σε γενικές γραμμές, τα κύρια χαρακτηριστικά για την περιγραφή της κατάστασης της κυκλοφορίας συμπεριλαμβάνουν το ποσοστό κατοχής του δικτύου από οχήματα και την ταχύτητα του κάθε οχήματος. Για να μπορέσουμε να αποκτήσουμε αυτή την πληροφορία σε ένα αυτοματοποιημένο σύστημα monitoring μέσω video, το κύριο μέλημα μας είναι να μπορέσουμε να αφαιρέσουμε από τα rames του video όλο το background (δηλαδή οτιδήποτε δεν έχει σχέση με την απεικόνιση των οχημάτων και του οδοστρώματος) και να κρατήσουμε μόνο τα τμήματα των rames που έχουν ενδιαφέρον για μας. Στην ακολουθία των rames για παράδειγμα, μετά την εξαγωγή του background, μελετώντας τις μετατοπίσεις των οχημάτων μπορούμε με βάση τα χαρακτηριστικά λήψης του video να βρούμε την ταχύτητά τους. Ο υπολογισμός λοιπόν διαφόρων παραμέτρων κίνησης μπορεί να επιτευχθεί εφόσον γίνει η αφαίρεση του background κίνησης.
2 ανάλογα με τα δεδομένα φωτεινότητας (classiication unctionality). Η ιδέα είναι να δημιουργήσουμε τρεις κατηγορίες για τρία επίπεδα φωτεινότητας της σκηνής υπό επισκόπηση. Καθώς η ένταση του φόντου αλλάζει στα οδοστρώματα με την αλλαγή της φωτεινότητας, αυτό μπορεί να είναι ένα κριτήριο που θα χρησιμοποιηθεί για τον classiier. B. Εύρεση της Μέσης Έντασης του Background Έστω ότι για κάποιο rame το background είναι το B ενώ μετά την αφαίρεση του background το υπόλοιπο της εικόνας είναι το D. Τότε μπορούμε να συμβολίσουμε την μέση ένταση του D σαν D. Μετά την αφαίρεση του background είναι προφανές ότι D B. Δίνουμε τους παρακάτω συμβολισμούς για να εφαρμόσουμε τον αλγόριθμο μας και να παρουσιάσουμε με μια ολοκληρωμένη μαθηματική σχέση την εύρεση της μέσης έντασης : D Ν = ο αριθμός των pixel στην περιοχή παρατήρησης = ο αριθμός των pixel που αντιστοιχούν σε ένα όχημα στην περιοχή παρατήρησης = η μέση ένταση της περιοχής του οχήματος στην περιοχή παρατήρησης. Fig.. Διαγραμματική επισκόπηση των λογικών ενοτήτων του συστήματος καταγραφής οχημάτων A. Αλγόριθμος Υλοποίησης Η πρώτη βασική ομάδα από λειτουργίες είναι αυτή της μοντελοποίησης του background μετά την εισαγωγή της ακολουθίας των rames του video και η αφαίρεσή του. Σκοπός μας είναι να το συγκρίνουμε με τα επόμενα rames έτσι ώστε να καταλήξουμε στην οριστικοποίηση του. Αυτό γίνεται λαμβάνοντας τον μέσο όρο των pixel του αρχικού rame, το οποίο πρώτα μετατρέπουμε σε grayscale έτσι ώστε να ομαλοποιούνται οι χρωματικές διαφοροποιήσεις. Στην συνέχεια, για κάθε ένα από τα επόμενα rames ελέγχονται οι διαφορές του κάθε pixel από το background rame. Ο έλεγχος εδώ γίνεται κυριολεκτικά pixel προς pixel και για κάθε pixel που είναι «αρκετά» διαφορετικό, του δίνουμε μια ακραία τιμή δημιουργώντας έτσι μια νέα εικόνα με λευκό φόντο (τιμή pixel = 0) και με μαύρα τα αντικείμενα (τιμή pixel = 255). Η έννοια του αρκετά ορίζεται ως «διαφορά» τουλάχιστον 5 από την τιμή του pixel με το αντίστοιχο pixel στο background rame που δημιουργήσαμε νωρίτερα. Τελικά προκύπτει μια λευκή εικόνα με μαύρες φιγούρες εκεί που υπάρχουν τα blobs (τα αντικείμενα δηλαδή) που εντοπίστηκαν. Αυτό μας επιτρέπει να έχουμε μια ξεκάθαρη εικόνα των αντικειμένων που υπάρχουν στο κάθε rame. Λόγω των διαφορών των επιπέδων φωτισμού κατά τη διάρκεια της ημέρας χρειαζόμαστε να ολοκληρώσουμε το σύστημα με κάποια διαδικασία ταξινόμησης των σκηνών = η μέση ένταση της περιοχής του οδοστρώματος στην περιοχή παρατήρησης Τότε με βάση τα παραπάνω η μέση ένταση της συνολικής περιοχής μετά της αφαίρεση του background θα ισούται με D [( ). ] [ ( )] ( ) Αν υποθέσουμε ότι W και H είναι αντίστοιχα το πλάτος και το ύψος του κάθε rame σε αριθμό pixels, τότε μπορούμε να υπολογίσουμε τη μέση ένταση της περιοχής του οδοστρώματος στην περιοχή παρατήρησης από τη σχέση: WH W H i j ( ( i, B ( i, Έστω ότι είναι ο αριθμός των pixel στο rame που αντιστοιχούν στο οδόστρωμα, τότε για την περιοχή του οδοστρώματος μπορούμε να κάνουμε την παραδοχή ότι B ( i, ( i, στο σύνολο αυτών των pixel με σχεδόν μηδαμινή διαφορά έντασης ή ίση πολύ μικρό ακέραιο, έστω e. WH W H i j ( ( i, ( i, e Υπολογίζοντας λοιπόν το ( i, j B ) εύκολα πλέον μπορούμε να βρούμε και την μέση ένταση του οδοστρώματος. Σε ότι τέλος έχει σχέση με τον υπολογισμό του ποσοστού του rame που καταλαμβάνει κάθε όχημα (όγκος ή B () (2) (3)
3 περίγραμμα κ.λπ.) αυτός μπορεί να βρεθεί σαν ο λόγος του αριθμού των pixels του οχήματος σε σχέση με το συνολικό αριθμό των pixel στο rame. Είναι εύκολο να δειχθεί ότι: (4) D Fig. 2. Mέση ένταση του rame - περίπου ανάλογη με το ποσοστό κάλυψης στο rame από το όχημα. Σε ότι έχει σχέση με τον υπολογισμό της ταχύτητας του οχήματος αυτή είναι ίδια με την απόσταση των pixel του οχήματος που κινείται στη μονάδα χρόνου. Ενδεχομένως όμως όταν κάνουμε πειράματα, μπορεί να υπάρχει μια στρέβλωση που θα οφείλεται στην κάμερα και ίσως μπορεί να επηρεάσει την τελική αναγνώριση. Λόγω της ποικιλίας των παραμέτρων της κάμερας, η απόσταση του οχήματος θα πρέπει να υπολογίζεται μόνο εφόσον γνωρίζουμε από την αρχή την ταχύτητα δειγματοληψίας σε rames per second (ps).. Περαιτέρω Επεξεργασία του Video Στο τέλος της επεξεργασίας οι μαυρισμένες περιοχές περνάνε από διαδικασία dilation δηλαδή, δηλαδή τονισμού των περιεχόμενών τους. Tο dilation στο σύστημά μας είναι αναλογικό, δηλαδή ουσιαστικά τονίζουμε τις μαυρισμένες περιοχές και γίνεται επειδή θέλουμε τα αντικείμενα να είναι τονισμένα στο φόντο αλλά και επειδή είναι επιβεβλημένη η βελτίωση του οπτικού αποτελέσματος. Μετά το dilation των εντοπισμένων αντικειμένων, το πλαίσιο που θα τοποθετηθεί γύρω τους στην τελική εικόνα δεν θα εφάπτεται ακριβώς πάνω στα αντικείμενα αλλά δεν εμφανίζεται με περιθώριο. Η εικόνα που έχει προκύψει από την παραπάνω ανάλυση περνάει από περαιτέρω επεξεργασία έτσι ώστε να τοποθετηθεί κόκκινο πλαίσιο γύρω από το αντικείμενο που εντοπίστηκε. Για να γίνει αυτό, ελέγχονται τα pixel της νέας εικόνας για τιμή 255. Ένα pixel που έχει αυτή την τιμή θεωρείται μέρος του πλαισίου εάν έστω ένα οποιοδήποτε γειτονικό του pixel έχει τιμή 0. Στην περίπτωση αυτή θεωρείται άκρο του αντικειμένου και σε αυτό τοποθετείται κόκκινο χρώμα για τον σχηματισμού πλαισίου. Σημειώνεται εδώ ότι έχει εφαρμοστεί ένα μικρός τετραγωνισμός του πλαισίου γύρω από το αντικείμενο ανά 8 pixel για καλύτερη εμφάνιση του αναγνωρισμένου αντικειμένου. Αυτό δίνει ένα σχετικό «αέρα» στην εικόνα, αφήνοντας ένα κενό χώρο ανάμεσα στα άκρα του αντικειμένου και στο πλαίσιο που σχεδιάζεται γύρω του. III. ΑΝΑΓΝΏΡΙΣΗ ΑΡΙΘΜΏΝ ΚΥΚΛΟΦΟΡΊΑΣ Το προτεινόμενο σύστημα δέχεται ως είσοδο snapshots ως rames ενός video ή απλές φωτογραφίες αυτοκινήτων στις πιο δημοφιλείς τους κωδικοποιήσεις (jpeg, bmp κ.λπ.). Ο αλγόριθμος που αναπτύχθηκε αποτελείται από τρία βασικά τμήματα. Το πρώτο τμήμα βασικά ασχολείται με την ανίχνευση ενός παραλληλογράμμου, από τα υποψήφια παραλληλόγραμμα (segments) στην εικόνα το οποίο θα περιέχει την πινακίδα κυκλοφορίας. Αυτό γίνεται χρησιμοποιώντας τα μορφολογικά χαρακτηριστικά της φωτεινότητας των ακμών του παραλληλογράμμου αυτού. Στο δεύτερο τμήμα του αλγορίθμου ασχολούμαστε με το επιλεγμένο παραλληλόγραμμο από την πρώτη διαδικασία και προσπαθούμε να λύσουμε το πρόβλημα της θέσης και του προσανατολισμού της πινακίδας. Το παραλληλόγραμμο της πινακίδας στη συνέχεια περιστρέφεται σε οριζόντια συσχέτιση και στοίχιση και ομαλοποιείται. Τέλος στο τελευταίο τμήμα του αλγορίθμου με την ανίχνευση των χαρακτήρων που υπάρχουν μέσα στην πινακίδα καθώς και με την διαδικασία απόρριψης χαρακτήρων που δεν αποτελούν μέρος του αριθμού κυκλοφορίας. Επίσης κάνουμε ομαλοποίηση των χαρακτήρων (normalization) εφόσον αυτοί εντοπιστούν. Το διάβασμα των χαρακτήρων γίνεται με την διαδικασία συσχέτισης τους με προκαθορισμένα πρότυπα χαρακτήρων και αριθμών τα οποία έχουμε ενσωματώσει στην βάση δεδομένων του συστήματος. Η διαδικασία ταιριάσματος (matching) είναι σχετικά απλή και μη χρονοβόρα υπολογιστικά δεδομένου του μικρού συνόλου χαρακτήρων που αφορούν τις πινακίδες κυκλοφορίας μιας μεμονωμένης χώρας. Καθώς όμως το σύστημα εύκολα μπορεί να επεκταθεί και στην αναγνώριση πινακίδων περισσότερων χωρών τότε η υπολογιστική ισχύς του συστήματος μειώνεται καθώς αυξάνεται το υποψήφιο character set και το number set της βάσης. Ο αλγόριθμος δεν ανταποκρίνεται στην αναγνώριση παραλληλογράμμων τόσο καλά στις περιπτώσεις όπου η λήψη φωτογραφιών ή καρέ video γίνεται σε φωτεινά περιβάλλοντα (όπως για παράδειγμα χιόνι) αν και οι υπόλοιπες διαδικασίες matching ανταποκρίνονται με μεγάλα ποσοστά επιτυχίας στην αναγνώριση χαρακτήρων για την υποστήριξη της λήψης αποφάσεων σε συστήματα της τροχαίας. A. Ανίχνευση της Φωτεινότητας του Λευκού Χρώματος Η ανίχνευση της έντασης του λευκού χρώματος χρησιμοποιείται για να βρούμε περιοχές στην εικόνα που έχουν ένα λαμπερό λευκό χρώμα. Η ιδέα πίσω από τη χρήση αυτού του αλγόριθμου είναι ότι η πινακίδα έχει ένα πολύ λευκό χρώμα και επίσης αντανακλαστικό υπόβαθρο, το οποίο «λευκαίνει» και την περιοχή γύρω από την πινακίδα. Η ανίχνευση του λευκού του χρώματος μειώνει τον κίνδυνο του εντοπισμού των πίσω φώτων του αυτοκινήτου ή και άλλα φωτεινά αντικείμενα, όπως περιοχές με υψηλή ένταση. Ο
4 χάρτης της έντασης μπορεί είτε να καθοριστεί με βάση κάποιο καθορισμένο κατώφλι, όπου μαρκάρονται όλα τα pixels που έχουν μεγαλύτερη ένταση από το κατώφλι. Ένας άλλος τρόπος καθορισμού του κατωφλίου είναι να θέσουμε ως κατώφλι το μέσο όρο έντασης φωτεινότητας των pixels και κατόπιν να μην συμπεριλάβουμε pixels που έχουν ένταση κάτω του κατωφλίου. Fig. 3. Λογικό διάγραμμα της αρχιτεκτονικής του συστήματος αναγνώρισης αριθμών κυκλοφορίας B. Ανίχνευση των Ακμών Χρώματος (olor Edge Detection) Το προφίλ φωτεινότητας δεν αρκεί για να προσδιορίσουμε την περιοχή ενδιαφέροντος για τις περαιτέρω λειτουργίες. Ένα άλλο ιδιαίτερο χαρακτηριστικό της πινακίδας είναι ότι περιέχει πολλές ακμές από άσπρο σε μαύρο και το αντίστροφο. Ένας αλγόριθμος ανίχνευσης ακμών βρίσκει τις απότομες αλλαγές στην ένταση της εικόνας, δηλαδή τα άκρα του περιγράμματος στην πινακίδα. Η ανίχνευση ακμών γίνεται με