online kép - Fájl  tubefájl feltöltés file feltöltés - adja hozzá a fájlokat onlinefedezze fel a legújabb online dokumentumokKapcsolat
  
 

Letöltheto dokumentumok, programok, törvények, tervezetek, javaslatok, egyéb hasznos információk, receptek - Fájl kiterjesztések - fajltube.com

Online dokumentumok - kep
  
felso sarok kategória jobb felso sarok
 

Biológia állatok Fizikai Földrajz Kémia Matematika Növénytan Számítógépes
Filozófia
Gazdaság
Gyógyszer
Irodalom
Menedzsment
Receptek
Vegyes

 
bal also sarok   jobb also sarok
felso sarok   jobb felso sarok
 




































 
bal also sarok   jobb also sarok

A kép és a képfeldolgozó, mint fizikai valósag

fizikai





felso sarok

egyéb tételek

jobb felso sarok
 
Magneses jelenségek
REOLÓGIA
Lézeres tavolsagmérés
Képlékenyalakítas alapfogalmai
A Laplace-transzformació módszere
AZ UTOLSÓ REMÉNYSUGÁR
AZ ORFFYREUS-GÉP VALÓSZÍNŰSÍTHETŐ BELSŐ SZERKEZETE
Az elektromos aram és feszültség mérése
A TECHNIKA SZINTJE
A kép és a képfeldolgozó, mint fizikai valósag
 
bal also sarok   jobb also sarok

A kép és a képfeldolgozó, mint fizikai valóság




A hardver


Az emberi szem:

2.54 cm széles és mély, 2.3 cm magas



sclera: stabil alaktartás

choroid: vérellátás

ciliary body: lencse szabályozása

cornea: fénytörésért felelős

lens: közeli éles látás

a szemgolyó és a cornea mögötti
rész folyadékkal telített.

iris: közepe a pupilla, apertura

iris: minél kevesebb pigment -> kék szem

retina:

rod (pálcikák)

cone (csapok)

fovea

optic nerve 838h75i



"Pinhole" kamera modell


legegyszerűbb kamera modell

perspektivikus projekció







Omni vision


Panoráma képek












Csapok és pálcikák


vakfolt

optikai kivezetés

800.000 idegszál

scotopic vision:

alacsony fény

pálcikák (100-120 millió)

photopic vision:

erős fény

csapok (7 millió)


Pálcikák

három fő típus

a kék érzékelők relatív
érzékenysége alacsonyabb

jelentős átlapolódás




A retina szerkezete

















Receptív mező, előfeldolgozás


receptív mező: adott ganglionhoz tartozó fotoreceptorok

egyenletes stimuláció a receptív mezőn: gyenge válasz

receptív mező közepe: erősítés

körkörösen: gátlás

X/Y ganglionok: hosszantartó reakció az időben / erős tranziens

on-center/off-center sejtek: fény növekedésére vagy csökkenésére
növekszik a sejt intenzitása



Éles látás


max. felbontóképesség: 30"

hyperacuity:



Fényérzékelés és adaptáció

lencserendszer

receptorok

neurális feldolgozás




Kontraszt érzékenység

a szem nem-linárisan reagál
az intenzitásváltozásra

∆l: éppen érzékelhető kontraszt







Speciális kontraszt effektusok


match band effect: homogén sáv
nem tűnik homogének


szimultán kontraszt: a középső
négyzetek intenzitása azonos










White's illusion          Kontraszt érzékenység





Kontraszt érzékenység adaptációja
















Látási rendellenességek


monochromats: nincs, vagy csak egyféle pálcika

dichromats: kétféle pálcika


Kép mint folytonos 2D függvény


C(x,y,t,λ): képforrás sugárzó
energiájának eloszlása






Különbségi operátorok
















Kép-reprezentáció


pixelek

MxN pixel - MxN mátrix - x,y tengelyek

szomszédságok (4, 8)

távolságok - Euklideszi:


volume element: voxel









Hisztogramok


kép színeinek statisztikája

információ a kép minőségéről, láthatóságáról, színtartalmáról
(keskeny: kis kontraszt, két púp: előtér/háttér, stb.)

belőle is lehet alapvető mérőszámokat származtatni:

átlag:



szórás:



entrópia:



Hisztogram-transzformációk
















széthúzás (stretching)

