עיבוד תמונות ואותות בעזרת מחשב

Slides:



Advertisements
Similar presentations
מבוא למדעי המחשב לתעשייה וניהול
Advertisements

1 Formal Specifications for Complex Systems (236368) Tutorial #2 Z introduction and notation (contd.); Birthday book example (Chapter 1 in the book); Z.
Presentation by Dudu Yanay and Elior Malul 1.  מה משותף לכל אלגוריתם המשתמש ב -Bucket Elimination: ◦ נתון מודל הסתברותי ורשת ביסיאנית מתאימה. ◦ נתונה.
איתור ומעקב אחר הכדור בסרט וידאו של משחק כדורגל מדריך: גיא גלבוע מגישים: יגאל חלמיש גלבוע רוט.
רקורסיות נושאי השיעור פתרון משוואות רקורסיביות שיטת ההצבה
מסדי נתונים תשס " ג 1 תכנון סכמות (Design Theory) מסדי נתונים.
משטר דינמי המשך – © Dima Elenbogen :55 חידה שכדאי לעבור עליה: 2011/ho/WCFiles/%D7%97%D7%99%D7%93%D7%94%20%D7%A2%D7%9D%20%D7%91%D7%95%D7%A0%D7%95%D7%A1.doc.
מריוס הרשקוביץ. תוכן רקע רקע שיטות ואלגוריתמים שיטות ואלגוריתמים תוצאות תוצאות.
תרגול 5 רקורסיות. רקורסיה קריאה של פונקציה לעצמה –באופן ישיר או באופן עקיף היתרון : תכנות של דברים מסובכים נעשה ברור ונוח יותר, מכיוון שזו למעשה צורת.
רקורסיות נושאי השיעור מהן רקורסיות פתרון רקורסיות : שיטת ההצבה שיטת איטרציות שיטת המסטר 14 יוני יוני יוני 1514 יוני יוני יוני 1514.
תכנות תרגול 2 שבוע : שבוע שעבר כתבו תוכנית המגדירה שלושה משתנים מאתחלת אותם ל 1 2 ו 3 ומדפיסה את המכפלה שלהם את ההפרש שלהם ואת הסכום שלהם.
אוטומט מחסנית הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 11.
אינטרפולציה רועי יצחק.
מבוא להנדסת חשמל מעגל מסדר שני.
Robot\Machine Vision Cherevatsky Boris.
חורף - תשס " ג DBMS, צורות נורמליות 1 צורה נורמלית שלישית - 3NF הגדרה : תהי R סכמה רלציונית ותהי F קבוצת תלויות פונקציונליות מעל R. R היא ב -3NF.
שימושים בטורי פוריה לעיבוד אותות
A. Frank File Organization Indexed-Sequential File Introduction Thanks to Tamar Barnes.
שיחזור תמונה בעזרת סופררזולוציה.. 1. הקדמה. נתון אובייקט בעולם האמיתי. מטרה היא לקבל תמונה של האובייקט הנתון בגודל מסויים (L x L). לרשותינו נמצאית מצלמה.
עיבוד תמונות ואותות במחשב אלכסנדר ברנגולץ דואר אלקטרוני : שיטות קידוד שיטות קידוד אורך מלת קוד ואנטרופיה אורך מלת קוד ואנטרופיה קידוד.
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
משטר סטטי שערים לוגיים Wired Drives – © Dima Elenbogen 2009, Moshe Malka :29.
Formal Specifications for Complex Systems (236368) Tutorial #6 appendix Statecharts vs. Raphsody 7 (theory vs. practice)
1 חלק XQuery :IV XML Query. 2 ביבליוגרפיה - DTD 3 ביבליוגרפיה – books.xml TCP/IP Illustrated Stevens W. Addison-Wesley Advanced Programming in.
עיבוד אותות ותמונות במחשב
א " ב, מילים, ושפות הפקולטה למדעי המחשב אוטומטים ושפות פורמליות ( ) תרגיל מספר 1.
ערכים עצמיים בשיטות נומריות. משוואה אופינית X מציין וקטור עצמי מציינת ערך עצמי תואם לוקטור.
מבחן t למדגמים בלתי תלויים
שאלות ממבחנים לי-טל משיח
שימושים בטורי פוריה לעיבוד אותות
שאלה 1 נתון כביש ישר עם תחנות דלק בנקודות , בנקודת המוצא נתונה מכונית עם תא דלק שמספיק ל-100 ק"מ. מחיר מילוי תא הדלק בתחנה.
The Cyclic Multi-peg Tower of Hanoi מעגלי חד-כווני סבוכיות הפתרון בגרסאות עם יותר מ-3 עמודים.
הקדמה. תנועת גל בחומר. קריסת הגל. משוואת ברגר (Burgers’ equation) ופתרונה. גלי הלם. סיכום.