συνέλιξη της εικόνας και τη μάσκα h = [0,5 0-0,5]. Αυτό σημαίνει ότι ελέγχουμε τα pixel της εικόνας γραμμή-γραμμή, και παίρνουμε την τιμή του προηγούμενου pixel και αφαιρούμε την τιμή του επόμενου pixel. Αν οι τιμές των τριών στρωμάτων χρώματος GB σηματοδοτήσει μια άκρη, τότε γεμίζουμε το pixel. Η μάσκα που χρησιμοποιείται είναι οριζόντια με αποτέλεσμα έτσι να βρίσκουμε τις κάθετες γραμμές του πλαισίου της πινακίδας.. Μορφολογικοί Τελεστές Για να απαλλαγούμε από τον θόρυβο και να πάρουμε μόνο τα pixels που αφορούν το περίγραμμα της πινακίδας χρησιμοποιούμε δύο γνωστούς αλγόριθμους: τον αλγόριθμο της διαστολής (dilation algorithm) και τον αλγόριθμο της συστολής (erosion algorithm). Αυτοί οι αλγόριθμοι ονομάζονται επίσης μορφολογικοί τελεστές. Οι αλγόριθμοι επωφελούνται από το γεγονός ότι στην περιοχή της πινακίδας, τα μαρκαρισμένα από τους παραπάνω μετασχηματισμούς pixels είναι πλησιέστερα μεταξύ τους από ό, τι σε άλλα μέρη της εικόνας. Η σειρά με την οποία θα χρησιμοποιηθούν οι αλγόριθμοι είναι πολύ σημαντική δεδομένου ότι η αντίστροφη σειρά χρήσης θα δώσει ένα εντελώς διαφορετικό αποτέλεσμα. Η διαδικασία με την οποία εκτελείται πρώτα το dilation και κατόπιν το erosion ονομάζεται διαδικασία κλεισίματος ενώ η αντίστροφη διαδικασία εκτέλεσης των δύο αλγορίθμων ονομάζεται διαδικασία ανοίγματος. Σε αυτή την υλοποίηση, οι μάσκες μεταβάλλονται μεταξύ διαστολής και κατόπιν συστολής, δηλαδή κάνουμε μορφολογικό κλείσιμο. Η διαδικασία διαστολής χρησιμοποιεί μια μάσκα η οποία μπορεί να έχει διαφορετικό μέγεθος και σχήμα για διάφορες εργασίες. Το αποτέλεσμα είναι ότι περιοχές που συνδέονται μόνο με μια λεπτή γραμμή από pixels αποσυνδέονται πλέον, και ότι οι μικρές ομάδες από pixels διαγράφονται ενώ οι περιοχές με μεγάλη πυκνότητα μαρκαρισμένων pixels συρρικνώνονται. D. Τμηματοποίηση και Συγχώνευση Όταν πλέον έχουν υπολογιστεί οι δύο χάρτες (χάρτης φωτεινότητας και χάρτης ακμών) το επόμενο βήμα είναι να συνδυάσουμε τα αποτελέσματα. Ωστόσο, πριν συνδυαστούν οι εικόνες αυτές πρέπει να είναι πιο δομημένες. Ως εκ τούτου, οι εικόνες θα πρέπει να τμηματοποιηθούν, πράγμα που σημαίνει ότι όλα τα πεδία των συνδεδεμένων pixels να ενωθούν σε αριθμημένα τμήματα. Η διαδικασία κατάτμησης ή τμηματοποίησης γίνεται για όλη την δυαδική εικόνα και δημιουργεί ορθογώνια τμήματα περιγραμμάτων που αφορούν όλα τα συνδεδεμένα pixels σε μια περιοχή. Τα τμήματα γραμμών όπως αναφέραμε παραπάνω αριθμούνται και μπορούμε να τα ταξινομήσουμε ανάλογα με το μέγεθος και τη θέση τους. E. Μετασχηματισμός Hough Η πινακίδα στην τελική περιοχή ενδιαφέροντος από το προηγούμενο μέρος έχει μια κλίση και ένα μέγεθος που είναι άγνωστο. Το πρώτο πρόβλημα λοιπόν είναι να βρεθεί η κλίση της πινακίδας έτσι ώστε να μπορούμε να περιστρέψουμε την εικόνα προς την σωστή οριζόντια στοίχιση. Για τον προσδιορισμό της γωνίας προς την οποία η πινακίδα είναι ευθυγραμμισμένη, χρησιμοποιείται όπως αναφέραμε προηγούμενα η διαδικασία του μετασχηματισμού Hough. Ο μετασχηματισμός Hough λειτουργεί με τέτοιο τρόπο ώστε για κάθε μαύρο pixel στο χάρτη ακμών δημιουργεί μια καμπύλη ημιτόνου στο χώρο Hough ως άμεση χαρτογράφηση από τις συντεταγμένες των pixels. Με τον τρόπο αυτό μπορεί να βρεθεί η γωνία και οι εξισώσεις των ευθειών των οριζόντιων τμημάτων του περιγράμματος της πινακίδας. Fig. 4. Επίδραση του μετασχηματισμού Hough σε rames video αυτοκινήτων για την εύρεση πινακίδων
5 F. Ανίχνευση Ακμών με τον Αλγόριθμο του anny Ο ανιχνευτής ακμών anny είναι ευαίσθητος στο θόρυβο που συνηθίζεται να υπάρχει στις εικόνες οι οποίες δεν είναι επεξεργασμένες (raw images) και είναι μη-συμπιεσμένες. Για τον λόγο αυτό πρωταρχικά χρησιμοποιούμε ένα Gaussian φίλτρο με το οποίο κάνουμε συνέλιξη με την αρχική εικόνα. Το αποτέλεσμα του convolution είναι μια εικόνα ελάχιστα πιο θολή από την αρχική που όμως δεν επηρεάζεται πλέον από pixels θορύβου. Το παρακάτω σχήμα δείχνει το αποτέλεσμα της εκτέλεσης του αλγόριθμου σε μια δυαδική εικόνα για την εύρεση λεπτών γραμμών. Fig. 5. Εκτέλεση αλγόριθμου anny για την εύρεση λεπτών ακμών Ως αναγνωρισθείς χαρακτήρας επιλέγεται αυτός με τον μεγαλύτερο συντελεστή συσχέτισης, ενώ μπορεί να χρησιμοποιηθεί η μηχανή tesseract, στην οποία θα πρέπει να γίνει αρχικοποίηση μόνο με τους χαρακτήρες που χρησιμοποιούνται στην κάθε χώρα. Πρόσθετα, μπορεί να εμπλουτιστεί ο φάκελος των υποδειγμάτων των γραμμάτων με διάφορους χαρακτήρες οι οποίοι θα προσομοιάζουν περισσότερο με τους χρησιμοποιούμενους στις Ευρωπαϊκές πινακίδες κυκλοφορίας. Εδώ είναι σημαντικό να τονίσουμε ότι ο χρήστης μπορεί να επιλέξει αν θα εφαρμοστεί ένας επιπλέον έλεγχος συμβατότητας της πινακίδας που διαβάστηκε με το γενικό πρότυπο των αριθμών κυκλοφορίας της χώρας όπου θα χρησιμοποιηθεί. IV. ΠΕΡΙΓΡΑΦΉ ΕΦΑΡΜΟΓΉΣ Παρακάτω εξηγούμε το περιβάλλον της εφαρμογής που υλοποιήσαμε για την αναγνώριση αυτοκινήτων. Το λογισμικό αναπτύχθηκε σε περιβάλλον Visual Studio.ET και ειδικότερα με την γλώσσα προγραμματισμού #. Έγινε επίσης χρήση της βιβλιοθήκης OpenV από την οποία χρησιμοποιήσαμε πολλές λειτουργίες που αφορούν τους μορφολογικούς τελεστές (π.