VIK Wiki - Felhasználó közreműködései [hu]

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T20:11:41Z

Major Péter: /* Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! */

{{Vissza|Számítógépes látórendszerek}}
== Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! ==

Lineáris egyenletrendszer: <math>\underline{\underline{A}} \cdot \underline{x} = \underline{b}</math>, ahol <math>\underline{\underline{A}} \in \mathbb{R}^{m \times n} ; \underline{x} \in \mathbb{R}^n ; \underline{b} \in \mathbb{R}^m</math>

<math>\underline{\underline{A}}</math> az együtthatómátrix, ezt vizsgálhatjuk.

Az egyenletrendszer megoldása az oszlopvektorok lineáris kombinációja: <math>\underline{a_1} x_1 + \underline{a_2} x_2 + ... + \underline{a_n} x_n = \underline{b}</math>

=== Megoldhatóság ===
A lineáris egyenletrendszer megoldható, ha <math> \underline{b} </math> előáll az <math> \underline{\underline{A}} </math> mátrix oszlopvektorainak lineáris kombinációjaként, azaz benne van <math> \underline{\underline{A}} </math> oszlopterében. A lineáris egyenletrendszer minden <math> \underline{b} \in \mathbb{R}^m </math> vektorra megoldható, ha <math> \mathcal{O}(\underline{\underline{A}}) = \mathbb{R}^m </math>.

=== LS módszer ===

Általában a paraméterek számánál több mérési eredmény áll rendelkezésünkre, de a mérési pontatlanságok és zajok miatt az egyenletrendszer nagyon kis valószínűséggel oldható meg. A megoldás legjobb közelítése az LS (Least Squares) módszerrel kapható meg.

Mivel az oszloptér és transzponált nulltér egymás merőleges kiegészítő alterei, bármely <math> \underline{b} \in \mathbb{R}^m </math> vektor előáll

<math> \underline{b} = \underline{\sigma} + \underline{n}, \ \ \underline{o} \in \mathcal{O} (\underline{\underline{A}}), \ \ \underline{n} \in \mathcal{N}(\underline{\underline{A}}^T)</math>

formában. Ekkor

<math>
\underline{\underline{A}} \ \underline{x} = \underline{\sigma}
</math>

<math>
\underline{\underline{A}}^T \ \underline{b} = \underline{\underline{A}}^T \ \underline{\sigma} + \underline{\underline{A}}^T \ \underline{n} = \underline{\underline{A}}^T \underline{\sigma} = \underline{\underline{A}}^T ( \underline{\underline{A}} \ \underline{x} )
</math>

<math>
\underline{\hat{x}} = (\underline{\underline{A}}^T \ \underline{\underline{A}})^{-1} \ \underline{\underline{A}}^T \ \underline{b}
</math>

<math> \underline{\hat{x}} </math> a megoldás legjobb közelítése (optimális megoldás, LS becslő).

== Mi az SVD felbontás és mire használható? Mit értünk szinguláris érték és vektor alatt? ==
Az SVD (szinguláris érték) felbontás bázistranszformáció, arra használjuk, hogy a mátrixainkat olyan ortonormált bázisban írhassuk fel, ahol diagonálisak. A diagonális mátrixokat azért szeretjük, mert ''irányfüggő erősítéseket'' jellemeznek (legnagyobb, legkisebb -> rendszerek stabilitása).

<math>A=U \Sigma V^T</math>,

ahol <math>U \in \mathbb{R}^{m \times m}; \Sigma \in \mathbb{R}^{m \times n}; V \in \mathbb{R}^{n \times n}</math>.

U és V bázistranszformációs mátrixok, ortogonálisak (ezért ortonormált bázisokra visznek).

<math>\Sigma</math> a szinguláris értékekből (<math>\sigma_1, \sigma_2 ... \sigma_m</math>) képzett diagonális mátrix. Konvencionálisan a szinguláris értékek csökkenő sorrendben szerepelnek.

[TODO: érték? vektor?]

== Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? ==

=== Projektív transzformáció ===
<math>T_{proj} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ t_{31} & t_{32} & t_{33}\end{bmatrix}</math>

=== Affin transzformáció ===
Megőrzi az ideális pontokat.

<math>T_{aff} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Hasonlósági transzformáció ===
* Nincs irányfüggő skálázás
* Nincs nyírás

<math>T_{simi} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Euklideszi transzformáció ===
Nincs skálázás

<math>T_{eucl} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & 1\end{bmatrix}</math>

=== Transzformációk és megőrzött tulajdonságok ===
{|
| '''Geometriák''':
| '''Euklideszi'''
| '''Hasonlósági'''
| '''Affin'''
| '''Projektív'''
|-
| '''Transzformációk'''
|-
| Eltolás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Forgatás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Uniform skálázás
|align="center"| X
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Nem uniform skálázás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Nyírás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Perspektív vetítés
|align="center"| X
|align="center"| X
|align="center"| X
|align="center"| I
|-
| '''Invariáns jellemzők'''
|-
| Hossz
|align="center"| I
|align="center"| X
|align="center"| X
|align="center"| X
|-
| Szög
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Hosszak aránya
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Párhuzamosság
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| X
|-
| Egybeesés
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Keresztarány
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|}

== Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? ==
Pontok leírása a projektív síkon

Euklideszi koordináták → Projektív:
<math>(x, y) \rightarrow (x, y, 1)</math>

Tulajdonságok:

<math>( X ,Y ,W ) = (kX , kY , kW )</math>

<math>k \neq 0 \rightarrow \not\exists (0,0,0)</math>

Az egy síkbeli ponthoz tartozó számhármasok egy egyenest alkotnak <math>\mathbb{R}^3</math>-ban. '''A homogén koordináták skála invariánsak.'''

=== Ideális pont ===
Homogén koordináták → Euklideszi:
<math>(X, Y, W) \rightarrow (X/W, Y/W)</math>

Az ideális pont <math>(X, Y, 0)</math> alakú. ''Vegyük észre az előző képlet nullosztóját.''

Az ideális pont egyfajta ''irányított végtelen'', melynek '''minden koordinátája véges'''.

== Adja meg a projektív térből a projektív síkra történő vetítés egyenletét! Mi az eltűnő pont? ==

Vetítés a projektív térből a projektív síkra: <math>P_3 \rightarrow P_2</math>

=== Egyenlet ===

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ W\end{bmatrix}</math>

=== Eltűnő pont ===
Párhuzamos <math>P_3</math>-beli egyenesek metszéspontja, az adott irányban lévő ideális pont.

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ 0\end{bmatrix}</math>

A <math>P_3</math>-beli ideális pont képe <math>P_2</math>-ben nem biztos, hogy ideális pont lesz!
* Csak, ha (X,Y,Z) merőleges <math>(t_{31}, t_{32}, t_{33})</math>-ra
* Ha az egyenesek párhuzamosak a képsíkkal!

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T20:01:50Z

Major Péter: /* Mi az SVD felbontás és mire használható? Mit értünk szinguláris érték és vektor alatt? */

{{Vissza|Számítógépes látórendszerek}}
== Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! ==

Lineáris egyenletrendszer: <math>\underline{\underline{A}} \cdot \underline{x} = \underline{b}</math>, ahol <math>\underline{\underline{A}} \in \mathbb{R}^{m \times n} ; \underline{x} \in \mathbb{R}^n ; \underline{b} \in \mathbb{R}^m</math>

<math>\underline{\underline{A}}</math> az együtthatómátrix, ezt vizsgálhatjuk.

Az egyenletrendszer megoldása az oszlopvektorok lineáris kombinációja: <math>\underline{a_1} x_1 + \underline{a_2} x_2 + ... + \underline{a_n} x_n = \underline{b}</math>

A lineáris egyenletrendszer megoldható, ha <math> \underline{b} </math> előáll az <math> \underline{\underline{A}} </math> mátrix oszlopvektorainak lineáris kombinációjaként, azaz benne van <math> \underline{\underline{A}} </math> oszlopterében. A lineáris egyenletrendszer minden <math> \underline{b} \in \mathbb{R}^m </math> vektorra megoldható, ha <math> \mathcal{O}(\underline{\underline{A}}) = \mathbb{R}^m </math>.

=== LS módszer ===

Általában a paraméterek számánál több mérési eredmény áll rendelkezésünkre, de a mérési pontatlanságok és zajok miatt az egyenletrendszer nagyon kis valószínűséggel oldható meg. A megoldás legjobb közelítése az LS (Least Squares) módszerrel kapható meg.

Mivel az oszloptér és transzponált nulltér egymás merőleges kiegészítő alterei, bármely <math> \underline{b} \in \mathbb{R}^m </math> vektor előáll

<math> \underline{b} = \underline{\sigma} + \underline{n}, \ \ \underline{o} \in \mathcal{O} (\underline{\underline{A}}), \ \ \underline{n} \in \mathcal{N}(\underline{\underline{A}}^T)</math>

formában. Ekkor

<math>
\underline{\underline{A}} \ \underline{x} = \underline{\sigma}
</math>

<math>
\underline{\underline{A}}^T \ \underline{b} = \underline{\underline{A}}^T \ \underline{\sigma} + \underline{\underline{A}}^T \ \underline{n} = \underline{\underline{A}}^T \underline{\sigma} = \underline{\underline{A}}^T ( \underline{\underline{A}} \ \underline{x} )
</math>

<math>
\underline{\hat{x}} = (\underline{\underline{A}}^T \ \underline{\underline{A}})^{-1} \ \underline{\underline{A}}^T \ \underline{b}
</math>

<math> \underline{\hat{x}} </math> a megoldás legjobb közelítése (optimális megoldás, LS becslő).

== Mi az SVD felbontás és mire használható? Mit értünk szinguláris érték és vektor alatt? ==
Az SVD (szinguláris érték) felbontás bázistranszformáció, arra használjuk, hogy a mátrixainkat olyan ortonormált bázisban írhassuk fel, ahol diagonálisak. A diagonális mátrixokat azért szeretjük, mert ''irányfüggő erősítéseket'' jellemeznek (legnagyobb, legkisebb -> rendszerek stabilitása).

<math>A=U \Sigma V^T</math>,

ahol <math>U \in \mathbb{R}^{m \times m}; \Sigma \in \mathbb{R}^{m \times n}; V \in \mathbb{R}^{n \times n}</math>.

U és V bázistranszformációs mátrixok, ortogonálisak (ezért ortonormált bázisokra visznek).

<math>\Sigma</math> a szinguláris értékekből (<math>\sigma_1, \sigma_2 ... \sigma_m</math>) képzett diagonális mátrix. Konvencionálisan a szinguláris értékek csökkenő sorrendben szerepelnek.

[TODO: érték? vektor?]

== Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? ==

=== Projektív transzformáció ===
<math>T_{proj} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ t_{31} & t_{32} & t_{33}\end{bmatrix}</math>

=== Affin transzformáció ===
Megőrzi az ideális pontokat.

<math>T_{aff} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Hasonlósági transzformáció ===
* Nincs irányfüggő skálázás
* Nincs nyírás

<math>T_{simi} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Euklideszi transzformáció ===
Nincs skálázás

<math>T_{eucl} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & 1\end{bmatrix}</math>

=== Transzformációk és megőrzött tulajdonságok ===
{|
| '''Geometriák''':
| '''Euklideszi'''
| '''Hasonlósági'''
| '''Affin'''
| '''Projektív'''
|-
| '''Transzformációk'''
|-
| Eltolás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Forgatás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Uniform skálázás
|align="center"| X
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Nem uniform skálázás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Nyírás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Perspektív vetítés
|align="center"| X
|align="center"| X
|align="center"| X
|align="center"| I
|-
| '''Invariáns jellemzők'''
|-
| Hossz
|align="center"| I
|align="center"| X
|align="center"| X
|align="center"| X
|-
| Szög
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Hosszak aránya
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Párhuzamosság
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| X
|-
| Egybeesés
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Keresztarány
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|}

== Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? ==
Pontok leírása a projektív síkon

Euklideszi koordináták → Projektív:
<math>(x, y) \rightarrow (x, y, 1)</math>

Tulajdonságok:

<math>( X ,Y ,W ) = (kX , kY , kW )</math>

<math>k \neq 0 \rightarrow \not\exists (0,0,0)</math>

Az egy síkbeli ponthoz tartozó számhármasok egy egyenest alkotnak <math>\mathbb{R}^3</math>-ban. '''A homogén koordináták skála invariánsak.'''

=== Ideális pont ===
Homogén koordináták → Euklideszi:
<math>(X, Y, W) \rightarrow (X/W, Y/W)</math>

Az ideális pont <math>(X, Y, 0)</math> alakú. ''Vegyük észre az előző képlet nullosztóját.''

Az ideális pont egyfajta ''irányított végtelen'', melynek '''minden koordinátája véges'''.

== Adja meg a projektív térből a projektív síkra történő vetítés egyenletét! Mi az eltűnő pont? ==

Vetítés a projektív térből a projektív síkra: <math>P_3 \rightarrow P_2</math>

=== Egyenlet ===

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ W\end{bmatrix}</math>

=== Eltűnő pont ===
Párhuzamos <math>P_3</math>-beli egyenesek metszéspontja, az adott irányban lévő ideális pont.

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ 0\end{bmatrix}</math>

A <math>P_3</math>-beli ideális pont képe <math>P_2</math>-ben nem biztos, hogy ideális pont lesz!
* Csak, ha (X,Y,Z) merőleges <math>(t_{31}, t_{32}, t_{33})</math>-ra
* Ha az egyenesek párhuzamosak a képsíkkal!

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T19:51:58Z

Major Péter: /* LS módszer */ szigma

{{Vissza|Számítógépes látórendszerek}}
== Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! ==

Lineáris egyenletrendszer: <math>\underline{\underline{A}} \cdot \underline{x} = \underline{b}</math>, ahol <math>\underline{\underline{A}} \in \mathbb{R}^{m \times n} ; \underline{x} \in \mathbb{R}^n ; \underline{b} \in \mathbb{R}^m</math>

<math>\underline{\underline{A}}</math> az együtthatómátrix, ezt vizsgálhatjuk.

Az egyenletrendszer megoldása az oszlopvektorok lineáris kombinációja: <math>\underline{a_1} x_1 + \underline{a_2} x_2 + ... + \underline{a_n} x_n = \underline{b}</math>

A lineáris egyenletrendszer megoldható, ha <math> \underline{b} </math> előáll az <math> \underline{\underline{A}} </math> mátrix oszlopvektorainak lineáris kombinációjaként, azaz benne van <math> \underline{\underline{A}} </math> oszlopterében. A lineáris egyenletrendszer minden <math> \underline{b} \in \mathbb{R}^m </math> vektorra megoldható, ha <math> \mathcal{O}(\underline{\underline{A}}) = \mathbb{R}^m </math>.

=== LS módszer ===

Általában a paraméterek számánál több mérési eredmény áll rendelkezésünkre, de a mérési pontatlanságok és zajok miatt az egyenletrendszer nagyon kis valószínűséggel oldható meg. A megoldás legjobb közelítése az LS (Least Squares) módszerrel kapható meg.

Mivel az oszloptér és transzponált nulltér egymás merőleges kiegészítő alterei, bármely <math> \underline{b} \in \mathbb{R}^m </math> vektor előáll

<math> \underline{b} = \underline{\sigma} + \underline{n}, \ \ \underline{o} \in \mathcal{O} (\underline{\underline{A}}), \ \ \underline{n} \in \mathcal{N}(\underline{\underline{A}}^T)</math>

formában. Ekkor

<math>
\underline{\underline{A}} \ \underline{x} = \underline{\sigma}
</math>

<math>
\underline{\underline{A}}^T \ \underline{b} = \underline{\underline{A}}^T \ \underline{\sigma} + \underline{\underline{A}}^T \ \underline{n} = \underline{\underline{A}}^T \underline{\sigma} = \underline{\underline{A}}^T ( \underline{\underline{A}} \ \underline{x} )
</math>

<math>
\underline{\hat{x}} = (\underline{\underline{A}}^T \ \underline{\underline{A}})^{-1} \ \underline{\underline{A}}^T \ \underline{b}
</math>

<math> \underline{\hat{x}} </math> a megoldás legjobb közelítése (optimális megoldás, LS becslő).

== Mi az SVD felbontás és mire használható? Mit értünk szinguláris érték és vektor alatt? ==
== Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? ==

=== Projektív transzformáció ===
<math>T_{proj} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ t_{31} & t_{32} & t_{33}\end{bmatrix}</math>

=== Affin transzformáció ===
Megőrzi az ideális pontokat.

<math>T_{aff} = \begin{bmatrix}t_{11} & t_{12} & t_{13} \\ t_{21} & t_{22} & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Hasonlósági transzformáció ===
* Nincs irányfüggő skálázás
* Nincs nyírás

<math>T_{simi} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & t_{33}\end{bmatrix}</math>

=== Euklideszi transzformáció ===
Nincs skálázás

<math>T_{eucl} = \begin{bmatrix}cos(\alpha) & -sin(\alpha) & t_{13} \\ sin(\alpha) & cos(\alpha) & t_{23} \\ 0 & 0 & 1\end{bmatrix}</math>

=== Transzformációk és megőrzött tulajdonságok ===
{|
| '''Geometriák''':
| '''Euklideszi'''
| '''Hasonlósági'''
| '''Affin'''
| '''Projektív'''
|-
| '''Transzformációk'''
|-
| Eltolás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Forgatás
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Uniform skálázás
|align="center"| X
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Nem uniform skálázás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Nyírás
|align="center"| X
|align="center"| X
|align="center"| I
|align="center"| I
|-
| Perspektív vetítés
|align="center"| X
|align="center"| X
|align="center"| X
|align="center"| I
|-
| '''Invariáns jellemzők'''
|-
| Hossz
|align="center"| I
|align="center"| X
|align="center"| X
|align="center"| X
|-
| Szög
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Hosszak aránya
|align="center"| I
|align="center"| I
|align="center"| X
|align="center"| X
|-
| Párhuzamosság
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| X
|-
| Egybeesés
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|-
| Keresztarány
|align="center"| I
|align="center"| I
|align="center"| I
|align="center"| I
|}

== Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? ==
Pontok leírása a projektív síkon

Euklideszi koordináták → Projektív:
<math>(x, y) \rightarrow (x, y, 1)</math>

Tulajdonságok:

<math>( X ,Y ,W ) = (kX , kY , kW )</math>

<math>k \neq 0 \rightarrow \not\exists (0,0,0)</math>

Az egy síkbeli ponthoz tartozó számhármasok egy egyenest alkotnak <math>\mathbb{R}^3</math>-ban. '''A homogén koordináták skála invariánsak.'''

=== Ideális pont ===
Homogén koordináták → Euklideszi:
<math>(X, Y, W) \rightarrow (X/W, Y/W)</math>

Az ideális pont <math>(X, Y, 0)</math> alakú. ''Vegyük észre az előző képlet nullosztóját.''

Az ideális pont egyfajta ''irányított végtelen'', melynek '''minden koordinátája véges'''.

== Adja meg a projektív térből a projektív síkra történő vetítés egyenletét! Mi az eltűnő pont? ==

Vetítés a projektív térből a projektív síkra: <math>P_3 \rightarrow P_2</math>

=== Egyenlet ===

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ W\end{bmatrix}</math>

=== Eltűnő pont ===
Párhuzamos <math>P_3</math>-beli egyenesek metszéspontja, az adott irányban lévő ideális pont.

<math>\begin{bmatrix}x \\ y \\ w\end{bmatrix} = \begin{bmatrix}t_{11} & t_{12} & t_{13} & t_{14} \\ t_{21} & t_{22} & t_{23} & t_{24} \\ t_{31} & t_{32} & t_{33} & t_{34}\end{bmatrix} \begin{bmatrix}X \\ Y \\ Z \\ 0\end{bmatrix}</math>

A <math>P_3</math>-beli ideális pont képe <math>P_2</math>-ben nem biztos, hogy ideális pont lesz!
* Csak, ha (X,Y,Z) merőleges <math>(t_{31}, t_{32}, t_{33})</math>-ra
* Ha az egyenesek párhuzamosak a képsíkkal!

Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás

2015-04-15T19:48:25Z

Major Péter: /* Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket. */

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei? Mit jelent a szegmentálás során az idő-konzisztencia? A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk? ==

=== Nehézségek ===
* színhasonlóság
* mozgás (elmosódott élek)
* defókuszáltság
* hasonló textúrák

==Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.==
* Küszöbözés, hisztogram alapú
* Éldetektálás alapú
* '''Klaszterezés''': színcsatornák, térbeli eloszlás, időbeli eloszlás
* Régiónövelés
* Tömörítés-alapú módszerek
* Paraméteres megoldások, görbeillesztés
* Modell alapú
* Tanuló rendszerek

==Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?==
== Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket. ==
Kiinduláskor a pixelek egyenként külön halmazokat alkotnak. Összehasonlítjuk őket a szomszédaikkal, hasonlóság esetén összevonjuk a halmazokat [?]. Hasonlóság lehet:
* Kiválasztott (szín)csatornák
* Defókuszáltság
* Mélység (Mélységi képen)

=== SRM (Statisztikus régiónövelés) ===
[TODO]

=== Split & Merge ===
[TODO]

Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás

2015-04-15T19:42:02Z

Major Péter: /* Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei?Mit jelent a szegmentálás során az idő-konzisztencia?A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk? */ nehézségek

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a szegmentálás? Mikor van rá szükség? Mik a főbb nehézségei? Mit jelent a szegmentálás során az idő-konzisztencia? A Szegmentálás paraméterterében milyen összetevőket alkalmazhatunk? ==

=== Nehézségek ===
* színhasonlóság
* mozgás (elmosódott élek)
* defókuszáltság
* hasonló textúrák

==Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket.==
* Küszöbözés, hisztogram alapú
* Éldetektálás alapú
* '''Klaszterezés''': színcsatornák, térbeli eloszlás, időbeli eloszlás
* Régiónövelés
* Tömörítés-alapú módszerek
* Paraméteres megoldások, görbeillesztés
* Modell alapú
* Tanuló rendszerek

==Ismertesse a K-Means és a Mean Shift algoritmusokat. Milyen előnyeik és hátrányaik vannak? Mikor használjuk őket?==
==Milyen régiónövelő eljárásokat ismerünk. Pár szóban mutassa be őket.==

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T19:33:51Z

Major Péter: /* Olvasztásmentes dilatáció */ jegyzet alapján szürkeárnyalat

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép. 
Például fényintenzitás alapján bizonyos érték fölött és alatt szétválasztom a képet.

=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú -> KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, kör
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél). A pixelszerű zajok csökkentése.

=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.
A nulla zajokat tüntetem el, cserébe megnő az objektum mérete. 
'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére

(Gyakran együtt használják a kettőt.)

(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:'''
* erózió: minimum szűrő (sötétít)
* dilatáció: maximum szűrő (világosít)

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==

===Objektumkeresés===
Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum_keres.png]]

===Objektumszámlálás===
Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| -1
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objszamlalas.png]]

Számítógépes látórendszerek - Ellenőrző kérdések: Mérések

2015-04-15T19:30:58Z

Major Péter: /* Mit jelent az Euler szám? Mire használható? Adja meg a mellékelt ábra Euler számát. */ példa képek

{{Vissza|Számítógépes látórendszerek}}
== Hogyan definiálhatjuk egy objektum pozícióját? Ismertesse a pozíciómérés lehetőségeit. Mutassa meg, hogy lehet a pozíció értékét meghatározni bináris és maszkolt szürkeárnyalatos képeken. ==
Egy 2D-s képet ábrázolhatunk egy derékszögű koordinátarendszerben, ahol az egyes pixelekhez hozzárendelhetünk egy (x,y) egész koordinátapárt. A koordinátarendszer középpontja tetszőlegesen, feladattól függően megválasztható, de általában a bal felső sarokban lévő pixelhez rendeljük hozzá a (0,0)-t.
Egy objektum pozíciója az objektum egy jellegzetes koordinátapárjával jellemezhető.
Ez a koordinátapár lehet:

geometriai középpont – az objektumot befoglaló téglalap/kör középpontja

tömegközéppont

=== Tömegközéppont <math>(x_c,y_c)</math> meghatározása ===
A kép mérete: <math> M \cdot N </math> pixel (<math>M</math> az oszlopok száma, <math>N</math> a soroké)
*<math> p_x(x) = </math> az <math> x</math> koordinátájú oszlopban a vizsgált objektum pixeleinek száma
*<math> p_y(y) = </math> az <math>y</math> koordinátájú sorban a vizsgált objektum pixeleinek száma
==== Bináris képekre ====
[[Fájl:Számítógépes_látórendszerek_bináris_kép_1.jpg]]
==== Szürkeárnyalatos képekre ====
<math>I(x,y) </math>: intenzitásfüggvény

[[Fájl:Számítógépes_látórendszerek_szürkeárnyalatos_kép_1.jpg]]

=== Geometriai középpont <math>(x_g,y_g)</math> meghatározása ===
====Meghatározás a befoglaló téglalap alapján====
<math> x_{min}, x_{max}, y_{min}, y_{max} </math> : az objektum legszélső pixeleinek koordinátái

<math> x_g = \frac{x_{min} + x_{max}}{2} </math> és <math> y_g = \frac{y_{min} + y_{max}}{2} </math>

<math> (x_g, y_g) </math> a téglalap középpontja, azaz a geometriai középpont.

====Meghatározás a befoglaló kör alapján====
* egyértelmű, ha 3 ponton érinti a kört
* kör átlójáig egyértelmű, ha 2 ponton érinti a kört.

== Hogyan definiálhatjuk egy objektum orientációját? Sorolja fel az orientációmérés lehetőségeit, illetve röviden ismertesse ezek alapelvét. ==
Objektum orientációján egy objektum egy olyan 1D-s jellemzését értjük, mely irány-, szöginformációkat szolgáltat az adott objektumról.
Objektum orientációja megadható a
*befoglaló téglalap arányaival és méreteivel
*legnagyobb távolsággal az objektumon belül
*középponttól vett legnagyobb távolsággal
*rá illeszthető legkisebb nyomatékú tengellyel

== Mit jelent az Euler szám? Mire használható? Adja meg a mellékelt ábra Euler számát. ==
Az Euler-szám egyike a topológiai tulajdonságoknak, melyek egy kép geometriai leírását segítik elő. Fontos része az ilyen tulajdonságoknak, hogy rubber-sheet jellegű transzormációkra invariáns.
Az ilyen jellegű tulajdonságok jól használhatók formák keresésére, objektumok felismerésére, adatbázisbeli keresésre.
Euler-szám fontos szerepet játszik például orvosi képfeldolgozásban, fertőzött sejtek felismerésében.

