Μέθοδοι Αναπαράστασης Περιοχών
|
|
- Ἔβέρ Ιωαννίδης
- 7 χρόνια πριν
- Προβολές:
Transcript
1 KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιοχών ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Περιεχόµενα Ενότητας Περιεχόµενα Βιβλιογραφία Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Βιβλιογραφία: Παπαµάρκος [5]: Κεφάλαιο 6 Πήτας [1999]: Κεφάλαιο 11 Gonzales []: Chapter 1 Gonzales [4]: Chapter 1 1
2 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Χαρακτηριστικά περιοχών Ως χαρακτηριστικό εικόνας µπορεί να θεωρηθεί οποιοδήποτε µετρήσιµο µέγεθος εξάγεται από την εικόνα. Οµοίως χαρακτηριστικό µιας περιοχής µπορεί να θεωρηθεί οποιοδήποτε µετρήσιµο χαρακτηριστικό µπορεί να εξαχθεί από µια περιοχή της εικόνας Έχουµε ήδηµελετήσει χαρακτηριστικά τα οποία εξάγονται από το όριο (περίγραµµα περιοχών) όπως η αναπαράσταση µε πολικές συντεταγµένες, ο κώδικας αλυσίδας και περιγραφείς Fourier Εισαγωγή Τα χαρακτηριστικά τα οποία εξάγονται από το εσωτερικό των περιοχών µιας εικόνας θα µας απασχολήσουν στη συγκεκριµένη ενότητα. Τα χαρακτηριστικά αυτά είναι στη γενική περίπτωση πιο χρήσιµα απότα χαρακτηριστικά περιγραµµάτων γιατί µπορούν να χρησιµοποιηθούν για έγχρωµες και εικόνες αποχρώσεων του γκρι. Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Τα χαρακτηριστικά περιοχών διακρίνονται σε δυο µεγάλες κατηγορίες: Χαρακτηριστικά χώρου (ή χωρικά χαρακτηριστικά). Αφορούν µετρήσεις των τιµών φωτεινότητας, χρώµατος και παραγώγων αυτών. Τα χαρακτηριστικά χώρου µπορούν να χωρισθούν περαιτέρωστιςεξήςκατηγορίες: Κατηγορίες χαρακτηριστικών Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Χαρακτηριστικά µετασχηµατισµού (transform features). Μετρήσεις που εξάγονται αφού πρώτα οι τιµές φωτεινότητας ή χρώµατος µετασχηµατιστούν σε ένα άλλο πεδίο (π.χ. πεδίο χωρικών συχνοτήτων µέσω του µετασχηµατισµού Fourier) ώστε να παρουσιάζουν επιθυµητές ιδιότητας όπως η συµπαγής αναπαράσταση, η διαχωρισιµότητα κλπ.
3 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Αποτελούν χαρακτηριστικά που εξάγονται µε βάσητη φωτεινότητα ή το χρώµα µιας περιοχής. Ενδεικτικά αναφέρονται: Μέση φωτεινότητα (ή µέσο χρώµα) Εντροπία Ιστόγραµµα Χαρακτηριστικά χώρου ιακρίνουµε δύο κατηγορίες χαρακτηριστικών χώρου Χαρακτηριστικά τα οποία µπορούν να εξαχθούν από το ιστόγραµµα Χαρακτηριστικά που βασίζονται σε συσχετισµούς ανάµεσα σε pixel της εικόνας (π.χ ησυµµεταβλητότητα, αδράνεια κλπ) Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Το ιστόγραµµα µας δίνει την κατανοµή τωνpixel στις διάφορες τιµές φωτεινότητας. Έστω η εικόνα f(m,n) και R(k,l) µια περιοχή της ( R( k, l) f ( m, n) ). Υποθέτουµε ότι η εικόνα παίρνει τιµές φωτεινότητας i στο διάστηµα i L-1 Ιστόγραµµαπεριοχής Το ιστόγραµµα τηςπεριοχήςr υπολογίζει τον αριθµό τωνpixels που ανήκουνστηνπεριοχήr και έχουν την τιµή φωτεινότητας i ( i L-1) Το κανονικοποιηµένο ιστόγραµµα µιας περιοχής R(διαίρεση των τιµών του ιστογράµµατος µε το πλήθος των pixel που ανήκουν στην περιοχή R) χρησιµοποιείται συχνά ως διάνυσµα χαρακτηριστικών για την περιοχή. Πιο συχνά, και για πιο συµπαγή αναπαράσταση, υπολογίζουµε το ιστόγραµµα περιοχέςτιµών φωτεινότητας (αντί για όλες τις δυνατές τιµές φωτεινότητας) 3
4 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Ιστόγραµµαπεριοχής(II) Gray-scale image Probability of appearence Normalized Intensity histogram valueof facial area Probability of appearence (in facial area) Normalized histogram of whole image Intensity value (in facial area) Στα διπλανά σχήµατα φαίνονται τα κανονικοποιηµένα ιστογράµµατα µιας εικόνας και ενός τµήµατος (πρόσωπο) της εικόνας Οι επιµέρους τιµές πιθανότητας για κάθε τιµή φωτεινότητας µπορούν να αποτελέσουν ένα διάνυσµα χαρακτηριστικών (πόσο είναι το µήκος αυτού του διανύσµατος;) Για να µειώσουµε τοµήκος του διανύσµατος χαρακτηριστικών µπορούµε να υπολογίσουµε το ιστόγραµµα σεπεριοχές τιµών φωτεινότητας Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Ιστόγραµµαπεριοχώντιµών φωτεινότητας Probability of appearence per bin (in facial area) Normalized histogram of facial area in 16 bins Bin number (bin 1: intensity values -15,...) Έστω ότι θέλουµε ναυπολογίσουµε ένα διάνυσµα χαρακτηριστικών µε βάση την κατανοµή των τιµών φωτεινότητας για µια περιοχή της εικόνας. Έστω ότι θέλουµε το διάνυσµα χαρακτηριστικών µας να µην έχει περισσότερα από 16 στοιχεία. Μπορούµε να διαιρέσουµε το εύρος τιµών φωτεινότητας (το οποίο είναι συνήθως 55) σε 16 ίσα τµήµατα (bin): bin 1: τιµές φωτεινότητας από -15 bin : τιµές φωτεινότητας από bin 16: τιµές φωτεινότητας από 4-55 Υπολογίζουµε το ιστόγραµµα σταανωτέρω16 bins (δηλαδή βρίσκουµε τον αριθµό τωνpixel, που ανήκουν στην υπό εξέταση περιοχή, σε κάθε ένα από τα bins). 4