χ. dilation, erosion κ.λπ.). Δυστυχώς στερούμαστε την μεγάλη συλλογή βιντεοσκοπήσεων διαφόρων οδοστρωμάτων και για αυτό το λόγο συλλέξαμε διάφορα videos από το internet. Γνωρίζουμε ότι η υλοποίηση θα αποδώσει καλύτερα αποτελέσματα με συλλογή δειγμάτων από συγκεκριμένη κάμερα με συγκεκριμένα χαρακτηριστικά και υπό συνθήκες σαφούς λήψης του οδοστρώματος (λωρίδες κυκλοφορίας) αλλά και σε συνθήκες διαφορετικής φωτεινότητας (μέρα, απόγευμα, νύχτα). (5) Fig. 6. Μετατροπή Εικόνας σε Μεμονωμένους Χαρακτήρες G. Αναγνώριση Χαρακτήρων (O) Η αναγνώριση χαρακτήρων γίνεται απλά με σύγκριση του κάθε χαρακτήρα της πινακίδας με χαρακτήρες οδηγούς τους οποίους η εφαρμογή διατηρεί σε ειδική θέση στον φάκελό της. Η σύγκριση γίνεται υπολογίζοντας τον συντελεστή συσχέτισης (correlation coeicient) των πινάκων στους οποίους αντιστοιχούν οι δύο εικόνες. Οι εικόνες αυτές είναι το γράμμα το οποίο διαβάστηκε από τον αλγόριθμο μέχρι τώρα και το γράμμα όπως είναι αποθηκευμένο στον ειδικό φάκελο της εφαρμογής με τους πρότυπους χαρακτήρες. Ο υπολογισμός του συντελεστή συσχέτισης r (μεταξύ π.χ. των πινάκων Α, Β) γίνεται με την χρήση του παρακάτω τύπου: Fig. 7. Αναγνώριση πινακίδων από video κινούμενου παρατηρητή
6 V. AKOWLEDGMET H παρούσα έρευνα έχει συγχρηματοδοτηθεί από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο - ΕΚΤ) και από εθνικούς πόρους μέσω του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» του Εθνικού Στρατηγικού Πλαισίου Αναφοράς (ΕΣΠΑ) Ερευνητικό Χρηματοδοτούμενο Έργο: ΑΡΧΙΜΗΔΗΣ ΙΙΙ. Επένδυση στην κοινωνία της γνώσης μέσω του Ευρωπαϊκού Κοινωνικού Ταμείου. [2] Gonzalez, aael. and Woods, ichard E. Digital Image Processing Prentice Hall, Inc. 2nd Edition [3] GStauer, Grimson W. Fearning patterns o activity using real-time tracking. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2000, 22(6): [4] Heikkila M, Pietikainen M. A texture-based method or modeling the background and detecting moving objects. IEEE Transactions on Pattern Analysis and Machine Intelligence. 2006, 28(4): [5] Kyungnam K, Thanarat H, David, et al. eal-time oreground background segmentation using codebook model. eal-time Imaging. 2005, (3): [6] Schubert, obin, License plate recognition on a real-time testbed, oyal Institute o Technology, Stockholm, 2005 [7] Song K, Tai J. eal-time background estimation o traic imagery using group-based histogram. Journal o Inormation Science and Engineering. 2008, 24: [8] Vargas M, Milla JM, Toral SL, et al. An enhanced background estimation algorithm or vehicle detection in urban traic scenes. IEEE Transections on Vehicular Technology. 200, 59(8): Fig. 8. Αναγνώριση πινακίδων από εικόνα Fig. 9. Εύρεση οχημάτων σε οδόστρωμα VI. EFEEES [] Elgammal A, Duraiswami, Harwood D, et al. Background and oreground modeling using nonparametric kernel density estimation or visual surveillance. Proceedings o the IEEE. 2002, 90(7): 5 63
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 περισσότεραΜεταπτυχιακό 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 περισσότεραΜεταπτυχιακό 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 περισσότεραDigital Image Processing
Digital Image Processing Μορφολογική Επεξεργασία Εικόνας Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Μορφολογική Επεξεργασία
Διαβάστε περισσότεραΙΑΤΡΙΚΗ 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 περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Μαθηματική μορφολογία Μαθηματική μορφολογία Γενικά Παρέχει εργαλεία για την επεξεργασία εικόνας
Διαβάστε περισσότεραΜάθημα 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 περισσότεραΜάθημα 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 περισσότεραΚΕΣ 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 περισσότεραΕργασίες στο µάθηµα Ψηφιακής Επεξεργασίας και Αναγνώρισης Εγγράφων
Εργασίες στο µάθηµα Ψηφιακής Επεξεργασίας και Αναγνώρισης Εγγράφων Μάθηµα 2: υαδική Μετατροπή 1. Βελτιωµένη µέθοδος προσαρµοσµένης κατωφλίωσης βάσει του πλάτους των γραµµών των χαρακτήρων (Απαλλακτική
Διαβάστε περισσότεραΕνδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση
Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση Εντοπισμός ενός σήματος STOP σε μια εικόνα. Περιγράψτε τη διαδικασία με την οποία μπορώ να εντοπίσω απλά σε μια εικόνα την ύπαρξη του παρακάτω
Διαβάστε περισσότεραΕ.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 περισσότεραΠανελλήνιος Σύλλογος Εκπαιδευτών Οδήγησης & Κυκλοφοριακής Αγωγής
Πανελλήνιος Σύλλογος Εκπαιδευτών Οδήγησης & Κυκλοφοριακής Αγωγής Ένα τυχαίο περιστατικό Υπάρχουν λανθασμένες συμπεριφορές ; Κώδικας Οδικής Κυκλοφορίας Είναι οι κανόνες που πρέπει να ακολουθούν όλοι όσοι
Διαβάστε περισσότεραΠανελλήνιος Σύλλογος Εκπαιδευτών Οδήγησης & Κυκλοφοριακής Αγωγής. https://www.facebook.com/driving.edu/