Look-Up Table (LUT) generálás:

lineáris:

o      négyzetes (sötétít)

o      gyökös (világosít)

nem-lineáris













hisztogram-kiegyenlítés
(equalize):

o      nem-adaptív

o      adaptív

o      célja: a kontraszt
növelése



Fourier transzformáció













Operátorok:


lineáris                        - deriválás

skálázás                       - 2. derivált

konvolúció                  - 2D FT

parzevál egyenlőség    - operátorok az FT tulajdonságai

autokorrelációs tulajdonság                          - pixelek, voxelek, Jahne

derivált                        - hisztogram, hisztogram-transzformációk

Képalkotás



Kvantitatív vizualizáció


sugárzás: elektromágneses
vagy akusztikus



Fő kérdések:


  1. A kérdéses objektum sugárzása
    hogyan függ a tárgy egyes tulaj-
    donságaitól ill. a megvilágítás
    körülményeitől?

  1. Az érzékelt sugárzás hogyan függ az objektum sugárzásától?


Sugárzás típusai


elektromágneses

részecske sugárzás



akusztikus


Mindhárom hullámformában terjed, alapvető tulajdonsága a hullámhossz, ami meghatározza, hogy mekkora objektumokat tudunk mérni.























Elektromágneses sugárzás


C = 3x108 ms-1

C = λ . ν (hullámhossz [Hz] x frekvencia [1/s])

egymásra és a haladás irányára merőleges elektromos és mágneses mező váltakozása


Elektromágneses sugárzás kölcsönhatásai


töltéssel, árammal, mágneses és elektromos mezővel

refrakciós index: η = n + i Χ

n: sebesség csillapítás (c/u)

X: amplitúdó csillapítás

a refrakciós index függ az elektromágneses hullám frekvenciájától (hullámhosszától)

hullám sebessége függ a hullámhossztól à diszperzió


Vegyi anyagok optikai analízise


refrakciós index: η = n + i Χ

n: sebesség csillapítás (c/u)

amplitúdó csillapítás


Elektromágneses sugárzás


linearitás: komplex hullámok lebonthatók síkbeli harmonikus hullámokra; két hullám szuperpozíciója is em. hullám lesz

nemlineáris jelenségek: pl. nagyon erősen koncentrált fény: lézer

polarizáció: általában az EM hullámok nem polarizáltak

koherencia: ha a fázisuk közt véletlenszerű kapcsolat van, akkor inkoherens a két sugár, ellenkező esetben koherensek a sugarak

koherens sugarak kioltják egymást a 180o-os fáziseltolásoknál

a természetben előforduló fény inkoherens, a lézer koherens


Fotonok


EM sugárzásnak részecske tulajdonsága is van!

az EM energia egy kvantuma a foton

EM energia kvantált: E = h . ν (Planck állandó x frekvencia)

eV = foton mozgási energiája 1 Volt gyorsítás után

a foton számlálók 1 foton becsapódását is képesek érzékelni


Részecske sugárzás


mivel nyugalmi tömegük van, ezért a fénynél lassabban mozognak

fotonhoz hasonló terjedési tulajdonságok jellemzik: hullámszerű terjedés, E = h . ν

alfa (kétszeres pozitív töltés)

béta: elektron-sugárzás

proton

neutron


Elektron: 20keV à λ=10-11m, ami kisebb az atom átmérőjénél à elektron mikroszkóp

Hanghullámok


hordozóra van szükség

longitudinális hullámok

o      ρ: sűrűség,

o      ρ0: statikus sűrűség,                A sebesség nem függ

o      P: nyomás, u sebesség            a frekvenciától!

levegő: 344 m/s

víz: 1485 m/s

vas: 5100 m/s


Ultrahang mikroszkópia: nagy frekvencia, μm hullámhossz.


Képalkotás


geometriai aspektusok 3D - 2D projekció, 3D képalkotás

radiometria a képen reprezentált világosság hogyan függ az objektum optikai tulajdonságaitól, a mérési módszertől?

mintavétel, digitalizálás


Koordináta rendszerek










Ideális kamera modellek



"Pinhole" kamera:

perspektívikus projekció








Képpontok mozgása

a kamera képén





Röntgen

képalkotás








Homogén

koordináták




















Valós

képalkotás















Valós képalkotás


axiális nagyítás: ma

laterális nagyítás: ml








Elmosás (blur)


Hibás képtávolságból (nem lencse hibából adódóan) - lásd fixfókuszos kamerák

Depth of Focus







F érték:



Elmosás sugara:




Elmosás rossz tárgytávolságból


depth of field





Pl. CCD pixelméret: 10μm x 10μm


εmax = 5μm (megengedett, f = 15mm,

nf = 2, d = 1.5m, ΔX=0.2m (depth of field))


Mikroszkópia: ml = 50, nf = 2,

ΔX = 0.2μm




Telecentrikus képalkotás



nagyméretű optikát igényel
(tárggyal összemérhető)





Lencsehibák


szférikus aberráció

kóma

asztigmatizmus: különböző síkok mentén más a nagyítás, kör alakú tárgy képe oválisnak képződik le

párna és hordótorzítás

képmezőgörbület: sík tárgyat görbült felületen képez le az optika



Szférikus aberráció














Kóma
















Kromatikus

aberráció


















F 2.0                             F 8.0






























PSF

(Point Spread Function)








OTF (Optical Transfer Function)


A PSF Fourier transzformáltja






Diffraction-limited optical systems


ha az optikai hibákat mind kiküszöböljük, akkor is tapasztalható elmosódás a képen

az elmosódás összemérhető a hullámhosszal

Frauenhofer diffrakció (elhajlás): modell síkhullám törésére aperturánál


Airy disk


a középső pont az energia
83.9%-át képviseli


Rayleigh kritérium
(a középpont és az első
gyűrű távolsága):


3D-s képalkotás


depth imaging

volumetric imaging

fő jellemzőjük:


Módszerek


távolság háromszögelésből (geodézia, térképészet), structure from motion

távolság a visszaverődési idő függvényében

interferometria: a sugárzás amplitúdóján kívül a fázisát is mérik - erősítések, kioltások, kb. 10-9m felbontás

távolság több projekcióból: tomográfia



Éldetekció


Célja, főbb szempontok


változások detektálása

differencián alapul

többdimenziós képeken is.

az él erőssége is fontos!

konvolúcióval vagy Fourier térben szorzással számolható


Célja


képi információk, struktúra kinyerése

o      sarkok, vonalak, határok

o      alkalmazási területek

o      szegmentálás

o      karc-szűrés

o      felismerések




Típusok





lépcső, rámpa, háztető, vonal
(step, ramp, roof, line)










SNR: magasság/zajszórás










Tulajdonságok


normális: vektor, ami merőleges az élre és a
legnagyobb intenzitásváltozás irányába mutat

irány: a vonal irányába mutató vektor

helyzet, középpont

erősség: intenzitásának aránya a környező kontraszttal


Főbb problémák


anizotróp detekció: a detekció nem működik minden irányban azonosan

az irányok becslése pontatlan























Tulajdonságok

gradiens vektor:



gradiens nagysága:






Hesse-mátrix:


Laplace operátor:



Zero Shift: az operátor pontos helyen kell, hogy detektáljon: szimmetrikus


konstans függvényen 0-t kell jeleznie:





Gradiens alapú detekció

a gradiens vektor
maximumát keressük:


magnitúdó:

gyors változat:


















Laplace alapú detekció


Fourier térben:


Pixel tartományban:


2D esetben:




Példák








Bemenet


Laplace


Gradiens X


Gradiens Y


Magnitúdó









Prewitt és Sobel


átlagoló élszűrők:
























Laplace és másodrendű Prewitt














LoG, DoG


Laplace of Gaussian

Derivative of Gaussian











Compass



max[D1,D2,D3.]
















Kirsch - Compass



















Éldetekció hibái

jó detekció valószínűsége:

hibás detekció valószínűsége:


döntési hiba:


t helyes megválasztása:



















Összehasonlítás





























Élek erősítése


él-erősítő maszkok

















Wallis szűrő














Szűrések frekvencia tartományban


zajszűrések

o      alul-áteresztő szűrés

él-kiemelések

o      felül-áteresztő szűrés






























2D-s transzformációk


Alkalmazási területek


tulajdonság kiemelés (pl. DC FT együttható)

tömörítés: együtthatók kvantálhatók, bizonyos együtthatók elhagyhatók

szűrés: dimenzió-csökkentés után kevesebb számítással elvégezhető


Unitér transzformációk


invertálható, lineáris transzformációk (U) véges dimenziós térben (V), ahol a kernel bizonyos ortogonális tulajdonsággal rendelkezik

ekvivalens állítások:

o      U unitér

o      a belső szorzatot megtartja:

o      UU*T = I

o      U sorai ill. oszlopai ortonormált bázist alkotnak


Fontos tulajdonságok:




norma tartó tulajdonság:

o      f vektor formula, F mátrix formula transzformáció: f = A f

o      inverz transzformáció: f = B f

o      B = A-1 (A-1 = A*T)

o      ha A = AT akkor A ortogonális

ha A szeparálható, akkor a transzformáció elvégezhető soronként, majd oszloponként:

o      A = AC X AR (X külső szorzat)

o      F = ACFATR , F = BCFBTR


Fontos transzformációk


Fourier

koszinusz, szinusz, Hartley

Hadamard, Haar, Slant

Karhunen-Loeve




Fourier

transzformáció























lineáris, skálázás, konvolúció ,Parzevál egyenlőség,
autokorrelációs tulajdonság ,derivált
































































