Digital Image Processing
|
|
- Πᾰλαιμον Ανδρεάδης
- 8 χρόνια πριν
- Προβολές:
Transcript
1 Digital Image Processing Αποκατάσταση εικόνας Αφαίρεση Θορύβου Πέτρος Καρβέλης Images taken from: R. Gonzalez and R. Woods. Digital Image Processing, Prentice Hall, 2008.
2 Αποκατάσταση Εικόνας Αποκατάσταση εικόνας επιχειρεί να αποκαταστήσει εικόνες οι οποίες έχουν υποβαθμιστεί-αλλοιωθεί. Βασικές διαφορές με την βελτίωση είναι Στην βελτίωση μπορούν να χρησιμοποιηθούν κριτήρια ποιο υποκειμενικά σε σχέση με την αποκατάσταση π.χ. κριτήρια αρεστά στον άνθρωπο. Στην αποκατάσταση θεωρούμε ότι έχουμε μια εκ των προτέρων γνώση για το φαινόμενο της αλλοίωσης της εικόνας Πώς Εύρεση του μηχανισμού αλλοίωσης και προσπάθεια να χρησιμοποιηθεί κάποιος αντίστροφος μηχανισμός
3 Αποκατάσταση Στην Παρουσία Θορύβου ΜΟΝΟ Μια εικόνα με θόρυβο μπορεί να θεωρηθεί ότι προέρχεται από το ακόλουθο μοντέλο: g( x, y) f ( x, y) n(x, y) f(x,y): η αρχική εικόνα, n(x,y): ο θόρυβος g(x,y): η εικόνα με το θόρυβο Η διαδικασία αποκατάστασης θα εφαρμοστεί λαμβάνοντας υπόψη τα χαρακτηριστικά του θορύβου
4 Μοντέλα Θορύβου Διάφορα μοντέλα θορύβου βάση της πυκνότητας πιθανότητας του θορύβου: Gaussian Το πιο γνωστό Rayleigh Gamma Exponential Uniform Impulse
5 Μοντέλα Θορύβου - Παράδειγμα Θα δείξουμε τις επιπτώσεις των παραπάνω μοντέλων στην ακόλουθη εικόνα Αρχική Εικόνα f(x,y) Ιστόγραμμα της f(x,y)
6 Μοντέλα Θορύβου - Παράδειγμα Gaussian Rayleigh Gamma
7 Μοντέλα Θορύβου - Παράδειγμα Exponential Uniform Salt & Pepper
8 Αποκατάσταση παρουσία μόνο θορύβου Μπορούμε να χρησιμοποιήσουμε χωρικά φίλτρα για την αφαίρεση θορύβου Το πιο χρήσιμο φίλτρο είναι ο αριθμητικός μέσος ˆ( 1 f x, y ) g ( s, t) mn (, ) s t S xy, 1/9 1/9 1/9 Υλοποιείται μέσω μιας μάσκας: 1/9 1/9 1/9 1/9 1/9 1/9
9 Αποκατάσταση παρουσία μόνο θορύβου Εκτός του αριθμητικού μέσου μπορούμε να υπολογίσουμε τους ακόλουθους μέσους: Γεωμετρικό - Geometric Αρμονικός - Harmonic Contraharmonic
10 Αποκατάσταση παρουσία μόνο θορύβου Geometric Mean: Παραπλήσιο του Αριθμητικού μέσου το οποίο όμως δεν χάνει τόση πληροφορία όση το φίλτρο αριθμητικού μέσου fˆ( x, y ) g ( s, t) ( s, t) Sxy, 1/ mn
11 Αποκατάσταση παρουσία μόνο θορύβου Harmonic Mean: Δουλεύει καλά για Salt θόρυβο όχι όμως και για τον Pepper θόρυβο. Καλή συμπεριφορά επίσης για Gaussian noise. mn fˆ( x, y ) gs (, t) (, ) s t S xy,
12 Αποκατάσταση παρουσία μόνο θορύβου Geometric Mean: Αρχική Εικόνα Εικόνα με Θόρυβο 3x3 AMF 3x3 GMF
13 Αποκατάσταση παρουσία μόνο θορύβου ContraHarmonic Mean: Q: η τάξη του φίλτρου Q1 ( s, t) S ( x, y) fˆ( x, y ) Q g(s, t) ( s, t) S ( x, y) Για Q>0 : αφαίρεση pepper noise Για Q<0: αφαίρεση salt noise g(s, t) Δεν μπορεί να αφαιρέσει και τους 2 θορύβους ταυτόχρονα.