Πανελλήνιος Σύλλογος Εκπαιδευτών Οδήγησης & Κυκλοφοριακής Αγωγής http://www.driving.org.gr/ https://www.facebook.com/driving.edu/ Γιατί κατά την γνώμη σας γίνονται ατυχήματα δυστυχήματα στον δρόμο; Το
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 9 : Κωδικοποίηση βίντεο Πρότυπο συμπίεσης MPEG Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το
Διαβάστε περισσότεραΜεταπτυχιακό 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 περισσότεραΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ. Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ ΠΕΡΙΕΧΟΜΕΝΟΥ ΕΧΡΩΜΩΝ ΕΓΓΡΑΦΩΝ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ (Τ.Ε.Ι.) ΣΕΡΡΩΝ Τμήμα ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΕΡΕΥΝΗΤΙΚΑ ΠΡΟΓΡΑΜΜΑΤΑ ΑΡΧΙΜΗΔΗΣ ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΟ ΤΕΙ ΣΕΡΡΩΝ Ενέργεια. 2.2.3.στ ΘΕΜΑ ΕΡΕΥΝΑΣ: ΔΙΑΡΘΡΩΣΗ
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Διάλεξη 5 Κώστας Μαριάς kmarias@staff.teicrete.gr 24/4/2017 1 Αναφορές An Introduction to Digital Image Processing with Matlab, Alasdair McAndrew N. Papamarkos,
Διαβάστε περισσότεραΨηφιακή 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 περισσότεραΜετάδοση 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 περισσότεραDigital 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 περισσότεραΨηφιακή 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 περισσότεραΜεταπτυχιακό 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 περισσότεραDIP_01 Εισαγωγή στην ψηφιακή εικόνα. ΤΕΙ Κρήτης
DIP_01 Εισαγωγή στην ψηφιακή εικόνα ΤΕΙ Κρήτης Πληροφορίες Μαθήματος ιαλέξεις Πέμπτη 12:15 15:00 Αιθουσα Γ7 ιδάσκων:. Κοσμόπουλος Γραφείο: Κ23-0-15 (ισόγειο( κλειστού γυμναστηρίου) Ωρες γραφείου Τε 16:00
Διαβάστε περισσότερα> μεγαλύτερο <= μικρότερο ή ίσο < μικρότερο == ισότητα >= μεγαλύτερο ή ίσο!= διαφορετικό
5 ο Εργαστήριο Λογικοί Τελεστές, Δομές Ελέγχου Λογικοί Τελεστές > μεγαλύτερο = μεγαλύτερο ή ίσο!= διαφορετικό Οι λογικοί τελεστές χρησιμοποιούνται για να ελέγξουμε
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 7 : Πρότυπο συμπίεσης JPEG Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΨηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας
Ανοικτά Ακαδημαϊκά Μαθήματα στο ΤΕΙ Ιονίων Νήσων Ψηφιοποίηση και Ψηφιακή Επεξεργασία Εικόνας Ενότητα 11: Επεξεργασία εικόνας Το περιεχόμενο του μαθήματος διατίθεται με άδεια Creative Commons εκτός και
Διαβάστε περισσότεραΜάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 10 ο Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει: Με βάση τα εξωτερικά χαρακτηριστικά (ακμές, όρια). Αυτή η περιγραφή προτιμάται όταν μας ενδιαφέρουν
Διαβάστε περισσότεραΥπολογιστικές μέθοδοι για την ανάλυση της πληροφορίας των εικόνων και την κατανόηση του περιεχομένου
Ανάλυση Εικόνων Εικόνα : μορφή πληροφορίας Ανάλυση : εξαγωγή γνώσης Υπολογιστικές μέθοδοι για την ανάλυση της πληροφορίας των εικόνων και την κατανόηση του περιεχομένου Θέματα ειδίκευσης Υπολογιστική Όραση
Διαβάστε περισσότεραΑΝΤΩΝΙΟΣ 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 περισσότεραΔΙΑΡΘΡΩΣΗ 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 περισσότεραΨηφιακή 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 περισσότεραAdvances 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 περισσότεραDigital 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 περισσότεραΨηφιακή 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 περισσότεραΠΑΝΕΠΙΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ
ΠΑΝΕΠΙΤΗΜΙΟ ΔΥΤΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ 1 ΔΙΠΛΩΜΑΤΙΚΗ ΕΡΓΑΣΙΑ Κατασκευή εφαρμογής ανίχνευσης κινούμενων αντικειμένων ή αντικειμένων που εναποτέθηκαν με χρήση όρασης
Διαβάστε περισσότεραΑκαδηµαϊκό 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 περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 8 : Πρότυπο συμπίεσης JPEG2000 Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΨηφιακή 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 περισσότεραΓραφικά Υπολογιστών: Μέθοδοι Ανίχνευσης Επιφανειών (Surface Detection Methods)
1 ΤΕΙ Θεσσαλονίκης Τμήμα Πληροφορικής Γραφικά Υπολογιστών: Μέθοδοι Ανίχνευσης Επιφανειών (Surface Detection Methods) Πασχάλης Ράπτης http://aetos.it.teithe.gr/~praptis praptis@it.teithe.gr 2 Περιεχόμενα
Διαβάστε περισσότεραΜια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB )
Μια «ανώδυνη» εισαγωγή στο μάθημα (και στο MATLAB ) Μια πρώτη ιδέα για το μάθημα χωρίς καθόλου εξισώσεις!!! Περίγραμμα του μαθήματος χωρίς καθόλου εξισώσεις!!! Παραδείγματα από πραγματικές εφαρμογές ==
Διαβάστε περισσότεραΕνότητα 3: Μορφολογική Επεξεργασία Εικόνας
Ενότητα 3: Μορφολογική Επεξεργασία Εικόνας Θεωρία Συνόλων - Βασικές Έννοιες Θεωρία Συνόλων - Βασικές Έννοιες Θεωρία Συνόλων - Βασικές Έννοιες Ανάκλαση (ενός συνόλου): B" = w w = b, b B Μετατόπιση ενός
Διαβάστε περισσότεραΓραφικά με υπολογιστές
Γραφικά με Υπολογιστές Ενότητα # 3: Εισαγωγή Φοίβος Μυλωνάς Τμήμα Πληροφορικής Φοίβος Μυλωνάς Γραφικά με υπολογιστές 1 Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons.
