VIK Wiki - Felhasználó közreműködései [hu]

Számítógépes látórendszerek - Ellenőrző kérdések: Bináris képek

2015-04-15T18:45:08Z

Vári János:

{{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 – 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: Mérések

2015-04-15T18:12:57Z

Vári János:

{{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: Bináris képek

2015-04-15T12:26:38Z

Vári János:

{{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

2015-04-15T12:14:39Z

Vári János: