Számítógépes látórendszerek - Ellenőrző kérdések: Mérések forrásának megtekintése

{{Vissza|Számítógépes látórendszerek}}
== Hogyan definiálhatjuk egy objektum pozícióját? <br/> Ismertesse a pozíciómérés lehetőségeit.<br/> 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> p_x(x) = </math>  az <math> x</math>  koordinátájú sorban a vizsgált objektum pixeleinek száma
*<math> p_y(y) = </math>  az  <math>y</math>  koordinátájú oszlopban 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? <br/>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?<br/> Mire használható?<br/> 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?<br/> Mi a különbség a 4-szomszádos és 8-szomszédos lánckód között? Mik az előnyei és a hátrányai az így ábrázolt objektumoknak?<br/> 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. <br/><br/>
''' 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]]