Digital Image Processing
|
|
- Λευίς Λαιμός
- 6 χρόνια πριν
- Προβολές:
Transcript
1 Digital Image Processing Χωρικό φιλτράρισμα Πέτρος Καρβέλης Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 008.
2 Χωρικού Φιλτράρισμα Η μηχανική του Μπορούμε να εφαρμόσουμε κάποιους μετασχηματισμούς στην γειτονιά ενός εικονοστοιχείου. Ποιες; Min Max Median Mean
3 Χωρικού Φιλτράρισμα Η μηχανική του Ένα χωρικό φίλτρο αποτελείται από Μια γειτονιά Μια προκαθορισμένη λειτουργία που εφαρμόζεται σε όλα τα εικονοστοιχεία της γειτονιάς. Ανάλογα με τον τύπο της διαδικασία που εφαρμόζουμε τα φίλτρα χωρίζονται σε Γραμμικά Μη-Γραμμικά
4 Χωρικού Φιλτράρισμα Η μηχανική του Σε μορφή εξίσωσης μπορεί να γραφτεί: gxy (, ) w( 1, 1) f( x1, y1) w( 1, 0) f( x1, y) w( 1,1) f( x1, y1) w(0, 1) f( xy, 1) w(0,0) f( xy, ) w(0,1) f( xy, 1) w(1, 1) f( x1, y1) w( 1, 0) f( x1, y) w(1,1) f( x1, y1) ή a b g( x, y) wst (, ) f ( xs, y t) sa tb
5 Χωρικού Φιλτράρισμα Η μηχανική του Έστω η ακόλουθη εικόνα να υπολογιστεί η τιμή του κίτρινου pixel για την φίλτρο που φαίνεται δίπλα. f ( x, y ) ws (,t) /9 1/9 1/ /9 1/9 1/ /9 1/9 1/
6 Χωρικού Φιλτράρισμα Η μηχανική του Έστω η ακόλουθη εικόνα να υπολογιστεί η τιμή του κίτρινου pixel για την φίλτρο που φαίνεται δίπλα. f ( x, y) *1/9 1*1/9 0*1/ *1/9 0*1/9 3*1/ *1/9 *1/9 4*1/ gxy (, ) * 1* 0* 5* 0* 3* * * 4*
7 Χωρικού Φιλτράρισμα Παράδειγμα Μέσου Αρχική εικόνα μεγέθους 500x500 pixel Φιλτράρισμα μέσου με γειτονιά 3, 5, 9, 15 και 35 Τι γίνεται με τις λεπτομέρειες;
8 Χωρικού Φιλτράρισμα Παράδειγμα Μέσου Μπορούν αν χρησιμοποιηθούν διάφορα βάρη στο φιλτράρισμα μέσου: π.χ. Εικονοστοιχεία κοντά στο κεντρικό pixel είναι πιο σημαντικά. Πώς θα επιλέγατε τιμές βαρών; Weighted Averaging
9 Χωρικού Φιλτράρισμα Παράδειγμα Μέσου Μπορούμε να χρησιμοποιήσουμε καμία συνάρτηση για την επιλογή των βαρών που θα εξαρτιέται από την απόσταση του κεντρικού pixel; Gaussian Filtering x y 1 gxy (, ) e
10 Χωρικού Φιλτράρισμα Παράδειγμα Μέσου Τέτοιου είδους φιλτράρισμα χρησιμοποιείται ως πρώτο βήμα πριν την κατωφλίωση Αρχική Smoothed Thresholded
11 Χωρικού Φιλτράρισμα Μέσος vs Μεσαίος Πολλές φορές το φιλτράρισμα χρησιμοποιείται για την αφαίρεση θορύβου από εικόνες Πολλές φορές το φίλτρο μεσαίου λειτουργεί πολύ καλύτερα από το φίλτρο μέσου. Γιατί; Εικόνα με θόρυβο Εφαρμογή φίλτρου μέσου Εφαρμογή φίλτρου μέσαιου
12 Χωρικού Φιλτράρισμα Μέσος vs Μεσαίος Φίλτρο μέσου ελαχιστοποιεί το Sum of Squared Differences 1 (x m) N i i E * 1 ar g min (x m) N i m i m * 1 0 (x ) 0 N i i E m m * 1 1 x N N i i i m * 1 1 x N i i m N * 1 x N i i Nm Η μέση τιμή
13 Χωρικού Φιλτράρισμα Μέσος vs Μεσαίος Φίλτρο μεσαίου ελαχιστοποιεί το Sum of Absolute Differences E N i1 x i m m * N ar g min x i m m i1 N 1 x 0 E * 0sgn(x i m ) 0 με sgn( x) 0 x 0 x xsgn( x) m & i1 1 x 0 * m median xi i 1,, N Άρα το m* είναι ο μεσαίος
14 Χωρικού Φιλτράρισμα Μέσος vs Μεσαίος Το φίλτρο μεσαίου δεν είναι γραμμικό medianx y medianx mediany Λειτουργεί αρκετά καλά στην περίπτωση θορύβου salt&peper Δεν αλλοιώνει τις ακμές (τουλάχιστον στον βαθμό που τις αλλοιώνει το φίλτρο μέσου).