'''Euler-szám = (egybefüggő régiók száma) – (lyukak száma)'''

[[Fájl:Számítógépes látórendszerek Euler-szám példa.png]]

== Mit jelent a lánckód? Mire használható? Mi a különbség a 4-szomszádos és 8-szomszédos lánckód között? Mik az előnyei és a hátrányai az így ábrázolt objektumoknak? Hogyan tudunk segítségével kerület- és hossz-számítást végezni? Milyen problémák adódnak? ==
A lánckód egy veszteségmentes tömörítési algoritmus bináris képekhez. Lánckód segítségével alakfelismerést, sarokdetektálást végezhetünk. (A kódból egyértelműen látszik, hol vannak pl.: dudorok, bemélyedések.)
Az objektum egy szélső pixelétől elindulva szomszédos, határ menti pixelekre lépkedünk. Attól függően, hogy milyen irányba lépünk tovább a pixelhez egy számot rendelünk hozzá. Ez a számsorozat alkotja a lánckódot.
*4-szomszédos: csak azok a pixelek számítanak szomszédosnak, amiknek van közös élük
*8-szomszédos: közös él, vagy közös csúcs

*4-szomszédos lánckód maximális hiba: 41% (45°-os átlós egyenes)
*8-szomszédos lánckód maximális hiba: 7.9% (~18-27°-os átlós egyenes)

=== Kerület = kódhossz ===
Hossz számításnál kerül elő az a probléma, hogy négyzetes pixelek esetén egy átlós lépés valóságos hossza sqrt(2) egység. 4-szomszédos lánckód 2 egység hosszúnak, míg a 8-szomszédos esetben 1 egység hosszúnak veszi alapból. Ha szükséges akkor ezt kompenzálni kell.

[[Fájl:Számítógépes_látórendszerek_lánckód_1.jpg]]

[http://cs.haifa.ac.il/hagit/courses/ip/Lectures/Ip13_Binary.pdf Forrás]

== Ismertessen szubpixeles eljárásokat. Hogyan tudunk pozíciót, kerületet, ill. területet mérni segítségükkel? ==
Interpoláció alapú eljárás, mely segítségével pixel alatti pontossággal illeszthetünk görbét egy objektumra.
Megfelelő algoritmussal akár 0.1% pontosság is elérhető. 
''' Eljárás szürkeárnyalatos képekhez '''
#Szürkeárnyalatos képeket először is binarizáljuk.
#Visszatérve az eredeti képhez (fekete-fehér kép alapján) az átmeneteknél lévő pixelekhez egy súlytényezőt (értéke lehet tört, megadja az interpoláció finomságát) rendelünk attól függően, hogy mennyire világos/sötét az adott pixel.
#Megfelelő ablakozással (pl.: 2x2) végigpásztázzuk a határokat és súlyozásoknak megfelelően felbontjuk (kijelöljük a határpontot/határpontokat) a két szomszédos fekete-fehér pixel középpontját összekötő szakaszt.

Pozíciószámítás során a 3. lépésben meghatározott határpontok koordinátáit használjuk fel a képletekben.
Kerület, területnél hasonlóan.

== Ismertesse az egyenesekre vonatkozó Hough-transzformáció működését. ==
=== Hough-transzformáció ===
A Hough-transzformáció segítségével a képen általában az
<math> f (x, y ; a_1 , a_2 ,…, a_n)=0 </math> ahol
<math> a_1, a_2,…, a_n </math>
paraméterekkel explicit alakban megadható görbéket keressük.
A Hough-transzformáció alkalmazása célravezető, ha ismert alakú (és méretű) objektumokat keresünk a képen.
Akkor is célszerű, ha az egyenesek részben takartak vagy zajosak.

=== Áttérés a Hough-térbe ===
Az input (kép)tér egy <math>(x_i,y_i)</math> pontjának az
<math> r=x_i·\cosφ+y_i·\sinφ </math>
szinuszos görbe felel meg a Hough-térben.
Az egy egyenesbe eső pontokhoz tartozó szinuszos görbék egy pontban metszik egymást.

=== Egyenesek meghatározása ===
*Egy (él)pont a képtérben megfelel egy szinuszos görbének a Hough-térben.
*Két pontnak két görbe felel meg.
*Két (vagy több) ilyen görbe metszéspontja által reprezentált egyenesre ekkor kettő (vagy több) szavazat esett.
*Az így kapott egyenes valamennyi rá szavazó ponton átmegy a képtérben.
*A Hough-tér küszöbölésével megkapjuk a képtér egyeneseit.
[[Fájl:Számítógépes_látórendszerek_egyenes_1.jpg]]

Fájl:Számítógépes látórendszerek Euler-szám példa.png

2015-04-15T19:30:42Z

Major Péter: Euler-szám szemléltetése két példán.

Euler-szám szemléltetése két példán.

Számítógépes látórendszerek - Ellenőrző kérdések: Frekvenciatartomány

2015-04-15T19:07:44Z

Major Péter: /* Hogyan lehet frekvenciatartományban szűrést végezni? Mit jelent az alul- és felül-áteresztő szűrés? Milyen jellegű zajok kiszűrésére van lehetőség frekvenciatartományban, és hogyan? */

{{Vissza|Számítógépes látórendszerek}}
== Mutassa be, hogy mit jelent egy kép frekvenciatere, hogyan kell értelmezni? (Képletekre nincs szükség). Hogyan hat egy objektum pozíciója és orientációja a frekvenciatartománybeli képre? ==
A kép frekvenciatere megadja azon komplex exponenciális komponensek együtthatóját, amelyekből a kép előállítható. Két dimenziós kép esetén a frekvenciatartomány is két dimenziós lesz. Mivel egy kép diszkrét pontokból áll, ezért a frekvenciatartomány periodikus lesz, azonban ennek csak az első periódusát ábrázoljuk, mivel a többi nem tartalmaz plusz információt. Továbbá mivel a pixelek a képen nyilvánvalóan valós értékűek, ezért a frekvenciatartományban komplex konjugált párokat kell kapnunk.
Egy kép frekvenciaterében az egyes komponensekhez hasonlóan az egy dimenziós esethez két jellemző tartozik: a fázis és az amplitúdó. Lényeges különbség azonban, hogy egy komponenst már két koordináta azonosítja (k és l). Ezek a koordináták határozzák meg a képtartományban a szinuszos hullámok orientációját (ha az egyik nulla, akkor tengelyirányú), illetve periódusát.
Eltolás a képtartományban nincs hatással az amplitúdókarakterisztikára a frekvenciatartományban (csak a fázisra). A forgatás már hatással van mind a két jellemzőre, de az amplitúdó karakterisztika esetén egy képtartománybeli forgatás az amplitúdó karakterisztikában is egy forgatásként jelenik meg.

== Mit jelent az FFT? Hogyan működik az algoritmus? Mi a DCT, miben különbözik a DFT-től? Hogyan működik a FCT? Miért lehet jól alkalmazni ezt az algoritmust tömörítés során és hogyan? ==
===FFT: Fast Fourier Transformation===
Algoritmus működése: 2N méretű adathalmazon működik. Lényegében a problémát mindig megfelezi a páros és páratlan komponensek mentén, egészen addig, amíg már csak egy pár marad, amire már triviálisan számolható a feladat. Az így kapott eredményeken azonban minden fokozat végén pillangó műveleteket kell végezni. Két dimenziós esetben először vízszintes, majd függőleges irányban.

Megjegyzés az értelmezéshez: Fourirer transzformálni csak periodikus jeleket lehet, ezt úgy biztosítjuk, hogy a képet ''végtelenszer'' ismételjük az x és y irányokban (pusztán elméleti értelemben, nyilván).

===DCT vs DFT:===
Koszinusz transzformáció esetén olyan, mintha a kép tükörképe lenne a kép után x és y irányban, ennek megfelelően, nincsenek olyan hirtelen ugrások, mint DFT esetén (ez energiatömörítés, kisebb lesz a spektrum integrálja). További előnye, hogy valós értékeket kapunk, jobb tömörítést tesz lehetővé (kevesebb nagyfrekvenciás komponens a szélek miatt), illetve egyszerűbb is.

===FCT: Fast Cosine Transform===
# Szimmetrikus függvény
# DFT(2N)
# Pozitív tartomány

===Adattömörítés===
Jóval kisebb intenzitású nagyfrekvenciás komponensek, mivel nincs hirtelen átmenet a kép széleinél, mint DFT esetén. (kevesebb információt vesztünk el a nagyfrekvenciás komponensek eldobásával)

== Hogyan lehet frekvenciatartományban szűrést végezni? Mit jelent az alul- és felül-áteresztő szűrés? Milyen jellegű zajok kiszűrésére van lehetőség frekvenciatartományban, és hogyan? ==
'''Szűrés frekvenciatartományban:''' Az egyes frekvenciatartománybeli komponenseket meghatározott értékekkel szorozzuk meg, attól függően, hogy milyen ezeknek az értékeknek az eloszlása (milyen frekvenciákon csillapít, átereszt, erősít) az egyes szűrőket csoportosíthatjuk. A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Aluláteresztő szűrő:''' Ebben az esetben alacsonyabb frekvenciás komponensek súlya nagyobb, mint a magasabb frekvenciásoké. 
'''Felüláteresztő szűrő:''' Ebben az esetben magasabb frekvenciás komponensek súlya nagyobb, mint az alacsonyabb frekvenciásoké. 
'''Zajszűrés frekvenciatartományban:''' Periodikus zajok nagyon jól kiszűrhetőek, mivel frekvenciatartományban jól körülhatárolható komponensek okozzák őket. Elméletileg ez megoldható lenne képtartományban is, de túl költséges lenne, mert nagyon nagy kernel kellene hozzá a szűrő jellege miatt (lyukszűrő?). Aluláteresztő szűrővel a nagyfrekvenciás zaj is jól kiszűrhető. Felüláteresztő szűrővel az élek, körvonalak jól meghatározhatóak. 

== Ismertesse a konvolúció és a frekvenciatartománybeli műveletek kapcsolatát. Mit jelent a dekonvolúció? Mit jelent a Wiener dekonvolúció és mikor használjuk? ==
'''Konvolúció a frekvenciatartományban:''' A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Dekonvolúció:''' A dekonvolúció során adott egy kép, amely valamely kernellel végzett konvolúció eredménye. A cél az eredeti kép meghatározása. A feladathoz elengedhetetlen a kernel nagyságrendi ismerete vagy sejtése. Tipikus felhasználási terület: defókuszált kép élesítése. 
'''Wiener-dekonvolúció:''' Annyiban nehezebb problémát old meg, hogy feltételezi, hogy a konvolúció során előálló kép zajjal terhelt. Tehát nem a konvolúció eredményén dolgozik, hanem annak egy additív zajjal terhelt változatán. Egy frekvenciatartománybeli eljárásról van szó, amely azokon a frekvenciákon jobban csillapít, ahol a jel-zaj viszony rosszabb.

Számítógépes látórendszerek - Ellenőrző kérdések: Frekvenciatartomány

2015-04-15T19:01:54Z

Major Péter: /* DCT vs DFT: */

{{Vissza|Számítógépes látórendszerek}}
== Mutassa be, hogy mit jelent egy kép frekvenciatere, hogyan kell értelmezni? (Képletekre nincs szükség). Hogyan hat egy objektum pozíciója és orientációja a frekvenciatartománybeli képre? ==
A kép frekvenciatere megadja azon komplex exponenciális komponensek együtthatóját, amelyekből a kép előállítható. Két dimenziós kép esetén a frekvenciatartomány is két dimenziós lesz. Mivel egy kép diszkrét pontokból áll, ezért a frekvenciatartomány periodikus lesz, azonban ennek csak az első periódusát ábrázoljuk, mivel a többi nem tartalmaz plusz információt. Továbbá mivel a pixelek a képen nyilvánvalóan valós értékűek, ezért a frekvenciatartományban komplex konjugált párokat kell kapnunk.
Egy kép frekvenciaterében az egyes komponensekhez hasonlóan az egy dimenziós esethez két jellemző tartozik: a fázis és az amplitúdó. Lényeges különbség azonban, hogy egy komponenst már két koordináta azonosítja (k és l). Ezek a koordináták határozzák meg a képtartományban a szinuszos hullámok orientációját (ha az egyik nulla, akkor tengelyirányú), illetve periódusát.
Eltolás a képtartományban nincs hatással az amplitúdókarakterisztikára a frekvenciatartományban (csak a fázisra). A forgatás már hatással van mind a két jellemzőre, de az amplitúdó karakterisztika esetén egy képtartománybeli forgatás az amplitúdó karakterisztikában is egy forgatásként jelenik meg.

== Mit jelent az FFT? Hogyan működik az algoritmus? Mi a DCT, miben különbözik a DFT-től? Hogyan működik a FCT? Miért lehet jól alkalmazni ezt az algoritmust tömörítés során és hogyan? ==
===FFT: Fast Fourier Transformation===
Algoritmus működése: 2N méretű adathalmazon működik. Lényegében a problémát mindig megfelezi a páros és páratlan komponensek mentén, egészen addig, amíg már csak egy pár marad, amire már triviálisan számolható a feladat. Az így kapott eredményeken azonban minden fokozat végén pillangó műveleteket kell végezni. Két dimenziós esetben először vízszintes, majd függőleges irányban.

Megjegyzés az értelmezéshez: Fourirer transzformálni csak periodikus jeleket lehet, ezt úgy biztosítjuk, hogy a képet ''végtelenszer'' ismételjük az x és y irányokban (pusztán elméleti értelemben, nyilván).

===DCT vs DFT:===
Koszinusz transzformáció esetén olyan, mintha a kép tükörképe lenne a kép után x és y irányban, ennek megfelelően, nincsenek olyan hirtelen ugrások, mint DFT esetén (ez energiatömörítés, kisebb lesz a spektrum integrálja). További előnye, hogy valós értékeket kapunk, jobb tömörítést tesz lehetővé (kevesebb nagyfrekvenciás komponens a szélek miatt), illetve egyszerűbb is.

===FCT: Fast Cosine Transform===
# Szimmetrikus függvény
# DFT(2N)
# Pozitív tartomány

===Adattömörítés===
Jóval kisebb intenzitású nagyfrekvenciás komponensek, mivel nincs hirtelen átmenet a kép széleinél, mint DFT esetén. (kevesebb információt vesztünk el a nagyfrekvenciás komponensek eldobásával)

== Hogyan lehet frekvenciatartományban szűrést végezni? Mit jelent az alul- és felül-áteresztő szűrés? Milyen jellegű zajok kiszűrésére van lehetőség frekvenciatartományban, és hogyan? ==
'''Szűrés frekvenciatartományban:''' Az egyes frekvenciatartománybeli komponenseket meghatározott értékekkel szorozzuk meg, attól függően, hogy milyen ezeknek az értékeknek az eloszlása (milyen frekvenciákon csillapít, átereszt, erősít) az egyes szűrőket csoportosíthatjuk. A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Aluláteresztő szűrő:''' Ebben az esetben alacsonyabb frekvenciás komponensek súlya nagyobb, mint a magasabb frekvenciásoké. 
'''Felüláteresztő szűrő:''' Ebben az esetben magasabb frekvenciás komponensek súlya nagyobb, mint az alacsonyabb frekvenciásoké. 
'''Zajszűrés frekvenciatartományban:''' Periodikus zajok nagyon jól kiszűrhetőek és bár elméletileg ez megoldható lenne képtartományban is, de túl költséges lenne, mert nagyon nagy kernel kellene hozzá. Aluláteresztő szűrővel a nagyfrekvenciás zaj is jól kiszűrhető. Felüláteresztő szűrővel az élek, körvonalak jól meghatározhatóak. 

== Ismertesse a konvolúció és a frekvenciatartománybeli műveletek kapcsolatát. Mit jelent a dekonvolúció? Mit jelent a Wiener dekonvolúció és mikor használjuk? ==
'''Konvolúció a frekvenciatartományban:''' A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Dekonvolúció:''' A dekonvolúció során adott egy kép, amely valamely kernellel végzett konvolúció eredménye. A cél az eredeti kép meghatározása. A feladathoz elengedhetetlen a kernel nagyságrendi ismerete vagy sejtése. Tipikus felhasználási terület: defókuszált kép élesítése. 
'''Wiener-dekonvolúció:''' Annyiban nehezebb problémát old meg, hogy feltételezi, hogy a konvolúció során előálló kép zajjal terhelt. Tehát nem a konvolúció eredményén dolgozik, hanem annak egy additív zajjal terhelt változatán. Egy frekvenciatartománybeli eljárásról van szó, amely azokon a frekvenciákon jobban csillapít, ahol a jel-zaj viszony rosszabb.

Számítógépes látórendszerek - Ellenőrző kérdések: Frekvenciatartomány

2015-04-15T19:01:21Z

Major Péter: /* FFT: Fast Fourier Transformation */

{{Vissza|Számítógépes látórendszerek}}
== Mutassa be, hogy mit jelent egy kép frekvenciatere, hogyan kell értelmezni? (Képletekre nincs szükség). Hogyan hat egy objektum pozíciója és orientációja a frekvenciatartománybeli képre? ==
A kép frekvenciatere megadja azon komplex exponenciális komponensek együtthatóját, amelyekből a kép előállítható. Két dimenziós kép esetén a frekvenciatartomány is két dimenziós lesz. Mivel egy kép diszkrét pontokból áll, ezért a frekvenciatartomány periodikus lesz, azonban ennek csak az első periódusát ábrázoljuk, mivel a többi nem tartalmaz plusz információt. Továbbá mivel a pixelek a képen nyilvánvalóan valós értékűek, ezért a frekvenciatartományban komplex konjugált párokat kell kapnunk.
Egy kép frekvenciaterében az egyes komponensekhez hasonlóan az egy dimenziós esethez két jellemző tartozik: a fázis és az amplitúdó. Lényeges különbség azonban, hogy egy komponenst már két koordináta azonosítja (k és l). Ezek a koordináták határozzák meg a képtartományban a szinuszos hullámok orientációját (ha az egyik nulla, akkor tengelyirányú), illetve periódusát.
Eltolás a képtartományban nincs hatással az amplitúdókarakterisztikára a frekvenciatartományban (csak a fázisra). A forgatás már hatással van mind a két jellemzőre, de az amplitúdó karakterisztika esetén egy képtartománybeli forgatás az amplitúdó karakterisztikában is egy forgatásként jelenik meg.

== Mit jelent az FFT? Hogyan működik az algoritmus? Mi a DCT, miben különbözik a DFT-től? Hogyan működik a FCT? Miért lehet jól alkalmazni ezt az algoritmust tömörítés során és hogyan? ==
===FFT: Fast Fourier Transformation===
Algoritmus működése: 2N méretű adathalmazon működik. Lényegében a problémát mindig megfelezi a páros és páratlan komponensek mentén, egészen addig, amíg már csak egy pár marad, amire már triviálisan számolható a feladat. Az így kapott eredményeken azonban minden fokozat végén pillangó műveleteket kell végezni. Két dimenziós esetben először vízszintes, majd függőleges irányban.

Megjegyzés az értelmezéshez: Fourirer transzformálni csak periodikus jeleket lehet, ezt úgy biztosítjuk, hogy a képet ''végtelenszer'' ismételjük az x és y irányokban (pusztán elméleti értelemben, nyilván).

===DCT vs DFT:===
Koszinusz transzformáció esetén olyan, mintha a kép tükörképe lenne a kép után x és y irányban, ennek megfelelően, nincsenek olyan hirtelen ugrások, mint DFT esetén. További előnye, hogy valós értékeket kapunk, jobb tömörítést tesz lehetővé (kevesebb nagyfrekvenciás komponens a szélek miatt), illetve egyszerűbb is.
===FCT: Fast Cosine Transform===
# Szimmetrikus függvény
# DFT(2N)
# Pozitív tartomány

===Adattömörítés===
Jóval kisebb intenzitású nagyfrekvenciás komponensek, mivel nincs hirtelen átmenet a kép széleinél, mint DFT esetén. (kevesebb információt vesztünk el a nagyfrekvenciás komponensek eldobásával)

== Hogyan lehet frekvenciatartományban szűrést végezni? Mit jelent az alul- és felül-áteresztő szűrés? Milyen jellegű zajok kiszűrésére van lehetőség frekvenciatartományban, és hogyan? ==
'''Szűrés frekvenciatartományban:''' Az egyes frekvenciatartománybeli komponenseket meghatározott értékekkel szorozzuk meg, attól függően, hogy milyen ezeknek az értékeknek az eloszlása (milyen frekvenciákon csillapít, átereszt, erősít) az egyes szűrőket csoportosíthatjuk. A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Aluláteresztő szűrő:''' Ebben az esetben alacsonyabb frekvenciás komponensek súlya nagyobb, mint a magasabb frekvenciásoké. 
'''Felüláteresztő szűrő:''' Ebben az esetben magasabb frekvenciás komponensek súlya nagyobb, mint az alacsonyabb frekvenciásoké. 
'''Zajszűrés frekvenciatartományban:''' Periodikus zajok nagyon jól kiszűrhetőek és bár elméletileg ez megoldható lenne képtartományban is, de túl költséges lenne, mert nagyon nagy kernel kellene hozzá. Aluláteresztő szűrővel a nagyfrekvenciás zaj is jól kiszűrhető. Felüláteresztő szűrővel az élek, körvonalak jól meghatározhatóak. 

== Ismertesse a konvolúció és a frekvenciatartománybeli műveletek kapcsolatát. Mit jelent a dekonvolúció? Mit jelent a Wiener dekonvolúció és mikor használjuk? ==
'''Konvolúció a frekvenciatartományban:''' A szűrés frekvenciatartományban egy egyszerű szorzással valósítható meg, ellenben a képtartománnyal, ahol az konvolúcióval számítható. 
'''Dekonvolúció:''' A dekonvolúció során adott egy kép, amely valamely kernellel végzett konvolúció eredménye. A cél az eredeti kép meghatározása. A feladathoz elengedhetetlen a kernel nagyságrendi ismerete vagy sejtése. Tipikus felhasználási terület: defókuszált kép élesítése. 
'''Wiener-dekonvolúció:''' Annyiban nehezebb problémát old meg, hogy feltételezi, hogy a konvolúció során előálló kép zajjal terhelt. Tehát nem a konvolúció eredményén dolgozik, hanem annak egy additív zajjal terhelt változatán. Egy frekvenciatartománybeli eljárásról van szó, amely azokon a frekvenciákon jobban csillapít, ahol a jel-zaj viszony rosszabb.

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T18:52:33Z

Major Péter: /* Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). */

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása ('''equalizing'''), lásd az ábrát. A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. Az ábrán bal alsó sarokban látható néhány szín a korrekció paramétereinek beállításához használható referencia, az erről készült fényképet úgy kell korrigálni, hogy a képen az eredeti értékeket kapjuk vissza (persze ilyen komolyságnál már arra is vigyázni kell hogy a minta megfakul idővel stb.).

[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

[[Fájl:Számítógépes látórendszerek Színkorrekció.png]]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani, mivel 2-vel és 4-gyel kell szorozni, 16-tal kell osztani a végén. Ezek a műveletek a 2-hatványok miatt eltolások, FPGA-ban csupán huzalozással megoldhatók.

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A simító szűrők a zajhatásokat csak szétosztják (szétkenik, kiátlagolják), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól.

Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke.

Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Median szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3, 5x5-ös kernelméreteket használnak. Van 7x7-es is, de ez valós időben nem mindig használható.
A medián szűrőt például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==

===Élkeresés alapvető módszerei===

* DoG(Gaussok különbsége)

Az eredeti képen két különböző Gauss szűrést végzünk.(Az egyik nagyobb mértékben simít mint a másik.) A végső képet úgy kapjuk meg, hogy az eredeti képben minden pixelt a két Gauss szűrt kép különbségével(pixelenként természetesen)helyettesítünk. A nullátmenetek (ahol a pozitív értékekből negatív lesz és fordítva) fontosak a számunkra, ezek gyakorlatilag az élek.

* Deriváltak

* Canny

Elsősorban lépcsős élekre, a kép Gauss zajjal terhelt.
Lépések
# Gauss szűrés
# Derivatív szűrés két/négy irányban
# Nem maximumok törlése (gradiens irányban)
# Küszöbözés: erős élek, gyenge élek

* Frei & Chen

Kevésbé érzékeny a zajokra mint más élkereső eljárások. Összesen 9 konvolúciós ablakot/kernelt használ(3x3 méret), ezek a legfontosabb irányú kernelek.

===Többféle élkeresési eljárás===

===Kernelméret és az élkeresés===

Minél nagyobb a kernelméret annál inkább eltűnnek az apró dolgok.

== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==

== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmat kevesebb, jellemzően más pozícióba kerülő adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg.
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T18:46:46Z

Major Péter: /* Kernelméret, kernel többszörös végrehajtása */

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása ('''equalizing'''), lásd az ábrát. A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. Az ábrán bal alsó sarokban látható néhány szín a korrekció paramétereinek beállításához használható referencia, az erről készült fényképet úgy kell korrigálni, hogy a képen az eredeti értékeket kapjuk vissza (persze ilyen komolyságnál már arra is vigyázni kell hogy a minta megfakul idővel stb.).

[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

[[Fájl:Számítógépes látórendszerek Színkorrekció.png]]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani, mivel 2-vel és 4-gyel kell szorozni, 16-tal kell osztani a végén. Ezek a műveletek a 2-hatványok miatt eltolások, FPGA-ban csupán huzalozással megoldhatók.

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A simító szűrők a zajhatásokat csak szétosztják (szétkenik, kiátlagolják), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól.

Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke.

Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Median szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3, 5x5-ös kernelméreteket használnak. Van 7x7-es is, de ez valós időben nem mindig használható.
A medián szűrőt például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==

===Élkeresés alapvető módszerei===

* DoG(Gaussok különbsége)

Az eredeti képen két különböző Gauss szűrést végzünk.(Az egyik nagyobb mértékben simít mint a másik.) A végső képet úgy kapjuk meg, hogy az eredeti képben minden pixelt a két Gauss szűrt kép különbségével(pixelenként természetesen)helyettesítünk. A nullátmenetek (ahol a pozitív értékekből negatív lesz és fordítva) fontosak a számunkra, ezek gyakorlatilag az élek.

* Deriváltak

* Canny

Elsősorban lépcsős élekre, a kép Gauss zajjal terhelt.
Lépések
# Gauss szűrés
# Derivatív szűrés két/négy irányban
# Nem maximumok törlése (gradiens irányban)
# Küszöbözés: erős élek, gyenge élek

* Frei & Chen

Kevésbé érzékeny a zajokra mint más élkereső eljárások. Összesen 9 konvolúciós ablakot/kernelt használ(3x3 méret), ezek a legfontosabb irányú kernelek.