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Εκτίµηση Κίνησης Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 10 η : Ανάλυση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 10 η : Ανάλυση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στη ψηφιακή ανάλυση εικόνας
Διαβάστε περισσότεραΠαρουσίαση 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 περισσότεραΜεταπτυχιακό 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 περισσότεραΑκαδημαϊκό 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 περισσότεραΕυφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ
Ευφυές Σύστημα Ανάλυσης Εικόνων Μικροσκοπίου για την Ανίχνευση Παθολογικών Κυττάρων σε Εικόνες Τεστ ΠΑΠ ΚΩΔΙΚΟΣ MIS: 346961 Φορέας Υποβολής: Πανεπιστήμιο Ιωαννίνων - Τμήμα Πληροφορικής Φορέας Χρήστης:
Διαβάστε περισσότεραΕπεξεργασία Χαρτογραφικής Εικόνας
Επεξεργασία Χαρτογραφικής Εικόνας Διδάσκων: Αναγνωστόπουλος Χρήστος Κώδικες μετρήσεων αντικειμένων σε εικόνα Χρωματικά μοντέλα: Munsell, HSB/HSV, CIE-LAB Κώδικες μετρήσεων αντικειμένων σε εικόνες Η βασική
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 1. Εισαγωγή
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 2015-16 Παρουσίαση Νο. 1 Εισαγωγή Τι είναι η εικόνα; Οτιδήποτε μπορούμε να δούμε ή να απεικονίσουμε Π.χ. Μια εικόνα τοπίου αλλά και η απεικόνιση
Διαβάστε περισσότεραΣχεδιασμός και κατασκευή εφαρμογής ταξινόμησης αντικειμένων σε γραμμή μεταφοράς προϊόντων με χρήση όρασης μηχανής
Πανεπιστήμιο Δυτικής Μακεδονίας Τμήμα Μηχανικών Πληροφορικής και Τηλεπικοινωνιών Σχεδιασμός και κατασκευή εφαρμογής ταξινόμησης αντικειμένων σε γραμμή μεταφοράς προϊόντων με χρήση όρασης μηχανής Λοΐζου
Διαβάστε περισσότεραιαφάνειες μαθήματος "Φωτογραμμετρία ΙΙΙ" (0) Γ. Καρράς_12/2011
Ιστορική Εξέλιξη Φωτογραμμετρίας 1525 Dürer νόμοι προοπτικής 1759 Lambert εμπροσθοτομία 1839 Daguerre φωτογραφία 1851 Laussedat μετρογραφία 1858 Meydenbauer φωτογραμμετρία 1897 Scheimpflug θεωρία αναγωγής
Διαβάστε περισσότερα7.5 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 περισσότεραΑνάπλαση Αιγαίου Πελάγους / ΦΩΤΟΤΕΧΝΙΚΗ ΜΕΛΕΤΗ ΦΩΤΟΤΕΧΝΙΚΗ ΜΕΛΕΤΗ. Οδόσ Αιγαίου Πελάνουσ / Στοιχεία σχεδιασμού
Ημερομηνία: 2019.01.14 11:31:33 ΕΕΤ ΦΩΤΟΤΕΧΝΙΚΗ ΜΕΛΕΤΗ Προφίλ δρόμου Πεζοδρόμιο 2 Λωρίδα Στάθμευσης 2 Οδόστρωμα Λωρίδα Στάθμευσης 1 Πεζοδρόμιο 1 Οδόσ Αιγαίου Πελάνουσ / Στοιχεία σχεδιασμού (Πλάτος: 2.350
Διαβάστε περισσότεραΕΝΤΟΠΙΣΜΟΣ ΠΛΑΣΤΩΝ ΔΙΑΒΑΤΗΡΙΩΝ
Ατομική Διπλωματική Εργασία ΕΝΤΟΠΙΣΜΟΣ ΠΛΑΣΤΩΝ ΔΙΑΒΑΤΗΡΙΩΝ Στέφανος Καλλής ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ Μάιος 2016 1 ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΝΤΟΠΙΣΜΟΣ ΠΛΑΣΤΩΝ ΔΙΑΒΑΤΗΡΙΩΝ Στέφανος
Διαβάστε περισσότεραΑσκήσεις 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 περισσότεραΔΗΜΙΟΥΡΓΙΑ ΣΧΗΜΑΤΩΝ. 1) Προβολή Γραμμές εργαλείων Σχεδίαση. ΜΑΘΗΜΑ 5 ο : ΣΧΗΜΑΤΑ-ΕΙΚΟΝΕΣ-ΕΞΙΣΩΣΕΙΣ 1
ΣΧΗΜΑΤΑ-ΕΙΚΟΝΕΣ-ΕΞΙΣΩΣΕΙΣ ΔΗΜΙΟΥΡΓΙΑ ΣΧΗΜΑΤΩΝ Για τη δημιουργία σχημάτων στο WORD χρησιμοποιείται η γραμμή εργαλείων της σχεδίασης. Τα βήματα που μπορεί να ακολουθήσετε για να εμφανίσετε τη γραμμή εργαλείων
Διαβάστε περισσότερα2.0 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 περισσότεραDIP_01 Εισαγωγήστην ψηφιακήεικόνα. ΤΕΙ Κρήτης
DIP_01 Εισαγωγήστην ψηφιακήεικόνα ΤΕΙ Κρήτης Ψηφιακήεικόνα Ψηφιακή εικόνα = αναλογική εικόνα µετά από δειγµατοληψία στο χώρο (x και y διευθύνσεις) Αναπαριστάνεται από έναν ή περισσότερους 2 πίνακες Μπορεί
Διαβάστε περισσότεραΕνότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων
Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων Δειγµατοληψία και Κβαντισµός: Μια εικόνα (µπορεί να) είναι συνεχής τόσο ως προς τις συντεταγµένες x, y όσο και ως προς το πλάτος. Για να τη µετατρέψουµε
Διαβάστε περισσότεραΨηφιακή 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 περισσότεραwebsite:
Αλεξάνδρειο Τεχνολογικό Εκπαιδευτικό Ιδρυμα Θεσσαλονίκης Τμήμα Μηχανικών Αυτοματισμού Μαθηματική Μοντελοποίηση και Αναγνώριση Συστημάτων Μαάιτα Τζαμάλ-Οδυσσέας 29 Μαρτίου 2017 1 Συναρτήσεις μεταφοράς σε
Διαβάστε περισσότεραΚατάτµηση εικόνας σε οµοιόµορφες περιοχές
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Κατάτµηση εικόνας σε οµοιόµορφες περιοχές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Κατάτµηση µε πολυκατωφλίωση Ανάπτυξη
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 11 η : θεωρία Χρώματος & Επεξεργασία Έγχρωμων Εικόνων Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή
Διαβάστε περισσότερα1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα
1 ο Εργαστήριο Συντεταγμένες, Χρώματα, Σχήματα 1. Σύστημα Συντεταγμένων Το σύστημα συντεταγμένων που έχουμε συνηθίσει από το σχολείο τοποθετούσε το σημείο (0,0) στο σημείο τομής των δυο αξόνων Χ και Υ.
Διαβάστε περισσότεραΤμήμα Μηχανικών Σχεδίασης Προϊόντων & Συστημάτων ΓΡΑΦΙΚΑ (6151) ΕΝΔΕΙΚΤΙΚΕΣ ΠΡΟΑΙΡΕΤΙΚΕΣ ΑΣΚΗΣΕΙΣ
ΓΡΑΦΙΚΑ (6151) ΕΝΔΕΙΚΤΙΚΕΣ ΠΡΟΑΙΡΕΤΙΚΕΣ ΑΣΚΗΣΕΙΣ Άσκηση 1 (Βαρύτητα 30%. Ομάδες: μέχρι 2 ατόμων): Ανάπτυξη 2Δ παιχνιδιού τύπου «ποδοσφαιράκι» το οποίο θα έχει τις παρακάτω λειτουργίες/δυνατότητες: Μπάλα:
Διαβάστε περισσότεραΠαρουσιάσεις. Προχωρημένο Επίπεδο. Εξεταστέα Ύλη 3.0. Έκδοση 1.0
Παρουσιάσεις Προχωρημένο Επίπεδο Εξεταστέα Ύλη 3.0 Έκδοση 1.0 Copyright 1997-2018 Ίδρυμα ECDL Όλα τα δικαιώματα είναι κατοχυρωμένα. Απαγορεύεται η αναπαραγωγή εν όλω ή εν μέρει του παρόντος σε οποιαδήποτε
Διαβάστε περισσότεραΦυσικά μεγέθη. Φυσική α λυκείου ΕΙΣΑΓΩΓΗ. Όλα τα φυσικά μεγέθη τα χωρίζουμε σε δύο κατηγορίες : Α. τα μονόμετρα. Β.