15 Χωρικού Φιλτράρισμα Μέσος vs Μεσαίος Παράδειγμα διατήρησης ακμής Αρχικό Σήμα Σήμα με θόρυβο Ακμή Φίλτρο μέσου (Ν=3) Φίλτρο μεσαίου (Ν=3)
16 Άκρα εικόνων Τι γίνεται αν θέλουμε να εφαρμόσουμε κάποιο φίλτρο στην άκρη της εικόνας; Λύσεις Να μην εφαρμόσουμε το φίλτρο στα άκρα της εικόνας Να προσθέσουμε με επιπλέον εικονοστοιχεία την εικόνα (λευκά ή μαύρα) Να αντιγράψουμε εικονοστοιχεία που ανήκουν στα άκρα της εικόνας.
17 Συσχέτιση & Συνέλιξη Συσχέτιση χ 1 χ x 3 χ 4 χ 5 χ 6 χ 7 χ 8 χ 9 Εικόνα a b c d e f g h i Φίλτρο a b g( x, y) wst (, ) f ( xs, y t) sa tb x 5 =x 1 a+x b+x 3 c+x 4 d+x 5 e+x 6 f+ x 7 g+x 8 h+x 9 i Συνέλιξη χ 1 χ x 3 χ 4 χ 5 χ 6 a b c d e f a b g( x, y) wst (, ) f ( xs, y t) sa tb χ 7 χ 8 χ 9 Εικόνα g h i Φίλτρο x 5 =x 1 i+x h+x 3 g+x 4 f+x 5 e+x 6 d+ x 7 c+x 8 b+x 9 a
18 Συσχέτιση & Συνέλιξη Στην περίπτωση σήματος
19 Συσχέτιση & Συνέλιξη Στην περίπτωση εικόνας
20 Αύξηση Οξύτητας Sharpening Spatial Filters Αντίθετα με τα φίλτρα εξομάλυνσης. Χρησιμοποιούνται για την ενίσχυση λεπτομερειών στην εικόνα Αφαίρεση blurring σε μια εικόνα Ενίσχυση Ακμών Χρησιμοποιούμε τελεστές διαφόρισης
21 Αύξηση Οξύτητας Sharpening Spatial Filters Μονοδιάστατη περίπτωση
22 Αύξηση Οξύτητας Sharpening Spatial Filters Οι παράγωγοι μιας ψηφιακής συνάρτησης ορίζονται συναρτήσει διαφορών. Πρώτη Παράγωγος Μηδέν σε περιοχές σταθερής έντασης Μη-Μηδενικές τιμές στην αρχή μιας μεταβολής τύπου ράμπας ή βήματος Μη μηδενική κατά μήκος της ράμπας Δεύτερη Παράγωγο Ίση με το μηδέν σε περιοχές σταθερής έντασης Μη μηδενική στην αρχή και στο τέλος της μεταβολής Ίση με το μηδέν κατά μήκος μια μεταβολής τύπου ράμπας.
23 Αύξηση Οξύτητας Sharpening Spatial Filters Διακριτή προσέγγιση της 1 ης παραγώγου f f ( x 1) f( x) x Διακριτή προσέγγιση της ης παραγώγου f f ( x 1) f ( x 1) f ( x) x
24 Αύξηση Οξύτητας Sharpening Spatial Filters 1 η Παράγωγος Προφίλ έντασης Παράδειγμα 1 η Παράγωγος Μη μηδενική στην αρχή και τέλος μεταβολών Συνθ.. Μη μηδενική κατά μήκος της ράμπας Συνθ. 3. η Παράγωγος Μη μηδενική στην αρχή και τέλος της ράμπας Συνθ.. Ίση με το μηδέν κατά μήκος μιας μεταβολής τύπου ράμπας.
