Képfeldolgozás. 1. el adás. A képfeldolgozás m veletei. Mechatronikai mérnök szak BME, 2008

Hasonló dokumentumok
Véletlen jelenség: okok rendszere hozza létre - nem ismerhetjük mind, ezért sztochasztikus.

Képfeldolgozás. 1. el adás. A képfeldolgozás alapfogalmai. Mechatronikai mérnök szak BME, 2008

Abszolút folytonos valószín ségi változó (4. el adás)

Microsoft Excel Gyakoriság

Elméleti összefoglaló a Valószín ségszámítás kurzushoz

Gazdasági matematika II. tanmenet

Permutációk véges halmazon (el adásvázlat, február 12.)

Lineáris algebra 2. Filip Ferdinánd december 7. siva.banki.hu/jegyzetek

Számítógépes geometria

Pontműveletek. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar február 20.

Egyváltozós függvények 1.

Elméleti összefoglaló a Sztochasztika alapjai kurzushoz

Lineáris leképezések. Wettl Ferenc március 9. Wettl Ferenc Lineáris leképezések március 9. 1 / 31

Matematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. Biró Zsolt. 1. Célkit zések Általános követelmények 1

MBNK12: Permutációk (el adásvázlat, április 11.) Maróti Miklós

Lin.Alg.Zh.1 feladatok

Robotika. Kinematika. Magyar Attila

Vektorterek. Wettl Ferenc február 17. Wettl Ferenc Vektorterek február / 27

Lin.Alg.Zh.1 feladatok

Függvényhatárérték és folytonosság

Statisztika - bevezetés Méréselmélet PE MIK MI_BSc VI_BSc 1

Bevezetés. Transzformáció

Komplex számok. Komplex számok és alakjaik, számolás komplex számokkal.

Mátrixok 2017 Mátrixok

Hajder Levente 2017/2018. II. félév

2. gyakorlat. A polárkoordináta-rendszer

Kódelméleti és kriptográai alkalmazások

Hozzárendelés, lineáris függvény

Leíró és matematikai statisztika el adásnapló Matematika alapszak, matematikai elemz szakirány 2016/2017. tavaszi félév

Infobionika ROBOTIKA. X. Előadás. Robot manipulátorok II. Direkt és inverz kinematika. Készült a HEFOP P /1.0 projekt keretében

Lineáris leképezések. 2. Lineáris-e az f : R 2 R 2 f(x, y) = (x + y, x 2 )

2. A ξ valószín ségi változó eloszlásfüggvénye a következ : x 4 81 F (x) = x 4 ha 3 < x 0 különben

Határérték. Wettl Ferenc el adása alapján és Wettl Ferenc el adása alapján Határérték és

5. házi feladat. AB, CD kitér élpárra történ tükrözések: Az ered transzformáció: mivel az origó xpont, így nincs szükség homogénkoordinátás

Vektorok. Wettl Ferenc október 20. Wettl Ferenc Vektorok október / 36

GAZDASÁGMATEMATIKA KÖZÉPHALADÓ SZINTEN

Lineáris egyenletrendszerek

Sorozatok és Sorozatok és / 18

Brósch Zoltán (Debreceni Egyetem Kossuth Lajos Gyakorló Gimnáziuma) Geometria III.

Matematika A2 vizsga mgeoldása június 4.

3D koordináta-rendszerek

1. Példa. A gamma függvény és a Fubini-tétel.

Vektorok, mátrixok, lineáris egyenletrendszerek

Transzformációk síkon, térben

6. Függvények. Legyen függvény és nem üreshalmaz. A függvényt az f K-ra való kiterjesztésének

A Föld középpontja felé szabadon eső test sebessége növekszik, azaz, a

3. el adás: Determinánsok

Matematika (mesterképzés)

Bázistranszformáció és alkalmazásai 2.

2014. szeptember 24. és 26. Dr. Vincze Szilvia

Diszkrét matematika 2.C szakirány

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

LINEÁRIS ALGEBRA. matematika alapszak. Euklideszi terek. SZTE Bolyai Intézet, őszi félév. Euklideszi terek LINEÁRIS ALGEBRA 1 / 40

Matematika 8. osztály

Eseményalgebra. Esemény: minden amirl a kísérlet elvégzése során eldönthet egyértelmen hogy a kísérlet során bekövetkezett-e vagy sem.

Megoldott feladatok november 30. n+3 szigorúan monoton csökken, 5. n+3. lim a n = lim. n+3 = 2n+3 n+4 2n+1

Ortogonalizáció. Wettl Ferenc Wettl Ferenc Ortogonalizáció / 41

[Biomatematika 2] Orvosi biometria

Tartalom. Nevezetes affin transzformációk. Valasek Gábor 2016/2017. tavaszi félév

MA1143v A. csoport Név: december 4. Gyak.vez:. Gyak. kódja: Neptun kód:.

