Valósidejű képfeldolgozás - Kertész ellenőrző kérdések forrásának megtekintése

{{Csonk}}
{{Vissza|Valósidejű képfeldolgozás}}
== Definiálja a valósidejű képfeldolgozás fogalmát, írjon néhány alkalmazási példát hangsúlyozva a valósidejű szempontokat! ==
* '''Valósidejű képfeldolgozás fogalma:'''
** ''Kép:'' Vizuális információkat tartalmazó összefüggő adathalmaz.
** ''Képfeldolgozás:'' Olyan számítógépes algoritmusok összessége, amelyek digitális képi adatokon végeznek műveleteket, ezekből nyernek ki lényegi információkat.
** ''Valósidejű:'' Olyan rendszerek jellemzője, amelyek meghatározott időn belül garantáltan választ adnak egy bekövetkező eseményre.

* '''Alkalmazási példák:'''
*# Dokumentum feldolgozás
*# Orvosi képfeldolgozás
*# Ipari mérések
*# Robotika
*# Kartográfia
*# Igazságügy, biztonságtechnika
*# Megfigyelés

== Hasonlítsa össze a biológiai és a mesterséges látást. Írja le a kamera felépítését, modelljeit, szenzorait és paramétereit! ==
== Milyen jellemzői vannak egy képnek, hogyan csoportosítjuk ezeket a jellemzőket? ==
== Mi a hisztogram? Hogyan alkalmazzuk a hisztogramkiegyenlítést a képminőség javítására, írja le az eljárás algoritmusát. ==
* '''Hisztogram:''' A kép intenzitásértékeinek sűrűségfüggvénye, ahol az értelmezési tartomány az intenzitásértékek, az értékkészlet pedig az adott intenzitásértéknek a darabszáma.
* '''Hisztogram kiegyenlítés:''' Célja a kontrasztosság fokozása, a gyakori intenzitások ritkításával és a ritka intenzitások sűrítésével. Egyenletes eloszlású hisztogramot szeretnénk elérni.
* '''Algoritmus:'''
** A pixelek összességét tekintve <math> \sum_{q = 0}^{J}{\chi (q)} = \sum_{r = 0}^{I}{\tau (r)} = 1 </math>.
** Az ideális eloszlás <math> \tau (r) \approx \frac{1}{I} </math> lenne.
** Így egyenletes eloszlásnál az <math>n.</math> intenzitásérték <math> \sum_{r = 0}^{n}{\tau (r)} = \frac{n}{I} </math>
** Iterációval keressük azokat az <math>m_{n}</math> értékeket, ahol
<math> \sum_{q=0}^{m_{n}}{\chi (q)} \leq \frac{n}{I} < \sum_{q = 0}^{m_{n + 1}}{\chi (q)} </math>

== Milyen pixel alapú műveleteket ismer? Rajzolja fel a karakterisztikákat! ==
# '''Kontraszt széthúzás:'''
# '''Binarizálás:'''
# '''Log függvény:'''
# '''Gamma korrekció:'''
# '''Szeletelés:'''
# '''Negálás:'''

== Mi az előnye és a hátránya a pixel szintű kontrasztfokozó eljárásnak a hisztogram kiegyenlítéssel szemben? ==
* '''Előny:''' Gyors (Look-up tábla) jól párhozamosítható (környezetfüggetlen) megvalósítás.
* '''Hátrány:'''
== Adja meg a lineáris régió alapú operátorok jellemzőit! Mi a jelentősége a linearitásnak? ==
== Írjon fel egy példát a lineáris szűrőre, milyen problémát okoz a kép szélein és elosztott megoldások esetén a régió alapú szűrő alkalmazása! ==
== Milyen zajtípusokat ismer és milyen módszerei vannak a képi zaj szűrésének? ==
== Mi a medián szűrő? Milyen zajtípusokhoz használhatjuk? Mi a hátránya lineáris szűrőkkel szemben? Egy adott pixelre időtartományban alkalmazva milyen jelegű feladat megoldására alkalmas? ==
== Milyen képjellemzőket ismer, hogyan definiálhatjuk őket? ==
== Mit nevezünk képi élnek? Tervezzen képtartományban lineáris szűrőt a képi él kiemelésére! ==
== Mi a kapcsolat a képi élek detektálásakor az első és másodrendű differencia között? ==
== Mi az LoG (Laplacian of a Gaussian) szűrő és hogyan működik? ==
== Hogyan fogalmazható meg a simítás és az élkeresés frekvenciatartományban? ==
== <strike> Írja le a Canny éldetektáló algoritmus működését! </strike> ==
== <strike> Hogyan ismerhetőek fel a képi sarkok? </strike> ==
== <strike> Írja fel a lineáris szűrők gyorsítási lehetőségeit! </strike> ==
== <strike> Hogyan alkalmazható a konvolúció illesztési feladatok megoldására? </strike> ==
== <strike> Hogyan gyorsíthatóak az illesztési feladatok? </strike> ==
== <strike> Milyen problémákat kell megoldani az illesztési feladatok során? </strike> ==

[[Category:Villanyszak]]
[[Category:InfoMsc]]