metode inteligente de rezolvare a problemelor reale

50 Pages·2013·1.16 MB·Romanian

METODE INTELIGENTE
DE REZOLVARE
A PROBLEMELOR REALE
Laura Dioşan
Tema 2
Procesarea imaginilor
De ce?

Îmbunătăţirea calităţii imaginilor

Reducerea zgomotolui şi a altor defecte

Evidenţierea anumitor zone

Determinarea contururilor

Extragerea de informaţii

Aplicaţii

Recunoaşterea caracterelor

Recunoaşterea amprentelor

Prelucrarea imaginilor medicale

Prelucrarea imaginilor din satelit

Procesarea imaginilor
Captarea imaginilor şi reprezentarea lor

Operaţii asupra imaginilor

Operaţii geometrice

Operaţii de îmbunătăţire

Operaţii de comprimare

Extragerea de informaţii relevante din

imagini
Captarea imaginilor şi reprezentarea lor
Captare

 Foto
 Video
Reprezentare

 În domeniul spaţial (geometric)
Imaginea = un ansamblu de valori plasate dupa o formă spaţială (regulată sau nu) de

dimensiune supra-unitară (plan, spaţiu, dar nu dreaptă)
Matrice de pixeli (picture elemnt)

Reprezentare intuitivă dpdv al ochiului uman

 În domeniul frecvenţelor (spectral)
Imaginea = un ansamblu de frecvenţe care compun imaginea (culoare – frecvenţă –

lungime de undă (IP) – amplitudine)
Imaginea = semnal bidimensional

Grafic, pe OX, OY se află distribuţia frecvenţelor pe cele 2 axe ale imaginii, iar culoarea

pixelilor va reprezenta amplitudinea (mai deschis înseamnă amplitudine superioară)
Reprezentare f. utilă în procesele de analiză, comprimare şi prelucrare a imaginilor

Captarea imaginilor şi reprezentarea lor
– domeniul spaţial
Imaginea = ansamblu de pixeli
Tipologia imaginilor în domeniul spaţial (geometric)
După valoarea unui pixel

Imagini scalare – orice valoare este un scalar (intensitatea

luminoasă, distanţa, temperatura)
imagini monocrome (binare)  0/1

imagini alb-negru (cu nivele de gri)  8 biţi

 0  negru
 255  alb
Imagini vectoriale – orice valoare este un vector; imaginea

vectorială = sandwich de imagini scalare
Imagini color – vectori de 3 componente

Imagini satelitare – vectori de 3-200 componente

Imagini termografice – vectori de 2-5 componente în bandă de

infraroşu
Captarea imaginilor şi reprezentarea lor
– domeniul spaţial
Imagini color – vectori de 3 componente

Modelul RGB (Red-Green-Blue)

(0,0,0)  negru

(255, 255, 255)  alb

Modelul HSI (Hue-Saturation-Intensity)

Nuanţa  unghiul culorii în cercul de culori (0-360°)

Saturaţia  puritatea culorii (procentual)

Intensitatea

Modelul CMY (Cyan-Magenta-Yellow)

(0,0,0)  alb

(255,255,255)  negru

Conversii între modele

Captarea imaginilor şi reprezentarea lor
– domeniul spaţial
Tipologia imaginilor în domeniul spaţial (geometric)
După semnificaţia valorilor

Imagini de intensitate – valori DP cu mărimea fizică

măsurată în scenă
Imagini indexate – valorile sunt indici (adrese) într-un

tabel asociat imaginii, în care se găseşte informaţia de
intensitate
Captarea imaginilor şi reprezentarea lor
– domeniul spaţial
 Pp. o imagine de dimensiune MxN
 f – valoarea pixelului de pe linia i şi coloana j
ij
 P – mulţimea tuturor pixelilor
 Vecinătăţi
 Pt. un pixel p situat la poziţia (i,j)
 Vecini ortogonali:
 p1 – (i-1,j), p2 – (i+1,j), p3 – (i,j-1), p4 – (i, j+1)
 Formează ansamblul N4(p)
 Vecini diagonali
 p5 – (i-1,j-1), p6 – (i-1,j+1), p7 – (i+1,j-1), p8 – (i+1,j+1)
 formează ansamblul ND(p)
 N (p)=N (p) U N (p)
8 4 D
 Conectivităţi
 2 pixeli p (i ,j ) şi p (i ,j ) se află în relaţie de
1 1 1 2 2 2
 k-conectivitate
 dacă p1єNk(p2) sau p2єNk(p1), k є {4,8}
 Drum
 de lungime n mulţimea de pixeli D ={p ,p ,...,p } a.î. p se află în relaţie de conectivitate cu
n 1 2 n i
p , i=1,2,...,n-1
i+1
 Pixelii p şi q sunt conectaţi dacă există un drum între ei
 Regiune
 set de pixeli conectaţi
Captarea imaginilor şi reprezentarea lor
– domeniul spaţial
Metrici între 2 pixeli p (i ,j ) şi p (i ,j )

1 1 1 2 2 2
Distanţa Euclideană

d(p ,p )=[(i -i )2+(j -j )2]1/2

1 2 1 2 1 2
Distanţa Manhattan

d (p ,p )=|i -i |+|j -j | N (p)={qєP a.î.

4 1 2 1 2 1 2 4
d (p,q)≤1}
4
Distanţa jocului de şah

d (p ,p )=max(|i -i |,|j -j |) N (p)={qєP a.î.

8 1 2 1 2 1 2 8
d (p,q)≤1}
8
Captarea imaginilor şi reprezentarea lor
– domeniul frecvenţelor
Imaginea = ansamblu de frecvenţe

Transformarea unei imagini din domeniul

spaţial în domeniul spectral
Serii Fourier

Matrice de pixeli  matrice de frecvenţe

(lungimi de undă)
Orice undă (sinusoidală) poate fi descompusă într-o

sumă de mai multe sinusoidale