5 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Ιστόγραµµαπεριοχώντιµών φωτεινότητας (II) Το διάνυσµα χαρακτηριστικών της περιοχής του προσώπου θα αποτελείται από 16 στοιχεία: Στοιχείο 1: πιθανότητα εµφάνισης, στην περιοχή του προσώπου, τιµής φωτεινότητας που να ανήκει στο διάστηµα -15 Στοιχείο : πιθανότητα εµφάνισης, στην περιοχή του προσώπου, τιµής φωτεινότητας που να ανήκει στο διάστηµα Probability of appearence per bin (in facial area) Normalized histogram of facial area in 16 bins Στοιχείο 16: πιθανότητα εµφάνισης, στην περιοχή του προσώπου, τιµής φωτεινότητας που να ανήκει στο διάστηµα 4-55 Στο παράδειγµα µας το διάνυσµα χαρακτηριστικών θα είναι x = [ ] T Bin number (bin 1: intensity values -15,...) Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Χαρακτηριστικά που µπορούν να εξαχθούν από το ιστόγραµµα Πολλά στατιστικά χαρακτηριστικά που αφορούν τις τιµές φωτεινότητας µιας περιοχής R της εικόνας µπορούν να εξαχθούν από το ιστόγραµµα περιοχής Έστω ότι h(i), i L-1, η πιθανότητα εµφάνισης, στην περιοχή R, της τιµής φωτεινότητας i. Οι πιο κάτω ποσότητες µπορούν αν υπολογιστούν από το ιστόγραµµα: L 1 Ροπές: = k m i h( i) k = 1,,3,... Κεντρικές ροπές Απόλυτες κεντρικές ροπές k µ k ˆ µ k i= L 1 = k ( i m1 ) h( i) k = 1,,3,... i= L 1 k = i m1 h( i) k = 1,,3,... i= Εντροπία: L 1 = H i= h( i) log ( h( i ) ) 5
6 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Βασική ιδέα: Χαρακτηριστικά από µετασχηµατισµό Η περιοχή της εικόνας υφίσταται ένα µαθηµατικό µετασχηµατισµό από το αρχικό πεδίο του χώρου (φωτεινότητες) σε ένα αφηρηµένο πεδίο το οποίο είναι πιο κατάλληλο για την αναπαράσταση της µε λιγότερους συντελεστές. Ένα τέτοιος µετασχηµατισµός είναι ο µετασχηµατισµός Fourier. Μέσω του µετασχηµατισµού Fourier µια εικόνα f µπορεί να µετασχηµατιστεί σε µια αναπαράσταση F στο πεδίο των συχνοτήτων. Μια παραλλαγή του µετασχηµατισµού Fourier ο µετασχηµατισµός DCT επιτυγχάνει πιο συµπαγή αναπαράσταση. Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής ιακριτός µετασχηµατισµός συνηµίτονου Ο διακριτός µετασχηµατισµός συνηµίτονου (Discrete Cosine Transform - DCT) για µια εικόνα Ν x Ν pixels δίνεται από τη σχέση: F( u, v) = C( u, v) F(u,v) είναι ο DCT συντελεστής για τη χωρική συχνότητα (u,v) f(x,y) είναι η αρχική ένταση φωτεινότητας στη θέση (x,y) C(u,v) είναι ο παράγοντας κανονικοποίησης που ορίζεται ως: C(,) = 1/Ν C(,v) = C(u,) = 1/(N ) ( x 1) uπ ( y 1) N 1N 1 + f ( x, y)cos cos x= y= N C(u,v) = /N, u, v + vπ N Προσοχή! Ο πίνακας των χωρικών συχνοτήτων F(u,v) έχει τις ίδιες διαστάσεις µε την αρχική εικόνα (NxN). 6
7 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Σχηµατισµός διανύσµατος χαρακτηριστικών Οι συντελεστές DCT που περιέχουν το µεγαλύτερο ποσοστό ενέργειας (πληροφορία) βρίσκονταιστοπάνωαριστερόάκροτης µετασχηµατισµένης περιοχής Για το σχηµατισµό ενός διανύσµατος συντελεστών σαρώνουµε τους συντελεστές από πάνω αριστερά ακολουθώντας zig-zag διαδροµή (βλέπε σχήµα). Συνήθως ο µετασχηµατισµός εφαρµόζεται σε µπλοκ 8x8 pixels (διαιρείται η περιοχή R σε τέτοια µπλοκ) και για κάθε ένα από αυτά τα µπλοκ κρατάµε ένα µικρό υποσύνολο από τους 64 συντελεστές κάθε µπλοκ. Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Τα γεωµετρικά χαρακτηριστικά εστιάζουν περισσότερο στη µορφή των αντικειµένων. Χρησιµοποιούνται περισσότερο σε δυαδικές εικόνες Συνηθισµένα γεωµετρικά χαρακτηριστικά: Περίµετρος Γεωµετρικά χαρακτηριστικά Ηπερίµετρος µιας περιοχής µπορεί να υπολογιστεί απλά ως ο αριθµός των pixel του περιγράµµατος. Αν είναι γνωστός ο κώδικας αλυσίδας του περιγράµµατος τότε η περίµετρος υπολογίζεται αθροίζοντας 1 για κάθε οριζόντια και κάθετη αλλαγή κατεύθυνσης (,,4,6) και για κάθε διαγώνια αλλαγή κατεύθυνσης (κώδικες 1,3,5,7) Παράδειγµα: Να υπολογιστεί η περίµετρος του αντικειµένου µε κώδικα αλυσίδας Λύση: ο κώδικας αλυσίδας αποτελείται από 19 στοιχεία εκ των οποίων τα 11 είναι διαγώνια. Άρα έχουµεπ= =