25 Αύξηση Οξύτητας Sharpening Spatial Filters Οι Ακμές σε μια εικόνα είναι μεταβολές έντασης τύπου ράμπας 1 η Παράγωγος: θα επηρέαζε περισσότερο τις ακμές μεγάλου πάχους (επειδή είναι μη μηδενική κατά μήκος της ράμπας). η Παράγωγος: θα επηρέαζε περισσότερο την αρχή και τέλος μιας ακμής.
26 Αύξηση Οξύτητας Sharpening Spatial Filters Η κλίση (gradient) της εικόνας είναι: Παράδειγμα: f f f f( x, y), x y Δείχνει προς την κατεύθυνση του μέγιστου ρυθμού μεταβολής Μέτρο (μήκος διαν.) Γωνία f f f x y f f y x 1 tan ( / )
27 Αύξηση Οξύτητας Sharpening Spatial Filters Gradient μιας εικόνας f f
28 Αύξηση Οξύτητας Sharpening Spatial Filters Η Laplacian μιας δισδιάστατης εικόνας ορίζεται ώς f x f y f( x, y) f f ( x 1, y) f ( x 1, y) f ( x, y) x f f ( x, y1) f( x, y1) f ( x, y) y f ( x, y) f( x 1, y) f( x 1, y) f( x, y 1) f ( x, y 1) 4 f( x, y)
29 Αύξηση Οξύτητας Sharpening Spatial Filters Η Laplacian μιας δισδιάστατης εικόνας ορίζεται ώς f( x, y) x f y f f f ( x 1, y) f ( x 1, y) f ( x, y) x f f ( x, y1) f( x, y1) f ( x, y) y f ( x, y) f( x 1, y) f( x 1, y) f( x, y 1) f ( x, y 1) 4 f( x, y)
30 Αύξηση Οξύτητας Sharpening Spatial Filters Εφαρμογή φίλτρου σε εικόνα Έμφαση ακμών Έμφαση ασυνεχειών Αρχική Laplacian Laplacian scaled
31 Αύξηση Οξύτητας Sharpening Spatial Filters Τρόπος εφαρμογής σε εικόνες g x y f x y f x y (, ) (, ) (, )
32 Αύξηση Οξύτητας Sharpening Spatial Filters Τρόπος εφαρμογής σε εικόνες g x y f x y f x y f x y f x y f x y f x y f x y (, ) (, ) (, ) 5 (, ) ( 1, ) ( 1, ) (, 1) (, 1)
33 Αύξηση Οξύτητας Sharpening Spatial Filters
34 Αύξηση Οξύτητας Unsharp Masking Αφαίρεση Εξομάλυνσης 1. Η αρχική εικόνα υφίσταται θόλωση. Η θολωμένη αφαιρείται από την αρχική 3. Η μάσκα που προκύπτει προστίθεται στην αρχική f ( x, y) g f( x, y) f( x, y) mask g( x, yg ) f( x, y) kg ( x, y) mask mask
35 Αύξηση Οξύτητας Unsharp Masking Αρχική Θολωμένη Gaussian 5x5, σ=3 Μάσκα Unsharp Masking (k=1) HighBoost Filtering (k=4.5)
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 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 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 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 2 : Βελτιστοποίηση εικόνας (Image enhancement) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες Χρήσης Το
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 Φιλτράρισμα στο πεδίο των Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Φίλτρο: μια διάταξη ή
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 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 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 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 περισσότεραΕνότητα 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 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 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 περισσότεραAdvances 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 περισσότεραAdvances 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 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 περισσότεραDIP_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 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 Επεξεργασία Εικόνας Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή
Διαβάστε περισσότεραΜη γραμμικά Φίλτρα. Μεταπτυχιακό Πρόγραμμα. Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ 1/50
Μη γραμμικά Φίλτρα Σ. Φωτόπουλος ΜΗ ΓΡΑΜΜΙΚΑ ΦΙΛΤΡΑ /50 Φίλτρα διάμεσης τιμής (median,order statistic) Μη γραμμικά φίλτρα μέσης τιμής Μορφολογικά φίλτρα Ομομορφικά φίλτρα Πολυωνυμικά φίλτρα Σ. Φωτόπουλος
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Εικόνας