===Többféle élkeresési eljárás===

===Kernelméret és az élkeresés===

Minél nagyobb a kernelméret annál inkább eltűnnek az apró dolgok.

== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==

== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T18:45:05Z

Major Péter: /* Rank-szűrők */

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása ('''equalizing'''), lásd az ábrát. A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. Az ábrán bal alsó sarokban látható néhány szín a korrekció paramétereinek beállításához használható referencia, az erről készült fényképet úgy kell korrigálni, hogy a képen az eredeti értékeket kapjuk vissza (persze ilyen komolyságnál már arra is vigyázni kell hogy a minta megfakul idővel stb.).

[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

[[Fájl:Számítógépes látórendszerek Színkorrekció.png]]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani, mivel 2-vel és 4-gyel kell szorozni, 16-tal kell osztani a végén. Ezek a műveletek a 2-hatványok miatt eltolások, FPGA-ban csupán huzalozással megoldhatók.

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A simító szűrők a zajhatásokat csak szétosztják (szétkenik, kiátlagolják), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól.

Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke.

Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Median szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3,5x5 -ös kernelméreteket használnak, de van 7x7-es is, de ez valósidőben brutális.
A median-t például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==

===Élkeresés alapvető módszerei===

* DoG(Gaussok különbsége)

Az eredeti képen két különböző Gauss szűrést végzünk.(Az egyik nagyobb mértékben simít mint a másik.) A végső képet úgy kapjuk meg, hogy az eredeti képben minden pixelt a két Gauss szűrt kép különbségével(pixelenként természetesen)helyettesítünk. A nullátmenetek (ahol a pozitív értékekből negatív lesz és fordítva) fontosak a számunkra, ezek gyakorlatilag az élek.

* Deriváltak

* Canny

Elsősorban lépcsős élekre, a kép Gauss zajjal terhelt.
Lépések
# Gauss szűrés
# Derivatív szűrés két/négy irányban
# Nem maximumok törlése (gradiens irányban)
# Küszöbözés: erős élek, gyenge élek

* Frei & Chen

Kevésbé érzékeny a zajokra mint más élkereső eljárások. Összesen 9 konvolúciós ablakot/kernelt használ(3x3 méret), ezek a legfontosabb irányú kernelek.

===Többféle élkeresési eljárás===

===Kernelméret és az élkeresés===

Minél nagyobb a kernelméret annál inkább eltűnnek az apró dolgok.

== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==

== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T18:40:39Z

Major Péter: /* [ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei */

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása ('''equalizing'''), lásd az ábrát. A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. Az ábrán bal alsó sarokban látható néhány szín a korrekció paramétereinek beállításához használható referencia, az erről készült fényképet úgy kell korrigálni, hogy a képen az eredeti értékeket kapjuk vissza (persze ilyen komolyságnál már arra is vigyázni kell hogy a minta megfakul idővel stb.).

[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

[[Fájl:Számítógépes látórendszerek Színkorrekció.png]]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani, mivel 2-vel és 4-gyel kell szorozni, 16-tal kell osztani a végén. Ezek a műveletek a 2-hatványok miatt eltolások, FPGA-ban csupán huzalozással megoldhatók.

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A korábbi szűrési eljárások a a zajhatásokat csak szétosztották(szétkenték), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól. 
Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke. Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Median szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3,5x5 -ös kernelméreteket használnak, de van 7x7-es is, de ez valósidőben brutális.
A median-t például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==

===Élkeresés alapvető módszerei===

* DoG(Gaussok különbsége)

Az eredeti képen két különböző Gauss szűrést végzünk.(Az egyik nagyobb mértékben simít mint a másik.) A végső képet úgy kapjuk meg, hogy az eredeti képben minden pixelt a két Gauss szűrt kép különbségével(pixelenként természetesen)helyettesítünk. A nullátmenetek (ahol a pozitív értékekből negatív lesz és fordítva) fontosak a számunkra, ezek gyakorlatilag az élek.

* Deriváltak

* Canny

Elsősorban lépcsős élekre, a kép Gauss zajjal terhelt.
Lépések
# Gauss szűrés
# Derivatív szűrés két/négy irányban
# Nem maximumok törlése (gradiens irányban)
# Küszöbözés: erős élek, gyenge élek

* Frei & Chen

Kevésbé érzékeny a zajokra mint más élkereső eljárások. Összesen 9 konvolúciós ablakot/kernelt használ(3x3 méret), ezek a legfontosabb irányú kernelek.

===Többféle élkeresési eljárás===

===Kernelméret és az élkeresés===

Minél nagyobb a kernelméret annál inkább eltűnnek az apró dolgok.

== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==

== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T18:35:55Z

Major Péter: /* Működés, felhasználás */ színkorrekció ábra és leírás

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása ('''equalizing'''), lásd az ábrát. A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. Az ábrán bal alsó sarokban látható néhány szín a korrekció paramétereinek beállításához használható referencia, az erről készült fényképet úgy kell korrigálni, hogy a képen az eredeti értékeket kapjuk vissza (persze ilyen komolyságnál már arra is vigyázni kell hogy a minta megfakul idővel stb.).

[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

[[Fájl:Számítógépes látórendszerek Színkorrekció.png]]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani.(16-tal kell osztani nem 9-el.)

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A korábbi szűrési eljárások a a zajhatásokat csak szétosztották(szétkenték), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól. 
Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke. Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Median szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3,5x5 -ös kernelméreteket használnak, de van 7x7-es is, de ez valósidőben brutális.
A median-t például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==

===Élkeresés alapvető módszerei===

* DoG(Gaussok különbsége)

Az eredeti képen két különböző Gauss szűrést végzünk.(Az egyik nagyobb mértékben simít mint a másik.) A végső képet úgy kapjuk meg, hogy az eredeti képben minden pixelt a két Gauss szűrt kép különbségével(pixelenként természetesen)helyettesítünk. A nullátmenetek (ahol a pozitív értékekből negatív lesz és fordítva) fontosak a számunkra, ezek gyakorlatilag az élek.

* Deriváltak

* Canny

Elsősorban lépcsős élekre, a kép Gauss zajjal terhelt.
Lépések
# Gauss szűrés
# Derivatív szűrés két/négy irányban
# Nem maximumok törlése (gradiens irányban)
# Küszöbözés: erős élek, gyenge élek

* Frei & Chen

Kevésbé érzékeny a zajokra mint más élkereső eljárások. Összesen 9 konvolúciós ablakot/kernelt használ(3x3 méret), ezek a legfontosabb irányú kernelek.

===Többféle élkeresési eljárás===

===Kernelméret és az élkeresés===

Minél nagyobb a kernelméret annál inkább eltűnnek az apró dolgok.

== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==

== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Fájl:Számítógépes látórendszerek Színkorrekció.png

2015-04-15T18:33:38Z

Major Péter: Színkorrekció szemléltetése

Színkorrekció szemléltetése

Számítógépes látórendszerek - Ellenőrző kérdések: Számítógépes látás alapok

2015-04-15T18:21:56Z

Major Péter: /* Gamma korrekció */ ábra

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? ==
'''Kép''': Vizuális információkat tartalmazó összefüggő adathalmaz.

Leírás általában '''pixel/voxel''' tömbként történik. 2 (pixel) vagy 3 (voxel, ''volume pixel'') dimenziós képpontokat használunk, vonalkamera esetén 1 dimenziósakat.

Egyéb leírási formák:
*Láncok (pl. RLE)
*Topológiai leírások (gráfok)
*Relációs struktúrák
*Hierarchikus leírások

'''Videófolyam''': Tipikusan képek sorozata, mozgásleírás (pl. MPEG4 tömörítés) címesemények sorozata. Általában ezt dolgozzuk fel, van (''a priori'') ismeretünk az előző képről, változást elemezzük.

== Ismertesse a fényérzékelés fontosabb eszközeit. Részletezze a CCD és a CMOS érzékelők működését, típusait, előnyeit és hátrányait. ==
'''Fényérzékelés eszközei:'''
*Fotodióda
**CCD
**CMOS (Főként APS)
*Fotoellenállás
*Kvantumeszközök
*Kémiai érzékelők
*Hőmérsékletmérésen alapuló eszközök
=== CCD ===
1969-ben fejlesztették ki a Bell Labsnál, analóg léptetőregiszternek. Működésének lényege, hogy adott órajel hatására a bemeneti oldalon levő töltést mozgásra lehet bírni, azaz léptetni lehet a kimeneti oldal fele. Gyorsan kiderült, hogy nem csak elektronikusan lehet feltölteni a regisztereket, hanem a fény fotonjaival is. 1970-re képesek voltak képet létrehozni az új esz-közzel, s így megszületett a CCD.
Többfajta CCD-vel találkozhatunk a mai gépekben. A fent leírt eszköz hivatalos neve a Full-Frame Transfer (FFT) CCD. Ilyen érzékelő szerepel pl. a Canon 1D-ben vagy az Olympus E1-ben is. Gyakran a sebesség növelése érdekében nem egy kiolvasási vonalat (kiolvasó regisztert) használnak, hanem többet, ennek neve a Frame Transfer CCD. Ezeknél az érzékelőknél nincs lehetőség elektronikus zár alkalmazására.
A másik, elterjedtebb CCD típus az interline CCD. A fő különbség a kettő közt, hogy a Full-Frame Transfer CCD nem tud addig újabb képet készíteni, amíg a kiolvasás végre nem hajtó-dik, ami azért időbe telik. Ez egy tükörreflexes, élőkép nélküli gépnél még nem probléma, de mi van akkor, ha folyamatos képet szeretnénk látni, pl. kompakt fényképezőgépeknél vagy videokameráknál? Ilyenkor jön az interline CCD a képbe.

'''Összefoglalva:'''
*Fullframe-Transfer CCD pixelenként olvasás (külső zár szükséges)
*Frame-transfer CCD fotoérzékelők egyszerre CCD-re
*Interline CCD CCD a fotoaktív oszlopok között (rosszabb felbontás)
'''Előnye'''
*Nagy érzékenység
*Kevés zaj
*Interline felépítés esetén elektronikus zár megvalósítható (ezt ki is használták pl. a Ni-kon D70-nél is, ahol 1/500s-tól már nem a mechanikus, hanem az elektronikus zár működik).
'''Hátránya'''
*Bonyolult előállítás, emiatt drága
*A kiolvasási elektronikának több kiolvasási csatorna esetén tökéletesen megegyezőnek kell lennie, egyébként sávosodás lép fel (banding)
*Könnyen létre jöhet az ún. Blooming effektus: ha egy elektródán túl sok töltés halmo-zódik fel, egyszerűen átfolyik a mellette levő elektróda területére (ez ellen számos anti-blooming eljárás létezik, általában a CCD-k adatlapján szerepel ennek a hatékonysága)
*Magas fogyasztás, emiatt nagyobb melegedés (és nagyobb termikus zaj)
=== CMOS ===
A CMOS-nál a megnevezés csak és kizárólag a gyártástechnológiát jelöli.
Ahogy a leírásból is látszik, az első esetben aktív pixelekről beszélünk, azaz minden egyes képpont saját erősítővel rendelkezik (töltés-feszültség konverter, amely a CCD-nél a kiolvasó egységben volt megtalálható). A kiolvasás mátrix elven történik, minden képpontot külön-külön meg lehet címezni. Mivel minden egyes pixel külön címezhető, illetve a vezetékhálóza-ton keresztül bármilyen sorrendben összekapcsolható a chip további erősítőfokozataival, na-gyon könnyű a kép egy részletét vagy éppen egy alacsonyabb felbontású képet is kiolvasni.
A CMOS érzékelőre nagyon könnyű integrálni egyéb áramköri elemeket. Általában a CMOS érzékelők tartalmazzák az analóg-digitális átalakítókat is (míg ez a CCD-nél külön áramkör volt), sőt egyes esetben elő-feldolgozást is végeznek (szenzor szintű zajszűrés például). A nagyobb integrálásnak köszönhetően alacsonyabb az előállítási költségük, mint CCD társaik-nak.

'''Hátrányok:'''
*Nagyobb zaj: a pixelek egyedi erősítőit nem lehet pontosan beállítani, ezért ezek extra zajt adnak a képhez (pix-pattern noise). Erre a problémára a Canon talált tökéletes megoldást hardver szinten (és lassan minden gyártó alkalmaz hasonló megoldásokat),
*Interferencia érzékenység: a nagy számú aktív elem sokkal érzékenyebb a környezetből érkező elektromágneses zavarokra, mint a CCD,
*Az aktív elemek csökkentik az érzékelő hatásos méretét (mint az Interline CCD-knél), de itt is segítséget nyújtanak a mikrolencsék,
*Az elektronikus zár nem, vagy nehezen valósítható meg. Jól látható a CMOS érzéke-lőkkel készült videofelvételeken ennek a hatása: a kiolvasási sebesség miatt jól érzé-kelhetően elcsúszik a kép (nem azonos időpillanatban történik a teljes kép kiolvasása meg, mint a CCD-knél), és ha pl. egy mozgó autót fényképezünk, akkor az eredetileg kb. téglatest forma szétcsúszik paralelogrammává.
'''Előnyök:'''
*A nagy integrálhatóság miatt alacsony ár,
*Kis fogyasztás, kisebb hőtermelés (alacsonyabb termikus zaj).
*Kisebb késleltetés
*Nagyobb sebesség
[http://prohardver.hu/teszt/a_fotozas_alapjai_i/ii_7_ccd_vs_cmos.html Forrás]

== Ismertesse a színlátás alapjait. Milyen módszereket használunk több módusú (színes) érzékelésre? Mit jelent a színhőmérséklet? ==
=== Emberi színlátás ===
A nappali látás érzékelőelemeinek, a csapocskáknak három fajtájuk van. Az egyes csapocskák a színüknek megfelelő hullámhossztartományban nyelik el a fényt. Az elnyelt fény hatására létrejövő reakciót – ami a látásérzetet kelti.
[http://109.74.55.19/tananyagok/tananyagok/Nyomdaipar/0972-06%20K%C3%A9pfeldolgoz%C3%A1s/004%20Sz%C3%ADnl%C3%A1t%C3%A1s%20alapjai,%20sz%C3%ADnkever%C3%A9sek%20.pdf Forrás]

[[Fájl:Számítógépes_látórendszerek_Hullamhossz_1.png]]

=== Színhőmérséklet ===
A látható fény egy jellegzetessége. Egy fényforrás színhőmérsékletét az általa okozott színérzet és egy hipotetikus feketetest-sugárzó által létrehozott színérzet alapján határozzák meg. Izzólámpák esetében, lévén, hogy a fény izzásból származik, a színhőmérséklet jól egybe esik az izzószál hőmérsékletével. A nem hőmérsékleti sugárzás elvén működő fényforrások, mint például a fénycsövek esetében közvetlen fizikai jelentése nincsen. Ezért ilyenkor inkább korrelált színhőmérsékletről beszélünk. Elterjedt jelölése: CCT (Correlated Color Temperature)
[http://hu.wikipedia.org/wiki/Sz%C3%ADnh%C5%91m%C3%A9rs%C3%A9klet Forrás]

== Ismertesse a képi tartalom fontosabb jellemzőit, korlátait: Felbontás, bitmélység, interlace, mozgás, digitális zaj, tömörítési problémák.==
=== Felbontás ===
A képfelbontás a képen belüli képpont-távolságot mutatja. Mértékegysége a képpont/hüvelyk (angolul pixels per inch, ppi). Ha egy kép felbontása 72 ppi, az azt jelenti, hogy egy négyzethüvelyknyi területen 72×72 = 5184 képpont található. Nagyobb felbontás esetén jobb a kép minősége, azaz több részlet jelenik meg rajta. A képfelbontás elméleti érték, ugyanis az, hogy milyen minőségű képet kapunk, függ a kép fizikai méretétől és a kimeneti eszköz felbontásától is.
[http://hu.wikipedia.org/wiki/Rasztergrafika#Felbont.C3.A1s Forrás] 
=== Bitmélység ===
A bitmélység adja meg, hogy a kép egyes képpontjaihoz mennyi színinformáció áll rendelkezésre. Minél több a képpontonkénti információ, annál több szín jeleníthető meg a képen, és annál pontosabb a színmegjelenítés. Az 1-es bitmélységgel rendelkező képhez például két lehetséges érték tartozik: a fekete és a fehér. A 8-as bitmélységgel rendelkező kép lehetséges értékeinek száma <math> 2^8 </math>, vagyis 256. A 8-as bitmélységgel rendelkező, szürkeárnyalatos módú képen 256 szürkeárnyalat szerepelhet. A RGB rendszerű képek három színcsatornából állnak. Egy (csatornánként) 8 bites RGB-kép esetén 256 érték tartozik minden csatornához, ami azt jelenti, hogy a kép több mint 16 millió lehetséges színértékkel rendelkezik. A csatornánként 8 bites (8 bpc) RGB képeket szokták 24 bites képeknek is hívni (8 bit x 3 csatorna = 24 adatbit képpontonként).
[https://helpx.adobe.com/hu/photoshop/using/image-essentials.html#WSfd1234e1c4b69f30ea53e41001031ab64-73daa Forrás]

=== Interlace ===
A televíziózásban a sávszélesség kihasználása, optimális kitöltése nagy feladat. Mivel ezeket a vonalakat az adók üzemeltetői pénzből tartják fenn, a hatékonyság elengedhetetlen követelmény. A sávszélesség igény csökkentésének egyik megoldásaként hozták létre az interlaced (sorváltott, összefűzött) megjelenítést. Az eljárás célja, hogy minőségvesztés nélkül (vagy minimális veszteség mellett) a lehető legkisebb sávszélesség felhasználásával lehessen az adásokat továbbítani. Az elgondolás azon az alapon nyugszik, hogy amennyiben egy teljes képkockát (keret, frame) felbontunk két fél keretre, így egy időegység alatt csupán egy fél keretet kell átvinni, amit aztán a vevő készülék többszöri villogtatással épít egybe a második fél kerettel, így szemünk nem veszi észre az eltérést és egészként érzékeli a képet. Első körben csupán minden páratlan pixelsort küldenek át, majd a párosakat. A hagyományos CRT tv-k, monitorok képesek megjeleníteni az ilyen jeleket, átlagosan 50-60 félkép/másodperc sebességgel, így a teljes kép 25-30 fps sebességű lesz.
[http://logout.hu/cikk/1080p24_technikai_nehezsegek_hd-ben/interlaced_es_progressziv_megjelenites.html Forrás]
=== Digitális zaj ===
A digitális fényképezőgépek érzékelőinek alapvető építőeleme a photosite. A szenzornak ezen része érzékeli valójában a fényt. Minden pixelre legalább egy photosite jut (van ahol kettő). Ezek az elemi egységek a fényt olyan módon érzékelik, hogy az expozíció ideje alatt rájuk eső fotonokat elektronokká (töltéssé) alakítják. Ez a töltés az expozíció ideje alatt halmozódik fel és megőrződik az expozíció után. Ha az expozíció befejeződött, akkor minden egyes photosite töltését megmérik, majd a mért értéket digitális értékké alakítják (digitalizálják). Ezt a mérési folyamatot nevezzük kiolvasásnak.
'''A zaj forrásai'''
A digitális fényképezőgépekkel készített képek zaja több különböző forrásból ered:
*'''Sötét zaj:''' A Sötét Zaj (Dark Noise) a szenzorban (pontosabban a szilícium-szilíciumdioxid átmeneteknél) a hőtől keletkezett szabad elektronok felhalmozódása a szenzor photosita-jaiban. Ez jellegzetes "grízes" zajként jelentkezik a képen. Az ehhez kapcsolódó kifejezés még a "dark current", amely ezeknek az elektronoknak a keletkezési sebességét jelenti.
*'''Kiolvasási zaj (Bias Noise):''' Ahhoz hogy képet alkossunk a szenzor photosite-jaiban tárolt töltésekből, minden egyes photosite töltését meg kell mérni és a mért értéket digitalizálni kell. Ez a mérés a szenzor kiolvasási folyamatának része. Azonban az eljárás távolról sem tökéletes. Az egyes photosite-ok töltése túlságosan kicsi ahhoz, hogy erősítés nélkül meg lehessen mérni, és ez az erősítés a probléma (zaj) forrása. A kiolvasást végző erősítők valamennyi zajt elengedhetetlenül hozzáadnak a photosite által tárolt és általuk felerősített töltéshez.
*'''Foton zaj:''' A foton zajt a szenzorra érkező fotonok egyenetlen "érkezési ideje" okozza. Ha a fotonok konstans rátában érkeznének, (mintha csak egy szállítószalag szállítaná őket a photosite-okba) akkor nem lenne foton zaj. Azonban a valóságban a fotonok rendszertelenül érkeznek. Az egyik photosite elég szerencsés ahhoz, hogy az expozíció ideje alatt 100 foton találja el, addig előfordulhat, hogy a mellette lévőt, ugyanazon idő alatt csak 80 foton éri el. Ha egy egyenletesen megvilágított felületet fényképezünk, akkor a foton zaj, a szomszédjához viszonyítva, rendellenesen sötét pixelek formájában jelentkezik.
*'''Véletlen zaj:''' Az előbbi három okon felüli zajt általában a fényképezőgép elektronikájában fellépő feszültség vagy áramingadozások, elektromágneses interferencia és még sok más tényező okozhatja. A véletlen zaj képről képre más és más. Azonban bármi is okozza, általában elenyészően kicsi.
[http://fototipp.hu/zaj Forrás]

A fenti zaj típusok Gauss zajok, mivel lényegében korrelálatlan valószínűségi változókból erednek. Érdemes még megemlíteni a még a '''só-bors zaj'''t, amely véletlenszerű helyeken fekete vagy fehér pixeleket jelent. Nem Gauss jellegű hiba ([http://www.imm.dtu.dk/~pcha/HNO/ChallF.pdf forrás]), nem is javítható azokhoz hasonlóan, hanem medián szűrővel érdemes. Jellemzően az ADC és az átvitel hibái okozzák ([http://en.wikipedia.org/wiki/Image_noise#Salt-and-pepper_noise forrás]).

=== Tömörítési problémák ===
Tömörítési hibának ebben a cikkben a képek, hangok, videók veszteséges tömörítése során fellépő észrevehető minőségromlást nevezzük. Technikailag a tömörítési hiba általában a veszteséges tömörítés kvantálási lépése során fellépő probléma. Transzformációs kodekeknél általában a kódoló transzformációs terének bázisára jellemző a hiba. A blokk-alapú DCT transzformáció során, amit például az elterjedt JPEG tömörítés használ, többfajta tömörítési hiba szokott előfordulni. Ezek közé tartozik az elmosódott területen kontúrosodás megjelenése, a görbe vonalak mentén lépcsőzetes zaj megjelentése, „légypiszkok” a szélek mentén, sakktáblaszerű hiba (másképpen blokkosság) a kép „mozgalmas” részein.
[http://hu.wikipedia.org/wiki/T%C3%B6m%C3%B6r%C3%ADt%C3%A9si_hiba#T.C3.B6m.C3.B6r.C3.ADt.C3.A9si_hib.C3.A1k_a_k.C3.A9pt.C3.B6m.C3.B6r.C3.ADt.C3.A9sben Forrás]

== Mit jelent a színtér? Miért van szükség többféle színtérre? Mit jelent a szürkeárnyalatosítás? Röviden ismertesse a fontosabb színtereket, azok feladatát. ==
=== Színtér ===
A színterek a színek ábrázolására használható virtuális térbeli koordináta-rendszer, ahol az egyes színek tulajdonságait azok koordinátái fejezik ki. Színességi koordinátákból épül fel a CIE XYZ színtér. Valamennyi további színtér különbözik ettől; koordinátái általában: egy színezeti, egy világossági és egy színtelítettségi jellemző. A színtérben az ábrázolható színek valamilyen rend szerint kerülnek elhelyezésre (például az alapján, hogy a színtér alapszíneinek milyen arányú keverésével állíthatók elő), és a pozíciójukat meghatározó koordinátákkal kerülnek azonosításra (például az RGB színtérben a (255,0,128) koordinátán a maximális vörös, nulla zöld, és a maximális felének megfelelő kék komponensek összeadásából keletkező szín található).
[http://hu.wikipedia.org/wiki/Sz%C3%ADnt%C3%A9r Forrás]
=== Többféle színtér ===
[tipp, bővítsd, egészítsd ki, korrigáld?]

A kamerák által rögzített színes kép általában RGB színtérben készül, mivel az eltérő hullámhosszokhoz tartozó érzékelés gyártástechnológiailag megoldható.
* Az emberi az ''R'', ''G'' és ''B'' komponenseket nem azonos súllyal/felbontással érzékeli. Ezt tömörítési és adatátviteli eljárások előszeretettel ki is használják.
* A számítógépes képfeldolgozás sem tipikusan RGB-ben megoldható.
A (fényesség, színezet, telítettség) leképezések az alkalmazások jelentős részében jobban használhatók. A leképezést többféleképpen meg lehet valósítani, ezért létezik HSL, HSI, HSV, L*u*v stb.

''Megjegyzés:'' A mai TV-k [http://en.wikipedia.org/wiki/Extended_Display_Identification_Data#EDID_1.3_data_format tartalmazzák] az alkalmazott LED-ek/LCD stb karakterisztikáinak megfelelő transzformációhoz szükséges adatokat (''Chromaticity coordinates''), hogy a bemenő jelet a forrás minden kijelzőn a lehetőségekhez mérten azonosan jeleníthesse meg. Ehhez is szükséges ''többféle színtér'', minden kijelző típushoz saját, lényegében.