8 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Επιφάνεια: Συνήθη γεωµετρικά χαρακτηριστικά Λαµβάνεται συνήθως ως ο αριθµός των pixels της περιοχής (για κανονικοποίηση ο αριθµός αυτός διαιρείται µε το πλήθος των pixel της εικόνας) Μέγιστη και ελάχιστη ακτίνα Η µέγιστη και η ελάχιστη ακτίνα ορίζουν την µέγιστη και ελάχιστη απόσταση του κέντρου µάζας του αντικειµένου από το περίγραµµα του Αριθµός Euler Είναι το πλήθος των συνδεδεµένων περιοχών µείον το πλήθος των οπών Καµπυλότητα 4πA Ηκαµπυλότητα ενός αντικειµένου ορίζεται από τη σχέση C = P όπου Α = η επιφάνεια του αντικειµένου και Ρ η περίµετρος του Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Υπογραφές Υπογραφή είναι ένα µονοδιάστατο σήµα τοοποίοαπεικονίζει τη µεταβολή της φωτεινότητας ή χρώµατος κατά την σάρωση των pixels του αντικειµένου: εν υπάρχει συνήθως κάποιος εύκολος τρόπος για να διασχίσουµε όλα τα pixels του αντικειµένου ώστε γειτονικά pixels να εµφανίζονται συνεχόµενα Ένας τρόπος σάρωσης προκύπτει µε χρήσηfractals και συγκεκριµένα των καµπυλών Hilbert Στις δυαδικές εικόνες υπογραφή µπορεί να προκύψει µε την αναπαράσταση ακτίνας - γωνίας 8
9 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής ηµιουργία υπογραφής µε καµπύλες Hilbert Hilbert fractal of 1st order Hilbert fractal of nd order Hilbert fractal of 3rd order Τα fractals είναι καµπύλες οι οποίες δηµιουργούνται µε αναδροµική επανάληψη της µορφής τους: Οι καµπύλες Hilbert λόγω της µορφής τους µπορούν να σαρώνουν ένα τετραγωνικό πλέγµααρκετάπυκνά. Για αυτό το λόγο χρησιµοποιούνται για τη δηµιουργία υπογραφούν σε περιοχές εικόνων. Στο σχήµα δίνεταιηµορφή των καµπυλών Hilbert µετά από µια (κόκκινο), δύο (µπλε), και τρεις (µωβ) αναδροµές Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής ηµιουργία υπογραφής µε καµπύλες Hilbert (ΙΙ) Image scanned using Hilbert fractal 1. Signature obatined by Hilbert fractal scanning Intensity value Sample point 9
10 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής ηµιουργία υπογραφής µε καµπύλες Hilbert (ΙΙI) Image scanned using Hilbert fractal Signature obtained by Hilbert fractal scanning Intensity value Sample point Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Στατιστικά χαρακτηριστικά Τα συνηθέστερα στατιστικά χαρακτηριστικά τα οποία χρησιµοποιούνται για την περιγραφή περιοχών είναι οι δυσδιάστατες γεωµετρικές ροπές Οι δυσδιάστατες γεωµετρικές ροπές τάξης p+q για µια ψηφιακή εικόνα f(x,y) ορίζονται από τη σχέση: = p q m pq ( x y f ( x, y) ) x y R( k, l) f ( x, y) Για µια περιοχή η ανωτέρω σχέση µεταβάλλεται σε: = p q m pq ( x y R( x, y) ) x y Όπου τα αθροίσµατα λαµβάνονται µόνο για τα pixels που ανήκουν στη περιοχή R 1
11 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Κεντρικές ροπές Οι συντεταγµένες του κέντρου βάρους ενός αντικειµένου υπολογίζονται από τις γεωµετρικές ροπές µηδενικής και πρώτης τάξης: m1 m1 x = y = m m Με τη βοήθεια του κέντρου βάρους υπολογίζονται οι κεντρικές ροπές σύµφωνα µε τη σχέση: µ pq = p q ( x x) ( y y) R( x, y) ) x y Οι κεντρικές ροπές είναι ανεξάρτητες από τη µετατόπιση του αντικειµένου Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Κανονικοποιηµένες κεντρικές ροπές Οι κανονικοποιηµένες κεντρικές ροπές ορίζονται έτσι ώστε συνδυασµοί τους να παρουσιάζουν ανεξαρτησία ως προς κλιµάκωση, µετατόπιση και περιστροφή: µ pq p + q n pq = όπου γ = + 1 γ µ µε p+q =,3, Οι συνδυασµοί των κανονικοποιηµένων κεντρικών ροπών οι οποίοι εξασφαλίζουν την ανωτέρω ανεξαρτησία ονοµάζονται ανεξάρτητες ροπές 11
12 Εισαγωγή Χαρακτηριστικά χώρου Χαρακτηριστικά από µετασχηµατισµό Γεωµετρικά χαρακτηριστικά Στατιστικά χαρακτηριστικά Χαρακτηριστικά υφής Ανεξάρτητες ροπές Με βάση της κανονικοποιηµένες κεντρικές ροπές ορίζονται οι ροπές φ 1 -φ 7 οι οποίες είναι ανεξάρτητες από κλιµάκωση, µετατόπιση, και περιστροφή. φ = 3 φ 4 = ( n n ) + 4n11 ( n3 3n1 ) + ( 3n1 n3 ) ( n + n ) + ( n + n ) φ = φ = n φ5 =... φ6 =... φ = n 1 3 1
ΒΕΣ 04: Συµπίεση και Μετάδοση Πολυµέσων. Περιεχόµενα. Βιβλιογραφία. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT
ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων Συµπίεση εικόνων: Το πρότυπο JPEG Περιεχόµενα Εισαγωγή Ο µετασχηµατισµός DCT Το πρότυπο JPEG Προετοιµασία εικόνας / µπλοκ Ευθύς µετασχηµατισµός DCT Κβαντισµός Κωδικοποίηση
Διαβάστε περισσότεραΠεριεχόµενα. ΕΠΛ 422: Συστήµατα Πολυµέσων. Βιβλιογραφία. Εισαγωγή. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT
Περιεχόµενα ΕΠΛ : Συστήµατα Πολυµέσων Συµπίεση εικόνων: Το πρότυπο JPEG Εισαγωγή Ο µετασχηµατισµός DCT Το πρότυπο JPEG Προετοιµασία εικόνας / µπλοκ Ευθύς µετασχηµατισµός DCT Κβαντισµός Κωδικοποίηση ηµιουργία
Διαβάστε περισσότεραΣυµπίεση Ψηφιακών Εικόνων: Συµπίεση µε Απώλειες. Πρότυπα Συµπίεσης Εικόνων
ΤΨΣ 5: Ψηφιακή Επεξεργασία Εικόνας ΤΨΣ 5 Ψηφιακή Επεξεργασία Εικόνας Συµπίεση Ψηφιακών Εικόνων: Συµπίεση µε απώλειες Πρότυπα Συµπίεσης Εικόνων Τµήµα ιδακτικής της Τεχνολογίας και Ψηφιακών Συστηµάτων Πανεπιστήµιο
Διαβάστε περισσότεραΣυµπίεση Εικόνας: Το πρότυπο JPEG
ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων ΒΕΣ Συµπίεση και Μετάδοση Πολυµέσων Συµπίεση Εικόνας: Το πρότυπο JPEG ΒΕΣ : Συµπίεση και Μετάδοση Πολυµέσων Εισαγωγή Σχεδιάστηκε από την οµάδα Joint Photographic Experts
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 4: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 004 005, Χειµερινό Εξάµηνο Θεωρητικές Ασκήσεις (# 3): 1. Ο διακριτός µετασχηµατισµός συνηµίτονου (Discrete Cosine Transform)
Διαβάστε περισσότεραΜέθοδοι Αναπαράστασης Περιγραµµάτων
KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιγραµµάτων Τµήµα Επιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας
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 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 περισσότεραGroup (JPEG) το 1992.
Μέθοδοι Συμπίεσης Εικόνας Πρωτόκολλο JPEG Συμπίεση Εικόνας: Μείωση αποθηκευτικού χώρου Ευκολία στη μεταφορά αρχείων Δημιουργήθηκε από την ομάδα Joint Photographic Experts Group (JPEG) το 1992. Ονομάστηκε
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 περισσότεραχωρίςναδηµιουργείταιαίσθησηαπώλειαςτηςποιότηταςτηςανακατασκευασµένηςεικόνας.
Το πρότυπο JPEG για κωδικοποίησηση εικόνας Το JPEG, που υιοθετήθηκε από την Joint Photographic Experts Group, είναι ένα πρότυπο που χρησιµοποιείταιευρέωςγιατησυµπίεσηακίνητωνεικόνων, µε µέσο λόγο συµπίεσης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ,
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 4: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 004 005, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΤΕΛΙΚΗ ΕΞΕΤΑΣΗ Η εξέταση αποτελείται από δύο µέρη. Το πρώτο περιλαµβάνει
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΒΕΣ 04: ΣΥΜΠΙΕΣΗ ΚΑΙ ΜΕΤΑ ΟΣΗ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 2007 2008, Χειµερινό Εξάµηνο 6 Νοεµβρίου 2007 Φροντιστηριακή Άσκηση 2: (I) Εντροπία,
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 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 περισσότεραΣυστήµατα Πολυµέσων Ενδιάµεση Εξέταση: Οκτώβριος 2004
Ενδιάµεση Εξέταση: Οκτώβριος 4 ΜΕΡΟΣ Β: ΑΣΚΗΣΕΙΣ Άσκηση (25 µονάδες): Μια εικόνα αποχρώσεων του γκρι και διαστάσεων 25 x pixel έχει κωδικοποιηθεί κατά PCM µε βάθος χρώµατος 3 bits /pixel. Οι τιµές φωτεινότητας
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 περισσότεραΈγχρωµο και Ασπρόµαυρο Φως
Έγχρωµο και Ασπρόµαυρο Φως Χρώµα: κλάδος φυσικής, φυσιολογίας, ψυχολογίας, τέχνης. Αφορά άµεσα τον προγραµµατιστή των γραφικών. Αν αφαιρέσουµε χρωµατικά χαρακτηριστικά, λαµβάνουµε ασπρόµαυρο φως. Μόνο
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 περισσότεραΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ
Ψηφιακή Επεξεργασία Εικόνας-ΚΕΦ. -- ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΜΕ ΙΣΤΟΓΡΑΜΜΑ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΕΝΤΑΣΕΩΣ Η επεξεργασία εικόνας µέσω του ιστογράµµατος ουσιαστικά αποτελεί µία βασική επεξεργασία εικόνας που ανήκει
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 4: Συµπίεση Εικόνας 2 Συµπίεση Εικόνας Μείωση Πλεονασµού: Το σήµα εικόνας παρουσιάζει
Διαβάστε περισσότεραΕισαγωγή Ασπρόμαυρο Halftoning γάμμα Φως/Χρώμα Χρωματικά Μοντέλα Άλλα. 6ο Μάθημα Χρώμα. Γραφικα. Ευάγγελος Σπύρου