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα Ψηφιακή Επεξεργασία Εικόνας Ενότητα 4 : Δειγματοληψία και κβάντιση (Sampling and Quantization) Ιωάννης Έλληνας Τμήμα Η/ΥΣ Άδειες
Διαβάστε περισσότεραΕργαστήριο 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 περισσότεραΑσκήσεις 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 περισσότεραΒελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας /7 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά η πράξη συνέλιξης μεταξύ της αρχικής εικόνας και ενός συνόλου συντελεστών που συνήθως ονομάζονται
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 περισσότεραΚεφάλαιο 8 Φίλτρα. 8.1 Γενικά. Κωνσταντίνος Γ. Περάκης
Κεφάλαιο 8 Φίλτρα Κωνσταντίνος Γ. Περάκης Σύνοψη Στην αρχή του κεφαλαίου εκτίθενται αναλυτικά η δομή των φίλτρων, ο τρόπος προσπέλασης της ψηφιακής εικόνας από τα φίλτρα, και η μαθηματική πράξη της συνέλιξης
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 περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Κβάντιση Δρ. Ν. Π. Σγούρος 2 Αναλογικά Ψηφιακά Σήματα Αναλογικό Σήμα x t, t [t min, t max ], x [x min, x max ] Δειγματοληψία t n, x t x n, n = 1,, N Κβάντιση x n x(n) 3 Αλφάβητο
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 Τμηματοποίηση εικόνας Τμηματοποίηση εικόνας Γενικά Διαμερισμός μιας εικόνας σε διακριτές περιοχές
Διαβάστε περισσότεραΕργαστήριο 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 περισσότεραΝοέμβριος 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 περισσότεραΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ)
-- ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ (ΦΙΛΤΡΑΡΙΣΜΑ) 3. Εισαγωγή Η βελτίωση εικόνας είναι συνήθως διαδικασία φιλτραρίσµατος δηλ. συνέλιξης µε συγκεκριµµένη διδιάσταση µάσκα και στοχεύει στην ανάδειξη χαρακτηριστικών ή ελάττωση
Διαβάστε περισσότεραΜέθοδοι 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 περισσότεραΡαδιομετρική 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 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 περισσότεραΜάθημα: 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 περισσότεραΠαρουσίαση του μαθήματος
Παρουσίαση του μαθήματος Εργαστήριο 1 Ενότητες Μαθήματος 1. Η ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ Τι είναι ψηφιακή εικόνα. Τι σημαίνει Επεξεργασία εικόνας. Ανάλυση εικόνας σε συχνότητα ( Μετασχηματισμός Fourier σε εικόνα)
Διαβάστε περισσότεραΜεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας. Εισηγητής Αναστάσιος Κεσίδης
Μεταπτυχιακό Πρόγραμμα «Γεωχωρικές Τεχνολογίες» Ψηφιακή Επεξεργασία Εικόνας Εισηγητής Αναστάσιος Κεσίδης Επεξεργασία στο πεδίο της συχνότητας Φασματικές τεχνικές Γενικά Τεχνικές αναπαράστασης και ανάλυσης
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 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 Εισαγωγή Σχηματισμός Εικόνας
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 περισσότεραDigital Image Processing
Digital Image Processing Πέτρος Καρβέλης pkarvelis@gmail.com Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008. Παρεμβολή Εικόνας Χρησιμοποιείται σε διαδικασίες
Διαβάστε περισσότεραΤηλεπισκόπηση - Φωτοερμηνεία
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας
Διαβάστε περισσότεραΒελτίωση - Φιλτράρισμα εικόνας
Βελτίωση - Φιλτράρισμα εικόνας Σ. Φωτόπουλος Ψηφιακή Επεξεργασία Εικόνας ΚΕΦ.3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ /76 Βελτίωση εικόνας με φιλτράρισμα Το φιλτράρισμα εικόνας είναι ουσιαστικά συνέλιξη y(n, n ) = x(n, n )*
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab XXX Introduction to Python Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Image Processing and Computer Vision with
Διαβάστε περισσότεραD. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004.
