Upload
daire
View
55
Download
3
Embed Size (px)
DESCRIPTION
Zpracování obrazu. Počítače & grafika Přednáška č. 7 Autoři: David Škaroupka, Jiří Liška, Miroslav Cepl, Michal Pokorný, Ivo Bílek. Obsah. základní a typické úpravy snímků, obvyklé funkce v bitmapových editorech, možnosti filtrace obrazu, detekce objektů a principy OCR. - PowerPoint PPT Presentation
Citation preview
Zpracování obrazu
Počítače & grafika Přednáška č. 7
Autoři: David Škaroupka, Jiří Liška, Miroslav Cepl, Michal Pokorný, Ivo Bílek
Obsah
základní a typické úpravy snímků, obvyklé funkce v bitmapových editorech, možnosti filtrace obrazu, detekce objektů a principy OCR
Základní úpravyGeometrické úpravy: Natočení o +/-90° a 180°
Srovnání svislic/horizontu
Korekce zkreslení typu "flaška"
Základní úpravyKorekce barevné teploty: Vyvážení bílé barvy u digitálních fotoaparátů a kamer již bývá
automatické, jde o kompenzaci bílého bodu analýzou nejsvětlejších oblastí ve snímku
Ručně: nejčastěji výběrem záchytného bodu, který odpovídá buď bílé nebo šedé v daném osvětlení (bílé oblečení, ubrus, zeď, šedý beton...)
Úprava fotografie která je jakoby bez sytých barev
Základní úpravyEkvalizace = způsob zvýraznění struktury ( přemapování úrovní v bitmapě
dle požadavků operátora) Obvykle se expanduje kontrast v histogramu ( a..b → 0..100%) Barevnost je možné oživit expanzí x-y gamutu (pozor na přetečení a
šum) Korekcí kumulatitvní křivky je možné prosvětlit stíny a přemapovat
gradaci.
Bitmapové editory Operace s bitmapovým obrazem v režimu RGB, CMYK a nebo Lab:
základní 2D operace (body, obdélníky, výplně, štětce/sprajty, text...), práce na úrovni barevných kanálů (ekvalizace,...);
Operace nad celým obrazem nebo nad jeho vybranou částí: 2D transformace (translace, rotace, velikost, ořez, průhlednost), bitmapové filtry (konvoluční, fourierovské, uživatelské/pluginy,...);
Práce s hladinami: obraz je možné skládat pomocí nezávislých „průsvitek“ (průhlednosti,
operace jen nad objekty v dané hladině,...); Práce s objekty:
vektorové, textové, bitmapové;
Skriptování: automatizace často opakovaných operací.
Fitry
Konvoluční filtry Nelineární, aplikují se postupně na všechny body obrazu používají váženého součtu hodnot z okolí daného bodu,
váhy v součtu jsou určeny maticí filtru (aplikují matici na sousední pixely)
Fourierovské k odstranění nežádoucích frekvencí v obraze snadno vytváří falešné struktury
Pluginy
Detekce objektů
Vektorizace bitmapových předloh pro vektorové editory Detekce polohy objektů v průmyslové automatizaci
často jen ČB obraz hledají se těžiště, hranice a vrcholy objektů:
detekce hranic na principu rozdílu úrovní jasu, rozlišení ploch podle frekvenční charakteristiky textury
„Policejní“ aplikace detekce pohybu automatizované sledování a rozpoznání
papilárních linií (daktyloskopie) obrazu sítnice a duhovky („retina scan“) rysů obličeje (strojová „Bertilonáž“ obličeje
detekce SPZ (+ následné OCR) Problémy:
vysoké výpočetní nároky+nezanedbatelná cena HW, často jde spíš jen o „efektní“ než o efektivní aplikace.
OCR
OCR = Optical Character Recognition Rozpoznávání tištěného písma:
od 50. let (Pošta: telegramy a PSČ, embosované kreditkarty), „Latinka“ se považuje za prozkoumanou, řeší se východní
znakové sady. Psané písmo:
Omezení na specificky psané znaky, vyšší chybovost současná řešení jsou orientovaná spíš na „americké“ psané
písmo. Obvyklý postup:
Identifikace odstavců, objektů a narovnání linek, normalizace; Detekce jednotl. znaků a slitků (včetně nalezení těžiště) vyhledání nejbližšího vzorku k FFT daného znaku ve slovníku
(schopnost učení)