14 Αποκατάσταση παρουσία μόνο θορύβου ContraHarmonic Mean: Αρχική Εικόνα Με θόρυβο Pepper 0.1 3x3 ContraHarmonic Q=1.5
15 Αποκατάσταση παρουσία μόνο θορύβου ContraHarmonic Mean: Αρχική Εικόνα Με θόρυβο Salt 0.1 3x3 ContraHarmonic Q=-1.5
16 Αποκατάσταση παρουσία μόνο θορύβου Επιλέγοντας τις λάθος τιμές για το φίλτρο ContraHarmonic Mean: Pepper Noise φιλτράρισμα με 3x3 CF με Q=-1.5 Salt Noise φιλτράρισμα με 3x3 CF με Q=1.5
17 Φίλτρα τάξης Η βασική ιδέα είναι να ταξινομήσουμε τα εικονοστοιχεία της γειτονιάς και να επιλέξουμε κάποιο ή συνδυασμό αυτών. Μερικά από τα φίλτρα: Median Max and Min Midpoint Alpha trimmed mean
18 Φίλτρα τάξης Median Filtering fˆ( x, y ) median g ( s, t ) ( s, t) S ( x, y) Αφαίρεση θορύβου με καλή συμπεριφορά στις ακμές. Πολύ καλή συμπεριφορά στο φιλτράρισμα θορύβου Salt & Pepper.
19 Φίλτρα τάξης Max and Min Filtering Max Filter Min Filter fˆ( x, y ) max (, ) g s t ( s, t) S ( x, y) fˆ( x, y ) min (, ) g s t ( s, t) S ( x, y) Max filtering: χρήσιμο στο φιλτράρισμα θορύβου Pepper. Min filtering: χρήσιμο στο φιλτράρισμα θορύβου Salt.
20 Φίλτρα τάξης Max and Min Filtering Εικόνα με Pepper Θόρυβο Εικόνα μεsalt Θόρυβο Max Filter Min Filter
21 Φίλτρα τάξης Midpoint Filter ˆ( 1 f x, y ) min g ( s, t ) max g ( s, t ) 2 ( s, t ) S ( x, y ) ( s, t ) S ( x, y ) Χρήσιμο στο φιλτράρισμα Gaussian και Uniform θορύβου
22 Φίλτρα τάξης Alpha-Trimmed Mean Filtering 1 f ˆ( x, y ) g (, ) r s t mn d ( s, t) S ( x, y) d/2 d/2 3 Αφαιρούμε τις d/2 ελάχιστες τιμές και d/2 μέγιστες τιμές. Επομένως η γειτονιά g r (s,t) αναπαριστά τις υπόλοιπες mn-d τιμές των εικονοστοιχείων της γειτονιάς S(x,y)
23 Φίλτρα τάξης Alpha-Trimmed Mean Filtering 5x5 AMF 5x5 GMF Εικόνα με Uniform Noise Επιπλέον στην εικόνα προσθήκη θορύβου Salt & Pepper 5x5 Median 5x5 Alpha Trimmed a=4
24 Φίλτρα τάξης Διαδοχικά περάσματα του ίδιου φίλτρου Salt & Pepper ο Πέρασμα 3x3 Median 2 ο Πέρασμα 3x3 Median 3 ο Πέρασμα 3x3 Median
25 Προσαρμοστικά Φίλτρα Φίλτρα των οποίων η συμπεριφορά απόκριση αλλάζει ανάλογα με τα χαρακτηριστικά της εικόνας στην υπό εξέταση περιοχή. Προσαρμοστικό Φίλτρο Μεσαίου Remove impulse noise Provide smoothing of other noise Reduce distortion (excessive thinning or thickenning of object boundaries).
26 Προσαρμοστικά Φίλτρα Το μέγεθος της περιοχής αλλάζει ανάλογα με τα χαρακτηριστικά της περιοχής που εξετάζουμε. Notation S(x,y): η γειτονιά του εικονοστοιχείου x,y. z min : η ελάχιστη τιμή στην περιοχή S. z max : η μέγιστη τιμή στην περιοχή S. z median : η μεσαία τιμή στην περιοχή S. z xy : η τιμή του εικονοστοιχείου x,y. S max : η μέγιστη γειτονιά που μπορούμε να επιλέξουμε.