=== Színterek ===
*A '''televíziós technikában''' az RGB komponenseket veszi fel a kamera, ebből egy olyan világossági értéket (jele Y, neve luma) képeznek, amely kompatibilis a fekete–fehér televízió világossági értékével. Ezek után képezik az R-Y és a B-Y színkomponenseket. Így az analóg televízió egy világossági és két színességi (chroma) jelet továbbít (ez három merőleges térbeli vektor). ''Megjegyzés:'' a színkomponenseket magasabb frekvencián modulálják a világosság fölött, ami a fekete-fehér megjelenítőn nem látszik). Az alapötlet egyébként a mai digitális rendszerekben is használatos, pl. ''YCbCr'' színtérnél a színezeti adatokat 2-4 pixelre összevonhatják, hogy csökkenjen a szükséges sávszélesség (az emberi szem pedig alig veszi észre az eltérést).
*A '''képfeldolgozás''' technikájában a HSL, a HSV és még további színterek 1970 után
*'''Számítástechnikában''': RGB és változatai (sRGB, AdobeRGB). A digitális fényképezőgépek legtöbbje az sRGB (standard RGB) rendszert használja. Az ADOBE virtuális alapszíningerek segítségével kiterjeszett színteret (wide gamut) használ. Az RGB additív színkeverési eljárás, amely azzal definiálja a színt, hogy a 3 alapszínű fényből mennyit kell összekeverni a kívánt szín eléréséhez.
*'''Nyomdatechnikában''': CMYK. A három- és négyszínnyomás technikája Jacob Christoph le Blon rézmetsző mestertől származik (1667–1741) Blon eredeti alapszínei az RYBK (vörös, sárga, bíbor, és a kulcsszín: a fekete) voltak. Abban az időben nem volt még elegendően tiszta az additív és a szubtraktív színkeverés közti különbség (a könyvnyomtatás vonatkozásában).
*Négy alapszínnel dolgozó szubtraktív színkeverési technika.

== Mit jelent a színkorrekció? Ismertesse a fontosabb szín és fényességkorrekciós eljárásokat: Gamma korrekció, kontraszt, fényesség. Miért van ezekre szükség, mire jók? ==
=== Gamma korrekció ===
A kontraszt értékeket optimalizáló eljárás. A Gamma-korrekcióval a kép fényessége és színeinek élessége szabályozható. Ezáltal a pontos részletek a sötétben játszódó jeleneteknél jobban láthatók, és a kép mélysége is megmarad. Ha a Gamma korrekció értéke magas, a kép világosabb tónusú lesz kevésbé telt színekkel, míg ellenkező esetben sötétebb árnyalatok és valamivel teltebb színek jellemzik a képet.

[[Fájl:Számítógépes látórendszerek Gammakorrekció.png]]

=== Kontraszt ===
A leggyakrabban használt algoritmus a hisztogram kiegyenlítése (histogram equalization- HE). A módszer az intenzitások előfordulási gyakoriságának függvényében úgy nyújtja a hisztogramot, hogy az kitöltse a rendelkezésére álló intenzitástartományt és a szomszédos intenzitások távolsága azok előfordulási gyakoriságának függvényében alakuljon.
[http://www.inf.u-szeged.hu/projectdirs/kepaf2011/pdfs/S04_04.pdf Forrás] 
A kép világos és sötét részei közötti tónuskülönbség. Ha két kép azonos motívumot ábrázol és az egyiken két adott részlet tónusának különbsége nagyobb mint a másikon, akkor ennek nagyobb a kontrasztja.
=== Fényesség ===
Fényesség (Lightness), relatív világosságérzet, a felület becsült reflektanciája vagy transzmittanciája.

== Ismertesse a képi tartalom tárolásának fontosabb problémáit, lehetőségeit, módszereit. Hogyan használjuk a képi adatbázisokat? ==
=== Képek tárolása ===
*Tömörítetlen: BMP, PNM
*Veszteség nélkül: GIF, JPEG-LS/2000, PNG, TIFF, H.264 lossless...
*Veszteséges: JPEG, PNG, H.264...
*Konténer formátumok: (PNG), TIFF, AVI, MOV, MP4, OGG, WMV...
=== Képi adatbázisok ===
*Alapadatok: Méret, felvétel/módosítás időpontja
*Méréseken alapuló adatok (pl. objektumok száma, színek, méretek)
*Intelligens felismerés (pl. ember, virág, gépjármű)
*Jogosultságok
*Felhasználói kulcsszavak
*Miniatűrök
[http://sirkan.iit.bme.hu/dokeos/courses/VIIIMA07/document/Prezent%E1ci%F3k/01-Bevezet%E9s.pdf?cidReq=VIIIMA07 Forrás]

Fájl:Számítógépes látórendszerek Gammakorrekció.png

2015-04-15T18:21:38Z

Major Péter: Illusztráció gamma korrekcióhoz.

Illusztráció gamma korrekcióhoz.

Számítógépes látórendszerek - Ellenőrző kérdések: Számítógépes látás alapok

2015-04-15T18:19:17Z

Major Péter: /* Többféle színtér */ elkezdve

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? ==
'''Kép''': Vizuális információkat tartalmazó összefüggő adathalmaz.

Leírás általában '''pixel/voxel''' tömbként történik. 2 (pixel) vagy 3 (voxel, ''volume pixel'') dimenziós képpontokat használunk, vonalkamera esetén 1 dimenziósakat.

Egyéb leírási formák:
*Láncok (pl. RLE)
*Topológiai leírások (gráfok)
*Relációs struktúrák
*Hierarchikus leírások

'''Videófolyam''': Tipikusan képek sorozata, mozgásleírás (pl. MPEG4 tömörítés) címesemények sorozata. Általában ezt dolgozzuk fel, van (''a priori'') ismeretünk az előző képről, változást elemezzük.

== Ismertesse a fényérzékelés fontosabb eszközeit. Részletezze a CCD és a CMOS érzékelők működését, típusait, előnyeit és hátrányait. ==
'''Fényérzékelés eszközei:'''
*Fotodióda
**CCD
**CMOS (Főként APS)
*Fotoellenállás
*Kvantumeszközök
*Kémiai érzékelők
*Hőmérsékletmérésen alapuló eszközök
=== CCD ===
1969-ben fejlesztették ki a Bell Labsnál, analóg léptetőregiszternek. Működésének lényege, hogy adott órajel hatására a bemeneti oldalon levő töltést mozgásra lehet bírni, azaz léptetni lehet a kimeneti oldal fele. Gyorsan kiderült, hogy nem csak elektronikusan lehet feltölteni a regisztereket, hanem a fény fotonjaival is. 1970-re képesek voltak képet létrehozni az új esz-közzel, s így megszületett a CCD.
Többfajta CCD-vel találkozhatunk a mai gépekben. A fent leírt eszköz hivatalos neve a Full-Frame Transfer (FFT) CCD. Ilyen érzékelő szerepel pl. a Canon 1D-ben vagy az Olympus E1-ben is. Gyakran a sebesség növelése érdekében nem egy kiolvasási vonalat (kiolvasó regisztert) használnak, hanem többet, ennek neve a Frame Transfer CCD. Ezeknél az érzékelőknél nincs lehetőség elektronikus zár alkalmazására.
A másik, elterjedtebb CCD típus az interline CCD. A fő különbség a kettő közt, hogy a Full-Frame Transfer CCD nem tud addig újabb képet készíteni, amíg a kiolvasás végre nem hajtó-dik, ami azért időbe telik. Ez egy tükörreflexes, élőkép nélküli gépnél még nem probléma, de mi van akkor, ha folyamatos képet szeretnénk látni, pl. kompakt fényképezőgépeknél vagy videokameráknál? Ilyenkor jön az interline CCD a képbe.

'''Összefoglalva:'''
*Fullframe-Transfer CCD pixelenként olvasás (külső zár szükséges)
*Frame-transfer CCD fotoérzékelők egyszerre CCD-re
*Interline CCD CCD a fotoaktív oszlopok között (rosszabb felbontás)
'''Előnye'''
*Nagy érzékenység
*Kevés zaj
*Interline felépítés esetén elektronikus zár megvalósítható (ezt ki is használták pl. a Ni-kon D70-nél is, ahol 1/500s-tól már nem a mechanikus, hanem az elektronikus zár működik).
'''Hátránya'''
*Bonyolult előállítás, emiatt drága
*A kiolvasási elektronikának több kiolvasási csatorna esetén tökéletesen megegyezőnek kell lennie, egyébként sávosodás lép fel (banding)
*Könnyen létre jöhet az ún. Blooming effektus: ha egy elektródán túl sok töltés halmo-zódik fel, egyszerűen átfolyik a mellette levő elektróda területére (ez ellen számos anti-blooming eljárás létezik, általában a CCD-k adatlapján szerepel ennek a hatékonysága)
*Magas fogyasztás, emiatt nagyobb melegedés (és nagyobb termikus zaj)
=== CMOS ===
A CMOS-nál a megnevezés csak és kizárólag a gyártástechnológiát jelöli.
Ahogy a leírásból is látszik, az első esetben aktív pixelekről beszélünk, azaz minden egyes képpont saját erősítővel rendelkezik (töltés-feszültség konverter, amely a CCD-nél a kiolvasó egységben volt megtalálható). A kiolvasás mátrix elven történik, minden képpontot külön-külön meg lehet címezni. Mivel minden egyes pixel külön címezhető, illetve a vezetékhálóza-ton keresztül bármilyen sorrendben összekapcsolható a chip további erősítőfokozataival, na-gyon könnyű a kép egy részletét vagy éppen egy alacsonyabb felbontású képet is kiolvasni.
A CMOS érzékelőre nagyon könnyű integrálni egyéb áramköri elemeket. Általában a CMOS érzékelők tartalmazzák az analóg-digitális átalakítókat is (míg ez a CCD-nél külön áramkör volt), sőt egyes esetben elő-feldolgozást is végeznek (szenzor szintű zajszűrés például). A nagyobb integrálásnak köszönhetően alacsonyabb az előállítási költségük, mint CCD társaik-nak.

'''Hátrányok:'''
*Nagyobb zaj: a pixelek egyedi erősítőit nem lehet pontosan beállítani, ezért ezek extra zajt adnak a képhez (pix-pattern noise). Erre a problémára a Canon talált tökéletes megoldást hardver szinten (és lassan minden gyártó alkalmaz hasonló megoldásokat),
*Interferencia érzékenység: a nagy számú aktív elem sokkal érzékenyebb a környezetből érkező elektromágneses zavarokra, mint a CCD,
*Az aktív elemek csökkentik az érzékelő hatásos méretét (mint az Interline CCD-knél), de itt is segítséget nyújtanak a mikrolencsék,
*Az elektronikus zár nem, vagy nehezen valósítható meg. Jól látható a CMOS érzéke-lőkkel készült videofelvételeken ennek a hatása: a kiolvasási sebesség miatt jól érzé-kelhetően elcsúszik a kép (nem azonos időpillanatban történik a teljes kép kiolvasása meg, mint a CCD-knél), és ha pl. egy mozgó autót fényképezünk, akkor az eredetileg kb. téglatest forma szétcsúszik paralelogrammává.
'''Előnyök:'''
*A nagy integrálhatóság miatt alacsony ár,
*Kis fogyasztás, kisebb hőtermelés (alacsonyabb termikus zaj).
*Kisebb késleltetés
*Nagyobb sebesség
[http://prohardver.hu/teszt/a_fotozas_alapjai_i/ii_7_ccd_vs_cmos.html Forrás]

== Ismertesse a színlátás alapjait. Milyen módszereket használunk több módusú (színes) érzékelésre? Mit jelent a színhőmérséklet? ==
=== Emberi színlátás ===
A nappali látás érzékelőelemeinek, a csapocskáknak három fajtájuk van. Az egyes csapocskák a színüknek megfelelő hullámhossztartományban nyelik el a fényt. Az elnyelt fény hatására létrejövő reakciót – ami a látásérzetet kelti.
[http://109.74.55.19/tananyagok/tananyagok/Nyomdaipar/0972-06%20K%C3%A9pfeldolgoz%C3%A1s/004%20Sz%C3%ADnl%C3%A1t%C3%A1s%20alapjai,%20sz%C3%ADnkever%C3%A9sek%20.pdf Forrás]

[[Fájl:Számítógépes_látórendszerek_Hullamhossz_1.png]]

=== Színhőmérséklet ===
A látható fény egy jellegzetessége. Egy fényforrás színhőmérsékletét az általa okozott színérzet és egy hipotetikus feketetest-sugárzó által létrehozott színérzet alapján határozzák meg. Izzólámpák esetében, lévén, hogy a fény izzásból származik, a színhőmérséklet jól egybe esik az izzószál hőmérsékletével. A nem hőmérsékleti sugárzás elvén működő fényforrások, mint például a fénycsövek esetében közvetlen fizikai jelentése nincsen. Ezért ilyenkor inkább korrelált színhőmérsékletről beszélünk. Elterjedt jelölése: CCT (Correlated Color Temperature)
[http://hu.wikipedia.org/wiki/Sz%C3%ADnh%C5%91m%C3%A9rs%C3%A9klet Forrás]

== Ismertesse a képi tartalom fontosabb jellemzőit, korlátait: Felbontás, bitmélység, interlace, mozgás, digitális zaj, tömörítési problémák.==
=== Felbontás ===
A képfelbontás a képen belüli képpont-távolságot mutatja. Mértékegysége a képpont/hüvelyk (angolul pixels per inch, ppi). Ha egy kép felbontása 72 ppi, az azt jelenti, hogy egy négyzethüvelyknyi területen 72×72 = 5184 képpont található. Nagyobb felbontás esetén jobb a kép minősége, azaz több részlet jelenik meg rajta. A képfelbontás elméleti érték, ugyanis az, hogy milyen minőségű képet kapunk, függ a kép fizikai méretétől és a kimeneti eszköz felbontásától is.
[http://hu.wikipedia.org/wiki/Rasztergrafika#Felbont.C3.A1s Forrás] 
=== Bitmélység ===
A bitmélység adja meg, hogy a kép egyes képpontjaihoz mennyi színinformáció áll rendelkezésre. Minél több a képpontonkénti információ, annál több szín jeleníthető meg a képen, és annál pontosabb a színmegjelenítés. Az 1-es bitmélységgel rendelkező képhez például két lehetséges érték tartozik: a fekete és a fehér. A 8-as bitmélységgel rendelkező kép lehetséges értékeinek száma <math> 2^8 </math>, vagyis 256. A 8-as bitmélységgel rendelkező, szürkeárnyalatos módú képen 256 szürkeárnyalat szerepelhet. A RGB rendszerű képek három színcsatornából állnak. Egy (csatornánként) 8 bites RGB-kép esetén 256 érték tartozik minden csatornához, ami azt jelenti, hogy a kép több mint 16 millió lehetséges színértékkel rendelkezik. A csatornánként 8 bites (8 bpc) RGB képeket szokták 24 bites képeknek is hívni (8 bit x 3 csatorna = 24 adatbit képpontonként).
[https://helpx.adobe.com/hu/photoshop/using/image-essentials.html#WSfd1234e1c4b69f30ea53e41001031ab64-73daa Forrás]

=== Interlace ===
A televíziózásban a sávszélesség kihasználása, optimális kitöltése nagy feladat. Mivel ezeket a vonalakat az adók üzemeltetői pénzből tartják fenn, a hatékonyság elengedhetetlen követelmény. A sávszélesség igény csökkentésének egyik megoldásaként hozták létre az interlaced (sorváltott, összefűzött) megjelenítést. Az eljárás célja, hogy minőségvesztés nélkül (vagy minimális veszteség mellett) a lehető legkisebb sávszélesség felhasználásával lehessen az adásokat továbbítani. Az elgondolás azon az alapon nyugszik, hogy amennyiben egy teljes képkockát (keret, frame) felbontunk két fél keretre, így egy időegység alatt csupán egy fél keretet kell átvinni, amit aztán a vevő készülék többszöri villogtatással épít egybe a második fél kerettel, így szemünk nem veszi észre az eltérést és egészként érzékeli a képet. Első körben csupán minden páratlan pixelsort küldenek át, majd a párosakat. A hagyományos CRT tv-k, monitorok képesek megjeleníteni az ilyen jeleket, átlagosan 50-60 félkép/másodperc sebességgel, így a teljes kép 25-30 fps sebességű lesz.
[http://logout.hu/cikk/1080p24_technikai_nehezsegek_hd-ben/interlaced_es_progressziv_megjelenites.html Forrás]
=== Digitális zaj ===
A digitális fényképezőgépek érzékelőinek alapvető építőeleme a photosite. A szenzornak ezen része érzékeli valójában a fényt. Minden pixelre legalább egy photosite jut (van ahol kettő). Ezek az elemi egységek a fényt olyan módon érzékelik, hogy az expozíció ideje alatt rájuk eső fotonokat elektronokká (töltéssé) alakítják. Ez a töltés az expozíció ideje alatt halmozódik fel és megőrződik az expozíció után. Ha az expozíció befejeződött, akkor minden egyes photosite töltését megmérik, majd a mért értéket digitális értékké alakítják (digitalizálják). Ezt a mérési folyamatot nevezzük kiolvasásnak.
'''A zaj forrásai'''
A digitális fényképezőgépekkel készített képek zaja több különböző forrásból ered:
*'''Sötét zaj:''' A Sötét Zaj (Dark Noise) a szenzorban (pontosabban a szilícium-szilíciumdioxid átmeneteknél) a hőtől keletkezett szabad elektronok felhalmozódása a szenzor photosita-jaiban. Ez jellegzetes "grízes" zajként jelentkezik a képen. Az ehhez kapcsolódó kifejezés még a "dark current", amely ezeknek az elektronoknak a keletkezési sebességét jelenti.
*'''Kiolvasási zaj (Bias Noise):''' Ahhoz hogy képet alkossunk a szenzor photosite-jaiban tárolt töltésekből, minden egyes photosite töltését meg kell mérni és a mért értéket digitalizálni kell. Ez a mérés a szenzor kiolvasási folyamatának része. Azonban az eljárás távolról sem tökéletes. Az egyes photosite-ok töltése túlságosan kicsi ahhoz, hogy erősítés nélkül meg lehessen mérni, és ez az erősítés a probléma (zaj) forrása. A kiolvasást végző erősítők valamennyi zajt elengedhetetlenül hozzáadnak a photosite által tárolt és általuk felerősített töltéshez.
*'''Foton zaj:''' A foton zajt a szenzorra érkező fotonok egyenetlen "érkezési ideje" okozza. Ha a fotonok konstans rátában érkeznének, (mintha csak egy szállítószalag szállítaná őket a photosite-okba) akkor nem lenne foton zaj. Azonban a valóságban a fotonok rendszertelenül érkeznek. Az egyik photosite elég szerencsés ahhoz, hogy az expozíció ideje alatt 100 foton találja el, addig előfordulhat, hogy a mellette lévőt, ugyanazon idő alatt csak 80 foton éri el. Ha egy egyenletesen megvilágított felületet fényképezünk, akkor a foton zaj, a szomszédjához viszonyítva, rendellenesen sötét pixelek formájában jelentkezik.
*'''Véletlen zaj:''' Az előbbi három okon felüli zajt általában a fényképezőgép elektronikájában fellépő feszültség vagy áramingadozások, elektromágneses interferencia és még sok más tényező okozhatja. A véletlen zaj képről képre más és más. Azonban bármi is okozza, általában elenyészően kicsi.
[http://fototipp.hu/zaj Forrás]

A fenti zaj típusok Gauss zajok, mivel lényegében korrelálatlan valószínűségi változókból erednek. Érdemes még megemlíteni a még a '''só-bors zaj'''t, amely véletlenszerű helyeken fekete vagy fehér pixeleket jelent. Nem Gauss jellegű hiba ([http://www.imm.dtu.dk/~pcha/HNO/ChallF.pdf forrás]), nem is javítható azokhoz hasonlóan, hanem medián szűrővel érdemes. Jellemzően az ADC és az átvitel hibái okozzák ([http://en.wikipedia.org/wiki/Image_noise#Salt-and-pepper_noise forrás]).

=== Tömörítési problémák ===
Tömörítési hibának ebben a cikkben a képek, hangok, videók veszteséges tömörítése során fellépő észrevehető minőségromlást nevezzük. Technikailag a tömörítési hiba általában a veszteséges tömörítés kvantálási lépése során fellépő probléma. Transzformációs kodekeknél általában a kódoló transzformációs terének bázisára jellemző a hiba. A blokk-alapú DCT transzformáció során, amit például az elterjedt JPEG tömörítés használ, többfajta tömörítési hiba szokott előfordulni. Ezek közé tartozik az elmosódott területen kontúrosodás megjelenése, a görbe vonalak mentén lépcsőzetes zaj megjelentése, „légypiszkok” a szélek mentén, sakktáblaszerű hiba (másképpen blokkosság) a kép „mozgalmas” részein.
[http://hu.wikipedia.org/wiki/T%C3%B6m%C3%B6r%C3%ADt%C3%A9si_hiba#T.C3.B6m.C3.B6r.C3.ADt.C3.A9si_hib.C3.A1k_a_k.C3.A9pt.C3.B6m.C3.B6r.C3.ADt.C3.A9sben Forrás]

== Mit jelent a színtér? Miért van szükség többféle színtérre? Mit jelent a szürkeárnyalatosítás? Röviden ismertesse a fontosabb színtereket, azok feladatát. ==
=== Színtér ===
A színterek a színek ábrázolására használható virtuális térbeli koordináta-rendszer, ahol az egyes színek tulajdonságait azok koordinátái fejezik ki. Színességi koordinátákból épül fel a CIE XYZ színtér. Valamennyi további színtér különbözik ettől; koordinátái általában: egy színezeti, egy világossági és egy színtelítettségi jellemző. A színtérben az ábrázolható színek valamilyen rend szerint kerülnek elhelyezésre (például az alapján, hogy a színtér alapszíneinek milyen arányú keverésével állíthatók elő), és a pozíciójukat meghatározó koordinátákkal kerülnek azonosításra (például az RGB színtérben a (255,0,128) koordinátán a maximális vörös, nulla zöld, és a maximális felének megfelelő kék komponensek összeadásából keletkező szín található).
[http://hu.wikipedia.org/wiki/Sz%C3%ADnt%C3%A9r Forrás]
=== Többféle színtér ===
[tipp, bővítsd, egészítsd ki, korrigáld?]

A kamerák által rögzített színes kép általában RGB színtérben készül, mivel az eltérő hullámhosszokhoz tartozó érzékelés gyártástechnológiailag megoldható.
* Az emberi az ''R'', ''G'' és ''B'' komponenseket nem azonos súllyal/felbontással érzékeli. Ezt tömörítési és adatátviteli eljárások előszeretettel ki is használják.
* A számítógépes képfeldolgozás sem tipikusan RGB-ben megoldható.
A (fényesség, színezet, telítettség) leképezések az alkalmazások jelentős részében jobban használhatók. A leképezést többféleképpen meg lehet valósítani, ezért létezik HSL, HSI, HSV, L*u*v stb.

''Megjegyzés:'' A mai TV-k [http://en.wikipedia.org/wiki/Extended_Display_Identification_Data#EDID_1.3_data_format tartalmazzák] az alkalmazott LED-ek/LCD stb karakterisztikáinak megfelelő transzformációhoz szükséges adatokat (''Chromaticity coordinates''), hogy a bemenő jelet a forrás minden kijelzőn a lehetőségekhez mérten azonosan jeleníthesse meg. Ehhez is szükséges ''többféle színtér'', minden kijelző típushoz saját, lényegében.

=== Színterek ===
*A '''televíziós technikában''' az RGB komponenseket veszi fel a kamera, ebből egy olyan világossági értéket (jele Y, neve luma) képeznek, amely kompatibilis a fekete–fehér televízió világossági értékével. Ezek után képezik az R-Y és a B-Y színkomponenseket. Így az analóg televízió egy világossági és két színességi (chroma) jelet továbbít (ez három merőleges térbeli vektor). ''Megjegyzés:'' a színkomponenseket magasabb frekvencián modulálják a világosság fölött, ami a fekete-fehér megjelenítőn nem látszik). Az alapötlet egyébként a mai digitális rendszerekben is használatos, pl. ''YCbCr'' színtérnél a színezeti adatokat 2-4 pixelre összevonhatják, hogy csökkenjen a szükséges sávszélesség (az emberi szem pedig alig veszi észre az eltérést).
*A '''képfeldolgozás''' technikájában a HSL, a HSV és még további színterek 1970 után
*'''Számítástechnikában''': RGB és változatai (sRGB, AdobeRGB). A digitális fényképezőgépek legtöbbje az sRGB (standard RGB) rendszert használja. Az ADOBE virtuális alapszíningerek segítségével kiterjeszett színteret (wide gamut) használ. Az RGB additív színkeverési eljárás, amely azzal definiálja a színt, hogy a 3 alapszínű fényből mennyit kell összekeverni a kívánt szín eléréséhez.
*'''Nyomdatechnikában''': CMYK. A három- és négyszínnyomás technikája Jacob Christoph le Blon rézmetsző mestertől származik (1667–1741) Blon eredeti alapszínei az RYBK (vörös, sárga, bíbor, és a kulcsszín: a fekete) voltak. Abban az időben nem volt még elegendően tiszta az additív és a szubtraktív színkeverés közti különbség (a könyvnyomtatás vonatkozásában).
*Négy alapszínnel dolgozó szubtraktív színkeverési technika.

== Mit jelent a színkorrekció? Ismertesse a fontosabb szín és fényességkorrekciós eljárásokat: Gamma korrekció, kontraszt, fényesség. Miért van ezekre szükség, mire jók? ==
=== Gamma korrekció ===
A kontraszt értékeket optimalizáló eljárás. A Gamma-korrekcióval a kép fényessége és színeinek élessége szabályozható. Ezáltal a pontos részletek a sötétben játszódó jeleneteknél jobban láthatók, és a kép mélysége is megmarad. Ha a Gamma korrekció értéke magas, a kép világosabb tónusú lesz kevésbé telt színekkel, míg ellenkező esetben sötétebb árnyalatok és valamivel teltebb színek jellemzik a képet.
=== Kontraszt ===
A leggyakrabban használt algoritmus a hisztogram kiegyenlítése (histogram equalization- HE). A módszer az intenzitások előfordulási gyakoriságának függvényében úgy nyújtja a hisztogramot, hogy az kitöltse a rendelkezésére álló intenzitástartományt és a szomszédos intenzitások távolsága azok előfordulási gyakoriságának függvényében alakuljon.
[http://www.inf.u-szeged.hu/projectdirs/kepaf2011/pdfs/S04_04.pdf Forrás] 
A kép világos és sötét részei közötti tónuskülönbség. Ha két kép azonos motívumot ábrázol és az egyiken két adott részlet tónusának különbsége nagyobb mint a másikon, akkor ennek nagyobb a kontrasztja.
=== Fényesség ===
Fényesség (Lightness), relatív világosságérzet, a felület becsült reflektanciája vagy transzmittanciája.