D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004. 1/45 Τι είναι ο SIFT-Γενικά Scale-invariant feature transform detect and
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 περισσότεραΕνότητα 4: Φιλτράρισµα στο Πεδίο Συχνοτήτων (ΙΙ)
Ενότητα 4: Φιλτράρισµα στο Πεδίο Συχνοτήτων (ΙΙ) Διδιάστατο Θεώρηµα Συνέλιξης Διδιάστατη Κυκλική Συνέλιξη: 4/0./0 f x, y h x, y = ( ( f m, n h(x m, y n) 523 123 Διδιάστατο Θεώρηµα Συνέλιξης: f x, y h x,
Διαβάστε περισσότεραΠαρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 2018-2019 Παρεμβολή & πρόγνωση άγνωστης συνάρτησης μέσω σημειακής προσαρμογής (Least squares collocation) Χριστόφορος Κωτσάκης Τμήμα Αγρονόμων
Διαβάστε περισσότεραΚατάτµηση 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 περισσότεραD. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004.
D. Lowe, Distinctive Image Features from Scale-Invariant Keypoints, International Journal of Computer Vision, 60(2):91-110, 2004. Εισαγωγικά: SIFT~Harris Harris Detector: Δεν είναι ανεξάρτητος της κλίμακας
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 περισσότεραΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ
ΠΕΡΙΕΧΟΜΕΝΑ ΚΕΦΑΛΑΙΟ 1: ΕΙΣΑΓΩΓΗ 1.1 ΕΙΣΑΓΩΓΗ 1.1 1.2 ΤΙ ΕΙΝΑΙ ΜΙΑ ΨΗΦΙΑΚΗ ΕΙΚΟΝΑ 1.2 1.3 ΠΛΗΘΟΣ BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.4 1.4 ΕΥΚΡΙΝΕΙΑ ΕΙΚΟΝΑΣ 1.5 1.5 ΕΠΙΠΕ Α BITS ΜΙΑΣ ΕΙΚΟΝΑΣ 1.8 1.6 Η ΦΥΣΗ ΤΟΥ ΧΡΩΜΑΤΟΣ
Διαβάστε περισσότεραΒιοϊατρική 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 009-0 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x α Ψηφιακή
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 περισσότεραΨηφιακή 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 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 περισσότεραΔιαφορικός λογισµός. y(x + Δx) y(x) dy dx = lim Δy
Διαφορικός λογισµός ΦΥΣ 111 - Διαλ.5 1 Έστω y = f(x) µια συναρτησιακή σχέση της µεταβλητής y ως προς την µεταβλητή x: y = f(x) = αx 3 + bx 2 + cx + H παράγωγος του y ως προς το x ορίζεται ως το όριο των
Διαβάστε περισσότεραDigital 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2 Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Παρουσιάση πλάτους
Διαβάστε περισσότεραΆσκηση 1 η Να εξετάσετε αν τα ακόλουθα σήματα είναι περιοδικά. Στην περίπτωση περιοδικού σήματος, ποια είναι η θεμελιώδης περίοδος; 1 )
ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΣΧΟΛΗ ΘΕΤΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΚΑΙ ΤΕΧΝΟΛΟΓΙΑΣ ΠΡΟΓΡΑΜΜΑ ΣΠΟΥΔΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Θεματική Ενότητα ΠΛΗ 44: Σήματα και Επεξεργασία Εικόνας Ακαδημαϊκό Έτος 007 00 Ημερομηνία Εξέτασης 4.0.00
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 περισσότεραΨηφιακές Τηλεπικοινωνίες. Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση
Ψηφιακές Τηλεπικοινωνίες Πιθανότητα Σφάλματος για Δυαδική Διαμόρφωση Σύνδεση με τα Προηγούμενα Σχεδιάστηκε ο βέλτιστος δέκτης για κανάλι AWGN Επειδή πάντοτε υπάρχει ο θόρυβος, ακόμη κι ο βέλτιστος δέκτης
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 περισσότεραΕργαστήριο 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 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 Σύνθεση Πανοράµατος Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή
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 περισσότεραΠαρουσίαση Νο. 6 Αποκατάσταση εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Παρουσίαση Νο. 6 Αποκατάσταση εικόνας Εισαγωγή (1/2) Αναίρεση υποβάθμισης που μπορεί να οφείλεται: Στο οπτικό σύστημα (θόλωμα λόγω κακής εστίασης, γεωμετρικές παραμορφώσεις...)