27 Προσαρμοστικά Φίλτρα Adaptive MF χωρίζεται σε 2 στάδια Stage A A1 = z med - z min A2 = z med - z max if A1 > 0 AND A2 < 0, go to Stage B else increase the window size if window size < S max, repeat Stage A else output z med Stage B B1 = z xy - z min B2 = z xy - z max if B1 > 0 AND B2 < 0 output z xy else output z med
28 Προσαρμοστικά Φίλτρα Στο Στάδιο Α καθορίζουμε αν η τιμή z med είναι impulse ή όχι (μαύρο ή άσπρο) Αν δεν είναι impulse τότε μεταβαίνουμε στο στάδιο Β Αν είναι impulse τότε αυξάνουμε το μέγεθος του παραθύρου μέχρι S max ή το z med δεν είναι impulse
29 Προσαρμοστικά Φίλτρα Στο Στάδιο B καθορίζουμε αν η τιμή z xy είναι impulse ή όχι (μαύρο ή άσπρο) Αν δεν είναι impulse τότε η έξοδος του φίλτρου είναι η τιμή z xy. Αν είναι impulse τότε η έξοδος του φίλτρου είναι η τιμή z med.
30 Προσαρμοστικά Φίλτρα Εικόνα με Salt & Pepper Noise x7 Median Filter 7x7 Adaptive Median Filter
31 Περιοδικός Θόρυβος Εμφανίζεται στις εικόνες λόγω ηλεκτρομαγνητικού θορύβου. Για την αφαίρεσή του χρησιμοποιούμε τεχνικές που βασίζονται στο φιλτράρισμα στο πεδίο των συχνοτήτων.
32 Band Reject Filters Αφαίρεση περιοδικού θορύβου περιλαμβάνει την αφαίρεση συγκεκριμένης ζώνης συχνοτήτων band Reject filter. Ιδεατό band Reject Filter: W 1, if D( u, v) D0 2 W W H ( u, v) 0, if D0 D( u, v) D0 2 2 W 1, D( u, v) D0 2
33 Band Reject Filters Band Reject Filters: Ιδεατό Gaussian ButterWorth
34 Band Reject Filters Band Reject Filter: Εικόνα με Sinusiodal Θόρυβο Fourier Spectrum Butterworth band reject filter Φιλτραρισμένη Εικόνα
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 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 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 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 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 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 περισσότεραΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΣΕΡΡΩΝ ΣΧΟΛΗ ΤΕΧΝΟΛΟΓΙΚΩΝ ΕΦΑΡΜΟΓΩΝ ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΚΑΙ ΕΠΙΚΟΙΝΩΝΙΩΝ ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΑΠΟΚΑΤΑΣΤΑΣΗ ΘΟΡΥΒΟΠΟΙΗΜΕΝΩΝ ΕΙΚΟΝΩΝ ΑΠΟ ΠΡΟΣΘΕΤΙΚΟ ΘΟΡΥΒΟ ΜΕ ΧΡΗΣΗ ΧΩΡΙΚΩΝ ΦΙΛΤΡΩΝ
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 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 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 Χωρικά φίλτρα Χωρικά φίλτρα Γενικά Σε αντίθεση με τις σημειακές πράξεις και μετασχηματισμούς, στα
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 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 περισσότεραΕργαστήριο ADICV. Fourier transform, frequency domain filtering and image restoration. Κώστας Μαριάς 3/4/2017
Εργαστήριο ADICV Fourier transform, frequency domain filtering and image restoration Κώστας Μαριάς 3/4/2017 Fourier Filtering ADICV Kostas Marias TEI Crete 2017 2 Basic Matlab ΠΑΡΑΔΕΙΓΜΑΤΑ ΦΙΛΤΡΩΝ ΔΙΑΚΡΙΤΟΣ
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 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 περισσότεραΕργαστήριο 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 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 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 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 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 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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 7 th lecture Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 1 Advanced filtering for image restoration using Fourier Transform
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 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 περισσότεραΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ
Χωρικά Φίλτρα ΤΕΧΝΙΚΕΣ ΦΙΛΤΡΑΡΙΣΜΑΤΟΣ Οι Τεχνικές Φιλτραρίσματος χωρίζονται σε Τεχνικές : στο Πεδίο του Χώρου (Spatial Domain) και σε Τεχνικές στο Πεδίο της Συχνότητας (Frequency Domain). ιακρίνονται επίσης
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 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 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 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 περισσότεραΑποκατάσταση Εικόνας
ΤΨΣ 50 Ψηφιακή Επεξεργασία Εικόνας Αποκατάσταση Εικόνας Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας Ορισµός & Παραδείγµατα
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ, ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 5: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 5 6, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση
Διαβάστε περισσότεραΕ 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 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 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 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 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 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 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 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 περισσότεραΑπλές οδηγίες υλοποίησης των ασκήσεων
Απλές οδηγίες υλοποίησης των ασκήσεων Βιβλίο µαθήµατος: «Ψηφιακή Επεξεργασία Εικόνας», Ιωάννης Πήτας Άλλα χρήσιµα βιβλία: Digital Image Processing, Rafael C. Gonzalez, Richard E. Woods Digital Image Processing,
Διαβάστε περισσότεραΤηλεπισκόπηση - Φωτοερμηνεία
ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΙΑΣ Τηλεπισκόπηση - Φωτοερμηνεία Ενότητα 10: Ραδιομετρική Ενίσχυση Χωρική Επεξεργασία Δορυφορικών Εικόνων. Κωνσταντίνος Περάκης Ιωάννης Φαρασλής Τμήμα Μηχανικών Χωροταξίας, Πολεοδομίας
Διαβάστε περισσότεραΕΙΣΑΓΩΓΗ 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 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 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 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 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 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 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 περισσότεραΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ. Πεδί α
ΒΑΣΕΙΣ ΔΕΔΟΜΕΝΩΝ Βάση δεδομένων είναι συσχετισμένα μεταξύ τους δεδομένα, οργανωμένα σε μορφή πίνακα. Οι γραμμές του πίνακα αποτελούν τις εγγραφές και περιλαμβάνουν τις πληροφορίες για μια οντότητα. Οι
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 Εικόνων
Ψηφιακή Επεξεργασία Εικόνων Εικόνα : αναπαράσταση των πραγμάτων Επεξεργασία : βελτίωση, ανάλυση, αντίληψη Βασικές έννοιες και μεθοδολογίες ψηφιακής επεξεργασίας εικόνων Θεμελιώδη θέματα για την περιοχή
Διαβάστε περισσότεραΕισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ. 3ο Μάθημα Αποκοπή. Γραφικα. Ευάγγελος Σπύρου
Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε 3Δ Γραφικα Τμήμα Πληροφορικής Πανεπιστήμιο Θεσσαλίας Ακ Έτος 2016-17 Εισαγωγή Αποκοπή ευθείας σε 2Δ Αποκοπή πολυγώνου σε 2Δ Αποκοπή σε
Διαβάστε περισσότεραΚεφάλαιο 6: Βελτιστοποίηση εικόνας 6.73
Κεφάλαιο 6: Βελτιστοποίηση εικόνας 6.73 Σχήμα 6.61 Μορφή της συνάρτησης για διάφορες τιμές του a. (α) (β) Σήμα 6.6 Παράδειγμα εφαρμογής: (α) Αρχική εικόνα. (β) Τελική εικόνα για a 0.0. 6.74 N. ΠΑΠΑΜΑΡΚΟΣ:
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 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 περισσότεραΖΤΕΧΝΟΛΟΓΙΚΟ 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 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 περισσότεραΕισαγωγή στη Σχεδίαση RF Κυκλωμάτων
Εισαγωγή στη Σχεδίαση RF Κυκλωμάτων Αρχιτεκτονικές Πομποδεκτών 1/20 Βασικά κριτήρια επιλογής πομποδεκτών Σήμα εκπομπής (κανάλι εκπομπής) PA BPF Γειτονικά κανάλια Πολυπλοκότητα, κόστος, κατανάλωση, αριθμός
