งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

1 Image Processing and Computer Vision Image Formation and Image Restoration.

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "1 Image Processing and Computer Vision Image Formation and Image Restoration."— ใบสำเนางานนำเสนอ:

1 1 Image Processing and Computer Vision Image Formation and Image Restoration

2 2 Score ( คะแนน ) Programming Assignment + Homework Midterm 15% Final 15% Examination ( สอบ ) Midterm 20% Final 25% Project OCR 15% เข้าเรียน + จิตพิสัย 10%

3 3 Topics Binary Image Processing Edge Detection Automatic Threshold Hough Transform Generalized Hough Transform Texture segmentation Gradient Descent Method State space Gradient Descent

4 4 Topics Gibbs sampler with simulated Annealing Stereo Matching, Stereo vision Optical Flow, Computing Optical Flow

5 5 ความแตกต่างของ Computer Graphic และ Image Processing Image Processing input output - การหาขนาดของภาพ (Size) - การหาขอบของภาพ (Edge Detection) - การหารูปร่างของภาพ (Shape Detection) - การกำจัด Noise ของภาพ (Noise Removing) - Etc.

6 6 ความแตกต่างของ Computer Graphic และ Image Processing Computer Graphic input output

7 7 Binary Image Processing Image Filtering and Edge Detection Image Restoration Region, Image Segmentation, texture Segmentation Blob coloring Contour Energy Minimization Stereo Matching, Object Recognition

8 8 Example Noise Removal or Image Restoration Gaussian Noise Restored image

9 9 Example Noise Removal or Image Restoration Salt and Pepper Noise Restored image

10 10 Example Edge Detection Original ImageRobert’s Edge DetectorSobel Edge Detector

11 11 Example Template Matching (Midterm Project) การอ่าน ตัวอักษร จากภาพที่ได้จากการสแกน และนำมาเปรียบเทียบกับ ต้นแบบที่มีอยู่แล้ว Kedkarn Chaiyakhun Computer Engineering Thai OCR English OCR

12 12 Example Stereo Vision (Final Project) การหาความลึกของ วัตถุในภาพ Left eye Right eye

13 13 Example Stereo Vision Depth

14 14 Example Stereo Vision Left eye Right eye

15 15 Example Stereo Vision Depth

16 16 Edge Detection Image Processing (Pre-processing) Image Restoration Noise Removal Low-Level Computer Vision

17 17 Mid-Level Computer Vision Segmentation ( การแบ่งแยก ) Grouping แยกวัตถุออกจาก Background Separate Image In the zone ( การแบ่งโซนของ พื้นที่ ) Finding Depth, Shape, Light, Material

18 18 High-Level Computer Vision Pattern Recognition, Object Recognition Obstacle Avoidance ( การหลบหลีกสิ่งกีดขวาง ) Grasping ( การจับสิ่งของ, การคว้าสิ่งของ ของ Robot) Etc.

19 19 RGB (Red Green BLUE) and CMY (Cyan Magenta Yellow) RGBCMY 19 เป็นการผสมสีสามสีระหว่างสี Red,Green,Blue RGB เป็นการแยกสีอย่าง ชัดเจน

20 20 Example RGB Original Image R-Component G-ComponentB-Component

21 21 Convert color to grayscale  I = (R+G+B) / 3 หรือ  I= * R * G * B + +/ 3 = () ?