Biostatisztika. Sz cs Gábor. 2018/19 tavaszi félév. Szegedi Tudományegyetem, Bolyai Intézet

Valószín ségszámítás és statisztika

HALMAZELMÉLET feladatsor 1.

0,424 0,576. f) P (X 2 = 3) g) P (X 3 = 1) h) P (X 4 = 1 vagy 2 X 2 = 2) i) P (X 7 = 3, X 4 = 1, X 2 = 2 X 0 = 2) j) P (X 7 = 3, X 4 = 1, X 2 = 2)

Biomatematika 2 Orvosi biometria

1. Mátrixösszeadás és skalárral szorzás

Sajátértékek és sajátvektorok. mf1n1a06- mf1n2a06 Csabai István

Matematikai geodéziai számítások 10.

Valószínűségszámítás összefoglaló

Az egyenlőtlenség mindkét oldalát szorozzuk meg 4 16-al:

Valasek Gábor Informatikai Kar. 2016/2017. tavaszi félév

Függvény fogalma, jelölések 15

Függvények Megoldások

SULINOVA PROGRAMTANTERVÉHEZ ILLESZKEDŐ TANMENET 9. ÉVFOLYAM SZÁMÁRA

A KroneckerCapelli-tételb l következik, hogy egy Bx = 0 homogén lineáris egyenletrendszernek

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

2012. október 9 és 11. Dr. Vincze Szilvia

2. SZÉLSŽÉRTÉKSZÁMÍTÁS. 2.1 A széls érték fogalma, létezése

Diszkrét matematika II., 1. el adás. Lineáris leképezések

Kinematika szeptember Vonatkoztatási rendszerek, koordinátarendszerek

0-49 pont: elégtelen, pont: elégséges, pont: közepes, pont: jó, pont: jeles

Exponenciális, logaritmikus függvények

FÜGGVÉNYEK TULAJDONSÁGAI, JELLEMZÉSI SZEMPONTJAI

Matematika pótvizsga témakörök 9. V

biometria II. foglalkozás előadó: Prof. Dr. Rajkó Róbert Matematikai-statisztikai adatfeldolgozás

Bevezetés. 1. fejezet. Algebrai feladatok. Feladatok

A leíró statisztikák

A sorozat fogalma. függvényeket sorozatoknak nevezzük. Amennyiben az értékkészlet. az értékkészlet a komplex számok halmaza, akkor komplex

Diszkrét matematika 2.

Matematika B/1. Tartalomjegyzék. 1. Célkit zések. 2. Általános követelmények. 3. Rövid leírás. 4. Oktatási módszer. Biró Zsolt. 1.

Lineáris algebra és a rang fogalma (el adásvázlat, szeptember 29.) Maróti Miklós

12. előadás. Egyenletrendszerek, mátrixok. Dr. Szörényi Miklós, Dr. Kallós Gábor

1. Komplex függvények dierenciálhatósága, Cauchy-Riemann egyenletek. Hatványsorok, elemi függvények

Lineáris Algebra. Tartalomjegyzék. Pejó Balázs. 1. Peano-axiomák

PTE PMMFK Levelező-távoktatás, villamosmérnök szak

Lengyelné Dr. Szilágyi Szilvia április 7.

FEGYVERNEKI SÁNDOR, Valószínűség-sZÁMÍTÁs És MATEMATIKAI

Inverz Laplace-transzformáció. Vajda István március 4.

Online algoritmusok. Algoritmusok és bonyolultságuk. Horváth Bálint március 30. Horváth Bálint Online algoritmusok március 30.

Vektorterek. =a gyakorlatokon megoldásra ajánlott

Átírás:

Képfeldolgozás 1. el adás. A képfeldolgozás m veletei Mechatronikai mérnök szak BME, 2008 1 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 2 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 3 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 4 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 5 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 6 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 7 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 8 / 61

Alapfogalmak transzformációk Deníció Deníció Geometriai korrekciókra akkor van szükség, ha a képr l valódi méreteket akarunk leolvasni, vagy egy tárgy különböz képeit akarjuk összehasonlítani. Okok A geometriai torzítások okai: A képfelvev rendszer optikai hibái. A háromdimenziós tér kétdimeniós leképzése pontatlan, azaz perspektivikus torzítás lép fel. A felvétel közben változik a geometriai összefüggés a felvev eszköz és az objektum között, például elmozdulás esetén. 9 / 61

Alapfogalmak transzformációk Koordináta-transzformációk Deníció Képalkotáskor a háromdimenziós tér egy pontjához a leképzés P (x, y) pontot rendel. Az (x, y) ( x, y ) koordináta-transzformációra akkor van szükségünk, ha a képpontot a P (x, y ) korrigált képponttal akarjuk megfeleltetni. 10 / 61