Διαβάστε περισσότεραΤηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας
Τηλεανίχνευση - Φωτογεωλογία και Μαθηματική Γεωγραφία Ενότητα 1: Τηλεανίχνευση - Ψηφιακή Ανάλυση Εικόνας Γιώργος Σκιάνης Σχολή Θετικών Επιστημών Τμήμα Γεωλογίας και Γεωπεριβάλλοντος Περιεχόμενα ενότητας
Διαβάστε περισσότεραΕΛΛΗΝΙΚΗ 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 περισσότεραΣυμπίεση 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 περισσότερα5-1. Industrial Vision. Machine Vision Systems : Image Acquisition Image processing Analysis/Exploitation
5 Industrial Vision Machine Vision Systems : Image Acquisition Image processing Analysis/Exploitation 5- Image processing Y (colomns) 35 3 38 3 5 35 69 8 3 38 3 3 69 79 39 3 3 33 9 37 6 77 X (rows) 7 38
Διαβάστε περισσότεραΒελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Εικόνας
ΤΨΣ 15 Ψηφιακή Επεξεργασία Εικόνας Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Εικόνας Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Περιεχόµενα Βιβλιογραφία Περιεχόµενα
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 περισσότεραΑνάλυση ΓΧΑ Συστημάτων
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 9 με Μετασχηματισμούς Κεφ. 5 (εκτός 5.7.4 και 5.3 μόνο από διάλεξη) Ένα ΓΧΑ σύστημα καθορίζεται πλήρως από Κρουστική απόκριση (impulse response)
Διαβάστε περισσότεραSpring 2010: Lecture 3. Ashutosh Saxena. Ashutosh Saxena
CS 4758/6758: Robot Learning Spring 2010: Lecture 3. Slides coutesy: Prof Noah Snavely, Yung-Yu Chung, Frédo Durand, Alexei Efros, William Freeman, Svetlana Lazebnik, Srinivasa Narasimhan, Steve Seitz,
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 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 περισσότεραΔιάλεξη 10. Σχεδιασμός Φίλτρων. Κεφ. 7.0-7.2. Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες
University of Cyprus Biomedical Imaging & Applied Optics Διάλεξη 10 Κεφ. 7.0-7.2 Φίλτρο Διαφοροποιεί το φάσμα ενός σήματος Π.χ. αφήνει να περάσουν ή σταματά κάποιες συχνότητες Σχεδιασμός Φίλτρου Καθορίζονται
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 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 περισσότεραΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ. Εργαστήριο 8 ο. Αποδιαμόρφωση PAM-PPM με προσαρμοσμένα φίλτρα
Τμήμα Πληροφορικής και Τηλεπικοινωνιών ΕΡΓΑΣΤΗΡΙΟ ΑΝΑΛΟΓΙΚΩΝ & ΨΗΦΙΑΚΩΝ ΕΠΙΚΟΙΝΩΝΙΩΝ ΨΗΦΙΑΚΕΣ ΕΠΙΚΟΙΝΩΝΙΕΣ Εργαστήριο 8 ο Αποδιαμόρφωση PAM-PPM με προσαρμοσμένα φίλτρα Βασική Θεωρία Σε ένα σύστημα μετάδοσης
Διαβάστε περισσότεραΔιδάσκων: Φοίβος Μυλωνάς
Ιόνιο Πανεπιστήμιο Τμήμα Πληροφορικής Χειμερινό εξάμηνο Γραφικά με υπολογιστές Διδάσκων: Φοίβος Μυλωνάς fmylonas@ionio.gr Διάλεξη #08 Αποκοπή (εισαγωγή) Σημειακή Αποκοπή Αποκοπή Ευθύγραμμων Τμημάτων (line
Διαβάστε περισσότεραΒελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Συχνότητας
ΤΨΣ 150 Ψηφιακή Επεξεργασία Εικόνας Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο Πειραιώς Εκτίµηση Απόκρισης 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. 1/45 Τι είναι ο SIFT-Γενικά Scale-invariant feature transform detect and
Διαβάστε περισσότεραΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ (Data Mining) Πανδή Αθηνά
ΑΛΓΟΡΙΘΜΟΙ ΕΞΟΡΥΞΗΣ ΠΛΗΡΟΦΟΡΙΑΣ (Data Mining) Πανδή Αθηνά Μάιος 2008 Τα δεδομένα που έχουμε προς επεξεργασία χωρίζονται σε τρία μέρη: 1. Τα δεδομένα εκπαίδευσης (training set) που αποτελούνται από 2528
Διαβάστε περισσότεραΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ
ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) Τµήµα από το µάθηµα ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ ΒΙΒΛΙΟΓΡΑΦΙΑ Η καλύτερη προσέγγιση της ύλης του µαθήµατος 1.R.C.
