Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllenorzo03}} TOC == Ipari képfeldolgozás és képmegjelenítés Ellenörző kérdései - 3. hét== ====1. Defini…”

2012-10-21T20:37:58Z

Új oldal, tartalma: „{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllenorzo03}} __TOC__ == Ipari képfeldolgozás és képmegjelenítés Ellenörző kérdései - 3. hét== ====1. Defini…”

Új lap

{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllenorzo03}}

__TOC__

== Ipari képfeldolgozás és képmegjelenítés Ellenörző kérdései - 3. hét==

====1. Definiáljon tulajdonságmértéket bináris képeken a méret, a pozíció és az orientáció meghatározására====

Alakzatokat jellemezhetünk a ponthalmaz különböző momentumaival:

<math> E_k = \int \int r^k b(x,y) \mathrm{dx} \mathrm{dy} </math>

Ebből a nulladfokú momentum a blob területével egyenlő (méret). Ha mindezt csak adott tengelyre számítjuk ki, az elsőfokú momentumokból
megkaphatjuk a súlypontot, ami a pozícióra adhat egy mérőszámot:

<math> S_x = \int \int x b(x,y) \mathrm{dx} \mathrm{dy} </math>
<math> S_y = \int \int y b(x,y) \mathrm{dx} \mathrm{dy} </math>

====2. Hogyan határozható meg az orientáció? Milyen nyomatékok ismeretét feltételezi?====

'''meghatározás:''' A helyzethez (orientációhoz) is hasonló mértéket keresünk: legyen minden alakzatra értelmes, eltolásnál, forgatásnál a tárggyal együtt mozogjon. A definiáláshoz egy fizikai fogalmat használunk: ha egy testet egy tengely körül forgatni akarjuk, akkor lesz egy (tengelytől függő) '''tehetetlenségi nyomatéka'''. Ha megkeressük azt a (képsíkban fekvő) tengelyt, ami körül a legkisebb ez a nyomaték, az rendelkezik a kívánt tulajdonságokkal. Kiszámolása: először eltoljuk a tárgyat, hogy a súlypont az origóba kerüljön, majd kiszámoljuk a másodrendű momentumokat és a másodrendű keresztmomentumot. Ezek hasonló integrálok, x és y helyett a függvényt rendre <math> x^2 </math>-tel, <math> y^2 </math>-tel és xy-nal szorozva.

Tehát kell a súlypont (elsőrendű nyomaték) ismerete az eltoláshoz, majd ugye a másodrendű nyomatékok.

====3. Mi a vetület? Hogyan határozható meg az orientáció, a pozíció és a méret a vetületekből?====

A továbbiakhoz szükségünk lesz a vetület fogalmára. A kép egy vetülete egy egyváltozós függvény, amit az eredeti kétváltozósból vonalmenti integrálással kaphatunk. Pl. az y tengelyre vett vetületet úgy kapjuk, hogy az x változó mentén integrálunk, így a kapott kifejezés már csak y-tól fog függeni: <math> p_y(y)=\int b(x, y) dx </math>

*Méret*: nulladrendű nyomaték bármelyik vetületen. *Pozíció*: Két (merőleges) vetületen az elsőrendű nyomatékok megadják a súlypont két koordinátáját. *Orientáció*: A szükséges 3 másodrendű nyomaték meghatározható 3 darab (45°-os szöget bezáró) vetületről.

====4. Mi a futáshossz kódolás? Hogyan határozható meg a vízszintes, a függőleges és a diagonális vetület a futáshossz-kódolt képből?====

'''futáshossz kódolás:''' A gyakorlatban nem célszerű az egész képet egyszerre, tömörítetlenül memóriában tartani. Mivel jellemzőek a nagy, összefüggő, egyszínű területek, ezért jól használható a futáshossz-kódolás. Feltéve, hogy a kép bal szélén csupa nulla van, minden sorban tároljuk, hány nullával kezdődik, majd hány egyes következik, majd hány nulla, stb. (az azonos számokból álló "futamok" hosszát).

*Vetületek meghatározása*: A tömörített adatsorból visszafejtés nélkül is hatékonyan meghatározhatók bizonyos vetületek, így a momentumok is.

*Vízszintes vetület*: Minden második (egyesek, vagyis fekete pixelek számát jelképező) szám összeadása a sorban. *Függőleges vetület*: a vetület első deriváltja a kép egyszeri beolvasása közben könnyen előállítható (a megfelelő pozíciókat inkrementálva ill. dekrementálva), majd ebből maga a vetület.

====5. Diszkrét térben szomszédság definíciók. Mi teszi szükségessé a hatszomszédság bevezetését?====

'''4-szomszédosság:''' a két pixelnek "van közös oldala"

'''8-szomszédosság:''' a két pixelnek van közös oldala vagy csúcsa

Minkét esetben fellép szomszédosság-anomália: sakktábla-szerű mintázat esetén vagy semmi semmivel nem tartozik egybe, vagy a sarkoknál átnyúlnak egymáson a tartományok. Ezért topológiai célokra egyik sem megfelelő.

Megoldja az anomáliát, ha az objektumra 8-as, a háttérre 4-es szomszédságot használunk, de ennek az önkényes asszimetriája nem szerencsés. Jobb a:

'''6-szomszédosság:''' egy pixel szomszédai az oldalszomszédok, és valamelyik átló irányában a két sarokszomszéd. Ha a képet megfelelő irányban nyírjuk, ez egy hatszöges szomszédságnak felel meg. A hatszögesen elhelyezkedő pixelek mintavételezési szempontból is jobbak.

====6. Ismertessen algoritmust a komponensek megszámlálására====

'''Komponens-címkézés:''' meghatározuk, hogy melyik pixel melyik összefüggő tartományba tartozik. Ez végezhető:

'''rekurzívan:''' kiindulunk egy pixelből, és rekurzívan az azonos színű szomszédaival folytatjuk, vagy

'''szekvenciálisan:''' ekkor egyszerre csak két sort kell memóriában tartani, és alkalmazható akkor is, ha adatfolyamként kapjuk a képet.

====7. Euler szám definíciója. Algoritmus az Euler szám meghatározására.====

'''definíció:''' komponensek száma mínusz lyukak száma.

'''algoritmus:''' Szeleteljük fel a képet, majd balról jobbra nézve számítsuk az Euler számot.

====8. Additív halmaz tulajdonságmérték definíciója. Példák additive halmaz tulajdonságmértékre.====

'''definíció (additív halmaz tulajdonságmérték:''' ha X, Y a kép pixeleinek részhalmazai, A(X) az Euler-szám értéke az X halmazon, akkor <math> A(X)+A(Y)=A(X\cup Y)+A(X\cap Y) </math> (vagy másképp megfogalmazva: ha X, Y diszjunktak, akkor <math> A(X)+A(Y)=A(X\cup Y) </math>)

Az Euler-szám és pl. a terület rendelkezik az additív halmaz tulajdonságmértékkel.

====9. Lokális operáció hatása az Euler számra. Párhuzamosíthatóság korlátai.====

Végiggondolásra érdemes, hogy egy pixel változása - a szomszédoktól függően - hogyan változtathatja az Euler-számot. A lokális műveletek párhuzamosításánál gondot jelent, hogy a tartományok, amiktől függ a hatásuk (pl. hogy hogyan hat egy pixelen végzett változtatás az Euler-számra), átlapolódnak. Két szomszédos pixelen végzett művelet, ha nem egymás után, hanem párhuzamosan hajtjuk végre (és mindkettő feltételét a régi pixelek alapján számoljuk) esetleg nemkívánatos hatással járhat. Pl. keskenyítés: az objektum szélső pixeleit eltávolítjuk; ennek nem kellene az Euler-számot változtatnia. Ha viszont van egy 2 pixel vastag "nyak", akkor, párhuzamosan végezve a keskenyítést, változhat (míg sorosan végezve az egyik eltávolítása után a másiknál az új szomszéd-értékek alapján nem döntenénk az eltávolítás mellett).

[[Category:Infoszak]]

IpariKepfeldolgozasEllenorzo03 - Laptörténet

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllenorzo03}} __TOC__ == Ipari képfeldolgozás és képmegjelenítés Ellenörző kérdései - 3. hét== ====1. Defini…”

Unknown user: Új oldal, tartalma: „{{GlobalTemplate|Infoszak|IpariKepfeldolgozasEllenorzo03}} TOC == Ipari képfeldolgozás és képmegjelenítés Ellenörző kérdései - 3. hét== ====1. Defini…”