Μέθοδοι Αναπαράστασης Περιγραµµάτων

Σχετικά έγγραφα
Μέθοδοι Αναπαράστασης Περιοχών

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

Μάθημα 10 ο. Περιγραφή Σχήματος ΤΜΗΥΠ / ΕΕΣΤ 1

Κατάτµηση εικόνας σε οµοιόµορφες περιοχές

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

Κατάτµηση Εικόνων: Ανίχνευση Ακµών και Κατάτµηση µε Κατωφλίωση

Γραµµικοί Ταξινοµητές

2. ΚΕΦΑΛΑΙΟ ΕΙΣΑΓΩΓΗ ΣΤΑ ΣΥΣΤΗΜΑΤΑ. Γενικά τι είναι σύστηµα - Ορισµός. Τρόποι σύνδεσης συστηµάτων.

ΕΙ ΙΚΑ ΚΕΦΑΛΑΙΑ ΑΠΟ ΤΗ ΘΕΩΡΙΑ ΑΝΑΛΥΣΗΣ ΕΙΚΟΝΑΣ (ΓΙΑ ΤΗΝ ΑΝΑ ΕΙΞΗ ΟΥΣΙΩ ΩΝ ΧΑΡΑΚΤΗΡΙΣΤΙΚΩΝ ΕΙΚΟΝΑΣ) ΑΝΑΓΝΩΡΙΣΗ ΠΡΟΤΥΠΩΝ

ΒΕΣ 04: Συµπίεση και Μετάδοση Πολυµέσων. Περιεχόµενα. Βιβλιογραφία. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT

Περιεχόµενα. ΕΠΛ 422: Συστήµατα Πολυµέσων. Βιβλιογραφία. Εισαγωγή. Συµπίεση εικόνων: Το πρότυπο JPEG. Εισαγωγή. Ευθύς µετασχηµατισµός DCT

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

Εντοπισμός αντικειμένου σε εικόνα

Ανάλυση Συστηµάτων Αυτοµάτου Ελέγχου: Γεωµετρικός Τόπος Ριζών

Ενότητα 2: Οι Θεµελιώδεις Αρχές των Ψηφιακών Εικόνων

ΟΜΑΔΕΣ. Δημιουργία Ομάδων

1)Βρείτε την εξίσωση για το επίπεδο που περιέχει το σηµείο (1,-1,3) και είναι παράλληλο προς το επίπεδο 3x+y+z=a όπου a ένας αριθµός.

Ανάγκη Ανάπτυξης Μοντέλων και Δομών Χωρικών Δεδομένων

1. * Η γραφική παράσταση µιας συνάρτησης f έχει εφαπτοµένη στο x 0 την ευθεία y = αx + β, µε α 0, όταν. είναι + είναι -

ΒΙΟΜΗΧΑΝΙΚΑ ΗΛΕΚΤΡΟΝΙΚΑ

Ενδεικτική πολυ-εργασία 1 - εφαρμογή στην υπολογιστική όραση

Συµπίεση Ψηφιακών Εικόνων: Συµπίεση µε Απώλειες. Πρότυπα Συµπίεσης Εικόνων

Κεφάλαιο 4 Κανονική Κατανομή. Πέτρος Ε. Μαραβελάκης, Επίκουρος Καθηγητής, Πανεπιστήμιο Πειραιώς

Ψηφιακή Επεξεργασία Εικόνας

Μάθηµα ευτέρας 20 / 11 / 17

Συµπίεση Εικόνας: Το πρότυπο JPEG

( ) Κλίση και επιφάνειες στάθµης µιας συνάρτησης. x + y + z = κ ορίζει την επιφάνεια µιας σφαίρας κέντρου ( ) κ > τότε η

ΜΑΘΗΜΑΤΙΚΑ Β ΛΥΚΕΙΟΥ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ 2004 ΕΚΦΩΝΗΣΕΙΣ