Διαβάστε περισσότεραΑκαδηµαϊκό Έτος 2005 2006, Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΙΡΑΙΩΣ ΤΜΗΜΑ Ι ΑΚΤΙΚΗΣ ΤΗΣ ΤΕΧΝΟΛΟΓΙΑΣ ΚΑΙ ΨΗΦΙΑΚΩΝ ΣΥΣΤΗΜΑΤΩΝ ΤΨΣ 5: ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Ακαδηµαϊκό Έτος 5 6 Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΕΠΑΝΑΛΗΨΗ Το
Διαβάστε περισσότεραΚινητά Δίκτυα Επικοινωνιών. Συμπληρωματικό υλικό. Προσαρμοστική Ισοστάθμιση Καναλιού
Κινητά Δίκτυα Επικοινωνιών Συμπληρωματικό υλικό Προσαρμοστική Ισοστάθμιση Καναλιού Προσαρμοστικοί Ισοσταθμιστές Για να υπολογίσουμε τους συντελεστές του ισοσταθμιστή MMSE, απαιτείται να λύσουμε ένα γραμμικό
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 περισσότεραΠανεπιστήμιο Πατρών Τμήμα Φυσικής Εργαστήριο Ηλεκτρονικής. Ψηφιακά Ηλεκτρονικά. Αριθμητικά Συστήματα. Επιμέλεια Διαφανειών: Δ.
Πανεπιστήμιο Πατρών Τμήμα Φυσικής Ψηφιακά Ηλεκτρονικά Αριθμητικά Συστήματα Επιμέλεια Διαφανειών: Δ. Μπακάλης Πάτρα, Φεβρουάριος 2009 Αριθμητικά Συστήματα Δεκαδικό Σύστημα: Βάση το 10, ψηφία 10 και συντελεστές
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 10: Γραμμικά Φίλτρα. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 10: Γραμμικά Φίλτρα Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Γραμμικά Φίλτρα 1. Ιδανικά Γραμμικά Φίλτρα Ιδανικό Κατωδιαβατό Φίλτρο Ιδανικό Ανωδιαβατό Φίλτρο Ιδανικό Ζωνοδιαβατό
Διαβάστε περισσότερα20-Μαρ-2009 ΗΜΥ 429. Προηγμένες τεχνικές DSP
20-Μαρ-2009 ΗΜΥ 429 Προηγμένες τεχνικές DSP 1 Μετατροπή συχνότητας δειγματοληψίας: Πολυρυθμική επεξεργασία (multirate processing) 20-Μαρ-2009 Τεχνική για αποδοτική αλλαγή της συχνότητας δειγματοληψίας,
Διαβάστε περισσότεραADVANCES IN DIGITAL AND COMPUTER VISION
ΤΕΧΝΟΛΟΓΙΚΟ ΕΚΠΑΙΔΕΥΤΙΚΟ ΙΔΡΥΜΑ ΚΡΗΤΗΣ ΔΠΜΣ ΠΡΟΗΓΜΕΝΑ ΣΥΣΤΗΜΑΤΑ ΠΑΡΑΓΩΓΗΣ ΑΥΤΟΜΑΤΙΣΜΟΥ ΚΑΙ ΡΟΜΠΟΤΙΚΗΣ ΕΡΓΑΣΙΑ 2 ADVANCES IN DIGITAL AND COMPUTER VISION ΣΠΟΥΔΑΣΤΕΣ: ΓΕΡΜΕΝΗΣ ΕΥΑΓΓΕΛΟΣ (Α.Μ.: ΜΗ77) ΠΑΠΑΔΟΠΟΥΛΟΣ
Διαβάστε περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 5 η : Αποκατάσταση Εικόνας
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 5 η : Αποκατάσταση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στις τεχνικές αποκατάστασης
Διαβάστε περισσότεραΙΑΝΥΚΤΕΡΕΥΣΗ ΙΗΜΕΡΕΥΣΗ ΙΗΜΕΡΕΥΣΗ
ΙΟΥΝΙΟΣ 2015 ΕΥΤΕΡΑ 1 * ΤΡΙΠΟΛΙΤΑΚΗ ΧΑΡΙΚΛΕΙΑ ΑΠΟΣΤΟΛΟΠΟΥΛΟΥ ΑΡΙΣΤΕΑ ΑΡΓΙΑ ΤΡΙΤΗ 2 ΜΗΤΛΙΑΓΚΑΣ ΓΡΗΓΟΡΙΟΣ ΜΟΥΜΟΥΛΙ ΟΥ ΜΑΡΙΑ ΤΕΤΑΡΤΗ 3 ΜΗΛΙΟΥ ΓΕΩΡΓΙΑ ΤΖΙΩΝΑ ΠΑΡΑΣΚΕΥΗ ΠΑΠΑ ΟΠΟΥΛΟΥ ΕΥΣΑΪΑ ΠΕΜΠΤΗ 4 ΚΕΡΙ ΟΥ