Data Structures, CS, TAU, Perfect Hashing 1 Perfect Hashing בעיה : נתונה קבוצה S של n מפתחות מתחום U השוואה ל - Hash : * טבלה קבועה (Hash רגיל - דינאמי.
עיבוד תמונות ואותות בעזרת מחשב תרגול מס' 10: התמרת פורייה הבדידה
אלכסנדר ברנגולץ דואר אלקטרוני: אלכסנדר ברנגולץ דואר אלקטרוני: פעולות מורפולוגיות.
1 Data Structures, CS, TAU, Perfect Hashing בעיה: נתונה קבוצה S של n מפתחות מתחום U השוואה ל- Hash : * טבלה קבועה (Hash רגיל - דינאמי) * רוצים זמן קבוע.
מציגים : PP23 אודי זמבל דני זיסליס
עקרון ההכלה וההדחה.
עיבוד תמונות ואותות בעזרת מחשב תרגול מס' 8: Template Matching
Markov Decision Processes (MDP) תומר באום Based on ch. 14 in “Probabilistic Robotics” By Thrun et al. ב"הב"ה.
גיאולוגיה סטרוקטורלית מעגלי מוהר למעוות סופי (המשך...)
1 מבוא למדעי המחשב סיבוכיות. 2 סיבוכיות - מוטיבציה סידרת פיבונאצ'י: long fibonacci (int n) { if (n == 1 || n == 2) return 1; else return (fibonacci(n-1)
1 מבוא למדעי המחשב backtracking. 2 מוטיבציה בעיית n המלכות: נתון: לוח שחמט בגודל. המטרה: לסדר על הלוח n מלכות כך שאף אחת לא תאיים על השנייה. דוגמא: עבור.
11 Introduction to Programming in C - Fall 2010 – Erez Sharvit, Amir Menczel 1 Introduction to Programming in C תרגול
מאיר אברהם ורוי חכמון. טכנולוגיות וידאו מודרני המשתמשים בהצגת וידאו דיגיטאלי הם היסודות עבור שידורי וידאו עכשווי, וידאו אינטראקטיבי, High Definition וידאו.
- אמיר רובינשטיין מיונים - Sorting משפט : חסם תחתון על מיון ( המבוסס על השוואות בלבד ) של n מפתחות הינו Ω(nlogn) במקרה הגרוע ובממוצע. ניתן לפעמים.
1 מבוא למדעי המחשב רקורסיה. 2 רקורסיה היא שיטה לפתרון בעיות המבוססת על העיקרון העומד ביסוד אינדוקציה מתמטית: אם ידועה הדרך לפתור בעיה עבור המקרים הבסיסיים.
Structure. מה לומדים היום ? דרך לבנות מבנה נתונים בסיסי – Structure מייצר " טיפוס " חדש מתאים כאשר רוצים לאגד כמה משתנים יחד דוגמאות : עובד : שם, טלפון,
Presentation by Gil Perry Supervised by Amos Fiat 1.
Sense (Gene) Anti-sense Anti- sense.
Practice session 3.  תחביר ממשי ( קונקרטי ) ותחביר מופשט ( אבסטרקטי )  שיטות חישוב : Applicative & Normal Evaluation.
Costs and Filters Dr. Avi Rosenfeld Department of Industrial Engineering Jerusalem College of Technology
1 חלק XQuery :IV XML Query. 2 ביבליוגרפיה - DTD 3 ביבליוגרפיה – books.xml TCP/IP Illustrated Stevens W. Addison-Wesley Advanced Programming in.
מבוא למדעי המחשב לתעשייה וניהול הרצאה 6. מפעל השעווה – לולאות  עד עכשיו  טיפלנו בייצור נרות מסוג אחד, במחיר אחיד  למדנו להתמודד עם טיפול במקרים שונים.
עקרונות תכנות מונחה עצמים תרגול 11: OOP in C++. Outline  Where do the objects live ?  Inheritance  Slicing  Overriding vs Shadowing.
Tirgul 12 Trees 1.
Formal Specifications for Complex Systems (236368) Tutorial #1
מבוא למדעי המחשב סיבוכיות.
צילום ועיבוד תמונות בפורמט RAW
SQL בסיסי – הגדרה אינדוקטיבית
תרגול מס' 3: Data Hazards מבוסס על תרגול של מורן גביש
השוואת נתונים למודל הסתברותי - כללית
Marina Kogan Sadetsky –
קצוות תמונה Edge Detection
תזכורת על מה דיברנו שיעור שעבר? בנינו אתר אינטרנט עם כותרות
סמינר בנושאים מתקדמים בעיבוד תמונה
Computer Programming תרגול 3 Summer 2016
Engineering Programming A
Presentation transcript:

עיבוד תמונות ואותות בעזרת מחשב תרגול מס' 6: היסטוגרמות

תזכורת: היסטוגרמה פורמלית: במילים: נתונה תמונה I ההיסטוגרמה שלה היא הפונקציה במילים: לכל ערך רמת אפור אפשרי ספור את מספר הפיקסלים בעלי ערך זה

דוגמא: היסטוגרמה >> i = imread('cameraman.tif'); >> figure; imshow(i , [0 255]); colorbar; >> figure; imhist(i);

דוגמא: היסטוגרמה >> i = imread(‘rice.png'); >> figure; imshow(i , [0 255]); colorbar; >> figure; imhist(i);

דוגמא: היסטוגרמה

טיפול בהיסטוגרמה – פעולת LUT שינוי ה-היסטוגרמה של התמונה כרוך בהחלפת ערך של כל פיקסל בערך חדש LUT: LookUp Table אלג': צור תמונה חדשה Inew לכל x,y Inew(y,x)=LUT(I(y,x)) Old value New value 128 1 128.5 2 129 3 129.5 .. … 252 253.5 253 254 254.5 255

דרכים להציג LUT נוסחא: (לא תמיד אפשר) טבלא גרף Old value New value 128 128 1 128.5 2 129 3 129.5 .. … 252 253.5 253 254 254.5 255

ומה זה עושה לתמונה? Before After

דוגמא: מתיחת היסטוגרמה Support [40,204]

דוגמא: מתיחת היסטוגרמה Support [40,204]

דוגמא: מתיחת היסטוגרמה - תוצאה לפני מתיחה אחרי מתיחה

דוגמא: מתיחת היסטוגרמה Support [7,253]

דוגמא: מתיחת היסטוגרמה נאפשר ל2% מהפיקסלים בעלי הערכים הנמוכים ביותר, ול2% בעלי הערכים הגבוהים ביותר, להיות רוויים.

איזון היסטוגרמה תזכורת: נחפש טרנס' על ההיסטוגרמה אשר: הפתרון: מונוטונית לא יורדת תמפה רמת אפור בטווח לרמת אפור בטווח בתמונת התוצאה, ההתפלגות של רמות האפור תהיה אחידה. הפתרון:

איזון היסטוגרמה: דוגמא

איזון היסטוגרמה: דוגמא היסטוגרמה מנורמלת

איזון היסטוגרמה: דוגמא חישוב האינטגרל

איזון היסטוגרמה: דוגמא LUT

איזון היסטוגרמה: דוגמא - תוצאה

מה יותר טוב? איזון היסטוגרמה מתיחת היסטוגרמה

השוואת היסטוגרמה: מעבר להיסטוגרמה ידועה למה? רוצים להשוות תמונה "חדשה" לתמונה קיימת התמונות צולמו בתנאי תאורה שונים ההנחה: אזור שבהיר יחסית לשאר בתמונה אחת יהיה בהיר יחסית לשאר התמונה גם בתמונה השניה

דוגמא

דוגמא LUT למעבר להיסטוגרמה אחידה LUT למעבר להיסטוגרמה אחידה

דוגמא LUT למעבר להיסטוגרמה אחידה LUT למעבר להיסטוגרמה הפוכה הופכי

LUT למעבר מהיסטוגרמה להיסטוגרמה דוגמא LUT למעבר מהיסטוגרמה להיסטוגרמה זהו ה-LUT השקול להפעלה ברצף של שני ה LUT בשקף הקודם

היסטוגרמת מקור דוגמא - תוצאה היסטוגרמת תוצאה היסטוגרמת יעד תמונת תוצאה

דוגמא - בעיה האם באמת קיים הופכי? צריך למצוא פתרון...

נתון: x - מפולג אחיד, [x[0,1 תרגיל נתון: x - מפולג אחיד, [x[0,1 צריך למצוא: התמרה [z=T[x כך שהפילוג של z יהיה לפי (C - גורם נרמול) בתחום [a>0, [a,b מוטיבציה: רגישות העין לוגריתמית ולכן נרצה שהלוגריתם של רמות האפור יהיה מפולג אחיד.

דוגמא – מתרגיל משנה שעברה א. חשב את צפיפות הפילוג ואת פונקצית הפילוג של רמות האפור.

דוגמא – מתרגיל משנה שעברה ב. ברצוננו לשפר את התמונה על ידי מתיחת היסטוגרמה, תוך שמירה על יכולת הבחנה בין רמות האפור השונות. מצא את מיפוי רמות האפור המתאים, והסבר מדוע זאת התוצאה.

דוגמא – מתרגיל משנה שעברה ג. כעת אנו מוכנים לאפשר ל2% מהפיקסלים הקיצוניים (מכל צד) להיות ברוויה (כלומר לא צריך להבחין ביניהם). מצא את המיפוי המתאים.

דוגמא – מתרגיל משנה שעברה ד. רוצים לשפר את ההיסטוגרמה על ידי ביצוע "איזון היסטוגרמה". מצא את המיפוי המתאים.