== Ismertesse a képi tartalom tárolásának fontosabb problémáit, lehetőségeit, módszereit. Hogyan használjuk a képi adatbázisokat? ==
=== Képek tárolása ===
*Tömörítetlen: BMP, PNM
*Veszteség nélkül: GIF, JPEG-LS/2000, PNG, TIFF, H.264 lossless...
*Veszteséges: JPEG, PNG, H.264...
*Konténer formátumok: (PNG), TIFF, AVI, MOV, MP4, OGG, WMV...
=== Képi adatbázisok ===
*Alapadatok: Méret, felvétel/módosítás időpontja
*Méréseken alapuló adatok (pl. objektumok száma, színek, méretek)
*Intelligens felismerés (pl. ember, virág, gépjármű)
*Jogosultságok
*Felhasználói kulcsszavak
*Miniatűrök
[http://sirkan.iit.bme.hu/dokeos/courses/VIIIMA07/document/Prezent%E1ci%F3k/01-Bevezet%E9s.pdf?cidReq=VIIIMA07 Forrás]

Számítógépes látórendszerek - Ellenőrző kérdések: Számítógépes látás alapok

2015-04-15T18:08:06Z

Major Péter: /* Színterek */ fekete-fehér kiegészítés

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? ==
'''Kép''': Vizuális információkat tartalmazó összefüggő adathalmaz.

Leírás általában '''pixel/voxel''' tömbként történik. 2 (pixel) vagy 3 (voxel, ''volume pixel'') dimenziós képpontokat használunk, vonalkamera esetén 1 dimenziósakat.

Egyéb leírási formák:
*Láncok (pl. RLE)
*Topológiai leírások (gráfok)
*Relációs struktúrák
*Hierarchikus leírások

'''Videófolyam''': Tipikusan képek sorozata, mozgásleírás (pl. MPEG4 tömörítés) címesemények sorozata. Általában ezt dolgozzuk fel, van (''a priori'') ismeretünk az előző képről, változást elemezzük.

== Ismertesse a fényérzékelés fontosabb eszközeit. Részletezze a CCD és a CMOS érzékelők működését, típusait, előnyeit és hátrányait. ==
'''Fényérzékelés eszközei:'''
*Fotodióda
**CCD
**CMOS (Főként APS)
*Fotoellenállás
*Kvantumeszközök
*Kémiai érzékelők
*Hőmérsékletmérésen alapuló eszközök
=== CCD ===
1969-ben fejlesztették ki a Bell Labsnál, analóg léptetőregiszternek. Működésének lényege, hogy adott órajel hatására a bemeneti oldalon levő töltést mozgásra lehet bírni, azaz léptetni lehet a kimeneti oldal fele. Gyorsan kiderült, hogy nem csak elektronikusan lehet feltölteni a regisztereket, hanem a fény fotonjaival is. 1970-re képesek voltak képet létrehozni az új esz-közzel, s így megszületett a CCD.
Többfajta CCD-vel találkozhatunk a mai gépekben. A fent leírt eszköz hivatalos neve a Full-Frame Transfer (FFT) CCD. Ilyen érzékelő szerepel pl. a Canon 1D-ben vagy az Olympus E1-ben is. Gyakran a sebesség növelése érdekében nem egy kiolvasási vonalat (kiolvasó regisztert) használnak, hanem többet, ennek neve a Frame Transfer CCD. Ezeknél az érzékelőknél nincs lehetőség elektronikus zár alkalmazására.
A másik, elterjedtebb CCD típus az interline CCD. A fő különbség a kettő közt, hogy a Full-Frame Transfer CCD nem tud addig újabb képet készíteni, amíg a kiolvasás végre nem hajtó-dik, ami azért időbe telik. Ez egy tükörreflexes, élőkép nélküli gépnél még nem probléma, de mi van akkor, ha folyamatos képet szeretnénk látni, pl. kompakt fényképezőgépeknél vagy videokameráknál? Ilyenkor jön az interline CCD a képbe.

'''Összefoglalva:'''
*Fullframe-Transfer CCD pixelenként olvasás (külső zár szükséges)
*Frame-transfer CCD fotoérzékelők egyszerre CCD-re
*Interline CCD CCD a fotoaktív oszlopok között (rosszabb felbontás)
'''Előnye'''
*Nagy érzékenység
*Kevés zaj
*Interline felépítés esetén elektronikus zár megvalósítható (ezt ki is használták pl. a Ni-kon D70-nél is, ahol 1/500s-tól már nem a mechanikus, hanem az elektronikus zár működik).
'''Hátránya'''
*Bonyolult előállítás, emiatt drága
*A kiolvasási elektronikának több kiolvasási csatorna esetén tökéletesen megegyezőnek kell lennie, egyébként sávosodás lép fel (banding)
*Könnyen létre jöhet az ún. Blooming effektus: ha egy elektródán túl sok töltés halmo-zódik fel, egyszerűen átfolyik a mellette levő elektróda területére (ez ellen számos anti-blooming eljárás létezik, általában a CCD-k adatlapján szerepel ennek a hatékonysága)
*Magas fogyasztás, emiatt nagyobb melegedés (és nagyobb termikus zaj)
=== CMOS ===
A CMOS-nál a megnevezés csak és kizárólag a gyártástechnológiát jelöli.
Ahogy a leírásból is látszik, az első esetben aktív pixelekről beszélünk, azaz minden egyes képpont saját erősítővel rendelkezik (töltés-feszültség konverter, amely a CCD-nél a kiolvasó egységben volt megtalálható). A kiolvasás mátrix elven történik, minden képpontot külön-külön meg lehet címezni. Mivel minden egyes pixel külön címezhető, illetve a vezetékhálóza-ton keresztül bármilyen sorrendben összekapcsolható a chip további erősítőfokozataival, na-gyon könnyű a kép egy részletét vagy éppen egy alacsonyabb felbontású képet is kiolvasni.
A CMOS érzékelőre nagyon könnyű integrálni egyéb áramköri elemeket. Általában a CMOS érzékelők tartalmazzák az analóg-digitális átalakítókat is (míg ez a CCD-nél külön áramkör volt), sőt egyes esetben elő-feldolgozást is végeznek (szenzor szintű zajszűrés például). A nagyobb integrálásnak köszönhetően alacsonyabb az előállítási költségük, mint CCD társaik-nak.

'''Hátrányok:'''
*Nagyobb zaj: a pixelek egyedi erősítőit nem lehet pontosan beállítani, ezért ezek extra zajt adnak a képhez (pix-pattern noise). Erre a problémára a Canon talált tökéletes megoldást hardver szinten (és lassan minden gyártó alkalmaz hasonló megoldásokat),
*Interferencia érzékenység: a nagy számú aktív elem sokkal érzékenyebb a környezetből érkező elektromágneses zavarokra, mint a CCD,
*Az aktív elemek csökkentik az érzékelő hatásos méretét (mint az Interline CCD-knél), de itt is segítséget nyújtanak a mikrolencsék,
*Az elektronikus zár nem, vagy nehezen valósítható meg. Jól látható a CMOS érzéke-lőkkel készült videofelvételeken ennek a hatása: a kiolvasási sebesség miatt jól érzé-kelhetően elcsúszik a kép (nem azonos időpillanatban történik a teljes kép kiolvasása meg, mint a CCD-knél), és ha pl. egy mozgó autót fényképezünk, akkor az eredetileg kb. téglatest forma szétcsúszik paralelogrammává.
'''Előnyök:'''
*A nagy integrálhatóság miatt alacsony ár,
*Kis fogyasztás, kisebb hőtermelés (alacsonyabb termikus zaj).
*Kisebb késleltetés
*Nagyobb sebesség
[http://prohardver.hu/teszt/a_fotozas_alapjai_i/ii_7_ccd_vs_cmos.html Forrás]

== Ismertesse a színlátás alapjait. Milyen módszereket használunk több módusú (színes) érzékelésre? Mit jelent a színhőmérséklet? ==
=== Emberi színlátás ===
A nappali látás érzékelőelemeinek, a csapocskáknak három fajtájuk van. Az egyes csapocskák a színüknek megfelelő hullámhossztartományban nyelik el a fényt. Az elnyelt fény hatására létrejövő reakciót – ami a látásérzetet kelti.
[http://109.74.55.19/tananyagok/tananyagok/Nyomdaipar/0972-06%20K%C3%A9pfeldolgoz%C3%A1s/004%20Sz%C3%ADnl%C3%A1t%C3%A1s%20alapjai,%20sz%C3%ADnkever%C3%A9sek%20.pdf Forrás]

[[Fájl:Számítógépes_látórendszerek_Hullamhossz_1.png]]

=== Színhőmérséklet ===
A látható fény egy jellegzetessége. Egy fényforrás színhőmérsékletét az általa okozott színérzet és egy hipotetikus feketetest-sugárzó által létrehozott színérzet alapján határozzák meg. Izzólámpák esetében, lévén, hogy a fény izzásból származik, a színhőmérséklet jól egybe esik az izzószál hőmérsékletével. A nem hőmérsékleti sugárzás elvén működő fényforrások, mint például a fénycsövek esetében közvetlen fizikai jelentése nincsen. Ezért ilyenkor inkább korrelált színhőmérsékletről beszélünk. Elterjedt jelölése: CCT (Correlated Color Temperature)
[http://hu.wikipedia.org/wiki/Sz%C3%ADnh%C5%91m%C3%A9rs%C3%A9klet Forrás]

== Ismertesse a képi tartalom fontosabb jellemzőit, korlátait: Felbontás, bitmélység, interlace, mozgás, digitális zaj, tömörítési problémák.==
=== Felbontás ===
A képfelbontás a képen belüli képpont-távolságot mutatja. Mértékegysége a képpont/hüvelyk (angolul pixels per inch, ppi). Ha egy kép felbontása 72 ppi, az azt jelenti, hogy egy négyzethüvelyknyi területen 72×72 = 5184 képpont található. Nagyobb felbontás esetén jobb a kép minősége, azaz több részlet jelenik meg rajta. A képfelbontás elméleti érték, ugyanis az, hogy milyen minőségű képet kapunk, függ a kép fizikai méretétől és a kimeneti eszköz felbontásától is.
[http://hu.wikipedia.org/wiki/Rasztergrafika#Felbont.C3.A1s Forrás] 
=== Bitmélység ===
A bitmélység adja meg, hogy a kép egyes képpontjaihoz mennyi színinformáció áll rendelkezésre. Minél több a képpontonkénti információ, annál több szín jeleníthető meg a képen, és annál pontosabb a színmegjelenítés. Az 1-es bitmélységgel rendelkező képhez például két lehetséges érték tartozik: a fekete és a fehér. A 8-as bitmélységgel rendelkező kép lehetséges értékeinek száma <math> 2^8 </math>, vagyis 256. A 8-as bitmélységgel rendelkező, szürkeárnyalatos módú képen 256 szürkeárnyalat szerepelhet. A RGB rendszerű képek három színcsatornából állnak. Egy (csatornánként) 8 bites RGB-kép esetén 256 érték tartozik minden csatornához, ami azt jelenti, hogy a kép több mint 16 millió lehetséges színértékkel rendelkezik. A csatornánként 8 bites (8 bpc) RGB képeket szokták 24 bites képeknek is hívni (8 bit x 3 csatorna = 24 adatbit képpontonként).
[https://helpx.adobe.com/hu/photoshop/using/image-essentials.html#WSfd1234e1c4b69f30ea53e41001031ab64-73daa Forrás]

=== Interlace ===
A televíziózásban a sávszélesség kihasználása, optimális kitöltése nagy feladat. Mivel ezeket a vonalakat az adók üzemeltetői pénzből tartják fenn, a hatékonyság elengedhetetlen követelmény. A sávszélesség igény csökkentésének egyik megoldásaként hozták létre az interlaced (sorváltott, összefűzött) megjelenítést. Az eljárás célja, hogy minőségvesztés nélkül (vagy minimális veszteség mellett) a lehető legkisebb sávszélesség felhasználásával lehessen az adásokat továbbítani. Az elgondolás azon az alapon nyugszik, hogy amennyiben egy teljes képkockát (keret, frame) felbontunk két fél keretre, így egy időegység alatt csupán egy fél keretet kell átvinni, amit aztán a vevő készülék többszöri villogtatással épít egybe a második fél kerettel, így szemünk nem veszi észre az eltérést és egészként érzékeli a képet. Első körben csupán minden páratlan pixelsort küldenek át, majd a párosakat. A hagyományos CRT tv-k, monitorok képesek megjeleníteni az ilyen jeleket, átlagosan 50-60 félkép/másodperc sebességgel, így a teljes kép 25-30 fps sebességű lesz.
[http://logout.hu/cikk/1080p24_technikai_nehezsegek_hd-ben/interlaced_es_progressziv_megjelenites.html Forrás]
=== Digitális zaj ===
A digitális fényképezőgépek érzékelőinek alapvető építőeleme a photosite. A szenzornak ezen része érzékeli valójában a fényt. Minden pixelre legalább egy photosite jut (van ahol kettő). Ezek az elemi egységek a fényt olyan módon érzékelik, hogy az expozíció ideje alatt rájuk eső fotonokat elektronokká (töltéssé) alakítják. Ez a töltés az expozíció ideje alatt halmozódik fel és megőrződik az expozíció után. Ha az expozíció befejeződött, akkor minden egyes photosite töltését megmérik, majd a mért értéket digitális értékké alakítják (digitalizálják). Ezt a mérési folyamatot nevezzük kiolvasásnak.
'''A zaj forrásai'''
A digitális fényképezőgépekkel készített képek zaja több különböző forrásból ered:
*'''Sötét zaj:''' A Sötét Zaj (Dark Noise) a szenzorban (pontosabban a szilícium-szilíciumdioxid átmeneteknél) a hőtől keletkezett szabad elektronok felhalmozódása a szenzor photosita-jaiban. Ez jellegzetes "grízes" zajként jelentkezik a képen. Az ehhez kapcsolódó kifejezés még a "dark current", amely ezeknek az elektronoknak a keletkezési sebességét jelenti.
*'''Kiolvasási zaj (Bias Noise):''' Ahhoz hogy képet alkossunk a szenzor photosite-jaiban tárolt töltésekből, minden egyes photosite töltését meg kell mérni és a mért értéket digitalizálni kell. Ez a mérés a szenzor kiolvasási folyamatának része. Azonban az eljárás távolról sem tökéletes. Az egyes photosite-ok töltése túlságosan kicsi ahhoz, hogy erősítés nélkül meg lehessen mérni, és ez az erősítés a probléma (zaj) forrása. A kiolvasást végző erősítők valamennyi zajt elengedhetetlenül hozzáadnak a photosite által tárolt és általuk felerősített töltéshez.
*'''Foton zaj:''' A foton zajt a szenzorra érkező fotonok egyenetlen "érkezési ideje" okozza. Ha a fotonok konstans rátában érkeznének, (mintha csak egy szállítószalag szállítaná őket a photosite-okba) akkor nem lenne foton zaj. Azonban a valóságban a fotonok rendszertelenül érkeznek. Az egyik photosite elég szerencsés ahhoz, hogy az expozíció ideje alatt 100 foton találja el, addig előfordulhat, hogy a mellette lévőt, ugyanazon idő alatt csak 80 foton éri el. Ha egy egyenletesen megvilágított felületet fényképezünk, akkor a foton zaj, a szomszédjához viszonyítva, rendellenesen sötét pixelek formájában jelentkezik.
*'''Véletlen zaj:''' Az előbbi három okon felüli zajt általában a fényképezőgép elektronikájában fellépő feszültség vagy áramingadozások, elektromágneses interferencia és még sok más tényező okozhatja. A véletlen zaj képről képre más és más. Azonban bármi is okozza, általában elenyészően kicsi.
[http://fototipp.hu/zaj Forrás]

A fenti zaj típusok Gauss zajok, mivel lényegében korrelálatlan valószínűségi változókból erednek. Érdemes még megemlíteni a még a '''só-bors zaj'''t, amely véletlenszerű helyeken fekete vagy fehér pixeleket jelent. Nem Gauss jellegű hiba ([http://www.imm.dtu.dk/~pcha/HNO/ChallF.pdf forrás]), nem is javítható azokhoz hasonlóan, hanem medián szűrővel érdemes. Jellemzően az ADC és az átvitel hibái okozzák ([http://en.wikipedia.org/wiki/Image_noise#Salt-and-pepper_noise forrás]).

=== Tömörítési problémák ===
Tömörítési hibának ebben a cikkben a képek, hangok, videók veszteséges tömörítése során fellépő észrevehető minőségromlást nevezzük. Technikailag a tömörítési hiba általában a veszteséges tömörítés kvantálási lépése során fellépő probléma. Transzformációs kodekeknél általában a kódoló transzformációs terének bázisára jellemző a hiba. A blokk-alapú DCT transzformáció során, amit például az elterjedt JPEG tömörítés használ, többfajta tömörítési hiba szokott előfordulni. Ezek közé tartozik az elmosódott területen kontúrosodás megjelenése, a görbe vonalak mentén lépcsőzetes zaj megjelentése, „légypiszkok” a szélek mentén, sakktáblaszerű hiba (másképpen blokkosság) a kép „mozgalmas” részein.
[http://hu.wikipedia.org/wiki/T%C3%B6m%C3%B6r%C3%ADt%C3%A9si_hiba#T.C3.B6m.C3.B6r.C3.ADt.C3.A9si_hib.C3.A1k_a_k.C3.A9pt.C3.B6m.C3.B6r.C3.ADt.C3.A9sben Forrás]

== Mit jelent a színtér? Miért van szükség többféle színtérre? Mit jelent a szürkeárnyalatosítás? Röviden ismertesse a fontosabb színtereket, azok feladatát. ==
=== Színtér ===
A színterek a színek ábrázolására használható virtuális térbeli koordináta-rendszer, ahol az egyes színek tulajdonságait azok koordinátái fejezik ki. Színességi koordinátákból épül fel a CIE XYZ színtér. Valamennyi további színtér különbözik ettől; koordinátái általában: egy színezeti, egy világossági és egy színtelítettségi jellemző. A színtérben az ábrázolható színek valamilyen rend szerint kerülnek elhelyezésre (például az alapján, hogy a színtér alapszíneinek milyen arányú keverésével állíthatók elő), és a pozíciójukat meghatározó koordinátákkal kerülnek azonosításra (például az RGB színtérben a (255,0,128) koordinátán a maximális vörös, nulla zöld, és a maximális felének megfelelő kék komponensek összeadásából keletkező szín található).
[http://hu.wikipedia.org/wiki/Sz%C3%ADnt%C3%A9r Forrás]
=== Többféle színtér ===
=== Színterek ===
*A '''televíziós technikában''' az RGB komponenseket veszi fel a kamera, ebből egy olyan világossági értéket (jele Y, neve luma) képeznek, amely kompatibilis a fekete–fehér televízió világossági értékével. Ezek után képezik az R-Y és a B-Y színkomponenseket. Így az analóg televízió egy világossági és két színességi (chroma) jelet továbbít (ez három merőleges térbeli vektor). ''Megjegyzés:'' a színkomponenseket magasabb frekvencián modulálják a világosság fölött, ami a fekete-fehér megjelenítőn nem látszik). Az alapötlet egyébként a mai digitális rendszerekben is használatos, pl. ''YCbCr'' színtérnél a színezeti adatokat 2-4 pixelre összevonhatják, hogy csökkenjen a szükséges sávszélesség (az emberi szem pedig alig veszi észre az eltérést).
*A '''képfeldolgozás''' technikájában a HSL, a HSV és még további színterek 1970 után
*'''Számítástechnikában''': RGB és változatai (sRGB, AdobeRGB). A digitális fényképezőgépek legtöbbje az sRGB (standard RGB) rendszert használja. Az ADOBE virtuális alapszíningerek segítségével kiterjeszett színteret (wide gamut) használ. Az RGB additív színkeverési eljárás, amely azzal definiálja a színt, hogy a 3 alapszínű fényből mennyit kell összekeverni a kívánt szín eléréséhez.
*'''Nyomdatechnikában''': CMYK. A három- és négyszínnyomás technikája Jacob Christoph le Blon rézmetsző mestertől származik (1667–1741) Blon eredeti alapszínei az RYBK (vörös, sárga, bíbor, és a kulcsszín: a fekete) voltak. Abban az időben nem volt még elegendően tiszta az additív és a szubtraktív színkeverés közti különbség (a könyvnyomtatás vonatkozásában).
*Négy alapszínnel dolgozó szubtraktív színkeverési technika.

== Mit jelent a színkorrekció? Ismertesse a fontosabb szín és fényességkorrekciós eljárásokat: Gamma korrekció, kontraszt, fényesség. Miért van ezekre szükség, mire jók? ==
=== Gamma korrekció ===
A kontraszt értékeket optimalizáló eljárás. A Gamma-korrekcióval a kép fényessége és színeinek élessége szabályozható. Ezáltal a pontos részletek a sötétben játszódó jeleneteknél jobban láthatók, és a kép mélysége is megmarad. Ha a Gamma korrekció értéke magas, a kép világosabb tónusú lesz kevésbé telt színekkel, míg ellenkező esetben sötétebb árnyalatok és valamivel teltebb színek jellemzik a képet.
=== Kontraszt ===
A leggyakrabban használt algoritmus a hisztogram kiegyenlítése (histogram equalization- HE). A módszer az intenzitások előfordulási gyakoriságának függvényében úgy nyújtja a hisztogramot, hogy az kitöltse a rendelkezésére álló intenzitástartományt és a szomszédos intenzitások távolsága azok előfordulási gyakoriságának függvényében alakuljon.
[http://www.inf.u-szeged.hu/projectdirs/kepaf2011/pdfs/S04_04.pdf Forrás] 
A kép világos és sötét részei közötti tónuskülönbség. Ha két kép azonos motívumot ábrázol és az egyiken két adott részlet tónusának különbsége nagyobb mint a másikon, akkor ennek nagyobb a kontrasztja.
=== Fényesség ===
Fényesség (Lightness), relatív világosságérzet, a felület becsült reflektanciája vagy transzmittanciája.

== Ismertesse a képi tartalom tárolásának fontosabb problémáit, lehetőségeit, módszereit. Hogyan használjuk a képi adatbázisokat? ==
=== Képek tárolása ===
*Tömörítetlen: BMP, PNM
*Veszteség nélkül: GIF, JPEG-LS/2000, PNG, TIFF, H.264 lossless...
*Veszteséges: JPEG, PNG, H.264...
*Konténer formátumok: (PNG), TIFF, AVI, MOV, MP4, OGG, WMV...
=== Képi adatbázisok ===
*Alapadatok: Méret, felvétel/módosítás időpontja
*Méréseken alapuló adatok (pl. objektumok száma, színek, méretek)
*Intelligens felismerés (pl. ember, virág, gépjármű)
*Jogosultságok
*Felhasználói kulcsszavak
*Miniatűrök
[http://sirkan.iit.bme.hu/dokeos/courses/VIIIMA07/document/Prezent%E1ci%F3k/01-Bevezet%E9s.pdf?cidReq=VIIIMA07 Forrás]

Számítógépes látórendszerek - Ellenőrző kérdések: Számítógépes látás alapok

2015-04-15T17:57:21Z

Major Péter: /* Bitmélység */

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? ==
'''Kép''': Vizuális információkat tartalmazó összefüggő adathalmaz.

Leírás általában '''pixel/voxel''' tömbként történik. 2 (pixel) vagy 3 (voxel, ''volume pixel'') dimenziós képpontokat használunk, vonalkamera esetén 1 dimenziósakat.

Egyéb leírási formák:
*Láncok (pl. RLE)
*Topológiai leírások (gráfok)
*Relációs struktúrák
*Hierarchikus leírások

'''Videófolyam''': Tipikusan képek sorozata, mozgásleírás (pl. MPEG4 tömörítés) címesemények sorozata. Általában ezt dolgozzuk fel, van (''a priori'') ismeretünk az előző képről, változást elemezzük.

== Ismertesse a fényérzékelés fontosabb eszközeit. Részletezze a CCD és a CMOS érzékelők működését, típusait, előnyeit és hátrányait. ==
'''Fényérzékelés eszközei:'''
*Fotodióda
**CCD
**CMOS (Főként APS)
*Fotoellenállás
*Kvantumeszközök
*Kémiai érzékelők
*Hőmérsékletmérésen alapuló eszközök
=== CCD ===
1969-ben fejlesztették ki a Bell Labsnál, analóg léptetőregiszternek. Működésének lényege, hogy adott órajel hatására a bemeneti oldalon levő töltést mozgásra lehet bírni, azaz léptetni lehet a kimeneti oldal fele. Gyorsan kiderült, hogy nem csak elektronikusan lehet feltölteni a regisztereket, hanem a fény fotonjaival is. 1970-re képesek voltak képet létrehozni az új esz-közzel, s így megszületett a CCD.
Többfajta CCD-vel találkozhatunk a mai gépekben. A fent leírt eszköz hivatalos neve a Full-Frame Transfer (FFT) CCD. Ilyen érzékelő szerepel pl. a Canon 1D-ben vagy az Olympus E1-ben is. Gyakran a sebesség növelése érdekében nem egy kiolvasási vonalat (kiolvasó regisztert) használnak, hanem többet, ennek neve a Frame Transfer CCD. Ezeknél az érzékelőknél nincs lehetőség elektronikus zár alkalmazására.
A másik, elterjedtebb CCD típus az interline CCD. A fő különbség a kettő közt, hogy a Full-Frame Transfer CCD nem tud addig újabb képet készíteni, amíg a kiolvasás végre nem hajtó-dik, ami azért időbe telik. Ez egy tükörreflexes, élőkép nélküli gépnél még nem probléma, de mi van akkor, ha folyamatos képet szeretnénk látni, pl. kompakt fényképezőgépeknél vagy videokameráknál? Ilyenkor jön az interline CCD a képbe.

'''Összefoglalva:'''
*Fullframe-Transfer CCD pixelenként olvasás (külső zár szükséges)
*Frame-transfer CCD fotoérzékelők egyszerre CCD-re
*Interline CCD CCD a fotoaktív oszlopok között (rosszabb felbontás)
'''Előnye'''
*Nagy érzékenység
*Kevés zaj
*Interline felépítés esetén elektronikus zár megvalósítható (ezt ki is használták pl. a Ni-kon D70-nél is, ahol 1/500s-tól már nem a mechanikus, hanem az elektronikus zár működik).
'''Hátránya'''
*Bonyolult előállítás, emiatt drága
*A kiolvasási elektronikának több kiolvasási csatorna esetén tökéletesen megegyezőnek kell lennie, egyébként sávosodás lép fel (banding)
*Könnyen létre jöhet az ún. Blooming effektus: ha egy elektródán túl sok töltés halmo-zódik fel, egyszerűen átfolyik a mellette levő elektróda területére (ez ellen számos anti-blooming eljárás létezik, általában a CCD-k adatlapján szerepel ennek a hatékonysága)
*Magas fogyasztás, emiatt nagyobb melegedés (és nagyobb termikus zaj)
=== CMOS ===
A CMOS-nál a megnevezés csak és kizárólag a gyártástechnológiát jelöli.
Ahogy a leírásból is látszik, az első esetben aktív pixelekről beszélünk, azaz minden egyes képpont saját erősítővel rendelkezik (töltés-feszültség konverter, amely a CCD-nél a kiolvasó egységben volt megtalálható). A kiolvasás mátrix elven történik, minden képpontot külön-külön meg lehet címezni. Mivel minden egyes pixel külön címezhető, illetve a vezetékhálóza-ton keresztül bármilyen sorrendben összekapcsolható a chip további erősítőfokozataival, na-gyon könnyű a kép egy részletét vagy éppen egy alacsonyabb felbontású képet is kiolvasni.
A CMOS érzékelőre nagyon könnyű integrálni egyéb áramköri elemeket. Általában a CMOS érzékelők tartalmazzák az analóg-digitális átalakítókat is (míg ez a CCD-nél külön áramkör volt), sőt egyes esetben elő-feldolgozást is végeznek (szenzor szintű zajszűrés például). A nagyobb integrálásnak köszönhetően alacsonyabb az előállítási költségük, mint CCD társaik-nak.