Διαβάστε περισσότεραΤεχνητή Νοημοσύνη ΙΙ. Ενότητα 2: Αντίληψη. Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών
Τεχνητή Νοημοσύνη ΙΙ Ενότητα 2: Αντίληψη Μουστάκας Κωνσταντίνος Πολυτεχνική Σχολή Τμήμα Ηλεκτρολόγων Μηχανικών και Τεχνολογίας Υπολογιστών Σκοποί ενότητας Αντίληψη 2 Περιεχόμενα ενότητας Αντίληψη 3 Αντίληψη
Διαβάστε περισσότεραΛυσεις 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 περισσότεραΨηφιακή Επεξεργασία Σήματος Coursework
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΤΜΗΜΑ ΗΛΕΚΤΡΟΛΟΓΩΝ ΜΗΧΑΝΙΚΩΝ & ΜΗΧΑΝΙΚΩΝ ΥΠΟΛΟΓΙΣΤΩΝ Ψηφιακή Επεξεργασία Σήματος Coursework Κιντσάκης Αθανάσιος 6667 Μόσχογλου Στυλιανός 6978 Τούμπας Κωνσταντίνος
Διαβάστε περισσότεραΨηφιακή Επεξεργασία Σημάτων
Ψηφιακή Επεξεργασία Σημάτων Ενότητα 7: Μετατροπή Σήματος από Αναλογική Μορφή σε Ψηφιακή Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Μετατροπή Αναλογικού Σήματος σε Ψηφιακό Είδη Δειγματοληψίας: Ιδανική
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 περισσότεραΑνάλυση Υφής με Τράπεζα Φίλτρων
Ανάλυση Υφής με Τράπεζα Φίλτρων Η υφή αναπαριστάται από την απόκριση μιας σειρά φίλτρων που εφαρμόζονται στην εικόνα Μία κατηγορία φίλτρων που εφαρμόζονται συχνά είναι τα φίλτρα Gabor 1/27 2/27 Επεξεργασία
Διαβάστε περισσότεραΤηλεπισκόπηση. Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ
Ψηφιακή Ανάλυση Εικόνας Η ΒΕΛΤΙΩΣΗ εικόνας 1. ΔΙΑΧΕΙΡΙΣΗ ΑΝΤΙΘΕΣΗΣ 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ 3. ΔΙΑΧΕΙΡΙΣΗ ΠΟΛΛΑΠΛΩΝ ΕΙΚΟΝΩΝ Βελτίωση Εικόνας 2. ΔΙΑΧΕΙΡΙΣΗ ΧΩΡΙΚΩΝ ΣΤΟΙΧΕΙΩΝ (Spatial feature manipulation)
Διαβάστε περισσότεραΗ σύνταξη της συνάρτησης SUMIF έχει τα ακόλουθα ορίσματα:
Συνάρτηση SUMIF() Περιγραφή Χρησιμοποιείτε τη συνάρτηση SUMIF για να αθροίσετε τις τιμές σε μια περιοχή οι οποίες πληρούν τα κριτήρια που καθορίζετε. Για παράδειγμα, υποθέτουμε ότι σε μια στήλη η οποία
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 περισσότεραAdvances in Digital Imaging and Computer Vision
Advances in Digital Imaging and Computer Vision Lecture and Lab 4 3/4/2017 Κώστας Μαριάς Αναπληρωτής Καθηγητής Επεξεργασίας Εικόνας 21/2/2017 1 Μετασχηματισμός Fourier Εικόνας 2 Περιεχόμενα Διάλεξης Μετασχηματισμός
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 περισσότεραKalman Filter Γιατί ο όρος φίλτρο;
Kalman Filter Γιατί ο όρος φίλτρο; Συνήθως ο όρος φίλτρο υποδηλώνει µια διαδικασία αποµάκρυνσης µη επιθυµητών στοιχείων Απότολατινικόόροfelt : το υλικό για το φιλτράρισµα υγρών Στη εποχή των ραδιολυχνίων:
Διαβάστε περισσότερα