ΕΙΣΑΓΩΓΗ Φυσικά μεγέθη Όλα τα φυσικά μεγέθη τα χωρίζουμε σε δύο κατηγορίες : Α. τα μονόμετρα Β. τα διανυσματικά Μονόμετρα ονομάζουμε τα μεγέθη εκείνα τα οποία για να τα γνωρίζουμε χρειάζεται να ξέρουμε
Διαβάστε περισσότεραΕργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη
Επεξεργασία Εικόνας Εργασία επεξεργασίας εικόνων, που αναπαριστούν τομή εγκεφάλου και τομή αδένα προστάτη Μπαρμπούτης Παναγιώτης Α) ΦΙΛΤΡΑ ΟΞΥΝΣΗΣ Αρχικά θα μελετήσουμε την εικόνα από το MRI αρχείο της
Διαβάστε περισσότεραReferences. Chapter 10 The Hough and Distance Transforms
References Chapter 10 The Hough and Distance Transforms An Introduction to Digital Image Processing with MATLAB https://en.wikipedia.org/wiki/circle_hough_transform Μετασχηματισμός HOUGH ΤΕΧΝΗΤΗ Kostas
Διαβάστε περισσότεραΕΣΔ 200: ΔΗΜΙΟΥΡΓΙΑ ΠΕΡΙΕΧΟΜΕΝΟΥ ΙΙ. Ακαδημαϊκό Έτος 2011 2012, Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης
ΤΕΧΝΟΛΟΓΙΚΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΕΠΙΚΟΙΝΩΝΙΑΣ & ΣΠΟΥΔΩΝ ΔΙΑΔΙΚΤΥΟΥ ΕΣΔ 200: ΔΗΜΙΟΥΡΓΙΑ ΠΕΡΙΕΧΟΜΕΝΟΥ ΙΙ Ακαδημαϊκό Έτος 2011 2012, Χειμερινό Εξάμηνο Διδάσκων Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΕΠΑΝΑΛΗΨΗΣ
Διαβάστε περισσότεραΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ
ΕΡΓΑΣΤΗΡΙΟ ΗΛΕΚΤΡΟΝΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΨΗΦΙΑΚΑ ΟΛΟΚΛΗΡΩΜΕΝΑ ΗΛΕΚΤΡΟΝΙΚΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ ΟΜΑ Α Α Αριθµητική Λογική Μονάδα των 8-bit 1. Εισαγωγή Γενικά µια αριθµητική λογική µονάδα (ALU, Arithmetic Logic Unit)
Διαβάστε περισσότεραΠεριοχή εργασίας. Τμ. Γραφιστικής (Γραφιστική με Η/Υ - In Design) 2
Περιοχή εργασίας A. Παράθυρο εγγράφου B. Συγκέντρωση πινάκων συμπτυγμένων σε εικονίδια Γ. Γραμμή τίτλου πίνακα Δ. Γραμμή μενού E. Γραμμή επιλογών Στ. Παλέτα εργαλείων Ζ. Κουμπί σύμπτυξης σε εικονίδια Η.
Διαβάστε περισσότεραΜία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής
Μία μέθοδος προσομοίωσης ψηφιακών κυκλωμάτων Εξελικτικής Υπολογιστικής Βασισμένο σε μια εργασία των Καζαρλή, Καλόμοιρου, Μαστοροκώστα, Μπαλουκτσή, Καλαϊτζή, Βαλαή, Πετρίδη Εισαγωγή Η Εξελικτική Υπολογιστική
Διαβάστε περισσότεραΨηφιακή 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 περισσότεραΜεταπτυχιακό Πρόγραμμα Σπουδών Ολοκληρωμένα Συστήματα Υλικού και Λογισμικού
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΑΤΡΩΝ ΠΟΛΥΤΕΧΝΙΚΗ ΣΧΟΛΗ Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Τμήμα Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής Μεταπτυχιακό Πρόγραμμα Σπουδών Ολοκληρωμένα Συστήματα
Διαβάστε περισσότεραΚεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα
Ασκήσεις της Ενότητας 2 : Ζωγραφίζοντας με το ΒΥΟΒ -1- α. Η χρήση της πένας Κεφάλαιο 1: Κίνηση και γεωμετρικά σχήματα Υπάρχουν εντολές που μας επιτρέπουν να επιλέξουμε το χρώμα της πένας, καθώς και το
Διαβάστε περισσότεραΕργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence)
Εργαστήριο Προγραμματισμού και τεχνολογίας Ευφυών συστημάτων (intelligence) http://www.intelligence.tuc.gr Τμήμα Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Το εργαστήριο Ένα από τα 3 εργαστήρια του
Διαβάστε περισσότεραΟδηγίες σχεδίασης στο περιβάλλον Blender
Οδηγίες σχεδίασης στο περιβάλλον Blender Στον πραγματικό κόσμο, αντιλαμβανόμαστε τα αντικείμενα σε τρεις κατευθύνσεις ή διαστάσεις. Τυπικά λέμε ότι διαθέτουν ύψος, πλάτος και βάθος. Όταν θέλουμε να αναπαραστήσουμε
Διαβάστε περισσότεραΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ
ΑΣΚΗΣΕΙΣ ΚΥΜΑΤΙΚΗΣ ΟΠΤΙΚΗΣ ΑΣΚΗΣΗ 1: Ένα οπτικό φράγμα με δυο σχισμές που απέχουν μεταξύ τους απόσταση d=0.20 mm είναι τοποθετημένο σε απόσταση =1,20 m από μια οθόνη. Το οπτικό φράγμα με τις δυο σχισμές
Διαβάστε περισσότερα6-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 περισσότεραΟΔΟΠΟΙΙΑ Ι: 3η Διάλεξη ΟΜΟΕ-Χ (Κριτήρια Ασφαλείας Ι, ΙΙ και ΙΙΙ)
ΟΔΟΠΟΙΙΑ Ι: 3η Διάλεξη ΟΜΟΕ-Χ (Κριτήρια Ασφαλείας Ι, ΙΙ και ΙΙΙ) Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών Υπεύθυνος Μαθήματος Γαλάνης Αθανάσιος Πολιτικός Μηχανικός PhD Επικοινωνία
Διαβάστε περισσότεραThe 38 th International Physics Olympiad Iran Theory Competition Sunday, 15 July 2007
The 38 th International Physics Olympiad Iran Theory Competition Sunday, 15 July 2007 Παρακαλώ διαβάστε πρώτα τις πιο κάτω οδηγίες: 1. Η εξέταση διαρκεί 5 h (πέντε ώρες). Υπάρχουν τρεις ερωτήσεις και κάθε
Διαβάστε περισσότεραΕπεξεργασία Εικόνας. Κωδικός Πακέτου ACTA - CGD+CWD Τίτλος Πακέτου ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ - ΣΧΕ ΙΑΣΗ ΙΣΤΟΣΕΛΙ ΑΣ. Εκπαιδευτικές Ενότητες