Εισαγωγή Ασπρόμαυρο Halftoning γάμμα Φως/Χρώμα Χρωματικά Μοντέλα Άλλα Γραφικα Τμήμα Πληροφορικής Πανεπιστήμιο Θεσσαλίας Ακ Έτος 2016-17 Σύνοψη του σημερινού μαθήματος 1 Εισαγωγή 2 Ασπρόμαυρο Φως 3 Halftoning
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 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 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 περισσότεραΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ. ( ) 1, αν Ι(i,j)=k hk ( ), διαφορετικά
ΑΣΚΗΣΗ 3 ΒΕΛΤΙΩΣΗ ΕΙΚΟΝΑΣ ΜΕΛΕΤΗ ΙΣΤΟΓΡΑΜΜΑΤΟΣ Αντικείμενο: Εξαγωγή ιστογράμματος εικόνας, απλοί μετασχηματισμοί με αυτό, ισοστάθμιση ιστογράμματος. Εφαρμογή βασικών παραθύρων με την βοήθεια του ΜΑΤLAB
Διαβάστε 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 περισσότεραΒΙΟΜΗΧΑΝΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ
ΒΙΟΜΗΧΑΝΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ Συµπληρωµατικές Σηµειώσεις Προχωρηµένο Επίπεδο Επεξεργασίας Εικόνας Σύνθεση Οπτικού Μωσαϊκού ρ. Γ. Χ. Καρράς Εθνικό Μετσόβιο Πολυτεχνείο Σχολή Μηχανολόγων Μηχανικών Τοµέας Μηχανολογικών
Διαβάστε περισσότεραΟ ΗΓΟΣ ΧΡΗΣΗΣ ΓΕΩΜΕΤΡΙΑ
ΜΑΘΗΜΑΤΙΚΑ ΜΕ ΤΟ ΛΟΓΙΣΜΙΚΟ GEOGEBRA Ο ΗΓΟΣ ΧΡΗΣΗΣ ΓΕΩΜΕΤΡΙΑ Η ΠΡΩΤΗ ΓΝΩΡΙΜΙΑ ΜΕ ΤΗΝ ΓΕΩΜΕΤΡΙΑ ΤΟΥ GEOGEBRA 1. ΓΕΝΙΚΑ Με το λογισµικό Geogebra µπορούµε να κατασκευάσουµε όλα σχεδόν τα γεωµετρικά επίπεδα
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 περισσότεραΕπεξεργασία Χαρτογραφικής Εικόνας
Επεξεργασία Χαρτογραφικής Εικόνας ιδάσκων: Αναγνωστόπουλος Χρήστος Αρχές συµπίεσης δεδοµένων Ήδη συµπίεσης Συµπίεση εικόνων Αλγόριθµος JPEG Γιατί χρειαζόµαστε συµπίεση; Τα σηµερινά αποθηκευτικά µέσα αδυνατούν
Διαβάστε περισσότεραDIP_06 Συμπίεση εικόνας - JPEG. ΤΕΙ Κρήτης
DIP_06 Συμπίεση εικόνας - JPEG ΤΕΙ Κρήτης Συμπίεση εικόνας Το μέγεθος μιας εικόνας είναι πολύ μεγάλο π.χ. Εικόνα μεγέθους Α4 δημιουργημένη από ένα σαρωτή με 300 pixels ανά ίντσα και με χρήση του RGB μοντέλου
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 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 περισσότεραΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ. 4.1 Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα
ΚΕΦΑΛΑΙΟ 4 ΑΡΙΘΜΗΤΙΚΕΣ ΜΕΘΟ ΟΙ ΕΥΡΕΣΗΣ ΠΡΑΓΜΑΤΙΚΩΝ Ι ΙΟΤΙΜΩΝ 4. Γραµµικοί µετασχηµατισµοί-ιδιοτιµές-ιδιοδιανύσµατα Εστω R είναι ο γνωστός -διάστατος πραγµατικός διανυσµατικός χώρος. Μία απεικόνιση L :
Διαβάστε περισσότεραΣυστήματα Πολυμέσων. Ενότητα 7: Συμπίεση Εικόνας κατά JPEG. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ
ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ ΑΝΟΙΧΤΑ ΑΚΑΔΗΜΑΙΚΑ ΜΑΘΗΜΑΤΑ Ενότητα 7: Συμπίεση Εικόνας κατά JPEG Θρασύβουλος Γ. Τσιάτσος Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative
Διαβάστε περισσότεραΚλασικη ιαφορικη Γεωµετρια
Αριστοτελειο Πανεπιστηµιο Θεσσαλονικης Σχολη Θετικων Επιστηµων, Τµηµα Μαθηµατικων, Τοµεας Γεωµετριας Κλασικη ιαφορικη Γεωµετρια Πρώτη Εργασία, 2018-19 1 Προαπαιτούµενες γνώσεις και ϐασική προετοιµασία
Διαβάστε περισσότεραΙατρική Πληροφορική. Δρ. Π. ΑΣΒΕΣΤΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ Τ.Ε.
Ιατρική Πληροφορική Δρ. Π. ΑΣΒΕΣΤΑΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΒΙΟΪΑΤΡΙΚΗΣ ΤΕΧΝΟΛΟΓΙΑΣ Τ.Ε. Οι διάφορες τεχνικές απεικόνισης (imaging modalities) της ανθρώπινης ανατομίας περιγράφονται κατά DICOM ως συντομογραφία
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 περισσότεραΚεφάλαιο M4. Κίνηση σε δύο διαστάσεις
Κεφάλαιο M4 Κίνηση σε δύο διαστάσεις Κινηµατική σε δύο διαστάσεις Θα περιγράψουµε τη διανυσµατική φύση της θέσης, της ταχύτητας, και της επιτάχυνσης µε περισσότερες λεπτοµέρειες. Θα µελετήσουµε την κίνηση
Διαβάστε περισσότεραΤεράστιες ανάγκες σε αποθηκευτικό χώρο
ΣΥΜΠΙΕΣΗ Τεράστιες ανάγκες σε αποθηκευτικό χώρο Παράδειγμα: CD-ROM έχει χωρητικότητα 650MB, χωρά 75 λεπτά ασυμπίεστου στερεοφωνικού ήχου, αλλά 30 sec ασυμπίεστου βίντεο. Μαγνητικοί δίσκοι χωρητικότητας
Διαβάστε περισσότεραα) Κύκλος από δύο δοσµένα σηµεία Α, Β. Το ένα από τα δύο σηµεία ορίζεται ως κέντρο αν το επιλέξουµε πρώτο. β) Κύκλος από δοσµένο σηµείο και δοσµένο ευ
ΕΙΣΑΓΩΓΗ ΣΤΟ ΛΟΓΙΣΜΙΚΟ SKETCHPAD ΜΕΡΟΣ Α Μιλώντας για ένα λογισµικό δυναµικής γεωµετρίας καλό θα ήταν να διακρίνουµε αρχικά 3 οµάδες εργαλείων µε τα οποία µπορούµε να εργαστούµε µέσα στο συγκεκριµένο περιβάλλον.
