Ð`ведение в - wl.unn.ru

МИНИСТЕРСТВО ОБРАЗОВАНИЯ И НАУКИ РОССИЙСКОЙ ФЕДЕРАЦИИ
Государственное образовательное учреждение высшего профессионального
образования
«Нижегородский государственный университет им. Н.И. Лобачевского»
Радио физический факультет
Лаборатория физических основ беспроводной связи
“Введение в OpenCV”
Выполнил:
Миронов И.М.
Что такое компьютерное зрение ?
Изображение
сцены
Компьютерная графика
Компьютерное зрение
Описание
сцены
История вопроса
• Первый проект компьютерного зрения:
– 1966 год. Масачусецкий университет.
• Планировалось за лето решить задачу
компьютерного зрения:
– Сегментация объектов
– Распознавание сегментированного объекта
Сегментация
Пример из Berkeley Segmentation Dataset:
Оба ответа верные! Задача плохо определена... 
Основы обработки изображений
• Виды подходов к обработки изображений:
– Пространственная обработка изображений
– Частотная обработка изображений
Пространственные методы
обработки изображений
• Термин пространственная область относится к
плоскости изображения как к таковой
• Пространственные методы обработки основаны
на прямом манипулировании пикселями
Операция пространственного
маскирования
• (x,y) – маска на изображении (также называется
ядром, фильтром, окном, шаблоном)
Градационные преобразования
• T – оператор градационного преобразования
Основные функции градационного
преобразования
Преобразование изображения в
негатив
• [0, L-1] – диапазон
яркости пикселей
• Эффект: усиление белых
и серых деталей на фоне
тёмных областей
Логарифмическое преобразование
Степенное преобразование
Результаты степенного
преобразования
Кусочно линейные функции
преобразований
Гистограммный анализ
изображений
• Гистограмма – это график распределения
интенсивности в изображении.
– На горизонтальной оси - шкала яркостей тонов
от белого до черного,
– на вертикальной оси - число пикселей заданной
яркости.
• 𝑛𝑘 = ℎ(𝑟𝑘 )
• 𝑛𝑘 - число пикселей на k- v уровне яркости
• 𝑟𝑘 - есть k-й уровень яркости
Пример гистограмм
0
0
255
255
Эквилизация гистограммы
изображений
Основы пространственной
фильтрации
• Фильтрация – устранения шума в
полутоновых и цветных изображений
• Типы шума:
Шум фотоаппарата
Сильное сжатие JPEG
Операция свёртка
• Свертка двумерной функции f по функции g в
непрерывном и дискретном случае.
n1
m1
 f  g  (i, j )    f (i  l )( j  k )  g (l , k )
l  n0 k  m0
• Часто, свертка изображения по какой-либо
функции называется применением фильтра к
изображению.
Пример фильтрации изображения
Линейные сглаживающие фильтры
• Фильтр радиуса r задаётся матрицей (2r + 1) x (2r + 1),
1
значения которой равны
2
(2𝑟+1)
• Cсумма по всем элементам матрицы равна, таким
образом, единице. При фильтрации с данным ядром
значение пикселя заменяется на усредненное значение
пикселей в квадрате со стороной 2r+1 вокруг него.
Фильтр Гауса
I (i, j ) 
n
m

I (i  l )( j  k ) 
l  n k  m
d  l2  k2
Параметр σ задает степень
размытия.
На графике функция с
σ  5.
1
e
2πσ
d2
 2
2σ
Выделение контуров
• Край (edge) – резкое изменение яркости на
изображении, часто соответствует
границам объектов на изображении.
Выделение точек контура
•
Нас интересуют области резкого
изменения яркости –
нахождение таких областей
можно организовать на основе
анализа первой и второй
производной изображения.
Матричный
фильтр
 1  1  1
 1 8  1


 1  1  1
График
функции
График
производной
График 2ой
производной
Выделение точек контура. Градиент
• Наибольшее изменение функции происходит в
направлении ее градиента. Величина изменения
измеряется абсолютной величиной градиента.
 I

I
I ( x, y )   ( x, y ), ( x, y ) ;
y
 x


 I
  I
I ( x, y )   ( x, y )    ( x, y ) 
 x
  y

2
2
Выделение контура. Приближения
(маски) Робертса, Превитта и Собеля
• Семейство методов основано на приближенном
вычислении градиента, анализе его направления и
абсолютной величины. Свертка по функциям:
 1
0

0
1 
0
1

Робертса
 1  - 1  1  1
0 0 0
0  
 1
1
1 
 -1
 1

 1
Превитта
0
0
0
1
1 
1 
 -1
0

 1
2
0
2
 1
0 
1 
 -1
 2

  1
Собеля
Математический смысл – приближенное вычисление
производных по направлению.
0
0
0
1
2 
1 
Выделение точек контура. Примеры
• Примеры применения операторов подчеркивания краев:
Робертса
Превитта
Собеля
Частотные методы обработки
изображений
• Частотные методами являются методы работающие в
частотной области изображения
• Для перехода в частотную область используются
различные преобразования
Преобразование Фурье
• Любая функция, периодически воспроизводящая свои
значения, может быть представлена в виде суммы синусов
различных частот, умноженных на некоторые
коэффициенты:
Фильтрация в частотной области
• Операция свёртки:
n1
m1
 f  g  (i, j )    f (i  l )( j  k )  g (l , k )
l  n0 k  m0
• Фурье над операцией свёртки даёт нам произведение
функции и ядра в частотной области:
ℱ <𝑓∗𝑔 > =𝐹∗𝐺