Κωδικός Πακέτου ACTA - CGD+CWD - 013 Τίτλος Πακέτου ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ - ΣΧΕ ΙΑΣΗ ΙΣΤΟΣΕΛΙ ΑΣ Εκπαιδευτικές Ενότητες ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ιαχείριση Αρχείων Εκτυπώσεις Βασικές Λειτουργίες Επιλογές τµηµάτων
Διαβάστε περισσότεραΑνάκτηση πολυμεσικού περιεχομένου
Ανάκτηση πολυμεσικού περιεχομένου Ανίχνευση / αναγνώριση προσώπων Ανίχνευση / ανάγνωση κειμένου Ανίχνευση αντικειμένων Οπτικές λέξεις Δεικτοδότηση Σχέσεις ομοιότητας Κατηγοριοποίηση ειδών μουσικής Διάκριση
Διαβάστε περισσότερα12-13 Μαρτίου 2015 Αθήνα. Εντοπισμός δυνητικών θέσεων τροχαίων ατυχημάτων σε υφιστάμενο οδικό δίκτυο αναφορικά με τη γεωμετρία της οδού
12-13 Μαρτίου 2015 Αθήνα Εντοπισμός δυνητικών θέσεων τροχαίων ατυχημάτων σε υφιστάμενο οδικό δίκτυο αναφορικά με τη γεωμετρία της οδού Κωνσταντίνος Αποστολέρης Πολιτικός Μηχανικός, MSc Φώτης Μερτζάνης
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα. Φωτοτεχνία. Ενότητα 9: Μέθοδος της Λαμπρότητας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Φωτοτεχνία Ενότητα 9: Μέθοδος της Λαμπρότητας Γεώργιος Χ. Ιωαννίδης Τμήμα Ηλεκτρολόγων Μηχανικών ΤΕ Άδειες Χρήσης Το παρόν εκπαιδευτικό
Διαβάστε περισσότεραΗΛΕΚΤΡΙΚΑ ΚΥΚΛΩΜΑΤΑ Ι ΗΛΕΚΤΡΙΚΟ ΔΥΝΑΜΙΚΟ
ΗΛΕΚΤΡΙΚΑ ΚΥΚΛΩΜΑΤΑ Ι ΗΛΕΚΤΡΙΚΟ ΔΥΝΑΜΙΚΟ 1 1. ΗΛΕΚΤΡΙΚΗ ΔΥΝΑΜΙΚΗ ΕΝΕΡΓΕΙΑ Αρχικά ας δούμε ορισμένα σημεία που αναφέρονται στο έργο, στη δυναμική ενέργεια και στη διατήρηση της ενέργειας. Πρώτον, όταν μια
Διαβάστε περισσότεραΗΛΕΚΤΡΟΜΑΓΝΗΤΙΚΗ ΘΕΩΡΙΑ ΗΛΕΚΤΡΙΚΟ ΔΥΝΑΜΙΚΟ
ΗΛΕΚΤΡΟΜΑΓΝΗΤΙΚΗ ΘΕΩΡΙΑ ΗΛΕΚΤΡΙΚΟ ΔΥΝΑΜΙΚΟ 1 1. ΗΛΕΚΤΡΙΚΗ ΔΥΝΑΜΙΚΗ ΕΝΕΡΓΕΙΑ Αρχικά ας δούμε ορισμένα σημεία που αναφέρονται στο έργο, στη δυναμική ενέργεια και στη διατήρηση της ενέργειας. Πρώτον, όταν
Διαβάστε περισσότεραΚυματική οπτική. Συμβολή Περίθλαση Πόλωση
Κυματική οπτική Η κυματική οπτική ασχολείται με τη μελέτη φαινομένων τα οποία δεν μπορούμε να εξηγήσουμε επαρκώς με τις αρχές της γεωμετρικής οπτικής. Στα φαινόμενα αυτά περιλαμβάνονται τα εξής: Συμβολή
Διαβάστε περισσότεραDIP_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 περισσότεραΑ.Τ.Ε.Ι. Ηρακλείου Ψηφιακή Επεξεργασία Εικόνας ιδάσκων: Βασίλειος Γαργανουράκης. Ανθρώπινη Όραση - Χρωµατικά Μοντέλα
Ανθρώπινη Όραση - Χρωµατικά Μοντέλα 1 Τι απαιτείται για την όραση Φωτισµός: κάποια πηγή φωτός Αντικείµενα: που θα ανακλούν (ή διαθλούν) το φως Μάτι: σύλληψη του φωτός σαν εικόνα Τρόποι µετάδοσης φωτός
Διαβάστε περισσότεραΕιδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής
Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής Χαρακτηριστικά Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα
Διαβάστε περισσότερα7 ο Εργαστήριο Θόρυβος 2Δ, Μετακίνηση, Περιστροφή
7 ο Εργαστήριο Θόρυβος 2Δ, Μετακίνηση, Περιστροφή O θόρυβος 2Δ μας δίνει τη δυνατότητα να δημιουργίας υφής 2Δ. Στο παρακάτω παράδειγμα, γίνεται σχεδίαση γραμμών σε πλέγμα 300x300 με μεταβαλόμενη τιμή αδιαφάνειας
Διαβάστε περισσότεραΤΟΠΙΚΑ ΑΚΡΟΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ ΑΚΡΟΤΑΤΩΝ
Ενότητα 1 ΤΟΠΙΚΑ ΑΚΡΟΤΑΤΑ ΠΡΟΒΛΗΜΑΤΑ ΑΚΡΟΤΑΤΩΝ Ασκήσεις για λύση 3 3, < 1). Δίνεται η συνάρτηση f ( ). 6, Να βρείτε : i ) την παράγωγο της f, ii) τα κρίσιμα σημεία της f. ). Να μελετήσετε ως προς τη μονοτονία
Διαβάστε περισσότεραΒ. Γάτος, Ψηφιακή Επεξεργασία και Αναγνώριση Εγγράφων. 3.1 Προβλήµατα στην ποιότητα των δυαδικών εικόνων
Μάθηµα 3 Βελτίωση ποιότητας 3.1 Προβλήµατα στην ποιότητα των δυαδικών εικόνων Οι δυαδικές εικόνες των εγγράφων συνήθως χρειάζονται ένα στάδιο προεπεξεργασίας για την βελτίωση της ποιότητάς τους. Στο στάδιο
Διαβάστε περισσότεραΧωρική Ανάλυση Συμπεριφοράς Ασφάλειας Οδηγών με Δεδομένα από Έξυπνα Κινητά Τηλέφωνα
Χωρική Ανάλυση Συμπεριφοράς Ασφάλειας Οδηγών με Δεδομένα από Έξυπνα Κινητά Τηλέφωνα Ηλίας Αλέξανδρος Παρμακσίζογλου Επιβλέπων: Γιώργος Γιαννής, Καθηγητής ΕΜΠ Αθήνα, Μάρτιος 2018 Εθνικό Μετσόβιο Πολυτεχνείο
Διαβάστε περισσότεραΕισαγωγή στο 3DS Max 2009
Μάθημα 1ο Εισαγωγή στο 3DS Max 2009 Σε αυτό το μάθημα πραγματοποιείται εκμάθηση του περιβάλλοντος του προγράμματος 3DS Max 2009. Το 3D Studio Max είναι ένα από τα ισχυρότερα προγράμματα δημιουργίας και
Διαβάστε περισσότεραΓραφικά με Η/Υ Αλγόριθμοι σχεδίασης βασικών 22D D σχημάτων (ευθεία
Γραφικά με Η/Υ Αλγόριθμοι σχεδίασης βασικών 2D σχημάτων (ευθεία) Σχεδίαση ευθείας θί με σάρωση (παρουσίαση προβλήματος) σχεδίαση ευθείας AB, με σάρωση, όπου A=(0,1) και B=(5,4) ποιο είναι το επόμενο pixel
Διαβάστε περισσότερα