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 περισσότεραΨηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας. Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 6 η : Συμπίεση Εικόνας Καθ. Κωνσταντίνος Μπερμπερίδης Πολυτεχνική Σχολή Μηχανικών Η/Υ & Πληροφορικής Σκοποί ενότητας Εισαγωγή στη συμπίεση εικόνας Μη απωλεστικες
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 περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ
ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ ΒΕΣ 04: ΣΥΜΠΙΕΣΗ ΚΑΙ ΜΕΤΑ ΟΣΗ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 2007 2008, Χειµερινό Εξάµηνο 13 Νοεµβρίου 2007 Φροντιστηριακή Άσκηση 3: (I) Συµπίεση
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 περισσότεραΤΗΛΕΠΙΣΚΟΠΗΣΗ. Γραµµικοί Μετασχηµατισµοί (Linear Transformations) Τονισµός χαρακτηριστικών εικόνας (image enhancement)
Γραµµικοί Μετασχηµατισµοί (Linear Transformations) Τονισµός χαρακτηριστικών εικόνας (image enhancement) Συµπίεση εικόνας (image compression) Αποκατάσταση εικόνας (Image restoration) ηµήτριος. ιαµαντίδης
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 περισσότερα1. Κινηµατική. x dt (1.1) η ταχύτητα είναι. και η επιτάχυνση ax = lim = =. (1.2) Ο δεύτερος νόµος του Νεύτωνα παίρνει τη µορφή: (1.
1. Κινηµατική Βιβλιογραφία C. Kittel W. D. Knight M. A. Rueman A. C. Helmholz και B. J. Moe Μηχανική. Πανεπιστηµιακές Εκδόσεις Ε.Μ.Π. 1998. Κεφ.. {Μαθηµατικό Συµπλήρωµα Μ1 Παράγωγος} {Μαθηµατικό Συµπλήρωµα
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 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 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 περισσότεραΜάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1
Μάθημα 7 ο Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας πληροφορίας Ανάγκες που καλύπτονται Εξοικονόμηση μνήμης Ελάττωση χρόνου και εύρους
Διαβάστε περισσότεραΚαµπύλες στον R. σ τελικό σηµείο της σ. Το σ. σ =. Η σ λέγεται διαφορίσιµη ( αντιστοίχως
Καµπύλες στον R 9. Ορισµός Μια καµπύλη στον R είναι µια συνεχής συνάρτηση σ : Ι R R όπου Ι διάστηµα ( συνήθως κλειστό και φραγµένο ) στον R. Συνήθως φανταζόµαστε την µεταβλητή t Ι ως τον χρόνο και την
Διαβάστε περισσότεραΑπαραίτητες αφού 3Δ αντικείμενα απεικονίζονται σε 2Δ συσκευές. Θέση παρατηρητή. 3Δ Μετασχ/σμός Παρατήρησης
Προβολές Προβολές Απαραίτητες αφού 3Δ αντικείμενα απεικονίζονται σε Δ συσκευές. Θέσεις αντικειμένων και φωτεινών πηγών Θέση παρατηρητή 3Δ Μαθηματικά Μοντέλα 3Δ Μετασχ/σμοί Μοντέλου 3Δ Μετασχ/σμός Παρατήρησης
Διαβάστε περισσότεραΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ,
ΠΑΝΕΠΙΣΤΗΜΙΟ ΚΥΠΡΟΥ, ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ ΕΠΛ 422: ΣΥΣΤΗΜΑΤΑ ΠΟΛΥΜΕΣΩΝ Ακαδηµαϊκό Έτος 2004 2005, Χειµερινό Εξάµηνο Καθ.: Νίκος Τσαπατσούλης ΕΡΩΤΗΣΕΙΣ ΓΙΑ ΕΠΑΝΑΛΗΨΗ Το τρέχον έγγραφο αποτελεί υπόδειγµα τελικής
Διαβάστε περισσότεραΒέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη
ΒΕΣ 6 Προσαρµοστικά Συστήµατα στις Τηλεπικοινωνίες Βέλτιστα Ψηφιακά Φίλτρα: Φίλτρα Wiener, Ευθεία και αντίστροφη γραµµική πρόβλεψη 7 Nicolas sapatsoulis Βιβλιογραφία Ενότητας Benvenuto []: Κεφάλαιo Wirow
Διαβάστε περισσότεραΕισαγωγή ΕΙΣΑΓΩΓΗ ΣΤΑ ΓΣΠ
ΕΙΣΑΓΩΓΗ ΣΤΑ ΓΣΠ Τα τελευταία 25 χρόνια, τα προβλήµατα που σχετίζονται µε την διαχείριση της Γεωγραφικής Πληροφορίας αντιµετωπίζονται σε παγκόσµιο αλλά και εθνικό επίπεδο µε την βοήθεια των Γεωγραφικών
Διαβάστε περισσότεραΕφαρμοσμένα Μαθηματικά ΙΙ 4ο Σετ Ασκήσεων (Λύσεις) Διπλά Ολοκληρώματα Επιμέλεια: Ι. Λυχναρόπουλος
Εφαρμοσμένα Μαθηματικά ΙΙ ο Σετ Ασκήσεων (Λύσεις) Διπλά Ολοκληρώματα Επιμέλεια: Ι. Λυχναρόπουλος. Προσεγγίστε τo ολοκλήρωμα ( + ) I d d με αθροίσματα iemann χωρίζοντας το πεδίο ολοκλήρωσης σε ίσα ορθογώνια.