'''Hátrányok:'''
*Nagyobb zaj: a pixelek egyedi erősítőit nem lehet pontosan beállítani, ezért ezek extra zajt adnak a képhez (pix-pattern noise). Erre a problémára a Canon talált tökéletes megoldást hardver szinten (és lassan minden gyártó alkalmaz hasonló megoldásokat),
*Interferencia érzékenység: a nagy számú aktív elem sokkal érzékenyebb a környezetből érkező elektromágneses zavarokra, mint a CCD,
*Az aktív elemek csökkentik az érzékelő hatásos méretét (mint az Interline CCD-knél), de itt is segítséget nyújtanak a mikrolencsék,
*Az elektronikus zár nem, vagy nehezen valósítható meg. Jól látható a CMOS érzéke-lőkkel készült videofelvételeken ennek a hatása: a kiolvasási sebesség miatt jól érzé-kelhetően elcsúszik a kép (nem azonos időpillanatban történik a teljes kép kiolvasása meg, mint a CCD-knél), és ha pl. egy mozgó autót fényképezünk, akkor az eredetileg kb. téglatest forma szétcsúszik paralelogrammává.
'''Előnyök:'''
*A nagy integrálhatóság miatt alacsony ár,
*Kis fogyasztás, kisebb hőtermelés (alacsonyabb termikus zaj).
*Kisebb késleltetés
*Nagyobb sebesség
[http://prohardver.hu/teszt/a_fotozas_alapjai_i/ii_7_ccd_vs_cmos.html Forrás]

== Ismertesse a színlátás alapjait. Milyen módszereket használunk több módusú (színes) érzékelésre? Mit jelent a színhőmérséklet? ==
=== Emberi színlátás ===
A nappali látás érzékelőelemeinek, a csapocskáknak három fajtájuk van. Az egyes csapocskák a színüknek megfelelő hullámhossztartományban nyelik el a fényt. Az elnyelt fény hatására létrejövő reakciót – ami a látásérzetet kelti.
[http://109.74.55.19/tananyagok/tananyagok/Nyomdaipar/0972-06%20K%C3%A9pfeldolgoz%C3%A1s/004%20Sz%C3%ADnl%C3%A1t%C3%A1s%20alapjai,%20sz%C3%ADnkever%C3%A9sek%20.pdf Forrás]

[[Fájl:Számítógépes_látórendszerek_Hullamhossz_1.png]]

=== Színhőmérséklet ===
A látható fény egy jellegzetessége. Egy fényforrás színhőmérsékletét az általa okozott színérzet és egy hipotetikus feketetest-sugárzó által létrehozott színérzet alapján határozzák meg. Izzólámpák esetében, lévén, hogy a fény izzásból származik, a színhőmérséklet jól egybe esik az izzószál hőmérsékletével. A nem hőmérsékleti sugárzás elvén működő fényforrások, mint például a fénycsövek esetében közvetlen fizikai jelentése nincsen. Ezért ilyenkor inkább korrelált színhőmérsékletről beszélünk. Elterjedt jelölése: CCT (Correlated Color Temperature)
[http://hu.wikipedia.org/wiki/Sz%C3%ADnh%C5%91m%C3%A9rs%C3%A9klet Forrás]

== Ismertesse a képi tartalom fontosabb jellemzőit, korlátait: Felbontás, bitmélység, interlace, mozgás, digitális zaj, tömörítési problémák.==
=== Felbontás ===
A képfelbontás a képen belüli képpont-távolságot mutatja. Mértékegysége a képpont/hüvelyk (angolul pixels per inch, ppi). Ha egy kép felbontása 72 ppi, az azt jelenti, hogy egy négyzethüvelyknyi területen 72×72 = 5184 képpont található. Nagyobb felbontás esetén jobb a kép minősége, azaz több részlet jelenik meg rajta. A képfelbontás elméleti érték, ugyanis az, hogy milyen minőségű képet kapunk, függ a kép fizikai méretétől és a kimeneti eszköz felbontásától is.
[http://hu.wikipedia.org/wiki/Rasztergrafika#Felbont.C3.A1s Forrás] 
=== Bitmélység ===
A bitmélység adja meg, hogy a kép egyes képpontjaihoz mennyi színinformáció áll rendelkezésre. Minél több a képpontonkénti információ, annál több szín jeleníthető meg a képen, és annál pontosabb a színmegjelenítés. Az 1-es bitmélységgel rendelkező képhez például két lehetséges érték tartozik: a fekete és a fehér. A 8-as bitmélységgel rendelkező kép lehetséges értékeinek száma <math> 2^8 </math>, vagyis 256. A 8-as bitmélységgel rendelkező, szürkeárnyalatos módú képen 256 szürkeárnyalat szerepelhet. A RGB rendszerű képek három színcsatornából állnak. Egy (csatornánként) 8 bites RGB-kép esetén 256 érték tartozik minden csatornához, ami azt jelenti, hogy a kép több mint 16 millió lehetséges színértékkel rendelkezik. A csatornánként 8 bites (8 bpc) RGB képeket szokták 24 bites képeknek is hívni (8 bit x 3 csatorna = 24 adatbit képpontonként).
[https://helpx.adobe.com/hu/photoshop/using/image-essentials.html#WSfd1234e1c4b69f30ea53e41001031ab64-73daa Forrás]

=== Interlace ===
A televíziózásban a sávszélesség kihasználása, optimális kitöltése nagy feladat. Mivel ezeket a vonalakat az adók üzemeltetői pénzből tartják fenn, a hatékonyság elengedhetetlen követelmény. A sávszélesség igény csökkentésének egyik megoldásaként hozták létre az interlaced (sorváltott, összefűzött) megjelenítést. Az eljárás célja, hogy minőségvesztés nélkül (vagy minimális veszteség mellett) a lehető legkisebb sávszélesség felhasználásával lehessen az adásokat továbbítani. Az elgondolás azon az alapon nyugszik, hogy amennyiben egy teljes képkockát (keret, frame) felbontunk két fél keretre, így egy időegység alatt csupán egy fél keretet kell átvinni, amit aztán a vevő készülék többszöri villogtatással épít egybe a második fél kerettel, így szemünk nem veszi észre az eltérést és egészként érzékeli a képet. Első körben csupán minden páratlan pixelsort küldenek át, majd a párosakat. A hagyományos CRT tv-k, monitorok képesek megjeleníteni az ilyen jeleket, átlagosan 50-60 félkép/másodperc sebességgel, így a teljes kép 25-30 fps sebességű lesz.
[http://logout.hu/cikk/1080p24_technikai_nehezsegek_hd-ben/interlaced_es_progressziv_megjelenites.html Forrás]
=== Digitális zaj ===
A digitális fényképezőgépek érzékelőinek alapvető építőeleme a photosite. A szenzornak ezen része érzékeli valójában a fényt. Minden pixelre legalább egy photosite jut (van ahol kettő). Ezek az elemi egységek a fényt olyan módon érzékelik, hogy az expozíció ideje alatt rájuk eső fotonokat elektronokká (töltéssé) alakítják. Ez a töltés az expozíció ideje alatt halmozódik fel és megőrződik az expozíció után. Ha az expozíció befejeződött, akkor minden egyes photosite töltését megmérik, majd a mért értéket digitális értékké alakítják (digitalizálják). Ezt a mérési folyamatot nevezzük kiolvasásnak.
'''A zaj forrásai'''
A digitális fényképezőgépekkel készített képek zaja több különböző forrásból ered:
*'''Sötét zaj:''' A Sötét Zaj (Dark Noise) a szenzorban (pontosabban a szilícium-szilíciumdioxid átmeneteknél) a hőtől keletkezett szabad elektronok felhalmozódása a szenzor photosita-jaiban. Ez jellegzetes "grízes" zajként jelentkezik a képen. Az ehhez kapcsolódó kifejezés még a "dark current", amely ezeknek az elektronoknak a keletkezési sebességét jelenti.
*'''Kiolvasási zaj (Bias Noise):''' Ahhoz hogy képet alkossunk a szenzor photosite-jaiban tárolt töltésekből, minden egyes photosite töltését meg kell mérni és a mért értéket digitalizálni kell. Ez a mérés a szenzor kiolvasási folyamatának része. Azonban az eljárás távolról sem tökéletes. Az egyes photosite-ok töltése túlságosan kicsi ahhoz, hogy erősítés nélkül meg lehessen mérni, és ez az erősítés a probléma (zaj) forrása. A kiolvasást végző erősítők valamennyi zajt elengedhetetlenül hozzáadnak a photosite által tárolt és általuk felerősített töltéshez.
*'''Foton zaj:''' A foton zajt a szenzorra érkező fotonok egyenetlen "érkezési ideje" okozza. Ha a fotonok konstans rátában érkeznének, (mintha csak egy szállítószalag szállítaná őket a photosite-okba) akkor nem lenne foton zaj. Azonban a valóságban a fotonok rendszertelenül érkeznek. Az egyik photosite elég szerencsés ahhoz, hogy az expozíció ideje alatt 100 foton találja el, addig előfordulhat, hogy a mellette lévőt, ugyanazon idő alatt csak 80 foton éri el. Ha egy egyenletesen megvilágított felületet fényképezünk, akkor a foton zaj, a szomszédjához viszonyítva, rendellenesen sötét pixelek formájában jelentkezik.
*'''Véletlen zaj:''' Az előbbi három okon felüli zajt általában a fényképezőgép elektronikájában fellépő feszültség vagy áramingadozások, elektromágneses interferencia és még sok más tényező okozhatja. A véletlen zaj képről képre más és más. Azonban bármi is okozza, általában elenyészően kicsi.
[http://fototipp.hu/zaj Forrás]

A fenti zaj típusok Gauss zajok, mivel lényegében korrelálatlan valószínűségi változókból erednek. Érdemes még megemlíteni a még a '''só-bors zaj'''t, amely véletlenszerű helyeken fekete vagy fehér pixeleket jelent. Nem Gauss jellegű hiba ([http://www.imm.dtu.dk/~pcha/HNO/ChallF.pdf forrás]), nem is javítható azokhoz hasonlóan, hanem medián szűrővel érdemes. Jellemzően az ADC és az átvitel hibái okozzák ([http://en.wikipedia.org/wiki/Image_noise#Salt-and-pepper_noise forrás]).

=== Tömörítési problémák ===
Tömörítési hibának ebben a cikkben a képek, hangok, videók veszteséges tömörítése során fellépő észrevehető minőségromlást nevezzük. Technikailag a tömörítési hiba általában a veszteséges tömörítés kvantálási lépése során fellépő probléma. Transzformációs kodekeknél általában a kódoló transzformációs terének bázisára jellemző a hiba. A blokk-alapú DCT transzformáció során, amit például az elterjedt JPEG tömörítés használ, többfajta tömörítési hiba szokott előfordulni. Ezek közé tartozik az elmosódott területen kontúrosodás megjelenése, a görbe vonalak mentén lépcsőzetes zaj megjelentése, „légypiszkok” a szélek mentén, sakktáblaszerű hiba (másképpen blokkosság) a kép „mozgalmas” részein.
[http://hu.wikipedia.org/wiki/T%C3%B6m%C3%B6r%C3%ADt%C3%A9si_hiba#T.C3.B6m.C3.B6r.C3.ADt.C3.A9si_hib.C3.A1k_a_k.C3.A9pt.C3.B6m.C3.B6r.C3.ADt.C3.A9sben Forrás]

== Mit jelent a színtér? Miért van szükség többféle színtérre? Mit jelent a szürkeárnyalatosítás? Röviden ismertesse a fontosabb színtereket, azok feladatát. ==
=== Színtér ===
A színterek a színek ábrázolására használható virtuális térbeli koordináta-rendszer, ahol az egyes színek tulajdonságait azok koordinátái fejezik ki. Színességi koordinátákból épül fel a CIE XYZ színtér. Valamennyi további színtér különbözik ettől; koordinátái általában: egy színezeti, egy világossági és egy színtelítettségi jellemző. A színtérben az ábrázolható színek valamilyen rend szerint kerülnek elhelyezésre (például az alapján, hogy a színtér alapszíneinek milyen arányú keverésével állíthatók elő), és a pozíciójukat meghatározó koordinátákkal kerülnek azonosításra (például az RGB színtérben a (255,0,128) koordinátán a maximális vörös, nulla zöld, és a maximális felének megfelelő kék komponensek összeadásából keletkező szín található).
[http://hu.wikipedia.org/wiki/Sz%C3%ADnt%C3%A9r Forrás]
=== Többféle színtér ===
=== Színterek ===
*A '''televíziós technikában''' az RGB komponenseket veszi fel a kamera, ebből egy olyan világossági értéket (jele Y, neve luma) képeznek, amely kompatibilis a fekete–fehér televízió világossági értékével. Ezek után képezik az R-Y és a B-Y színkomponenseket. Így az analóg televízió egy világossági és két színességi (chroma) jelet továbbít (ez három merőleges térbeli vektor).
*A '''képfeldolgozás''' technikájában a HSL, a HSV és még további színterek 1970 után
*'''Számítástechnikában''': RGB és változatai (sRGB, AdobeRGB). A digitális fényképezőgépek legtöbbje az sRGB (standard RGB) rendszert használja. Az ADOBE virtuális alapszíningerek segítségével kiterjeszett színteret (wide gamut) használ. Az RGB additív színkeverési eljárás, amely azzal definiálja a színt, hogy a 3 alapszínű fényből mennyit kell összekeverni a kívánt szín eléréséhez.
*'''Nyomdatechnikában''': CMYK. A három- és négyszínnyomás technikája Jacob Christoph le Blon rézmetsző mestertől származik (1667–1741) Blon eredeti alapszínei az RYBK (vörös, sárga, bíbor, és a kulcsszín: a fekete) voltak. Abban az időben nem volt még elegendően tiszta az additív és a szubtraktív színkeverés közti különbség (a könyvnyomtatás vonatkozásában).
*Négy alapszínnel dolgozó szubtraktív színkeverési technika.

== Mit jelent a színkorrekció? Ismertesse a fontosabb szín és fényességkorrekciós eljárásokat: Gamma korrekció, kontraszt, fényesség. Miért van ezekre szükség, mire jók? ==
=== Gamma korrekció ===
A kontraszt értékeket optimalizáló eljárás. A Gamma-korrekcióval a kép fényessége és színeinek élessége szabályozható. Ezáltal a pontos részletek a sötétben játszódó jeleneteknél jobban láthatók, és a kép mélysége is megmarad. Ha a Gamma korrekció értéke magas, a kép világosabb tónusú lesz kevésbé telt színekkel, míg ellenkező esetben sötétebb árnyalatok és valamivel teltebb színek jellemzik a képet.
=== Kontraszt ===
A leggyakrabban használt algoritmus a hisztogram kiegyenlítése (histogram equalization- HE). A módszer az intenzitások előfordulási gyakoriságának függvényében úgy nyújtja a hisztogramot, hogy az kitöltse a rendelkezésére álló intenzitástartományt és a szomszédos intenzitások távolsága azok előfordulási gyakoriságának függvényében alakuljon.
[http://www.inf.u-szeged.hu/projectdirs/kepaf2011/pdfs/S04_04.pdf Forrás] 
A kép világos és sötét részei közötti tónuskülönbség. Ha két kép azonos motívumot ábrázol és az egyiken két adott részlet tónusának különbsége nagyobb mint a másikon, akkor ennek nagyobb a kontrasztja.
=== Fényesség ===
Fényesség (Lightness), relatív világosságérzet, a felület becsült reflektanciája vagy transzmittanciája.

== Ismertesse a képi tartalom tárolásának fontosabb problémáit, lehetőségeit, módszereit. Hogyan használjuk a képi adatbázisokat? ==
=== Képek tárolása ===
*Tömörítetlen: BMP, PNM
*Veszteség nélkül: GIF, JPEG-LS/2000, PNG, TIFF, H.264 lossless...
*Veszteséges: JPEG, PNG, H.264...
*Konténer formátumok: (PNG), TIFF, AVI, MOV, MP4, OGG, WMV...
=== Képi adatbázisok ===
*Alapadatok: Méret, felvétel/módosítás időpontja
*Méréseken alapuló adatok (pl. objektumok száma, színek, méretek)
*Intelligens felismerés (pl. ember, virág, gépjármű)
*Jogosultságok
*Felhasználói kulcsszavak
*Miniatűrök
[http://sirkan.iit.bme.hu/dokeos/courses/VIIIMA07/document/Prezent%E1ci%F3k/01-Bevezet%E9s.pdf?cidReq=VIIIMA07 Forrás]

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T16:41:09Z

Major Péter: /* Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? */ kész

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T15:01:46Z

Major Péter: /* Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. */ alkalmazások

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása (equalizing). A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. 
[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani.(16-tal kell osztani nem 9-el.)

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A korábbi szűrési eljárások a a zajhatásokat csak szétosztották(szétkenték), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól. 
Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke. Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Medain szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3,5x5 -ös kernelméreteket használnak, de van 7x7-es is, de ez valósidőben brutális.
A median-t például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==
== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==
== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

Gyakorlati alkalmazás:
* Kép-érték esetben az összeadás fényerő állítást jelent, a szorzás brightness/contrast állítást.[?]
* A szorzás művelet használható textúrázásra (maszkolásra).
* Az összeadás/átlagolás használható zajcsökkentésre.
* A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Javítás képtartományban

2015-04-15T14:58:47Z

Major Péter: /* Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). */ apró javítások

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a hisztogram? Ismertesse a hisztogramtranszformáció működését és felhasználási lehetőségeit. ==
=== Hisztogram ===
A kép hisztogramja a fényességértékek vagy az egyes színcsatornákon felvett értékeinek eloszlását (sűrűségfüggvényét) mutatja. A lehetséges színértékek tengelyére az egyes színértékek gyakoriságát viszik fel. Minél magasabb ez, annál többször fordul elő az adott színérték a képen.

A digitális képfeldolgozásban a hisztogram a kép színértékeiről vagy szürkeségi fokozatáról készül. Ez alapján adatok nyerhetők az előforduló színekről, kontrasztokról és fényességekről. Egy színes képről több hisztogram is készíthető az egyes színcsatornák, vagy az összes szín szerint. Mivel a legtöbb eljárás a fekete-fehér képeket támogatja, ezért inkább az egyes színcsatornák hisztogramját használják, ami lehetővé teszi a kép feldolgozásának azonnali folytatását. A színcsatornák száma az alapszínek számától függ: RGB estén három, CMYK esetén négy.

=== Működés, felhasználás ===
A digitális fényképészet gyakran használ hisztogramot. A jól felszerelt digitális fényképezőgépek valós időben mutatnak hisztogramokat, hogy így segítsék a képi egyensúly megtalálását. Ez pontosabb képszerkesztést tesz lehetővé, mint ami a kamerakép alapján tehetséges lehetne. Felismerhetők és javíthatók például a világítás hibái, ha a kép túl sötét vagy túl világos lenne. A kép későbbi feldolgozásában sokat számítanak a rajta levő kontrasztok és a fényességek, ezért érdemes a hisztogramokat figyelni.

A hisztogramok egy klasszikus felhasználása a színegyensúly beállítása (equalizing). A hisztogramot és a megfelelő színeket egy alkalmas függvénnyel transzformálják. Jobban kiegyensúlyozza a színeket, mint a kontrasztok erősítése. 
[http://hu.wikipedia.org/wiki/Hisztogram Forrás]

== Milyen fontosabb zajok jellemezhetik a képeket? Sorolja fel a lehetséges eljárásokat ezek eltüntetésére? Ismertesse a konvolúciós ablakkal történő képjavítás módszerét. ==

===Zajok===
'''Gauss zaj:''' Az erősítő képzaja. Gyenge megvilágítás, magas hőmérséklet és a fényképező elektronikája által okozott zaj. 
'''Só-bors zaj:''' A kép fekete és fehér pixelekkel van "megszórva". A/D konverziós, átviteli hibák okozzák.

[[Számítógépes_látórendszerek_-_Ellenőrző_kérdések:_Számítógépes_látás_alapok#Digitális_zaj|Digitális zaj típusok jellemzése]]

===Eljárások a zajok eltüntetésére===

*Egyszerű átlagolás
*Konvolúció
*Gauss szűrés
*Simító szűrők
*Élesítő szűrők
*Rank szűrők
*Median

===Konvolúciós ablak===

A kép adott pixelét a környezetében lévő pixelek függvényében módosítjuk. Pixelről pixelre haladunk. 
Az ablak (kernel, maszk) egy mátrix, elemei a súlyok. Lineáris esetben minden pixelt a környezetének lineáris kombinációjával helyettesítjük. 
A lineáris kombinációval történő leírást konvolúciós kernelnek nevezzük.

A képjavítás menete: 
#Az input minden pixelére egy ablakot/kernelt helyezünk úgy, hogy annak origója az adott pixelre essen. 
#Az input kép kernelében lévő pixeleit megszorozzuk a kernelben szereplő súlyokkal. 
#Az eredmény: az input helyzetének megfelelő pixel értéke a súlyozott értékek összege(esetleg skálázva).

== Hogyan tudunk simító szűrőt készíteni? Hogyan hat a képre a konvolúciós kernel mérete és a kernelen belüli értékek elrendezése? Milyen előnyei vannak az alábbi kernelnek: [ 1 2 1 ; 2 4 2 ; 1 2 1 ]? Ismertesse a Gauss szűrő lényegét. ==

===Simító szűrő===

Simítás lényege, hogy a képpontok közelebb kerülnek környezetük átlagához, azaz a kép „simább” lesz,
Vesszük a sima átlagoló szűrő kernelét, de különböző súlyozásokat használunk. A kernel elemei pozitívak.

===Konvolúciós kernel mérete===

Minél nagyobb a kernel, az apróbb dolgok annál inkább eltűnnek, elmosódnak.

===[ 1 2 1 ; 2 4 2 ; 1 2 1 ] kernel előnyei===

FPGA-ban nagyon könnyű megvalósítani.(16-tal kell osztani nem 9-el.)

===Gauss szűrő===

Kernelméret 3σ. Kernel: [1 4 1; 4 16 4 ; 1 4 1]. Egyenlő súly helyett érdemesebb a közelebbi pixeleket nagyobb súllyal számolni. 
A Gauss szűrő simító jellegű.Szépen elkeni a képet, viszont nem túl gyors. Algoritmusokban van szerepe, pl. a Canny-féle éldetektorban használjuk.

== Hogyan működnek az élesítő szűrők? Miben különbözik egy élesítő és egy élkereső szűrő? Milyen változtatást hajt végre a képen az alábbi szűrő: [ -2 -1 0 ; -1 1 1 ; 0 1 2 ]? ==

===Élesítő szűrők===

Kiemeli a környezeti átlagtól való eltérést (azaz az éleket). A kernelben vannak pozitív és negatív súlyok is. Minél nagyobb a középső érték annál inkább hasonlít az eredeti képre az új. Hátrány: a zajokat is kiemeli.

===Élesítő vs élkereső szűrő===

Élkereső szűrő esetén a kernel súlyainak összege nulla, míg élesítőnél nem. A nullával nem osztunk, hanem eltoljuk egy félszürkeárnyalattal.

===[ -2 -1 0 ; -1 1 1 ; 0 1 2 ] szűrő===

Ez térbeli kiemelésre használatos. Gyakorlatilag azonban ez is élkiemelés. Csak önmagában, mint élesítés nem használják.

== Milyen rank-szűrőket ismerünk, ismertesse ezek használatát. Milyen előnyei vannak a median szűrőnek. Hogyan hat a szűrésre a kernelméret és a kernel többszörös végrehajtása? ==

===Rank-szűrők===

A korábbi szűrési eljárások a a zajhatásokat csak szétosztották(szétkenték), ezzel szemben a Rank-szűrők szinte teljesen képesek megszabadítani a képet ezektől a pontszerű hibáktól. 
Működési elv: Vesszük minden pixel meghatározott környezetét. A pixel és a környezet intenzitásértékeit nagyság szerinti növekvő sorrendbe állítjuk. E sorból vegyük az n-edik elemet; ez lesz a pixel új világosságértéke. Ha n=1, akkor mindig a minimális értéket választottuk, ha n=k, akkor mindig a k-adikat. Median szűrésről akkor beszélünk, ha n=k/2, vagyis a sorba rendezett világosságértékek közül éppen a középsőt választjuk. A vizsgált pixelkörnyezet mérete, alakja sokféleképpen választható.

*k-adik szomszéd
*Minimum szűrő
*Maximum szűrő
*Median szűrő

===Medain szűrő előnyei===

Előnye, hogy a finom dolgok finomak maradnak, viszont a tüskék eltűnnek. Vagy másképpen: ez a szűrés a kiugró zajcsúcsokat teljesen eltünteti és nem csak elkeni, mint a lineáris szűrés.

===Kernelméret, kernel többszörös végrehajtása===

Általában 3x3,5x5 -ös kernelméreteket használnak, de van 7x7-es is, de ez valósidőben brutális.
A median-t például sokszor egymás után végrehajtják, így teljesen eltűnnek a zajcsúcsok.