Συμπίεση Πολυμεσικών Δεδομένων

Ψηφιακή Επεξεργασία Εικόνων

οµή δικτύου ΣΧΗΜΑ 8.1

ΠΑΝΕΠΙΣΤΗΜΙΟ ΜΑΚΕ ΟΝΙΑΣ ΟΙΚΟΝΟΜΙΚΩΝ ΚΑΙ ΚΟΙΝΩΝΙΚΩΝ ΕΠΙΣΤΗΜΩΝ ΤΜΗΜΑ ΕΦΑΡΜΟΣΜΕΝΗΣ ΠΛΗΡΟΦΟΡΙΚΗΣ ΝΕΥΡΩΝΙΚΑ ΙΚΤΥΑ

ΛΥΣΕΙΣ 6 ης ΕΡΓΑΣΙΑΣ - ΠΛΗ 12,

HMY 220: Σήματα και Συστήματα Ι

ΤΗΛΕΠΙΣΚΟΠΗΣΗ. Γραµµικοί Μετασχηµατισµοί (Linear Transformations) Τονισµός χαρακτηριστικών εικόνας (image enhancement)

Μάθημα 7 ο. Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ 1

Συστήµατα Μη-Γραµµικών Εξισώσεων Μέθοδος Newton-Raphson

7 ο Εργαστήριο Θόρυβος 2Δ, Μετακίνηση, Περιστροφή

Περιεχόµενα ΕΠΛ 422: στα Συστήµατα Πολυµέσων. Βιβλιογραφία. ειγµατοληψία. ηµιουργία ψηφιακής µορφής πληροφορίας στα Συστήµατα Πολυµέσων

Ο Μετασχηματισμός Ζ. Ανάλυση συστημάτων με το μετασχηματισμό Ζ

Ακρότατα υπό συνθήκη και οι πολλαπλασιαστές του Lagrange

Group (JPEG) το 1992.

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

ΚΕΦΑΛΑΙΟ 10. Μελέτη ηλεκτρικών δικτύων στην Ηµιτονική Μόνιµη Κατάσταση

ΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΣΕΠΤΕΜΒΡΙΟΥ 2010 ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ

Ψηφιακή Επεξεργασία Εικόνας

Τηλεπικοινωνίες. Ενότητα 2.1: Ανάλυση Fourier. Μιχάλας Άγγελος Τμήμα Μηχανικών Πληροφορικής ΤΕ

Μετασχηματισμός Z. Κυριακίδης Ιωάννης 2011

Χωρικές Περιγραφές και Μετασχηµατισµοί

ιαφορική εντροπία Σεραφείµ Καραµπογιάς

ΚΕΦΑΛΑΙΟ 3 ΑΡΙΘΜΗΤΙΚΗ ΕΠΙΛΥΣΗ ΓΡΑΜΜΙΚΩΝ ΣΥΣΤΗΜΑΤΩΝ. nn n n

ΣΗΜΑΤΑ ΚΑΙ ΣΥΣΤΗΜΑΤΑ. Εισαγωγή στα Σήµατα Εισαγωγή στα Συστήµατα Ανάπτυγµα - Μετασχηµατισµός Fourier Μετασχηµατισµός Z

Σηµειώσεις. Eφαρµοσµένα Μαθηµατικά Ι. Nικόλαος Aτρέας

(CLR, κεφάλαιο 32) Στην ενότητα αυτή θα µελετηθούν τα εξής θέµατα: Παραστάσεις πολυωνύµων Πολυωνυµική Παρεµβολή ιακριτός Μετασχηµατισµός Fourier

Κεφάλαιο 2. Μέθοδος πεπερασµένων διαφορών προβλήµατα οριακών τιµών µε Σ Ε

Εργασίες στο µάθηµα Ψηφιακής Επεξεργασίας και Αναγνώρισης Εγγράφων

Μετασχηµατισµός Ζ (z-tranform)

Ακαδηµαϊκό Έτος , Χειµερινό Εξάµηνο ιδάσκων Καθ.: Νίκος Τσαπατσούλης

Συστήματα Πολυμέσων. Ενότητα 6: Συμπίεση Ψηφιακής Εικόνας. Θρασύβουλος Γ. Τσιάτσος Τμήμα Πληροφορικής ΑΡΙΣΤΟΤΕΛΕΙΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΘΕΣΣΑΛΟΝΙΚΗΣ

