Image Processing & Computer Vision

Slides:



Advertisements
งานนำเสนอที่คล้ายกัน
โปรแกรมฝึกหัด การเลื่อนและคลิกเมาส์
Advertisements

DSP 6 The Fast Fourier Transform (FFT) การแปลงฟูริเยร์แบบเร็ว
การวิเคราะห์ข้อมูลเบื้องต้น
แบบรูปและความสัมพันธ์
วิชา องค์ประกอบศิลป์สำหรับคอมพิวเตอร์ รหัส
กรอบแนวทางการทำงาน Dummy Project
ดร. พีระพล ยุวภูษิตานนท์ ภาควิชา วิศวกรรมอิเล็กทรอนิกส์
DSP 6 The Fast Fourier Transform (FFT) การแปลงฟูริเยร์แบบเร็ว
EEET0485 Digital Signal Processing Asst.Prof. Peerapol Yuvapoositanon DSP3-1 ผศ.ดร. พีระพล ยุวภูษิตานนท์ ภาควิชา วิศวกรรมอิเล็กทรอนิกส์ DSP 6 The Fast.
Computer Programming 1 1.หากต้องการพิมพ์ให้ได้ผลลัพธ์ดังนี้ต้องเขียน code อย่างไร (ใช้for)
สถิติพื้นฐานที่มีโอกาสนำไปใช้บ่อย
ชื่อสมบัติของการเท่ากัน
Image Enhancement in the Spatial Domain
เปรียบเทียบจำนวนประชากรทั้งหมดจากฐาน DBPop Original กับจำนวนประชากรทั้งหมดที่จังหวัดถือเป็นเป้าหมาย จำนวน (คน) 98.08% % จังหวัด.
การใช้งานโปรแกรม Excel เบื้องต้น
Lecture 11: อาร์เรย์แบบหลายมิติ
LAB # 3 Computer Programming 1
ทศนิยมและเศษส่วน F M B N โดย นางสาวสุพรรษา ธรรมสโรช.
: Computer Graphics (คอมพิวเตอร์กราฟิกส์)
จำนวนจริง F M B N ขอบคุณ เสถียร วิเชียรสาร.
Week 6 ประกาศค่าตัวแปร.
เนื้อหา ประเภทของโปรแกรมภาษา ขั้นตอนการพัฒนาโปรแกรม
NUMBER SYSTEM เลขฐานสิบ (Decimal Number) เลขฐานสอง (Binary Number)
Jiraporn Munsin Multi-resolution image fusion technique and its application to forensic science C.Y. Wen*, J.K. Chen, Forensic.
จำนวนนับใดๆ ที่หารจำนวนนับที่กำหนดให้ได้ลงตัว เรียกว่า ตัวประกอบของจำนวนนับ จำนวนนับ สามารถเรียกอีกอย่างว่า จำนวนเต็มบวก หรือจำนวนธรรมชาติ ซึ่งเราสามารถนำจำนวนนับเหล่านี้มา.
การนำทฤษฎีกราฟมาใช้ในด้าน
Image Processing & Computer Vision
Image Processing and Computer Vision
Image Processing & Computer Vision
Image Processing & Computer Vision
Binary Image Processing
Image Processing & Computer Vision
Image Processing and Computer Vision
7.2 ลวดลายบนพื้นผิว (Texture)
Digital Image Processing Part 3 – Pixel Relationship
Human and Computer Interaction
MAT 231: คณิตศาสตร์ไม่ต่อเนื่อง (4) ความสัมพันธ์ (Relations)
บทที่ 3 ตัวดำเนินการ และ นิพจน์
การหาคุณลักษณะพิเศษของตัวอักษร
การแปลงภาพสีเทาให้เป็นภาพขาวดำ
มหาวิทยาลัยมหาสารคาม
การวัดประสิทธิภาพ.
การจำแนกตัวอักษรออกจากบรรทัดข้อความ
การจำแนกตัวอักษรออกจากบรรทัดข้อความ
โรงเรียนชุมชนบ้านบือแนปีแน สพป.ปัตตานี เขต 2
แนวทางการปฏิบัติโครงการจูงมือ น้องน้อยบนดอยสูง 1.
การจัดทำงบการเงินประจำปี ประกอบด้วย.
คุณสมบัติการหารลงตัว
ค21201 คณิตศาสตร์เพิ่มเติม 1
หลักการออกแบบ ครูอนุชา สุระถา MR.ANUCHA SURATHA ครูนฤศรณ์ วิมลประสาร MR.NARUSORN WIMONPRASARN.
บทที่ 3 การวิเคราะห์ Analysis.
สถาปัตยกรรมคอมพิวเตอร์ (Computer Architecture)
การแจกแจงปกติ.
บทที่ 3 การทำงานกับฟอร์ม (Form)
บทที่ 3 การทำงานกับฟอร์ม (Form)
บทที่ 4 การทำงานกับรายงาน (Report)
บทที่ 9 สถิติที่ใช้ในการประเมินผล
F M B N สมบัติของจำนวนนับ ตัวคูณร่วมน้อย (ค.ร.น.).
การสร้างแบบเสื้อและแขน
การทำเหมืองข้อมูล (Data Mining)
หน่วยการเรียนรู้ที่ 7 ความรู้เบื้องต้นเกี่ยวกับจำนวนจริง
เรื่องการประยุกต์ของสมการเชิงเส้นตัวแปรเดียว
คณิตศาสตร์ (ค33101) ชั้นมัธยมศึกษาปีที่ 3 สอนโดย ครูปพิชญา คนยืน.
เรื่องการประยุกต์ของสมการเชิงเส้นตัวแปรเดียว
แบบฝึกหัด จงหาคำตอบที่ดีที่สุด หรือหาค่ากำไรสูงสุด จาก
จำนวนจริง จำนวนอตรรกยะ จำนวนตรรกยะ เศษส่วน จำนวนเต็ม จำนวนเต็มบวก
ค่าความจริงของประโยคที่มีตัวบ่งปริมาณ 2 ตัว
สื่อการสอนด้วยโปรมแกรม “Microsoft Multipoint”
หน่วยการเรียนรู้ที่ 7 ความรู้เบื้องต้นเกี่ยวกับจำนวนจริง
การแบ่งแยกและเอาชนะ Divide & Conquer
ใบสำเนางานนำเสนอ:

Image Processing & Computer Vision Texture Segmentation

Texture Segmentation ลวดลาย หรือ Texture เป็นส่วนสำคัญอย่างหนึ่งทางด้าน image processing และ computer vision ที่ใช้ในการแบ่งแยกลวดลายต่าง ๆ ภายในภาพๆ หนึ่ง ออกเป็นส่วน ๆ อย่างชัดเจน ดังตัวอย่างจากภาพด้านล่าง จะสามารถแบ่งเป็นโซนใหญ่ ๆ ได้ 4 โซน เช่น Texture of tiger Texture of grass Texture of water Unmatched texture

Texture Segmentation การแบ่งส่วนรูปภาพให้เป็นกลุ่ม (region) โดยดูจากลายของรูปภาพ หรือ Texture โดยใช้ Grey Level Co-occurrence Matrix (GLCM).

Texture Segmentation Example of Texture

Grey Level Co-occurrence Matrix (GLCM) Three different co-occurrence matrices for a gray-tone image. Horizontal Vertical Diagonal

Grey Level Co-occurrence Matrix (GLCM) GLCM คือ ตารางแสดงความแตกต่างระหว่าง pixel โดยใช้ความสว่าง (brightness) ในระดับ gray level ที่เกิดขึ้นในรูปภาพมาแสดงผลในตาราง Test image pattern (gray level) 4 gray level ตัดบางส่วนของ texture ออกมา เพื่อทำ GLCM 0  black 1  dark gray 2  light gray 3  white

Grey Level Co-occurrence Matrix (GLCM) การแบ่งช่วงสีเช่น 4-gray level ช่วง pixel intensity 0 – 63  0 ช่วง pixel intensity 64 – 127  1 ช่วง pixel intensity 128 – 191  2 ช่วง pixel intensity 192 – 255  4 การแบ่งช่วงสีสามารถทำได้มากกว่า 4 level ตามความละเอียดของ texture (ลวดลาย)

Grey Level Co-occurrence Matrix (GLCM) (Count Matrix) Fill in Count Matrix (Right spatial Relationship or Horizontal Relationship) 1 2 3 1 2 3 Test image pattern Count Matrix

Grey Level Co-occurrence Matrix (GLCM) Transpose Matrix เพื่อทำให้ Matrix สมมาตร หรือ Symmetric Count Matrix Transpose Matrix 2 1 3 2 1 3 + Count Matrix + Transpose Matrix = Symmetrical Matrix 4 2 1 6