Διαβάστε περισσότεραΒέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής
Ειδικά Θέματα Συνορθώσεων & Εφαρμογές 8 ο εξάμηνο, Ακαδημαϊκό έτος 2016-2017 Βέλτιστη παρεμβολή και πρόγνωση άγνωστης συνάρτησης με τη μέθοδο της σημειακής προσαρμογής (Least squares collocation) Χριστόφορος
Διαβάστε περισσότεραΜάθημα 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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 6 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Βασικές έννοιες Μετασχηματισμού Fourier Basic Concepts of Fourier
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 περισσότεραΜαθηματικά Και Στατιστική Στη Βιολογία
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ Μαθηματικά Και Στατιστική Στη Βιολογία Ενότητα 10 : Δυναμικά Συστήματα Στέφανος Σγαρδέλης Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται
Διαβάστε περισσότεραΑνάλυση 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 περισσότεραn 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 περισσότεραΠανεπιστήμιο Θεσσαλίας. Πολυτεχνική Σχολή ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
Πανεπιστήμιο Θεσσαλίας Πολυτεχνική Σχολή Τμήμα Μηχανικών Χωροταξίας Πολεοδομίας και Περιφερειακής Ανάπτυξης ΘΕΜΑΤΙΚΗ : ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ιωάννης Φαρασλής Τηλ : 24210-74466, Πεδίον Άρεως, Βόλος
Διαβάστε περισσότερα4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER
4. ΚΕΦΑΛΑΙΟ ΕΦΑΡΜΟΓΕΣ ΤΟΥ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΥ FOURIER Σκοπός του κεφαλαίου είναι να παρουσιάσει μερικές εφαρμογές του Μετασχηματισμού Fourier (ΜF). Ειδικότερα στο κεφάλαιο αυτό θα περιγραφούν έμμεσοι τρόποι
Διαβάστε περισσότεραΜάθημα 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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας. Ακαδημαϊκό Έτος Παρουσίαση Νο. 2. Δισδιάστατα Σήματα και Συστήματα #1
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος 06-7 Παρουσίαση Νο. Δισδιάστατα Σήματα και Συστήματα # Βασικοί ορισμοί () Κάθε εικόνα είναι ένα δισδιάστατο (-D) σήμα. Αναλογική εικόνα: x t, t,
Διαβάστε περισσότεραCAD / CAM. Ενότητα # 3: Έλεγχος & Αριστοποίηση Συστημάτων. Δημήτριος Τσελές Τμήμα Μηχανικών Αυτοματισμού T.E.
ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα CAD / CAM Ενότητα # 3: Έλεγχος & Αριστοποίηση Συστημάτων Δημήτριος Τσελές Τμήμα Μηχανικών Αυτοματισμού T.E. Άδειες Χρήσης Το παρόν
Διαβάστε περισσότεραDIP_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 περισσότεραΣυμπίεση Δεδομένων
Συμπίεση Δεδομένων 2014-2015 Στοιχεία Επεξεργασίας Σήματος Δρ. Ν. Π. Σγούρος 2 Εργοδικές Διαδικασίες Η μέση τιμή διαφόρων στιγμιότυπων της διαδικασίας (στατιστική μέση τιμή) ταυτίζεται με τη χρονική μέση
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ 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 περισσότεραΕΠΕΞΕΡΓΑΣΙΑ & ΑΝΑΛΥΣΗ ΙΑΤΡΙΚΩΝ ΣΗΜΑΤΩΝ