Περιγραφή Συστηµάτων Αυτοµάτου Ελέγχου

Ανάλυση Σ.Α.Ε στο χώρο κατάστασης

Ευστάθεια Συστηµάτων Αυτοµάτου Ελέγχου: Αλγεβρικά κριτήρια

ΜΑΘΗΜΑΤΙΚΑ ΘΕΤΙΚΗΣ & ΤΕΧΝΟΛΟΓΙΚΗΣ ΚΑΤΕΥΘΥΝΣΗΣ Γ ΛΥΚΕΙΟΥ ΜΙΓΑΔΙΚΟΙ ΑΡΙΘΜΟΙ ΛΥΜΕΝΕΣ & ΑΛΥΤΕΣ ΑΣΚΗΣΕΙΣ. Επιμέλεια: Γ. Π. Βαξεβάνης (Γ. Π. Β.

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 1

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ενότητα 2 η : Δισδιάστατα Σήματα & Συστήματα Μέρος 2

Κεφάλαιο 10 Περιστροφική Κίνηση. Copyright 2009 Pearson Education, Inc.

ΜΙΓΑ ΙΚΟΣ ΛΟΓΙΣΜΟΣ ΚΑΙ ΟΛΟΚΛ. ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΙ ΓΡΑΠΤΕΣ ΕΞΕΤΑΣΕΙΣ ΙΑΝΟΥΑΡΙΟΥ 2010 ΛΥΣΕΙΣ ΤΩΝ ΘΕΜΑΤΩΝ. =. Οι πρώτες µερικές u x y

ιανυσµατικά πεδία Όπως έχουµε ήδη αναφέρει ένα διανυσµατικό πεδίο είναι µια συνάρτηση

Κεφάλαιο M4. Κίνηση σε δύο διαστάσεις

[ ], σχηµατίζουµε το άθροισµα. Το άθροισµα αυτό είναι µια δυαδική πράξη η οποία αντιστοιχεί στις ακολουθίες f [ 1

Μιγαδικός λογισμός και ολοκληρωτικοί Μετασχηματισμοί

Όρια συναρτήσεων. ε > υπάρχει ( ) { } = ± ορίζονται αναλόγως. Η διατύπωση αυτών των ορισµών αφήνεται ως άσκηση. x y = +. = και για κάθε (, ) ( 0,0)

ΘΕΜΑ 1. Λύση. V = V x. H θ y O V 1 H/2. (α) Ακίνητος παρατηρητής (Ο) (1) 6 = = (3) 6 (4)

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

ΕΛΛΗΝΙΚΗ ΔΗΜΟΚΡΑΤΙΑ Ανώτατο Εκπαιδευτικό Ίδρυμα Πειραιά Τεχνολογικού Τομέα ΣΗΜΑΤΑ & ΣΥΣΤΗΜΑΤΑ. Ενότητα : ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ Ζ (ΖTransform)

Ειδικές Επιστηµονικές Εργασίες

ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER ΔΙΑΚΡΙΤΟΥ ΧΡΟΝΟΥ

ΕΛΛΗΝΙΚΟ ΑΝΟΙΚΤΟ ΠΑΝΕΠΙΣΤΗΜΙΟ ΦΥΕ η ΕΡΓΑΣΙΑ. Προθεσµία παράδοσης 11/11/08

Οι πράξεις που χρειάζονται για την επίλυση αυτών των προβληµάτων (αφού είναι απλές) µπορούν να τεθούν σε µια σειρά και πάρουν µια αλγοριθµική µορφή.

Ειδικά Θέµατα Υπολογιστικής Όρασης & Γραφικής. Εµµανουήλ Ζ. Ψαράκης & Αθανάσιος Τσακαλίδης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

ΘΕΩΡΙΑ ΣΗΜΑΤΩΝ & ΣΥΣΤΗΜΑΤΩΝ. Μετασχηµατισµός-Z. Εµµανουήλ Ζ. Ψαράκης Πολυτεχνική Σχολή Τµήµα Μηχανικών Η/Υ & Πληροφορικής