Grey Level Co-occurrence Matrix (GLCM) Normalized symmetrical Horizontal GLCM Symmetrical Matrix / Sum of elements = Horizontal GLCM 4 2 1 6 0.167 0.083 0.042 0.25 (1/24) * = Horizontal GLCM นี้จะแสดงเป็นค่า Probability

Grey Level Co-occurrence Matrix (GLCM) นอกจากจะทำการนับค่า Co-occurrence ในระดับแนวนอน(Horizontal) แล้ว ยังสามารถที่จะทำในระดับแนวตั้ง(Vertical) หรือแนวทแยงมุม (Diagonal) ได้อีกด้วย ดังนี้ Vertical Co-occurrence Diagonal Co-occurrence

Example of Vertical GLCM 1 2 3 1 2 3 Vertical Co-occurrence Count Matrix Transpose Matrix

Example of Vertical GLCM(ต่อ) Symmetrical Matrix Vertical GLCM (Probability)

Example of Diagonal GLCM 1 2 3 1 2 3 Count Matrix Diagonal Co-occurrence Transpose Matrix

Example of Diagonal GLCM(ต่อ) Symmetrical Matrix Diagonal GLCM (Probability)

Grey Level Co-occurrence Matrix (GLCM) สร้าง Count Matrix ดู relation ใน ส่วนของภาพที่ตัดมา ระหว่างจุดอ้างอิงและจุดพิกเซลเพื่อนบ้านตามทิศทางที่กำหนด (Neighbour pixel) นับจำนวนความสัมพันธ์ที่เกิดขึ้น (occurrence) และเติมลงใน Count Matrix จะเกิด Count Matrix ของจำนวนความสัมพันธ์ขึ้น Transpose Matrix เพื่อทำให้เป็นสมมาตร (Symmetrical matrix) ทำการบวก Count Matrix และ Transpose Matrix แปลง Matrix ที่รวมกันแล้วให้เป็น Probability โดยนำเอาค่าของ Matrix แต่ละช่อง หารด้วยผลรวมทั้งหมด เมื่อหา Probability Matrix ได้แล้ว ก็สามารถนำเอา Matrix นี้ไปหา Texture ในภาพจริงได้ โดยต้องทำภาพจริงที่จะหา Texture ให้เป็น gray level ระดับเดียวกันกับ Matrix ที่สร้างขึ้นไว้ก่อน จากนั้นก็ทำการหา GLCM ของภาพจริง และนำมาเปรียบเทียบกับ GLCM ที่เราสร้างไว้เป็นต้นแบบ

Grey Level Co-occurrence Matrix (GLCM) กับ Horizontal GLCM ที่สร้างไว้แล้ว ถ้ามีค่า Probability ใกล้เคียงกันหรือเหมือนกัน ในตำแหน่งเดียวกัน ถือว่าเป็นลายเดียวกัน 0.167 0.083 0.042 0.25 Input image Horizontal GLCM

Grey Level Co-occurrence Matrix (GLCM) นอกจากจะใช้แค่ Probability Matrix ในการหา Texture แล้วเรายังสามารถหารายละเอียดของ Texture ได้อีก โดยการหา Contrast (ความแตกต่างของสี) Dissimilarity(ความแตกต่างของลวดลาย) Homogeneity หรือ similarity(ความเป็นเนื้อเดียวกันหรือความเหมือนกัน) ได้อีกด้วย

GLCM and Contrast weight 0.167 0.083 0.042 0.25 1 4 9 * Contrast weight Horizontal GLCM 0.083 0.168 0.042 = Contrast Matrix

GLCM and Dissimilarity Weight 0.167 0.083 0.042 0.25 1 2 3 * Dissimilarity weight Horizontal GLCM 0.083 0.084 0.042 = 0.083+0.084+0.083+0.084+0.042+0.042 = 0.418 Dissimilarity Matrix

GLCM and Homogeneity (Similarity) 0.167 0.083 0.042 0.25 1 0.5 0.333 0.25 * similarity weight Horizontal GLCM 0.167 0.042 0.014 0.25 0.021 0.083 0.167+0.042+0.014+0.042+0.167+ 0.014+0.25+0.021+0.021+0.083 = 0.804 = Similarity Matrix