BIOMIG Medical Image Processing, Algorithms and Applications http://biomig.ntua.gr ΕΠΕΞΕΡΓΑΣΙΑ & ΑΝΑΛΥΣΗ ΙΑΤΡΙΚΩΝ ΣΗΜΑΤΩΝ Εισαγωγή στην MRI και στην fmri ΔΡ. Γ. ΜΑΤΣΟΠΟΥΛΟΣ ΑΝ. ΚΑΘΗΓΗΤΗΣ ΣΧΟΛΗ ΗΛΕΚΤΡΟΛΟΓΩΝ
Διαβάστε περισσότερα17-Φεβ-2009 ΗΜΥ Ιδιότητες Συνέλιξης Συσχέτιση
ΗΜΥ 429 7. Ιδιότητες Συνέλιξης Συσχέτιση 1 Μαθηματικές ιδιότητες Αντιμεταθετική: a [ * b[ = b[ * a[ παρόλο που μαθηματικά ισχύει, δεν έχει φυσικό νόημα. Προσεταιριστική: ( a [ * b[ )* c[ = a[ *( b[ * c[
Διαβάστε περισσότεραΕπεξεργασία Πολυµέσων. Δρ. Μαρία Κοζύρη Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας
Π.Μ.Σ. «Εφαρµοσµένη Πληροφορική» Τµήµα Ηλεκτρολόγων Μηχανικών & Μηχανικών Υπολογιστών Πανεπιστήµιο Θεσσαλίας Ενότητα 0: Εισαγωγή στο µάθηµα 2 Διαδικαστικά Παράδοση: Παρασκευή 16:00-18:30 Διδάσκων: E-mail:
Διαβάστε περισσότεραΨηφιακές Τηλεπικοινωνίες. Θεωρία Ρυθμού Παραμόρφωσης
Ψηφιακές Τηλεπικοινωνίες Θεωρία Ρυθμού Παραμόρφωσης Θεωρία Ρυθμού-Παραμόρφωσης Θεώρημα Κωδικοποίησης Πηγής: αν έχω αρκετά μεγάλο μπλοκ δεδομένων, μπορώ να φτάσω κοντά στην εντροπία Πιθανά Προβλήματα: >
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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1 Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Δισδιάστατα σήματα
Διαβάστε περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4b 24/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Μετασχηματισμός Fourier Εφαρμογές 2 Περιοδικός Θόρυβος
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 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 περισσότερα10-Μαρτ-2009 ΗΜΥ Παραθύρωση Ψηφιακά φίλτρα
-Μαρτ-9 ΗΜΥ 49. Παραθύρωση Ψηφιακά φίλτρα . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 Είδη παραθύρων Bartlett τριγωνικό: n, n Blacman: πn 4πn.4.5cos +.8cos, n < . Παραθύρωση / Ψηφιακά Φίλτρα -Μαρτ-9 3 Hamming:
Διαβάστε περισσότεραE[ (x- ) ]= trace[(x-x)(x- ) ]
1 ΦΙΛΤΡΟ KALMAN ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ Σε αυτό το μέρος της πτυχιακής θα ασχοληθούμε λεπτομερώς με το φίλτρο kalman και θα δούμε μια καινούρια έκδοση του φίλτρου πάνω στην εφαρμογή της γραμμικής εκτίμησης διακριτού
Διαβάστε περισσότεραHMY 220: Σήματα και Συστήματα Ι
HMY 220: Σήματα και Συστήματα Ι Διδάσκων: Γεώργιος Μήτσης, Λέκτορας, Τμήμα ΗΜΜΥ Γραφείο: 403 Πράσινο Άλσος Ώρες γραφείου: Οποτεδήποτε (κατόπιν επικοινωνίας) Ηλ. Ταχ.: : gmitsis@ucy.ac.cy Βοηθοί Διδασκαλίας:
Διαβάστε περισσότερα«ΠΥΘΑΓΟΡΑΣ II: ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΠΑΝΕΠΙΣΤΗΜΙΑ»
«ΠΥΘΑΓΟΡΑΣ II: ΕΝΙΣΧΥΣΗ ΕΡΕΥΝΗΤΙΚΩΝ ΟΜΑΔΩΝ ΣΤΑ ΠΑΝΕΠΙΣΤΗΜΙΑ» ΣΧΟΛΗ: ΑΓΡΟΝΟΜΩΝ ΚΑΙ ΤΟΠΟΓΡΑΦΩΝ ΜΗΧΑΝΙΚΩΝ (ΣΑΤΜ) Ε.Μ.Π. ΕΠΙΣΤΗΜΟΝΙΚΟΣ ΥΠΕΥΘΥΝΟΣ: ΑΡΓΙΑΛΑΣ ΔΗΜΗΤΡΗΣ ΤΙΤΛΟΣ ΥΠΟΕΡΓΟΥ: ΑΝΑΠΤΥΞΗ ΠΡΟΗΓΜΕΝΩΝ ΤΕΧΝΙΚΩΝ
Διαβάστε περισσότεραΝοέμβριος 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