ΠΑΝΕΠΙΣΤΗΜΙΟ ΠΕΛΟΠΟΝΝΗΣΟΥ, ΤΜΗΜΑ ΤΕΧΝΟΛΟΓΙΑΣ ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ

Ο ΗΓΟΣ ΧΡΗΣΗΣ ΓΕΩΜΕΤΡΙΑ

Παραµόρφωση σε Σηµείο Σώµατος. Μεταβολή του σχήµατος του στοιχείου (διατµητική παραµόρφωση)

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

Μεθοδολογία επίλυσης προβληµάτων καταβύθισης

Ακουλουθίες ρ. Κωνσταντίνα Παναγιωτίδου

Εξαγωγή Χαρακτηριστικών

20-Φεβ-2009 ΗΜΥ Διακριτός Μετασχηματισμός Fourier

Ανάλυση Συστηµάτων Αυτοµάτου Ελέγχου: Αρµονική Απόκριση & ιαγράµµατα Bode

Σήματα και Συστήματα ΙΙ

Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας. Παρουσίαση Νο. 3. Δισδιάστατα σήματα και συστήματα #2

Σχεδίαση Σ.Α.Ε: Σχεδίαση µε το Γεωµετρικό Τόπο Ριζών

Μετασχηµατισµοί Laplace, Αναλογικά Συστήµατα, ιαφορικές Εξισώσεις

Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Συχνότητας

4.3. Γραµµικοί ταξινοµητές

Στροφορµή. Αν έχουµε ένα υλικό σηµείο που κινείται µε ταχύτητα υ, τότε έχει στροφορµή

Σηµειώσεις. ιαφορικές Εξισώσεις- Μετασχηµατισµός Laplace- Σειρές Fourier. Nικόλαος Aτρέας

(f(x)+g(x)) =f (x)+g (x), x R

Σημαντικές χρονολογίες στην εξέλιξη της Υπολογιστικής Τομογραφίας

Transcript:

KEΣ 03 Αναγνώριση Προτύπων και Ανάλυση Εικόνας Μέθοδοι Αναπαράστασης Περιγραµµάτων Τµήµα Επιστήµης και Τεχνολογίας Τηλεπικοινωνιών Πανεπιστήµιο Πελοποννήσου Περιεχόµενα Βιβλιογραφία Περιεχόµενα Ενότητας Εισαγωγή Κώδικας αλυσίδας Περιγραφείς Fourier Βιβλιογραφία: Παπαµάρκος [2005]: Κεφάλαιο 5 Πήτας [1999]: Κεφάλαιο 10 Gonzales [2002]: Chapter 10 Gonzales [2004]: Chapter 10 Basic Algorithms for Digital Image Analysis, Dmitrij Csetverikov, Eotvos Lorand University, Budapest, Hungary 1

Εισαγωγή Μια περιοχή (region) µιας εικόνας ορίζει περιεχόµενα σηµεία τα οποία περικλείονται από ένα περίγραµµα (contour) το οποίο συχνά αναφέρεται και ως όριο περιοχής (boundary). To όριο µιας περιοχής ορίζεται ως το σύνολο των pixels τα οποία ανήκουν στην περιοχή και για τα οποία υπάρχει ένα τουλάχιστον γειτονικό pixel το οποίο δεν ανήκει στη περιοχή. Το όριο κλειστών περιοχών καθορίζει το σχήµα τους. Υπάρχουν διάφορες µεθοδολογίες αναπαράστασης ορίου περιοχών. Η αναπαράσταση ορίου περιοχών χρησιµοποιείται για: Αποτελεσµατική περιγραφή σχηµάτων (συµπίεση) Υπολογισµό διανύσµατος χαρακτηριστικών για το διαχωρισµό δυσδιάστατων αντικειµένων µεβάσητοσχήµατους Επιθυµητές ιδιότητες για αναπαράσταση ορίου Επάρκεια υνατότητα διαχωρισµού ανάµεσα σε διαφορετικές κατηγορίες Ευρύτητα πεδίου εφαρµογής Μοναδικότητα Ευκρίνεια (Μη διφορούµενη αναπαράσταση) υνατότητα ανακατασκευής Ευρωστία (ευστάθεια) Καταλληλότητα 2