== Ismertesse az élkeresés alapvető módszereit: DoG, első és második deriváltak, Canny, Frei & Chen (a konkrét kernelek nem szükségesek). Hogyan lehet az élkeresés eredményén javítani ha több-féle eljárásra is lehetőségünk nyílik (pl. Sobel)? Hogyan hat a kernelméret az élkeresésre? ==
== Milyen jellegű geometriai torzítások terhelhetik a képet? Ismertesse a perspektív illetve a radiális és tangenciális torzítás hatását és kezelésének módját. Hogyan tudjuk visszaállítani az eredeti arányokat egy ferde kamerával követett síkbeli képen? ==
== Milyen interpolációs technikákat ismer? Ismertesse a legközelebbi szomszéd, a bilineáris és a biköbös interpolációs technikák alapelvét (képletek nem szükségesek). ==
Ebben az értelemben az adott mennyiségű képpontból nagyobb (vagy kisebb) felbontású, több (vagy kevesebb) képpontot tartalmazó képet állítunk elő. Motiválhatja például a [http://en.wikipedia.org/wiki/Image_scaling kép nagyítás]ának igénye. Nagyításnál egyértelműen hiányzó információt pótolunk, kicsinyítéskor viszont a pixelek elhelyezkedésének változása miatt szükséges interpolálni (azonos képtartalmaz kevesebb adatponttal ábrázolunk).

* '''[http://en.wikipedia.org/wiki/Nearest-neighbor_interpolation Legközelebbi szomszéd]''': A nagyított kép egyes pixeleinek értékeit az alapján határozzuk meg, hogy melyik eredeti pixelhez vannak legközelebb, azzal tesszük őket egyenlővé. ''Pixeles'' képet eredményez.
* '''[http://en.wikipedia.org/wiki/Bilinear_interpolation Bilineáris]''': Az új pixelek értékét mindkét irányban lineárisan interpoláljuk (név innen), azaz egyenest illesztünk a két közeli eredeti pixel érték közé, és a keresett érték az egyenes pixelnek megfelelő helyén felvett értéke lesz. Az egyenesillesztést tehát a legközelebbi 4 pixel alapján hajtjuk végre. Furcsa ''artifact''-okat tud okozni, viszont nagyon gyors.
* '''[http://en.wikipedia.org/wiki/Bicubic_interpolation Biköbös (bicubic)]''': Lassabb a bilineárisnál, de szebb eredményt is ad. A legközelebbi 16 pixel alapján számol. Figyelembe veszi a szomszédos pixel értékeket, az x-y irányú deriváltakat és kereszt deriváltakat, az ezekből következő meredekségi kényszerekre felírt egyenleteket oldja meg. [TODO?]
* [http://en.wikipedia.org/wiki/Lanczos_resampling Lánczos]
* Komplex megoldások
** Görbeillesztés
** Fraktál
** [http://scale2x.sourceforge.net/ Scale2x, 3x, 4x]

== Mit jelent a képi matematika? Milyen műveleteket alkalmazhatunk a gyakorlatban? Adja meg, hogy melyik eljárás milyen feladatra használható. ==
Képi matematika esetén végezhetünk műveleteket '''kép-érték''' vagy '''kép-kép''' között.

A lehetséges műveletek:
* összeadás/kivonás/átlagolás
* szorzás/osztás/normalizálás
* maximum/minimum
* logikai műveletek (főleg bináris képeknél)

A szorzás művelet használható textúrázásra (maszkolásra). A kivonás használható különbségképzésre, a háttér eltávolítására (mozgó/elmozdult objektumok keresésére).

Számítógépes látórendszerek - Ellenőrző kérdések: Számítógépes látás alapok

2015-04-15T14:51:42Z

Major Péter: /* Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? */ kép definíció javítva

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a kép fogalmát: mit nevezünk képnek, milyen képleírási lehetőségek állnak rendelkezésünkre? Mit jelent a videofolyam? ==
'''Kép''': Vizuális információkat tartalmazó összefüggő adathalmaz.

Leírás általában '''pixel/voxel''' tömbként történik. 2 (pixel) vagy 3 (voxel, ''volume pixel'') dimenziós képpontokat használunk, vonalkamera esetén 1 dimenziósakat.

Egyéb leírási formák:
*Láncok (pl. RLE)
*Topológiai leírások (gráfok)
*Relációs struktúrák
*Hierarchikus leírások

'''Videófolyam''': Tipikusan képek sorozata, mozgásleírás (pl. MPEG4 tömörítés) címesemények sorozata. Általában ezt dolgozzuk fel, van (''a priori'') ismeretünk az előző képről, változást elemezzük.

== Ismertesse a fényérzékelés fontosabb eszközeit. Részletezze a CCD és a CMOS érzékelők működését, típusait, előnyeit és hátrányait. ==
'''Fényérzékelés eszközei:'''
*Fotodióda
**CCD
**CMOS (Főként APS)
*Fotoellenállás
*Kvantumeszközök
*Kémiai érzékelők
*Hőmérsékletmérésen alapuló eszközök
=== CCD ===
1969-ben fejlesztették ki a Bell Labsnál, analóg léptetőregiszternek. Működésének lényege, hogy adott órajel hatására a bemeneti oldalon levő töltést mozgásra lehet bírni, azaz léptetni lehet a kimeneti oldal fele. Gyorsan kiderült, hogy nem csak elektronikusan lehet feltölteni a regisztereket, hanem a fény fotonjaival is. 1970-re képesek voltak képet létrehozni az új esz-közzel, s így megszületett a CCD.
Többfajta CCD-vel találkozhatunk a mai gépekben. A fent leírt eszköz hivatalos neve a Full-Frame Transfer (FFT) CCD. Ilyen érzékelő szerepel pl. a Canon 1D-ben vagy az Olympus E1-ben is. Gyakran a sebesség növelése érdekében nem egy kiolvasási vonalat (kiolvasó regisztert) használnak, hanem többet, ennek neve a Frame Transfer CCD. Ezeknél az érzékelőknél nincs lehetőség elektronikus zár alkalmazására.
A másik, elterjedtebb CCD típus az interline CCD. A fő különbség a kettő közt, hogy a Full-Frame Transfer CCD nem tud addig újabb képet készíteni, amíg a kiolvasás végre nem hajtó-dik, ami azért időbe telik. Ez egy tükörreflexes, élőkép nélküli gépnél még nem probléma, de mi van akkor, ha folyamatos képet szeretnénk látni, pl. kompakt fényképezőgépeknél vagy videokameráknál? Ilyenkor jön az interline CCD a képbe.

'''Összefoglalva:'''
*Fullframe-Transfer CCD pixelenként olvasás (külső zár szükséges)
*Frame-transfer CCD fotoérzékelők egyszerre CCD-re
*Interline CCD CCD a fotoaktív oszlopok között (rosszabb felbontás)
'''Előnye'''
*Nagy érzékenység
*Kevés zaj
*Interline felépítés esetén elektronikus zár megvalósítható (ezt ki is használták pl. a Ni-kon D70-nél is, ahol 1/500s-tól már nem a mechanikus, hanem az elektronikus zár működik).
'''Hátránya'''
*Bonyolult előállítás, emiatt drága
*A kiolvasási elektronikának több kiolvasási csatorna esetén tökéletesen megegyezőnek kell lennie, egyébként sávosodás lép fel (banding)
*Könnyen létre jöhet az ún. Blooming effektus: ha egy elektródán túl sok töltés halmo-zódik fel, egyszerűen átfolyik a mellette levő elektróda területére (ez ellen számos anti-blooming eljárás létezik, általában a CCD-k adatlapján szerepel ennek a hatékonysága)
*Magas fogyasztás, emiatt nagyobb melegedés (és nagyobb termikus zaj)
=== CMOS ===
A CMOS-nál a megnevezés csak és kizárólag a gyártástechnológiát jelöli.
Ahogy a leírásból is látszik, az első esetben aktív pixelekről beszélünk, azaz minden egyes képpont saját erősítővel rendelkezik (töltés-feszültség konverter, amely a CCD-nél a kiolvasó egységben volt megtalálható). A kiolvasás mátrix elven történik, minden képpontot külön-külön meg lehet címezni. Mivel minden egyes pixel külön címezhető, illetve a vezetékhálóza-ton keresztül bármilyen sorrendben összekapcsolható a chip további erősítőfokozataival, na-gyon könnyű a kép egy részletét vagy éppen egy alacsonyabb felbontású képet is kiolvasni.
A CMOS érzékelőre nagyon könnyű integrálni egyéb áramköri elemeket. Általában a CMOS érzékelők tartalmazzák az analóg-digitális átalakítókat is (míg ez a CCD-nél külön áramkör volt), sőt egyes esetben elő-feldolgozást is végeznek (szenzor szintű zajszűrés például). A nagyobb integrálásnak köszönhetően alacsonyabb az előállítási költségük, mint CCD társaik-nak.

'''Hátrányok:'''
*Nagyobb zaj: a pixelek egyedi erősítőit nem lehet pontosan beállítani, ezért ezek extra zajt adnak a képhez (pix-pattern noise). Erre a problémára a Canon talált tökéletes megoldást hardver szinten (és lassan minden gyártó alkalmaz hasonló megoldásokat),
*Interferencia érzékenység: a nagy számú aktív elem sokkal érzékenyebb a környezetből érkező elektromágneses zavarokra, mint a CCD,
*Az aktív elemek csökkentik az érzékelő hatásos méretét (mint az Interline CCD-knél), de itt is segítséget nyújtanak a mikrolencsék,
*Az elektronikus zár nem, vagy nehezen valósítható meg. Jól látható a CMOS érzéke-lőkkel készült videofelvételeken ennek a hatása: a kiolvasási sebesség miatt jól érzé-kelhetően elcsúszik a kép (nem azonos időpillanatban történik a teljes kép kiolvasása meg, mint a CCD-knél), és ha pl. egy mozgó autót fényképezünk, akkor az eredetileg kb. téglatest forma szétcsúszik paralelogrammává.
'''Előnyök:'''
*A nagy integrálhatóság miatt alacsony ár,
*Kis fogyasztás, kisebb hőtermelés (alacsonyabb termikus zaj).
*Kisebb késleltetés
*Nagyobb sebesség
[http://prohardver.hu/teszt/a_fotozas_alapjai_i/ii_7_ccd_vs_cmos.html Forrás]

== Ismertesse a színlátás alapjait. Milyen módszereket használunk több módusú (színes) érzékelésre? Mit jelent a színhőmérséklet? ==
=== Emberi színlátás ===
A nappali látás érzékelőelemeinek, a csapocskáknak három fajtájuk van. Az egyes csapocskák a színüknek megfelelő hullámhossztartományban nyelik el a fényt. Az elnyelt fény hatására létrejövő reakciót – ami a látásérzetet kelti.
[http://109.74.55.19/tananyagok/tananyagok/Nyomdaipar/0972-06%20K%C3%A9pfeldolgoz%C3%A1s/004%20Sz%C3%ADnl%C3%A1t%C3%A1s%20alapjai,%20sz%C3%ADnkever%C3%A9sek%20.pdf Forrás]

[[Fájl:Számítógépes_látórendszerek_Hullamhossz_1.png]]

=== Színhőmérséklet ===
A látható fény egy jellegzetessége. Egy fényforrás színhőmérsékletét az általa okozott színérzet és egy hipotetikus feketetest-sugárzó által létrehozott színérzet alapján határozzák meg. Izzólámpák esetében, lévén, hogy a fény izzásból származik, a színhőmérséklet jól egybe esik az izzószál hőmérsékletével. A nem hőmérsékleti sugárzás elvén működő fényforrások, mint például a fénycsövek esetében közvetlen fizikai jelentése nincsen. Ezért ilyenkor inkább korrelált színhőmérsékletről beszélünk. Elterjedt jelölése: CCT (Correlated Color Temperature)
[http://hu.wikipedia.org/wiki/Sz%C3%ADnh%C5%91m%C3%A9rs%C3%A9klet Forrás]

== Ismertesse a képi tartalom fontosabb jellemzőit, korlátait: Felbontás, bitmélység, interlace, mozgás, digitális zaj, tömörítési problémák.==
=== Felbontás ===
A képfelbontás a képen belüli képpont-távolságot mutatja. Mértékegysége a képpont/hüvelyk (angolul pixels per inch, ppi). Ha egy kép felbontása 72 ppi, az azt jelenti, hogy egy négyzethüvelyknyi területen 72×72 = 5184 képpont található. Nagyobb felbontás esetén jobb a kép minősége, azaz több részlet jelenik meg rajta. A képfelbontás elméleti érték, ugyanis az, hogy milyen minőségű képet kapunk, függ a kép fizikai méretétől és a kimeneti eszköz felbontásától is.
[http://hu.wikipedia.org/wiki/Rasztergrafika#Felbont.C3.A1s Forrás] 
=== Bitmélység ===
A bitmélység adja meg, hogy a kép egyes képpontjaihoz mennyi színinformáció áll rendelkezésre. Minél több a képpontonkénti információ, annál több szín jeleníthető meg a képen, és annál pontosabb a színmegjelenítés. Az 1-es bitmélységgel rendelkező képhez például két lehetséges érték tartozik: a fekete és a fehér. A 8-as bitmélységgel rendelkező kép lehetséges értékeinek száma <math> 2^8 </math>, vagyis 256. A 8-as bitmélységgel rendelkező, szürkeárnyalatos módú képen 256 szürkeárnyalat szerepelhet. A RGB rendszerű képek három színcsatornából állnak. Egy 8 bites RGB-kép esetén 256 érték tartozik minden csatornához, ami azt jelenti, hogy a kép több mint 16 millió lehetséges színértékkel rendelkezik. A csatornánként 8 bites (8 bpc) RGB képeket szokták 24 bites képeknek is hívni (8 bit x 3 csatorna = 24 adatbit képpontonként).
[https://helpx.adobe.com/hu/photoshop/using/image-essentials.html#WSfd1234e1c4b69f30ea53e41001031ab64-73daa Forrás]

=== Interlace ===
A televíziózásban a sávszélesség kihasználása, optimális kitöltése nagy feladat. Mivel ezeket a vonalakat az adók üzemeltetői pénzből tartják fenn, a hatékonyság elengedhetetlen követelmény. A sávszélesség igény csökkentésének egyik megoldásaként hozták létre az interlaced (sorváltott, összefűzött) megjelenítést. Az eljárás célja, hogy minőségvesztés nélkül (vagy minimális veszteség mellett) a lehető legkisebb sávszélesség felhasználásával lehessen az adásokat továbbítani. Az elgondolás azon az alapon nyugszik, hogy amennyiben egy teljes képkockát (keret, frame) felbontunk két fél keretre, így egy időegység alatt csupán egy fél keretet kell átvinni, amit aztán a vevő készülék többszöri villogtatással épít egybe a második fél kerettel, így szemünk nem veszi észre az eltérést és egészként érzékeli a képet. Első körben csupán minden páratlan pixelsort küldenek át, majd a párosakat. A hagyományos CRT tv-k, monitorok képesek megjeleníteni az ilyen jeleket, átlagosan 50-60 félkép/másodperc sebességgel, így a teljes kép 25-30 fps sebességű lesz.
[http://logout.hu/cikk/1080p24_technikai_nehezsegek_hd-ben/interlaced_es_progressziv_megjelenites.html Forrás]
=== Digitális zaj ===
A digitális fényképezőgépek érzékelőinek alapvető építőeleme a photosite. A szenzornak ezen része érzékeli valójában a fényt. Minden pixelre legalább egy photosite jut (van ahol kettő). Ezek az elemi egységek a fényt olyan módon érzékelik, hogy az expozíció ideje alatt rájuk eső fotonokat elektronokká (töltéssé) alakítják. Ez a töltés az expozíció ideje alatt halmozódik fel és megőrződik az expozíció után. Ha az expozíció befejeződött, akkor minden egyes photosite töltését megmérik, majd a mért értéket digitális értékké alakítják (digitalizálják). Ezt a mérési folyamatot nevezzük kiolvasásnak.
'''A zaj forrásai'''
A digitális fényképezőgépekkel készített képek zaja több különböző forrásból ered:
*'''Sötét zaj:''' A Sötét Zaj (Dark Noise) a szenzorban (pontosabban a szilícium-szilíciumdioxid átmeneteknél) a hőtől keletkezett szabad elektronok felhalmozódása a szenzor photosita-jaiban. Ez jellegzetes "grízes" zajként jelentkezik a képen. Az ehhez kapcsolódó kifejezés még a "dark current", amely ezeknek az elektronoknak a keletkezési sebességét jelenti.
*'''Kiolvasási zaj (Bias Noise):''' Ahhoz hogy képet alkossunk a szenzor photosite-jaiban tárolt töltésekből, minden egyes photosite töltését meg kell mérni és a mért értéket digitalizálni kell. Ez a mérés a szenzor kiolvasási folyamatának része. Azonban az eljárás távolról sem tökéletes. Az egyes photosite-ok töltése túlságosan kicsi ahhoz, hogy erősítés nélkül meg lehessen mérni, és ez az erősítés a probléma (zaj) forrása. A kiolvasást végző erősítők valamennyi zajt elengedhetetlenül hozzáadnak a photosite által tárolt és általuk felerősített töltéshez.
*'''Foton zaj:''' A foton zajt a szenzorra érkező fotonok egyenetlen "érkezési ideje" okozza. Ha a fotonok konstans rátában érkeznének, (mintha csak egy szállítószalag szállítaná őket a photosite-okba) akkor nem lenne foton zaj. Azonban a valóságban a fotonok rendszertelenül érkeznek. Az egyik photosite elég szerencsés ahhoz, hogy az expozíció ideje alatt 100 foton találja el, addig előfordulhat, hogy a mellette lévőt, ugyanazon idő alatt csak 80 foton éri el. Ha egy egyenletesen megvilágított felületet fényképezünk, akkor a foton zaj, a szomszédjához viszonyítva, rendellenesen sötét pixelek formájában jelentkezik.
*'''Véletlen zaj:''' Az előbbi három okon felüli zajt általában a fényképezőgép elektronikájában fellépő feszültség vagy áramingadozások, elektromágneses interferencia és még sok más tényező okozhatja. A véletlen zaj képről képre más és más. Azonban bármi is okozza, általában elenyészően kicsi.
[http://fototipp.hu/zaj Forrás]

A fenti zaj típusok Gauss zajok, mivel lényegében korrelálatlan valószínűségi változókból erednek. Érdemes még megemlíteni a még a '''só-bors zaj'''t, amely véletlenszerű helyeken fekete vagy fehér pixeleket jelent. Nem Gauss jellegű hiba ([http://www.imm.dtu.dk/~pcha/HNO/ChallF.pdf forrás]), nem is javítható azokhoz hasonlóan, hanem medián szűrővel érdemes. Jellemzően az ADC és az átvitel hibái okozzák ([http://en.wikipedia.org/wiki/Image_noise#Salt-and-pepper_noise forrás]).

=== Tömörítési problémák ===
Tömörítési hibának ebben a cikkben a képek, hangok, videók veszteséges tömörítése során fellépő észrevehető minőségromlást nevezzük. Technikailag a tömörítési hiba általában a veszteséges tömörítés kvantálási lépése során fellépő probléma. Transzformációs kodekeknél általában a kódoló transzformációs terének bázisára jellemző a hiba. A blokk-alapú DCT transzformáció során, amit például az elterjedt JPEG tömörítés használ, többfajta tömörítési hiba szokott előfordulni. Ezek közé tartozik az elmosódott területen kontúrosodás megjelenése, a görbe vonalak mentén lépcsőzetes zaj megjelentése, „légypiszkok” a szélek mentén, sakktáblaszerű hiba (másképpen blokkosság) a kép „mozgalmas” részein.
[http://hu.wikipedia.org/wiki/T%C3%B6m%C3%B6r%C3%ADt%C3%A9si_hiba#T.C3.B6m.C3.B6r.C3.ADt.C3.A9si_hib.C3.A1k_a_k.C3.A9pt.C3.B6m.C3.B6r.C3.ADt.C3.A9sben Forrás]

== Mit jelent a színtér? Miért van szükség többféle színtérre? Mit jelent a szürkeárnyalatosítás? Röviden ismertesse a fontosabb színtereket, azok feladatát. ==
=== Színtér ===
A színterek a színek ábrázolására használható virtuális térbeli koordináta-rendszer, ahol az egyes színek tulajdonságait azok koordinátái fejezik ki. Színességi koordinátákból épül fel a CIE XYZ színtér. Valamennyi további színtér különbözik ettől; koordinátái általában: egy színezeti, egy világossági és egy színtelítettségi jellemző. A színtérben az ábrázolható színek valamilyen rend szerint kerülnek elhelyezésre (például az alapján, hogy a színtér alapszíneinek milyen arányú keverésével állíthatók elő), és a pozíciójukat meghatározó koordinátákkal kerülnek azonosításra (például az RGB színtérben a (255,0,128) koordinátán a maximális vörös, nulla zöld, és a maximális felének megfelelő kék komponensek összeadásából keletkező szín található).
[http://hu.wikipedia.org/wiki/Sz%C3%ADnt%C3%A9r Forrás]
=== Többféle színtér ===
=== Színterek ===
*A '''televíziós technikában''' az RGB komponenseket veszi fel a kamera, ebből egy olyan világossági értéket (jele Y, neve luma) képeznek, amely kompatibilis a fekete–fehér televízió világossági értékével. Ezek után képezik az R-Y és a B-Y színkomponenseket. Így az analóg televízió egy világossági és két színességi (chroma) jelet továbbít (ez három merőleges térbeli vektor).
*A '''képfeldolgozás''' technikájában a HSL, a HSV és még további színterek 1970 után
*'''Számítástechnikában''': RGB és változatai (sRGB, AdobeRGB). A digitális fényképezőgépek legtöbbje az sRGB (standard RGB) rendszert használja. Az ADOBE virtuális alapszíningerek segítségével kiterjeszett színteret (wide gamut) használ. Az RGB additív színkeverési eljárás, amely azzal definiálja a színt, hogy a 3 alapszínű fényből mennyit kell összekeverni a kívánt szín eléréséhez.
*'''Nyomdatechnikában''': CMYK. A három- és négyszínnyomás technikája Jacob Christoph le Blon rézmetsző mestertől származik (1667–1741) Blon eredeti alapszínei az RYBK (vörös, sárga, bíbor, és a kulcsszín: a fekete) voltak. Abban az időben nem volt még elegendően tiszta az additív és a szubtraktív színkeverés közti különbség (a könyvnyomtatás vonatkozásában).
*Négy alapszínnel dolgozó szubtraktív színkeverési technika.

== Mit jelent a színkorrekció? Ismertesse a fontosabb szín és fényességkorrekciós eljárásokat: Gamma korrekció, kontraszt, fényesség. Miért van ezekre szükség, mire jók? ==
=== Gamma korrekció ===
A kontraszt értékeket optimalizáló eljárás. A Gamma-korrekcióval a kép fényessége és színeinek élessége szabályozható. Ezáltal a pontos részletek a sötétben játszódó jeleneteknél jobban láthatók, és a kép mélysége is megmarad. Ha a Gamma korrekció értéke magas, a kép világosabb tónusú lesz kevésbé telt színekkel, míg ellenkező esetben sötétebb árnyalatok és valamivel teltebb színek jellemzik a képet.
=== Kontraszt ===
A leggyakrabban használt algoritmus a hisztogram kiegyenlítése (histogram equalization- HE). A módszer az intenzitások előfordulási gyakoriságának függvényében úgy nyújtja a hisztogramot, hogy az kitöltse a rendelkezésére álló intenzitástartományt és a szomszédos intenzitások távolsága azok előfordulási gyakoriságának függvényében alakuljon.
[http://www.inf.u-szeged.hu/projectdirs/kepaf2011/pdfs/S04_04.pdf Forrás] 
A kép világos és sötét részei közötti tónuskülönbség. Ha két kép azonos motívumot ábrázol és az egyiken két adott részlet tónusának különbsége nagyobb mint a másikon, akkor ennek nagyobb a kontrasztja.
=== Fényesség ===
Fényesség (Lightness), relatív világosságérzet, a felület becsült reflektanciája vagy transzmittanciája.

== Ismertesse a képi tartalom tárolásának fontosabb problémáit, lehetőségeit, módszereit. Hogyan használjuk a képi adatbázisokat? ==
=== Képek tárolása ===
*Tömörítetlen: BMP, PNM
*Veszteség nélkül: GIF, JPEG-LS/2000, PNG, TIFF, H.264 lossless...
*Veszteséges: JPEG, PNG, H.264...
*Konténer formátumok: (PNG), TIFF, AVI, MOV, MP4, OGG, WMV...
=== Képi adatbázisok ===
*Alapadatok: Méret, felvétel/módosítás időpontja
*Méréseken alapuló adatok (pl. objektumok száma, színek, méretek)
*Intelligens felismerés (pl. ember, virág, gépjármű)
*Jogosultságok
*Felhasználói kulcsszavak
*Miniatűrök
[http://sirkan.iit.bme.hu/dokeos/courses/VIIIMA07/document/Prezent%E1ci%F3k/01-Bevezet%E9s.pdf?cidReq=VIIIMA07 Forrás]

Számítógépes látórendszerek - Ellenőrző kérdések: Detektálás, Osztályozás

2015-04-15T14:11:28Z

Major Péter: kérdés import

{{Vissza|Számítógépes látórendszerek}}

== Mit jelent a detektálás/lényegkiemelés, illetve az osztályozás? Milyen nehézségekkel kerülünk szembe az egyes feladatok esetén? ==

== Ismertesse a template matching algoritmust! Milyen transzformációk esetén biztosít invarianciát az algoritmus? ==

== Mit jelent a gépi tanulás? Milyen típusai és tipikus feladatai vannak? Mi az a bináris klasszifikációs probléma és hogyan terjeszthető ki nem bináris esetre? Mit jelent a lineáris szétválaszthatóság? ==

== Ismertesse a kNN algoritmust! ==

== Ismertesse a Bayes hálók működését! ==

== Ismertesse a percepton/neuron algoritmust! Hogyan terjeszthető ki nemlineáris esetre? ==

== Ismertesse a Support Vector Machine (SVM) algoritmust! Hogyan terjeszthető ki nemlineáris esetre? ==

== Mi a klaszterezés, mire jó? Ismertessen klaszterező algoritmusokat! Mi az erős és a gyenge hozzárendelés, és hogyan kapcsolódik az egyes algoritmusokhoz? ==

== Mutassa be a főkomponens analízis (PCA) algoritmust! ==

== Mi a mély tanulás és mire jó? Mutassa be a legfontosabb mély tanuló struktúrákat! ==
''2015-ben nem kell!''