Διαβάστε περισσότεραETY-202. Ο γενικός φορμαλισμός Dirac ETY-202 ΎΛΗ & ΦΩΣ 05. Ο ΓΕΝΙΚΟΣ ΦΟΡΜΑΛΙΣΜΟΣ DIRAC. Στέλιος Τζωρτζάκης 21/11/2013
stzortz@iesl.forth.gr 1396; office Δ013 ΙΤΕ 2 ΎΛΗ & ΦΩΣ 05. Ο ΓΕΝΙΚΟΣ ΦΟΡΜΑΛΙΣΜΟΣ DIRAC Στέλιος Τζωρτζάκης Ο γενικός φορμαλισμός Dirac 1 3 4 Εικόνες και αναπαραστάσεις Επίσης μια πολύ χρήσιμη ιδιότητα
Διαβάστε περισσότεραΧωρικές Περιγραφές και Μετασχηµατισµοί
Χωρικές Περιγραφές και Μετασχηµατισµοί Νίκος Βλάσσης Τµήµα Μηχανικών Παραγωγής και ιοίκησης Πολυτεχνείο Κρητης Ροµποτική, 9ο εξάµηνο ΜΠ, 2007 Ροµπότ SCR 1 Περιεχόµενα Στοιχεία γραµµικής άλγεβρας Χωρικές
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 2017
Πανεπιστηµιο Πατρων Πολυτεχνικη Σχολη Τµηµα Μηχανικων Η/Υ & Πληροφορικης ΜΑΘΗΜΑΤΙΚΑ ΙΙ ιδάσκων : Ε. Στεφανόπουλος 12 ιουνιου 217 Θ1. Θεωρούµε την συνάρτηση f(x, y, z) = 1 + x 2 + 2y 2 z. (αʹ) Να ϐρεθεί
Διαβάστε περισσότεραk ) 2 P = a2 x 2 P = 2a 2 x y 2 Q = b2 y 2 Q = 2b 2 y z 2 R = c2 z 2 R = 2c 2 z P x = 2a 2 Q y = 2b 2 R z = 2c 2 3 (a2 +b 2 +c 2 ) I = 64π
Γενικά Μαθηματικά ΙΙΙ Πέμπτο σετ ασκήσεων, Λύσεις Άσκηση 1 Το θεώρημα Gauss γενικά διατυπώνεται ως: F dv = ( F η)dσ (1) V Για την άσκηση όπου μας δίνεται η σφαίρα x + y + z 4 = Φ, το κάθετο διάνυσμα η,
Διαβάστε περισσότεραΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ
ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ Α.Τ.Ε.Ι. Ηρακλείου ιδάσκων: Βασίλειος Γαργανουράκης 1 Περιγραφή Μαθήµατος ΘΕΩΡΙΑ Fast Fourier Transform Συνελίξεις Μη Γραµµικοί Μετασχηµατισµοί Ψηφιακή Επεξεργασία Εικόνας ΕΜΕΙΣ
Διαβάστε περισσότεραΕΥΣΤΑΘΙΟΥ ΑΓΓΕΛΙΚΗ ΣΦΑΕΛΟΣ ΙΩΑΝΝΗΣ
Κατασκευή µαθηµατικών fractals ΕΥΣΤΑΘΙΟΥ ΑΓΓΕΛΙΚΗ ΣΦΑΕΛΟΣ ΙΩΑΝΝΗΣ 1. Η καµπύλη του Koch H καµπύλη του Κoch ή Νησί του Koch ή χιονονιφάδα του Koch περιγράφηκε για πρώτη φορά από το Σουηδό µαθηµατικό Helge
Διαβάστε περισσότεραΑνακατασκευή εικόνας από προβολές
Ανακατασκευή εικόνας από προβολές Μέθοδος ανακατασκευής με χρήση χαρακτηριστικών δειγμάτων προβολής Αναστάσιος Κεσίδης Δρ. Ηλεκτρολόγος Μηχανικός Θέματα που θα αναπτυχθούν Εισαγωγή στις τομογραφικές μεθόδους
Διαβάστε περισσότεραΚωδικοποίηση εικόνων κατά JPEG
Κωδικοποίηση εικόνων κατά JPEG Εισαγωγή Προετοιµασία της εικόνας ρυθµός Ακολουθιακός απωλεστικός ρυθµός Εκτεταµένος απωλεστικός ρυθµός Μη απωλεστικός ρυθµός Ιεραρχικός ρυθµός Τεχνολογία Πολυµέσων 09-1
Διαβάστε περισσότεραΣήματα και Συστήματα. Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier. Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής
Σήματα και Συστήματα Διάλεξη 6: Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier Δρ. Μιχάλης Παρασκευάς Επίκουρος Καθηγητής 1 Ανάλυση Σημάτων σε Ανάπτυγμα Σειράς Fourier 1. Ανάπτυγμα σήματος σε Σειρά Fourier
Διαβάστε περισσότεραΕισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Ορισµός του Προβλήµατος Ευθυγράµµιση : Εύρεση ενός γεωµετρικού µετασχηµατισµού που ϕέρνει κοντά δύο τρισδιάσ
Εισαγωγή Αλγόριθµοι Αποτελέσµατα Επίλογος Αλγόριθµοι Ευθυγράµµισης Τρισδιάστατων Αντικειµένων Τµήµα Πληροφορικής και Τηλεπικοινωνιών Εθνικό & Καποδιστριακό Πανεπιστήµιο Αθηνών 20 Οκτωβρίου 2005 Εισαγωγή
Διαβάστε περισσότεραΕρωτήσεις αντιστοίχισης
Ερωτήσεις αντιστοίχισης 1. ** Να αντιστοιχίσετε κάθε ευθεία που η εξίσωσή της βρίσκεται στη του πίνακα (Ι) µε τον συντελεστή της που βρίσκεται στη, συµπληρώνοντας τον πίνακα (ΙΙ) (α, β 0). 1. ε 1 : y =
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 περισσότεραΜΑΘΗΜΑΤΙΚΑ Β ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 2004 ΕΚΦΩΝΗΣΕΙΣ
ΜΑΘΗΜΑΤΙΚΑ Β ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 00 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ ο Α ίνονται τα διανύσµατα α και β, τα οποία δεν είναι παράλληλα προς τον άξονα y y και έχουν συντελεστές διεύθυνσης λ και λ αντίστοιχα
Διαβάστε περισσότεραΓραµµικοί Ταξινοµητές
ΚΕΣ 3: Αναγνώριση Προτύπων και Ανάλυση Εικόνας KEΣ 3 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Γραµµικοί Ταξινοµητές ΤµήµαΕπιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου 7 Ncolas sapatsouls
Διαβάστε περισσότεραΑσκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 15/1/2008
Ασκήσεις Φροντιστηρίου «Υπολογιστική Νοηµοσύνη Ι» 7ο Φροντιστήριο 5//008 Πρόβληµα ο Στα παρακάτω ερωτήµατα επισηµαίνουµε ότι perceptron είναι ένας νευρώνας και υποθέτουµε, όπου χρειάζεται, τη χρήση δικτύων
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 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 περισσότεραΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. DTFT και Περιοδική/Κυκλική Συνέλιξη
ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ DTFT και Περιοδική/Κυκλική Συνέλιξη Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»
Διαβάστε περισσότεραB ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ. Ημερομηνία: Τετάρτη 12 Απριλίου 2017 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ
ΑΠΟ 10/4/017 ΕΩΣ /4/017 ΤΑΞΗ: ΜΑΘΗΜΑ: B ΓΕΝΙΚΟΥ ΛΥΚΕΙΟΥ ΜΑΘΗΜΑΤΙΚΑ ΠΡΟΣΑΝΑΤΟΛΙΣΜΟΥ Ημερομηνία: Τετάρτη 1 Απριλίου 017 Διάρκεια Εξέτασης: 3 ώρες ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ Α Α1. Να αποδείξετε ότι η εφαπτομένη του
Διαβάστε περισσότεραΑκρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange
64 Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrage Ας υποθέσουµε ότι ένας δεδοµένος χώρος θερµαίνεται και η θερµοκρασία στο σηµείο,, Τ, y, z Ας υποθέσουµε ότι ( y z ) αυτού του χώρου δίδεται από
Διαβάστε περισσότεραΕιδικά θέματα στη ροπή αδράνειας του στερεού.