Επάρκεια Είναι η ανωτέρω αναπαράσταση σχήµατος επαρκής; Εξαρτάται προφανώς από την εφαρµογή Ευρύτητα πεδίου εφαρµογής 3 2 1 Ευρύτητα αναπαράστασης: «Η ικανότητα αναπαράστασης πολλών κατηγοριών από αντικείµενα και για διαφορετικά πεδία εφαρµογών» 3

Μοναδικότητα Κάθε ξεχωριστό µέλος µιας κατηγορίας αντικειµένων έχει διακριτή αναπαράσταση Not unique : dog dog dog unique : pitbull collie cocker-spaniel Μη διφορούµενη αναπαράσταση Μια οντότητα µπορεί να αναπαρίσταται µε πολλούς τρόπους (π. χ. πολλές µορφές χελώνας) αλλά δεν είναι δυνατό δυο διαφορετικές οντότητες να έχουν την ίδια αναπαράσταση (π.χ. ίδια αναπαράσταση για χελώνες και λάµπες) 4

υνατότητα ανακατασκευής υνατότητα αναδηµιουργίας του σχήµατος του αντικειµένου από την αναπαράσταση 1 8 2 Chain-code :436476872832 280 7 3 260 240 6 5 4 220 200 180 160 80 90 100 110 120 130 140 150 160 170 180 Ευρωστία & Καταλληλότητα Ευρωστία: Μικρές µεταβολές στη µορφή του σχήµατος δεν προκαλούν ριζική µεταβολή στην αναπαράσταση. Καταλληλότητα: Μια αναπαράσταση µπορεί να έχει όλες τις ιδιότητες που έχουµε αναφέρει αλλά παρόλα αυτά να µην είναι η κατάλληλη για την επίλυση ενός προβλήµατος ταξινόµησης: Για παράδειγµα σε µια γραµµή αυτόµατης συναρµολόγησης αυτοκινήτων τα ορθογώνια µπορούν να αναπαρίστανται αποτελεσµατικά µε ένα κώδικα αλυσίδας. Την ίδια στιγµή οκώδικας αλυσίδας είναι µια πολύ φτωχή αναπαράσταση για τη αναγνώριση προσώπων. 5

Αντικείµενα χωρίς τρύπες Υπολογισµός του κέντρου µάζας (centroid) του αντικειµένου Για κάθε σηµείο του ορίου υπολογίζεται η γωνία θ (σε σχέση µε τον οριζόντιο άξονα), και η ακτίνα ρ απότοκέντροµάζας 300 Polar representation of Curves 280 260 240 ρ θ 220 200 180 160 360 380 400 420 440 460 480 500 (ΙΙ) 300 Το διάγραµµα Β(ρ,θ) ακτίνας ρ γωνίας θ µαζί µε τοσηµείο που αντιστοιχεί στο κέντρο µάζας (x0,y0) αποτελούν την περιγραφή του σχήµατος 60 Radial - angle plot 280 55 260 240 220 200 boundary points radious ρ 50 45 40 180 35 160 360 380 400 420 440 460 480 500 30-150 -100-50 0 50 100 150 angle θ 6

ΚΕΣ ΚΕΣ 03: 03: Αναγνώριση Αναγνώριση Προτύπων Προτύπων και και Ανάλυση Ανάλυση Εικόνας Εικόνας (ΙΙΙ) ; Εισαγωγή Κώδικας αλυσίδας Περιγραφείς Fourier ΚΕΣ ΚΕΣ 03: 03: Αναγνώριση Αναγνώριση Προτύπων Προτύπων και και Ανάλυση Ανάλυση Εικόνας Εικόνας (ΙV) ; Εισαγωγή Κώδικας αλυσίδας Περιγραφείς Fourier Παραδείγµατα: 1 90 0.9 80 0.8 noralized radious ρ 70 60 50 40 0.7 0.6 0.5 0.4 30 0.3 20 10 30 Radial - angle plot 1.1 100 0.2 40 50 60 70 80 90 100 110 0.1-150 -100-50 0 angle θ 50 100 150 7