== Ismertesse a Bag of Words osztályozó algoritmus működési elvét! Milyen előnyei és hátrányai vannak más módszerekkel szemben? ==

== Mutassa be a rész alapú (part based) detektorok működését! Milyen előnyöket és hátrányokat tud megemlíteni? ==

Számítógépes látórendszerek - Ellenőrző kérdések: Képillesztés

2015-04-15T14:09:24Z

Major Péter: kérdés import

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse az optikai áramlás (optical flow) algoritmus célját, alapelvét és feltételezéseit! Írja fel az intenzitás áramlás egyenletet! Milyen problémái vannak az algoritmusnak? ==

== Mutassa be a Lucas-Kanade algoritmust és annak célját! Milyen módszereket ismer a gyors mozgások követésére optikai áramlás segítségével? ==

== Mit nevezünk sarokszerű képrészletnek? Ismertesse a Harris operátor elvét és lépéseit! ==

== Milyen képtranszformációkat ismer? Ezek közül melyekre invariáns a Harris operátor? ==

== Ismertesse a SIFT eljárás képrészletdetektáló részét! Hogyan érjük el a skála invarianciát és a szubpixeles pontosságot? ==

== Mutassa be a SIFT algoritmus leíró generáló részét! Hogyan érjük el a forgatás invarianciát? ==

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T14:06:20Z

Major Péter: /* Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? */

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:58:41Z

Major Péter: /* Euklideszi transzformáció */ hopphopp

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:55:26Z

Major Péter: /* Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? */ trafós táblázat

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:39:59Z

Major Péter: /* Adja meg a projektív térből a projektív síkra történő vetítés egyenletét! Mi az eltűnő pont? */ pipa

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:32:59Z

Major Péter: /* Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? */ végtelen mátrix

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:17:34Z

Major Péter: /* Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! */ lineáris er.

Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás

2015-04-15T13:06:05Z

Major Péter: /* Sorolja fel a fontosabb szegmentálási módszereket. Pár szóban mutassa be őket. */ felsorolás

Számítógépes látórendszerek - Ellenőrző kérdések: Kameramodellek, kalibráció

2015-04-15T13:03:17Z

Major Péter: kérdés import

{{Vissza|Számítógépes látórendszerek}}

== Ismertesse a pinhole kameramodellt! (Rajz, egyenletek, paraméterek, mátrixok) ==

== Mutassa be a 3D markeres kalibráció elvét és lépéseit! ==

== Ismertesse a sakktáblás kalibráció elvét és lépéseit! ==

== Hogyan lehet a kamerák torzítását figyelembe venni a kalibráció során? ==

== Hogyan néz ki a sztereó elrendezés? Mi az esszenciális és a fundamentális mátrix? ==

== Ismertesse a 7 és 8 pontos kalibrációs algoritmusok elvét és lépéseit! ==

== Ismertesse a RANSAC algoritmust (előnyök, hátrányok) és a felhasználási lehetőségeit!==

Számítógépes látórendszerek - Ellenőrző kérdések: Matematikai Alapok, Projektív Geometria

2015-04-15T13:02:09Z

Major Péter: kérdés import

{{Vissza|Számítógépes látórendszerek}}
== Adja meg a lineáris egyenletrendszer általános alakját! Mi a megoldhatóság feltétele? Mutassa be a legkisebb négyzetek (LS) módszerét! ==

== Mi az SVD felbontás és mire használható? Mit értünk szinguláris érték és vektor alatt? ==
== Adja meg a lehetséges geometriai transzformációk típusait, és a mátrixaik általános alakját! Milyen tulajdonságokat őriznek meg az egyes típusok? ==
== Mik a homogén koordináták és mi a használatuk előnye? Mi az az ideális pont? ==
== Adja meg a projektív térből a projektív síkra történő vetítés egyenletét! Mi az eltűnő pont? ==

Számítógépes látórendszerek - Ellenőrző kérdések: Szegmentálás

2015-04-15T13:00:48Z

Major Péter: kérdés import

Számítógépes látórendszerek - Ellenőrző kérdések: Mérések

2015-04-15T12:47:57Z

Major Péter: /* Geometriai középpont (x_g,y_g) meghatározása */

{{Vissza|Számítógépes látórendszerek}}
== Hogyan definiálhatjuk egy objektum pozícióját? Ismertesse a pozíciómérés lehetőségeit. Mutassa meg, hogy lehet a pozíció értékét meghatározni bináris és maszkolt szürkeárnyalatos képeken. ==
Egy 2D-s képet ábrázolhatunk egy derékszögű koordinátarendszerben, ahol az egyes pixelekhez hozzárendelhetünk egy (x,y) egész koordinátapárt. A koordinátarendszer középpontja tetszőlegesen, feladattól függően megválasztható, de általában a bal felső sarokban lévő pixelhez rendeljük hozzá a (0,0)-t.
Egy objektum pozíciója az objektum egy jellegzetes koordinátapárjával jellemezhető.
Ez a koordinátapár lehet:
geometriai középpont – az objektumot befoglaló téglalap/kör középpontja
tömegközéppont

=== Tömegközéppont <math>(x_c,y_c)</math> meghatározása ===
A kép mérete: <math> M \cdot N </math> pixel (<math>M</math> az oszlopok száma, <math>N</math> a soroké)
*<math> p_x(x) = </math> az <math> x</math> koordinátájú oszlopban a vizsgált objektum pixeleinek száma
*<math> p_y(y) = </math> az <math>y</math> koordinátájú sorban a vizsgált objektum pixeleinek száma
==== Bináris képekre ====
[[Fájl:Számítógépes_látórendszerek_bináris_kép_1.jpg]]
==== Szürkeárnyalatos képekre ====
<math>I(x,y) </math>: intenzitásfüggvény

[[Fájl:Számítógépes_látórendszerek_szürkeárnyalatos_kép_1.jpg]]

=== Geometriai középpont <math>(x_g,y_g)</math> meghatározása ===
====Meghatározás a befoglaló téglalap alapján====
<math> x_{min}, x_{max}, y_{min}, y_{max} </math> : az objektum legszélső pixeleinek koordinátái

<math> x_g = \frac{x_{min} + x_{max}}{2} </math> és <math> y_g = \frac{y_{min} + y_{max}}{2} </math>

<math> (x_g, y_g) </math> a téglalap középpontja, azaz a geometriai középpont.

====Meghatározás a befoglaló kör alapján====
* egyértelmű, ha 3 ponton érinti a kört
* kör átlójáig egyértelmű, ha 2 ponton érinti a kört.

== Hogyan definiálhatjuk egy objektum orientációját? Sorolja fel az orientációmérés lehetőségeit, illetve röviden ismertesse ezek alapelvét. ==
Objektum orientációján egy objektum egy olyan 1D-s jellemzését értjük, mely irány-, szöginformációkat szolgáltat az adott objektumról.
Objektum orientációja megadható a
*befoglaló téglalap arányaival és méreteivel
*legnagyobb távolsággal az objektumon belül
*középponttól vett legnagyobb távolsággal
*rá illeszthető legkisebb nyomatékú tengellyel

== Mit jelent az Euler szám? Mire használható? Adja meg a mellékelt ábra Euler számát. ==
Az Euler-szám egyike a topológiai tulajdonságoknak, melyek egy kép geometriai leírását segítik elő. Fontos része az ilyen tulajdonságoknak, hogy rubber-sheet jellegű transzormációkra invariáns.
Az ilyen jellegű tulajdonságok jól használhatók formák keresésére, objektumok felismerésére, adatbázisbeli keresésre.
Euler-szám fontos szerepet játszik például orvosi képfeldolgozásban, fertőzött sejtek felismerésében.

'''Euler-szám = (egybefüggő régiók száma) – (lyukak száma)'''

== Mit jelent a lánckód? Mire használható? Mi a különbség a 4-szomszádos és 8-szomszédos lánckód között? Mik az előnyei és a hátrányai az így ábrázolt objektumoknak? Hogyan tudunk segítségével kerület- és hossz-számítást végezni? Milyen problémák adódnak? ==
A lánckód egy veszteségmentes tömörítési algoritmus bináris képekhez. Lánckód segítségével alakfelismerést, sarokdetektálást végezhetünk. (A kódból egyértelműen látszik, hol vannak pl.: dudorok, bemélyedések.)
Az objektum egy szélső pixelétől elindulva szomszédos, határ menti pixelekre lépkedünk. Attól függően, hogy milyen irányba lépünk tovább a pixelhez egy számot rendelünk hozzá. Ez a számsorozat alkotja a lánckódot.
*4-szomszédos: csak azok a pixelek számítanak szomszédosnak, amiknek van közös élük
*8-szomszédos: közös él, vagy közös csúcs

*4-szomszédos lánckód maximális hiba: 41% (45°-os átlós egyenes)
*8-szomszédos lánckód maximális hiba: 7.9% (~18-27°-os átlós egyenes)

=== Kerület = kódhossz ===
Hossz számításnál kerül elő az a probléma, hogy négyzetes pixelek esetén egy átlós lépés valóságos hossza sqrt(2) egység. 4-szomszédos lánckód 2 egység hosszúnak, míg a 8-szomszédos esetben 1 egység hosszúnak veszi alapból. Ha szükséges akkor ezt kompenzálni kell.

[[Fájl:Számítógépes_látórendszerek_lánckód_1.jpg]]

[http://cs.haifa.ac.il/hagit/courses/ip/Lectures/Ip13_Binary.pdf Forrás]

== Ismertessen szubpixeles eljárásokat. Hogyan tudunk pozíciót, kerületet, ill. területet mérni segítségükkel? ==
Interpoláció alapú eljárás, mely segítségével pixel alatti pontossággal illeszthetünk görbét egy objektumra.
Megfelelő algoritmussal akár 0.1% pontosság is elérhető. 
''' Eljárás szürkeárnyalatos képekhez '''
#Szürkeárnyalatos képeket először is binarizáljuk.
#Visszatérve az eredeti képhez (fekete-fehér kép alapján) az átmeneteknél lévő pixelekhez egy súlytényezőt (értéke lehet tört, megadja az interpoláció finomságát) rendelünk attól függően, hogy mennyire világos/sötét az adott pixel.
#Megfelelő ablakozással (pl.: 2x2) végigpásztázzuk a határokat és súlyozásoknak megfelelően felbontjuk (kijelöljük a határpontot/határpontokat) a két szomszédos fekete-fehér pixel középpontját összekötő szakaszt.

Pozíciószámítás során a 3. lépésben meghatározott határpontok koordinátáit használjuk fel a képletekben.
Kerület, területnél hasonlóan.

== Ismertesse az egyenesekre vonatkozó Hough-transzformáció működését. ==
=== Hough-transzformáció ===
A Hough-transzformáció segítségével a képen általában az
<math> f (x, y ; a_1 , a_2 ,…, a_n)=0 </math> ahol
<math> a_1, a_2,…, a_n </math>
paraméterekkel explicit alakban megadható görbéket keressük.
A Hough-transzformáció alkalmazása célravezető, ha ismert alakú (és méretű) objektumokat keresünk a képen.
Akkor is célszerű, ha az egyenesek részben takartak vagy zajosak.

=== Áttérés a Hough-térbe ===
Az input (kép)tér egy <math>(x_i,y_i)</math> pontjának az
<math> r=x_i·\cosφ+y_i·\sinφ </math>
szinuszos görbe felel meg a Hough-térben.
Az egy egyenesbe eső pontokhoz tartozó szinuszos görbék egy pontban metszik egymást.

=== Egyenesek meghatározása ===
*Egy (él)pont a képtérben megfelel egy szinuszos görbének a Hough-térben.
*Két pontnak két görbe felel meg.
*Két (vagy több) ilyen görbe metszéspontja által reprezentált egyenesre ekkor kettő (vagy több) szavazat esett.
*Az így kapott egyenes valamennyi rá szavazó ponton átmegy a képtérben.
*A Hough-tér küszöbölésével megkapjuk a képtér egyeneseit.
[[Fájl:Számítógépes_látórendszerek_egyenes_1.jpg]]

Számítógépes látórendszerek - Ellenőrző kérdések: Mérések

2015-04-15T12:39:42Z

Major Péter: /* Tömegközéppont (x_c,y_c) meghatározása */ hibajavítás

{{Vissza|Számítógépes látórendszerek}}
== Hogyan definiálhatjuk egy objektum pozícióját? Ismertesse a pozíciómérés lehetőségeit. Mutassa meg, hogy lehet a pozíció értékét meghatározni bináris és maszkolt szürkeárnyalatos képeken. ==
Egy 2D-s képet ábrázolhatunk egy derékszögű koordinátarendszerben, ahol az egyes pixelekhez hozzárendelhetünk egy (x,y) egész koordinátapárt. A koordinátarendszer középpontja tetszőlegesen, feladattól függően megválasztható, de általában a bal felső sarokban lévő pixelhez rendeljük hozzá a (0,0)-t.
Egy objektum pozíciója az objektum egy jellegzetes koordinátapárjával jellemezhető.
Ez a koordinátapár lehet:
geometriai középpont – az objektumot befoglaló téglalap/kör középpontja
tömegközéppont

=== Tömegközéppont <math>(x_c,y_c)</math> meghatározása ===
A kép mérete: <math> M \cdot N </math> pixel (<math>M</math> az oszlopok száma, <math>N</math> a soroké)
*<math> p_x(x) = </math> az <math> x</math> koordinátájú oszlopban a vizsgált objektum pixeleinek száma
*<math> p_y(y) = </math> az <math>y</math> koordinátájú sorban a vizsgált objektum pixeleinek száma
==== Bináris képekre ====
[[Fájl:Számítógépes_látórendszerek_bináris_kép_1.jpg]]
==== Szürkeárnyalatos képekre ====
<math>I(x,y) </math>: intenzitásfüggvény

[[Fájl:Számítógépes_látórendszerek_szürkeárnyalatos_kép_1.jpg]]

=== Geometriai középpont <math>(x_g,y_g)</math> meghatározása ===
<math> x_{min}, x_{max}, y_{min}, y_{max} </math> : az objektum legszélső pixeleinek koordinátái

== Hogyan definiálhatjuk egy objektum orientációját? Sorolja fel az orientációmérés lehetőségeit, illetve röviden ismertesse ezek alapelvét. ==
Objektum orientációján egy objektum egy olyan 1D-s jellemzését értjük, mely irány-, szöginformációkat szolgáltat az adott objektumról.
Objektum orientációja megadható a
*befoglaló téglalap arányaival és méreteivel
*legnagyobb távolsággal az objektumon belül
*középponttól vett legnagyobb távolsággal
*rá illeszthető legkisebb nyomatékú tengellyel

== Mit jelent az Euler szám? Mire használható? Adja meg a mellékelt ábra Euler számát. ==
Az Euler-szám egyike a topológiai tulajdonságoknak, melyek egy kép geometriai leírását segítik elő. Fontos része az ilyen tulajdonságoknak, hogy rubber-sheet jellegű transzormációkra invariáns.
Az ilyen jellegű tulajdonságok jól használhatók formák keresésére, objektumok felismerésére, adatbázisbeli keresésre.
Euler-szám fontos szerepet játszik például orvosi képfeldolgozásban, fertőzött sejtek felismerésében.

'''Euler-szám = (egybefüggő régiók száma) – (lyukak száma)'''

== Mit jelent a lánckód? Mire használható? Mi a különbség a 4-szomszádos és 8-szomszédos lánckód között? Mik az előnyei és a hátrányai az így ábrázolt objektumoknak? Hogyan tudunk segítségével kerület- és hossz-számítást végezni? Milyen problémák adódnak? ==
A lánckód egy veszteségmentes tömörítési algoritmus bináris képekhez. Lánckód segítségével alakfelismerést, sarokdetektálást végezhetünk. (A kódból egyértelműen látszik, hol vannak pl.: dudorok, bemélyedések.)
Az objektum egy szélső pixelétől elindulva szomszédos, határ menti pixelekre lépkedünk. Attól függően, hogy milyen irányba lépünk tovább a pixelhez egy számot rendelünk hozzá. Ez a számsorozat alkotja a lánckódot.
*4-szomszédos: csak azok a pixelek számítanak szomszédosnak, amiknek van közös élük
*8-szomszédos: közös él, vagy közös csúcs

*4-szomszédos lánckód maximális hiba: 41% (45°-os átlós egyenes)
*8-szomszédos lánckód maximális hiba: 7.9% (~18-27°-os átlós egyenes)

=== Kerület = kódhossz ===
Hossz számításnál kerül elő az a probléma, hogy négyzetes pixelek esetén egy átlós lépés valóságos hossza sqrt(2) egység. 4-szomszédos lánckód 2 egység hosszúnak, míg a 8-szomszédos esetben 1 egység hosszúnak veszi alapból. Ha szükséges akkor ezt kompenzálni kell.

[[Fájl:Számítógépes_látórendszerek_lánckód_1.jpg]]

[http://cs.haifa.ac.il/hagit/courses/ip/Lectures/Ip13_Binary.pdf Forrás]

== Ismertessen szubpixeles eljárásokat. Hogyan tudunk pozíciót, kerületet, ill. területet mérni segítségükkel? ==
Interpoláció alapú eljárás, mely segítségével pixel alatti pontossággal illeszthetünk görbét egy objektumra.
Megfelelő algoritmussal akár 0.1% pontosság is elérhető. 
''' Eljárás szürkeárnyalatos képekhez '''
#Szürkeárnyalatos képeket először is binarizáljuk.
#Visszatérve az eredeti képhez (fekete-fehér kép alapján) az átmeneteknél lévő pixelekhez egy súlytényezőt (értéke lehet tört, megadja az interpoláció finomságát) rendelünk attól függően, hogy mennyire világos/sötét az adott pixel.
#Megfelelő ablakozással (pl.: 2x2) végigpásztázzuk a határokat és súlyozásoknak megfelelően felbontjuk (kijelöljük a határpontot/határpontokat) a két szomszédos fekete-fehér pixel középpontját összekötő szakaszt.

Pozíciószámítás során a 3. lépésben meghatározott határpontok koordinátáit használjuk fel a képletekben.
Kerület, területnél hasonlóan.

== Ismertesse az egyenesekre vonatkozó Hough-transzformáció működését. ==
=== Hough-transzformáció ===
A Hough-transzformáció segítségével a képen általában az
<math> f (x, y ; a_1 , a_2 ,…, a_n)=0 </math> ahol
<math> a_1, a_2,…, a_n </math>
paraméterekkel explicit alakban megadható görbéket keressük.
A Hough-transzformáció alkalmazása célravezető, ha ismert alakú (és méretű) objektumokat keresünk a képen.
Akkor is célszerű, ha az egyenesek részben takartak vagy zajosak.

=== Áttérés a Hough-térbe ===
Az input (kép)tér egy <math>(x_i,y_i)</math> pontjának az
<math> r=x_i·\cosφ+y_i·\sinφ </math>
szinuszos görbe felel meg a Hough-térben.
Az egy egyenesbe eső pontokhoz tartozó szinuszos görbék egy pontban metszik egymást.

=== Egyenesek meghatározása ===
*Egy (él)pont a képtérben megfelel egy szinuszos görbének a Hough-térben.
*Két pontnak két görbe felel meg.
*Két (vagy több) ilyen görbe metszéspontja által reprezentált egyenesre ekkor kettő (vagy több) szavazat esett.
*Az így kapott egyenes valamennyi rá szavazó ponton átmegy a képtérben.
*A Hough-tér küszöbölésével megkapjuk a képtér egyeneseit.
[[Fájl:Számítógépes_látórendszerek_egyenes_1.jpg]]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:32:41Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére

(Gyakran együtt használják a kettőt.)

(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==

===Objektumkeresés===
Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum_keres.png]]

===Objektumszámlálás===
Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| -1
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objszamlalas.png]]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:31:35Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */ obj számlálás kép

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére

(Gyakran együtt használják a kettőt.)

(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==
'''Objektumkeresés''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum_keres.png]]

'''Objektumszámlálás''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| -1
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objszamlalas.png]]

Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objszamlalas.png

2015-04-15T12:31:20Z

Major Péter: Objektum számlálás szemléltetése

Objektum számlálás szemléltetése

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:29:47Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */ számlálás táblák

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére

(Gyakran együtt használják a kettőt.)

(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==
'''Objektumkeresés''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum_keres.png]]

'''Objektumszámlálás''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| -1
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| +1
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_2.jpg]]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:27:40Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére

(Gyakran együtt használják a kettőt.)

(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==
'''Objektumkeresés''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum_keres.png]]

'''Objektumszámlálás''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_2.jpg]]

Fájl:Számítógépes látórendszerek - Ellenőrző kérdések objektum keres.png

2015-04-15T12:26:39Z

Major Péter: Objektum keresés illusztrálva

Objektum keresés illusztrálva

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:24:35Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */ formázás

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére
(Gyakran együtt használják a kettőt.)
(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==
'''Objektumkeresés''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|-
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
| style="border: 1px solid red" |
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
| style="border: 1px solid red" |
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_1.jpg]]

'''Objektumszámlálás''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_2.jpg]]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:22:22Z

Major Péter: /* Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. */ táblázatokkal obj keresés

{{Vissza|Számítógépes látórendszerek}}
== Mit jelent a bináris kép? Mit jelent a küszöbözés? Milyen lehetőségeink vannak? Mit jelent a dupla-küszöbözés? ==
=== Bináris kép ===
Minden pixel csak két értéket vehet fel (megjelenítés tipikusan fekete/fehér színnel). A pixelekhez hozzárendelendő értéket valamilyen képi tulajdonság (fényerő, színintenzitás stb.) küszöbözésével határozzuk meg.
=== Küszöbözés (thresholding) ===
A legegyszerűbb eljárás, aminek segítségével egy szegmentálást (objektum(ok) és a háttér szétválasztása) végezhetünk. Egy tulajdonsághoz hozzárendelünk küszöbértéket, majd a vizsgálandó kép minden pixelén végigmegyünk és összehasonlítjuk az értékeket. A végeredmény egy bináris kép.
=== Hisztogram ===
Hisztogram egy kép egy adott tulajdonságáról (előfordulás: az adott értékkel ennyi számú pixel rendelkezett):

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_1.png]]

=== Szegmentálási lehetőségek ===
*Hisztogram alapú KÜSZÖBÖZÉS
*Osztályozás alapú
**Színek
**Formák: pl.:egyenes, gömb
*Környezetfüggő
**Lokális: inhomogén háttér esetén
=== Dupla-küszöbözés ===
Más néven hiszterézises küszöbözés. A probléma az, hogy elkülönítendő objektumok mellett más hasonló (kinézetű, színű stb) objektumok is vannak, melyek küszöbözés után megmaradnak. Ezért kettő küszöb használatával létrehozunk két képet, melyet aztán ÉS kapcsolatba helyezünk. 
'''Példa'''
#Eredeti kép
#Eredeti kép küszöbözése
#Eredeti képen élkeresés
#Élkeresett kép küszöbözése
#„4” maszkolása „2”-vel

[[Fájl:Számítógépes_látórendszerek_Hisztogramm_2.png]]

== Ismertesse a bináris képen végezhető logikai műveleteket és azok fontosabb feladatait. Ismertesse az objektum alapú logikát és felhasználási lehetőségeit. ==
Adott két kép: A, B
*Negálás: például kontúrkeresésnél
*AND: főleg képek maszkolásánál van jelentősége, két kép átfedésének megjelenítése
*OR:
*XOR:

[[Fájl:Számítógépes látórendszerek_Logika_1.jpg| 600px]]

== Mit jelent az erózió és a dilatáció? Hogyan végzünk nyitást és zárást? Mire jók ezek a műveletek, mitől függ, hogy melyiket alkalmazzuk? Hogyan tudunk e műveletekkel kontúrt keresni? Mi az olvasztásmentes dilatáció? Szürkeárnyalatos képen hogy lehet értelmezni ezeket a műveleteket? ==
=== Erózió ===
Csökkentés (fehér területek csökkentése fekete-fehér átmeneteknél)
=== Dilatáció ===
Szélesítés (fehér területek növelése fekete-fehér átmeneteknél)
A változás mértéke függ a felhasznált kernel nagyságától. Nagy számításigény.

'''Példa: 1D-s eset'''

[[Fájl:Számítógépes_látórendszerek_dila_1.png]]

=== Zárás ===
Dilatáció + erózió: nullzajok kiszedése (fekete pöttyök, fekete vonalak)
=== Nyitás ===
Erózió + dilatáció: fehér pixelhibák kiszedésére
(Gyakran együtt használják a kettőt.)
(Az előadásdiákon pont fordítva szerepel a nyitás és a zárás, de minden más forrásban a fentiek szerint van megadva.)
=== Felhasználás ===
*pixelhibák, pixelszerű zajok eltüntetése bináris képről
*kontúrkeresés: Img AND INVERSE( dilate(Img) )
*élkeresés és lyukak kitöltése
=== Olvasztásmentes dilatáció ===
Egymással érintkező objektumok éldetektálásánál segít ez a módszer. 
[[Fájl:Számítógépes_látórendszerek_olvaszt_1.png]] 
'''Szürkeárnyalatos képen:''' erózió – sötétít, dilatáció - világosít

== Mit jelent a 4- és 8-szomszédú távolság? Mik az előnyei és hátrányai az euklideszi távolsághoz képest? ==
Kernelek esetén a kernel középpontjától a pixelekben mért távolság a szélek felé haladva.

[[Fájl:Számítógépes_látórendszerek_tav_1.png]]

*4/8 szomszéd: gyors, pontatlan
*EDM: pontos, számításigényesebb

== Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. ==
'''Definíció''': Maximális körök origója mely egy adott objektumba helyezhető.

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_Csontvaz_1.jpg]]

'''Megvalósítás''':

[[Fájl:Számítógépes_látórendszerek_-_Ellenőrző_kérdések_csontvaz_2.jpg]]

'''Felhasználás''': ujjlenyomat ellenőrzés

== Hogyan tudunk bináris képen objektumokat keresni és megszámlálni? Ismertesse az eljárásokat. ==
'''Objektumkeresés''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és indexeljük az egyes pixeleket.

{|
|
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Új index
|
{|
|-
| style="background: black; color: black" | abc
| style="background: black; color: black" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Egyesítés
|
{|
|-
| style="background: black; color: black" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: black; color: black" | abc
|}
| Új index
|
{|
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|-
| style="background: white; color: white" | abc
| style="background: white; color: white" | abc
|}
| Másolás
|}

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_1.jpg]]

'''Objektumszámlálás''': Egy 2x2-es ablakkal végigpásztázunk minden pixelt és növeljük, vagy csökkentjük (hogy az algoritmus ne számoljon egy objektumot többször) a számlálónk értékét.

[[Fájl:Számítógépes látórendszerek - Ellenőrző kérdések: szamlal_2.jpg]]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T12:09:39Z

Major Péter: /* Ismertesse a csontváz definícióját és a csontvázasítás egy lehetséges megvalósítását. */

Fájl:Számítógépes látórendszerek - Ellenőrző kérdések csontvaz 2.jpg

2015-04-15T12:09:14Z

Major Péter: Csontváz szemléltetése a beírható körökkel.

Csontváz szemléltetése a beírható körökkel.