Ειδικά θέματα στη ροπή αδράνειας του στερεού Η συνική ροπή αδράνειας ως άθροισμα επί μέρους ροπών αδράνειας Έστω το τυχαίο στερεό του σχήματος που αποτελείται από επιμέρους τμήματα Α,Β,Γ,Δ Η ροπή αδράνειας
Διαβάστε περισσότεραP G = 1 2 (x x 3 2 ) 2 [(y 1 + y y n ) 6 + (y y y 2 n ) 3 ] 2 (n6 + n 3 ) = n3 (n 3 + 1)
Διακριτά Μαθηματικά Φροντιστήριο Θεωρία μέτρησης Polya ΙΙ 1 / 15 Ενας κύλινδρος, που έχει διαιρεθεί σε 6 τμήματα θα χρωματιστεί με 1 ή περισσότερα από διαφορετικά χρώματα. Με πόσους τρόπους επιτυγχάνεται
Διαβάστε περισσότεραΜΑΘΗΜΑΤΙΚΑ Β ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 2003
ΜΑΘΗΜΑΤΙΚΑ Β ΤΑΞΗΣ ΕΝΙΑΙΟΥ ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ ΚΑΙ ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 003 ΕΚΦΩΝΗΣΕΙΣ ΘΕΜΑ 1o Α. Αν α, ν είναι δύο διανύσµατα του επιπέδου µε α 0 και η προβολή του ν στο α συµβολίζεται µε προβ α ν, τότε
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 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 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 περισσότεραΕισαγωγή στα Σήματα. Κυριακίδης Ιωάννης 2011
Εισαγωγή στα Σήματα Κυριακίδης Ιωάννης 2011 Τελευταία ενημέρωση: 11/11/2011 Τι είναι ένα σήμα; Ως σήμα ορίζουμε το σύνολο των τιμών που λαμβάνει μια ποσότητα (εξαρτημένη μεταβλητή) όταν αυτή μεταβάλλεται
Διαβάστε περισσότερα2 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 + 1 + 0.5 2 + 0.25 2 + 0.5 0 0.125 + 1 + 0.5 1 0.125 + 1 + 0.75 1 0.125 1/5
IOYNIOΣ 23 Δίνονται τα εξής πρότυπα: x! = 2.5 Άσκηση η (3 µονάδες) Χρησιµοποιώντας το κριτήριο της οµοιότητας να απορριφθεί ένα χαρακτηριστικό µε βάση το συντελεστή συσχέτισης. Γράψτε εδώ το χαρακτηριστικό
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 περισσότεραΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ. Διακριτός Μετασχηματισμός Fourier DFT
ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΑΝΑΛΥΣΗ FOURIER ΔΙΑΚΡΙΤΩΝ ΣΗΜΑΤΩΝ ΚΑΙ ΣΥΣΤΗΜΑΤΩΝ Διακριτός Μετασχηματισμός Fourier DFT Διακριτός μετασχηματισμός συνημιτόνου DCT discrete cosine transform Η σχέση αποτελεί «πυρήνα»
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 περισσότεραMPEG7 Multimedia Content Description Interface
MPEG7 Multimedia Content Description Interface Τυποποιεί την περιγραφή του περιεχοµένου των πολυµέσων (video audio) εν επεξεργάζεται αλλά! Συλλέγει χαρακτηριστικά πού χρειάζονται για περιγραφή δεδοµένων
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 περισσότεραDFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform
DFT ιακριτός µετ/σµός Fourier Discrete Fourier Transform Νοέµβριος 5 ΨΕΣ Ορισµοί O διακριτός µετασχηµατισµός Fourier DFT, αναφέρεται σε µία πεπερασµένου µήκους ακολουθία σηµείων και ορίζεται ως εξής: X(
Διαβάστε περισσότεραΑπαντήσεις Διαγωνισµού Μηχανικής ΙΙ Ιουνίου Ερώτηµα 2
Απαντήσεις Διαγωνισµού Μηχανικής ΙΙ Ιουνίου 2000 Ερώτηµα 1 Βα), και, Οι εξισώσεις κίνησης είναι, Έχουµε δύο ασύζευκτους αρµονικούς ταλαντωτές συχνότητας Η Χαµιλτονιανή αυτή θα µπορούσε να περιγράφει µικρές
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 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 περισσότεραΚεφάλαιο M3. Διανύσµατα
Κεφάλαιο M3 Διανύσµατα Διανύσµατα Διανυσµατικά µεγέθη Φυσικά µεγέθη που έχουν τόσο αριθµητικές ιδιότητες όσο και ιδιότητες κατεύθυνσης. Σε αυτό το κεφάλαιο, θα ασχοληθούµε µε τις µαθηµατικές πράξεις των
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 περισσότερα