(V) Παραδείγµατα: 380 370 360 350 1.1 1 0.9 0.8 Radial - angle plot 340 330 320 310 300 290 noralized radious ρ 0.7 0.6 0.5 0.4 0.3 0.2 280 100 120 140 160 180 200 220 0.1-150 -100-50 0 50 100 150 angle θ (VI) Παραδείγµατα: 280 260 240 220 200 180 160 80 100 120 140 160 180 noralized radious ρ 1.1 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 Radial - angle plot -150-100 -50 0 50 100 150 angle θ 8

Προβλήµατα: (VIΙ) Εξάρτηση από κέντρο µάζας (τι γίνεται για αντικείµενα µε τρύπες;) Η συνάρτηση Β(ρ,θ) µπορεί να µην είναι µονοσήµαντη (για δεδοµένη γωνία θ µπορεί να έχουµε περισσότερες από µία τιµή γιατορ) για ορισµένες κατηγορίες µηκυρτώνσχηµάτων Για επιµήκη σχήµατα υπάρχει διαφορά στη πυκνότητα σηµείων που λαµβάνονται σε δεδοµένο εύρος διακύµανσης στη γωνία θ. 180 160 140 120 100 80 60 40 20 50 100 150 200 250 300 4-directional chain code: 0033333323221211101101 Κώδικας αλυσίδας (chain code) Αλγόριθµος: 8-directional chain code: 076666553321212 1. Ξεκινάµε απόένα τυχαίο σηµείο του ορίου 2. Βρίσκουµε την κατεύθυνση προς την οποία πρέπει να κινηθούµε γιανα βρούµε τοεπόµενο σηµείο του ορίου (κατά τη ωρολογιακή φορά) 3. Επαναλαµβάνουµε το βήµα (2) µέχρι να φτάσουµε στο σηµείο αρχής 9

Κώδικας αλυσίδας (II) Προβλήµατα: Εξάρτηση από το σηµείο αρχής Εξάρτηση από προσανατολισµό (orientation) Λύση: Αλυσίδα διαφορών Κανονικοποίηση Έναρξη από ελάχιστη ακέραια τιµή Κώδικας αλυσίδας (III) 10

Περιγραφείς Fourier Έστω ότι το όριο µιας περιοχής περιγράφεται από την ακολουθία των N σηµείων [x(n) y(n)], n = 0 N-1. Τα σηµεία λαµβάνονται µε κίνηση κατά την ωρολογιακή φορά. Ορίζουµε τηµιγαδική ακολουθία z(n) = x(n)+jy(n). Λαµβάνοντας το διακριτό µετασχηµατισµό Fourier της µιγαδικής ακολουθίας z(n) παίρνουµε την(επίσης) µιγαδική ακολουθία α(k), k=0,,n-1: N 1 a( k) = z( n) e n= 0 j2πkn N k = 0,..., N 1 Οι συντελεστές a(k) ονοµάζονται περιγραφείς Fourier και αποτελούν µια από τις πλέον διαδεδοµένες αναπαραστάσεις σχηµάτων. Μεδεδοµένους τουςπεριγραφείςfourier οι των σηµείων του ορίου λαµβάνονται µε τον αντίστροφο διακριτό N 1 j2πkn µετασχηµατισµό Fourier: z( n) = a( k) e N n = 0,..., N 1 k = 0 Συµπαγής αναπαράσταση Στο παρακάτω βλέπουµε ανακατασκευή ενός περιγράµµατος µε διαφορετικό αριθµό συντελεστών: 160 140 120 Reconstruction of boundary using Fourier descriptors Original shape Reconstruction using 1 coefficient Reconstruction using 4 coefficients Recosntruction using 16 coefficients y-coordinate 100 80 60 40 20 50 100 150 200 250 300 x-coordinate 11

Ιδιότητες περιγραφέων Fourier Το µέτρο των περιγραφέων Fourier (το οποίο χρησιµοποιείται στην πράξη ως διάνυσµα χαρακτηριστικών για την περιγραφή του ορίου) είναι αµετάβλητο ως προς: Την περιστροφή (αν z 1 (n) = z(n)e jθο => a 1 (k) = a (k) ) Την ολίσθηση (αν z 1 (n-n 0 ) = z(n -n 0 )) => a 1 (k) = a (k) ) Rotation Example 100 50 0-50 -100-150 -100-50 0 50 100 150 12