22 22 Image Formation (Gray Scale) Intensity Image ( ความเข้มของสี ) มีค่าตั้งแต่ 0…255 ( ในระดับ Gray Scale) 0 – Black 100 – Gray White …....…………

23 23 Pixel -Pixel เป็นหน่วยที่เล็กที่สุดของภาพที่แสดงบน หน้าจอคอมพิวเตอร์ - Neighbors of Pixel ในแต่ละ pixel นั้นบางครั้งเราจำเป็นที่จะต้องทำการประมวลผลที่ pixel ปัจจุบันร่วมกับ pixel ข้างเคียง (Neighbors)

24 24 Pixel Coordinate (column x, row y) Zoom 1600% Pixel ที่ column =7, row = 4 มีค่าเป็นสีเหลือง หรือ x=7, y=4

25 25 4-neighbors of Pixel (x,y) is a red circle (x,y-1) is top one (x-1,y) is left one (x+1,y) is right one (x,y+1) is bottom one (x-1) (y-1) (y+1) (x+1)(x) (y)

26 26 Diagonal neighbor of Pixel (x,y) is a red circle (x-1,y-1) is top-left one (x+1,y-1) is top-right one (x-1,y+1) is bottom-left one (x+1,y+1) is bottom-right one (x-1) (y-1) (y+1) (x+1)(x) (y)

27 27 8-neighbors of Pixel (x,y) is a red circle (x-1,y-1), (x,y-1),(x+1,y-1), (x-1,y), (x,y), (x+1,y), (x-1,y+1),(x,y+1), (x+1,y+1) (x-1) (y-1) (y+1) (x+1)(x) (y)

28 28 Noise in Sensor (camera, scanner) ความผิดเพี้ยนต่าง ๆ ที่ทำให้ภาพไม่มี คุณภาพ การ Scan กระดาษสีขาวด้วย เครื่อง scanner ภาพที่ได้ อาจจะไม่ได้ค่าเป็น 200 ทั้งหมดก็ได้

29 29 Gaussian Additive Noise

30 30 Salt and Pepper Noise Salt = Noise ที่ทำให้ภาพมี intensity สีขาวซึ่งทำให้แตกต่างจาก pixel ข้างเคียง Pepper = Noise ที่ทำให้ภาพมี intensity สีดำซึ่งทำให้แตกต่างจาก pixel ข้างเคียง

31 31 การกำจัด Noise Gaussian Noise Use Gaussian Filter หรือ Average Filter Salt/Pepper Noise Use Median Filter

32 32 Filter คืออะไร Filter คือการนำเอาหน้ากากขนาดเล็ก (mask) ไปแปะใน input image ที่ต้องการประมวลผล และหน้ากาก (mask) จะทำการเลื่อนไปยังทุก ๆ pixel ของ input image จากซ้ายไปขวา และจากบนลงล่าง จนกระทั่งถึง pixel สุดท้ายของ input image ( ขนาดของ Filter นั้นนิยมใช้ 3X3 หรือ 2X2)

33 33 The Convolution Process z1z1 z2z2 z3z3 z4z4 z5z5 z6z6 z9z9 z8z8 z7z7 I1I1 I2I2 I3I3 I4I4 I5I5 I6I6 I 12 I 18 I 11 I 10 I9I9 I7I7 I 13 I 19 I 17 I 14 I 15 I 16 I 20 I 21 I 22 I 23 I 24 I 25 I 26 I 27 I 28 I 29 I 30 I 31 I 32 I 33 I 34 I 35 I 36 X X = I 1 z 1 +I 2 z 2 +I 3 z 3 +I 7 z 4 +I 8 z 5 +I 9 z 6 +I 13 z 7 +I 14 z 8 +I 15 z 9 ค่า Z ซึ่งเป็นค่าของ Filter หรือ หน้ากาก จะเปลี่ยนค่าไปตามชนิดต่าง ๆ ของ Filter

34 34 The Convolution Process z1z1 z2z2 z3z3 z4z4 z5z5 z6z6 z9z9 z8z8 z7z7 I1I1 I2I2 I3I3 I4I4 I5I5 I6I6 I 12 I 18 I 11 I 10 I8I8 I7I7 I 13 I 19 I 17 I 14 I 15 I 16 I 20 I 21 I 22 I 23 I 24 I 25 I 26 I 27 I 28 I 29 I 30 I 31 I 32 I 33 I 34 I 35 I 36 X X = I 2 z 1 +I 3 z 2 +I 4 z 3 +I 8 z 4 +I 9 z 5 +I 10 z 6 +I 14 z 7 +I 15 z 8 +I 16 z 9