Diszkrét 2D Fourier transzformáció


a transzformáció:

j , k : térbeli koordináták

u , v : frekvencia koordináták



f(0,0) a kép átlagértékéről hordoz információt:












Fourier transzformáció

bázis függvény















Diszkrét 2D Fourier transzformáció


a transzformáció:


az inverz transzformáció:


szeparálható:




DFT: periodikus


amennyiben n és m egész:



következmény:









A Fourier spektrum periodikus, csakúgy mint a tér spektrum (mivel a transzformáció tekinthető egy Fourier sorba fejtésnek, ennek pedig a jel periodikussága a feltétele).



Konjugált szimmetria:







ahol m,n = 0, à tehát csaknem a spektrum fele redundáns



DFT vizualizációja


DFT-nek nagyobb a dinamikája,
mint magának a képnek

megjelenítés során a transzformációs
együtthatókat szaturálni kell, vagy
logaritmikus függvényt használni

D(u,v) = log( a + b |f(u,v)| )



DFT összegzés


mivel komplex együtthatói vannak, így nehéz tömöríteni

elsősorban analízisre és digitális szűrésre használható

a Fourier transzformáció gyenge konvergenciája, a kép szélein lévő (a kép tartalmától természetesen függő) "ugrások" következménye

gyors algoritmus: FFT



PSF (Point Spread Function)
















OTF (Optical Transfer Function)


a PSF Fourier transzformáltja







Hartley transzformáció


hasonló tulajdonságai vannak,
mint a DFT-nek, de bizonyos
esetekben gyorsabban lehet
implementálni





Koszinusz transzformáció


a képet tükrözzük -½ , -½ pontok körül













































nem egyszerűen a DFT szinuszos komponenseinek elhagyásával kapható, hanem a kép tükrözése alapján, annak Foruier transzformációja, egyszerűsítések és normálás után kapjuk

a tükrözés miatt nem reprezentál implicit magas frekvenciás ugrásokat a kép széleinél, emiatt nagyobb az energiatömörítési képessége, több együttható hagyható el kevés veszteség mellett

FFT-vel számolható

nagyon jó tömörítésre


Walsh-Hadamard


Hadamard mátrixokon alapul, aminek a sorai és oszlopai ortogonálisak

HHT = I

legkisebb ortonormált mátrix:

a Hadamard mátrixok rekurzív képzési szabálya:


bináris bázisfüggvények:

o      bázisképek a Hadamard
mátrix soraiból ill. oszlopaiból képezve



komplexitása: n * log n





egyszerű implementációja miatt kedvelt,
mivel nem szükséges szorzást számolni
a
1 értékek miatt

sequency: a mátrix soraiban történő
előjelváltozások száma osztva 2-vel

a mátrix sorai ún. Walsh függvények
által generálhatók
à Walsh-Hadamard
transzformáció

sequency tulajdonság: jelváltozások
száma soronként nő

H Hadamard transzformáció valós,
szimmetrikus, ortogonális: H = H* = HT = H-1





Haar transzformáció

















különböző frekvenciájú mintavételnek felel meg à Wavelet transzformáció




Slant transzformáció


fix bázisfüggvények

Slant bázisok

sequency tulajdonság

gyorsan számítható

jól tömörít






Példa





















Karhunen-Loeve transzformáció (KLT)

K: a kép kovarianciája

A: sajátfüggvény

λ: sajátérték




optimális a kép energiájának tömörítése szempontjából

adaptív: függ a kép méretétől és tartalmától, a bázisfüggvényeket a kép kovarianciájából kell kiszámolni

bonyolult kiszámítani, nem lehet analitikusan explicit kiszámolni a bázisvektorokat, iteratív módszer használható.


EPE: Energy Packing Efficiency


ahol X-ek a transzformált együtthatók, M≤N (pl. N=8, M=4)

a)     DCT

b)     KLT, (ρ=0.36 korrelációs együtthatójú,
First Order Markov Process-re optimalizált
KLT bázisfüggvényekkel számolva)

c)     DFT




Találat: 5239







Felhasználási feltételek