35 35 The Convolution Process z1z1 z2z2 z3z3 z4z4 z5z5 z6z6 z9z9 z8z8 z7z7 I1I1 I2I2 I3I3 I4I4 I5I5 I6I6 I 12 I 18 I 11 X I8I8 I7I7 I 13 I 19 I 17 I 14 I 15 I 16 I 20 I 21 I 22 I 23 I 24 I 25 I 26 I 27 I 28 I 29 I 30 I 31 I 32 I 33 I 34 I 35 I 36 I9I9I9I9 X = I 3 z 1 +I 4 z 2 +I 5 z 3 +I 9 z 4 +I 10 z 5 +I 11 z 6 +I 15 z 7 +I 16 z 8 +I 17 z 9

36 36 The Convolution Process z1z1 z2z2 z3z3 z4z4 z5z5 z6z6 z9z9 z8z8 z7z7 I1I1 I2I2 I3I3 I4I4 I5I5 I6I6 I 12 I 18 X X X I7I7 I 13 I 19 XXX X X X XXI 24 I 25 XXXXI 30 I 31 I 32 I 33 I 34 I 35 I 36 X ค่าของ X ที่ได้คือค่าของ pixel intensity ค่าใหม่ที่จะได้มาจากการประมวลผลด้วย Filter หรือ หน้ากาก Pixel ที่เป็นขอบของรูปภาพสามารถนำมาแสดงผลได้เลยเนื่องจากไม่ได้ผ่านการ process จาก filter ซึ่งการไม่ผ่าน Filter นั้นไม่มีผลใด ๆ ในการแสดงผลบนหน้าจอคอมพิวเตอร์เพราะ ความละเอียดขนาด 1 pixel เป็นส่วนที่เล็กน้อยมาก

37 37 Filter Example ( การใช้ Filter ใน การเบลอภาพ ) Blurring ( การเบลอภาพ ) หรือ Average Filter

38 38 Mean Filter (Average Filter) Mean Filter ใช้สำหรับ เบลอภาพ หลักการง่าย ๆ ของ Mean Filter ก็คือ จับ pixel ที่อยู่ใกล้เคียงกันนำมาบวกกัน และ ทำการหารด้วยจำนวนช่องของ Filter นั้น

39 39 Median Filter Median Filter ใช้จัดการกับ Salt/Pepper Noise

40 40 Median Filter ไม่ใช้การ Convolution ทำการเรียงลำดับค่า และเลือกค่าที่อยู่ตรงกลาง ตัวอย่าง

41 41 Median Filter

42 42 Median Filter 3 * 3 Median Filter

43 43 Assignment 1 ให้นักศึกษาเขียนโปรแกรมโดยใช้ภาษาอะไรก็ได้ เช่น C, C#, VB, Java อื่น ๆ ( ยกเว้น Matlab) เพื่อทำการอ่านภาพ Gray Scale ซึ่งมี Salt & Pepper Noise และ Guassian Noise เข้า มา และทำการ กำจัด Noise โดยการใช้ Filter 2 แบบ คือ 1. Median Filter ใช้สำหรับกำจัด Salt & Pepper Noise 2. Average Filter (mean filter) ใช้สำหรับกำจัด Guassian Noise CPE3 ปกติ กำหนดส่ง อังคารที่ 9 พฤศจิกายน 2553 ส่งพร้อมการรัน ผลลัพธ์และอธิบายโปรแกรม CPE3/4 ปกติ กำหนดส่ง ศุกร์ที่ 12 พฤศจิกายน 2553 ส่งพร้อมการรัน ผลลัพธ์และอธิบายโปรแกรม

44


ดาวน์โหลด ppt 1 Image Processing and Computer Vision Image Formation and Image Restoration.

งานนำเสนอที่คล้ายกัน


Ads by Google