Alapfogalmak transzformációk Lineáris koordináta-transzformációk Deníció Legyen V és W két vektortér a valós számtest (R) felett. Az L : V W leképzést akkor nevezzük lineárisnak, ha tetsz leges x 1, x 2 V és x 1, x 2 V esetén teljesül az L (x 1 + x 2 ) = L (x 1 ) + L (x 2 ) és a azonosság. L (λx 1 ) = λl (x 1 ) Írásmód A P (x, y) és P (x, y ) pontok közötti lineáris transzformáció alakban írható fel. [x, y] A = [ x, y ] ; [ ] a11 a A = 12 a 21 a 22 11 / 61

Alapfogalmak transzformációk Lineáris koordináta-transzformációk Deníció Legyen V és W két vektortér a valós számtest (R) felett. Az L : V W leképzést akkor nevezzük lineárisnak, ha tetsz leges x 1, x 2 V és x 1, x 2 V esetén teljesül az L (x 1 + x 2 ) = L (x 1 ) + L (x 2 ) és a azonosság. L (λx 1 ) = λl (x 1 ) Írásmód A P (x, y) és P (x, y ) pontok közötti lineáris transzformáció alakban írható fel. [x, y] A = [ x, y ] ; [ ] a11 a A = 12 a 21 a 22 12 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 13 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 14 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 15 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 16 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 17 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Léptékváltás a a A két koordináta transzformációja egymástól függetelen. Ha a 21 = a 12 = 0, akkor léptékváltásról beszélünk. Ha a 11 > 1, illetve a 22 > 1, akkor nagyításról beszélünk. Ha 0 < a 11 < 1, illetve 0 < a 22 < 1, akkor kicsinyítésr l beszélünk. Ha a 11 < 0, illetve a 22 < 0, akkor a léptékváltás egyszersmind tükrözést is jelent az x, illetve az y tengelyre. Ha a 11 = 1, illetve a 22 = 1, akkor a léptékváltás mérettartó. Ha a 11 = 0, illetve a 22 = 0, akkor a léptékváltás eltüntet. 18 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Nyírás Ha a 11 = a 22 = 1, de a 12 0, illetve a 12 0, akkor a transzformációt nyírásnak nevezzük. Elforgatás Az ϕ szög elforgatást jelent az origó körül. [ cos ϕ sin ϕ A = sin ϕ cos ϕ ] 19 / 61

Alapfogalmak transzformációk Elemi koordináta-transzformációk Nyírás Ha a 11 = a 22 = 1, de a 12 0, illetve a 12 0, akkor a transzformációt nyírásnak nevezzük. Elforgatás Az ϕ szög elforgatást jelent az origó körül. [ cos ϕ sin ϕ A = sin ϕ cos ϕ ] 20 / 61

Alapfogalmak transzformációk Megjegyzések az elemi koordináta-transzformációkhoz Megjegyzések Az elemi koordináta-transzformációkkal kapcsolatban megjegyzend k az alábbiak: Az általános 2x2-es mátrix segítségével leírt síkbeli lineáris transzformáció egyedül az origót hagyja változatlanul. A síkbeli eltolás 2x2-es mátrix segítségével nem valósítható meg. Tetsz leges T terület síkbeli alakzat transzformáció utáni új területét a mátrix determinánsának ismeretében a T = T A = T (a 11 a 22 a 12 a 21 ) kifejezésb l kaphatjuk meg. A lineáris transzformációk egymásutánját az egyes transzformációk mátrixának szorzataként fejezhetjük ki. Mivel a mátrixszorzás nem kommutatív m velet, a tényez k sorrendje lényeges. 21 / 61

Alapfogalmak transzformációk Megjegyzések az elemi koordináta-transzformációkhoz Megjegyzések Az elemi koordináta-transzformációkkal kapcsolatban megjegyzend k az alábbiak: Az általános 2x2-es mátrix segítségével leírt síkbeli lineáris transzformáció egyedül az origót hagyja változatlanul. A síkbeli eltolás 2x2-es mátrix segítségével nem valósítható meg. Tetsz leges T terület síkbeli alakzat transzformáció utáni új területét a mátrix determinánsának ismeretében a T = T A = T (a 11 a 22 a 12 a 21 ) kifejezésb l kaphatjuk meg. A lineáris transzformációk egymásutánját az egyes transzformációk mátrixának szorzataként fejezhetjük ki. Mivel a mátrixszorzás nem kommutatív m velet, a tényez k sorrendje lényeges. 22 / 61

Alapfogalmak transzformációk Megjegyzések az elemi koordináta-transzformációkhoz Megjegyzések Az elemi koordináta-transzformációkkal kapcsolatban megjegyzend k az alábbiak: Az általános 2x2-es mátrix segítségével leírt síkbeli lineáris transzformáció egyedül az origót hagyja változatlanul. A síkbeli eltolás 2x2-es mátrix segítségével nem valósítható meg. Tetsz leges T terület síkbeli alakzat transzformáció utáni új területét a mátrix determinánsának ismeretében a T = T A = T (a 11 a 22 a 12 a 21 ) kifejezésb l kaphatjuk meg. A lineáris transzformációk egymásutánját az egyes transzformációk mátrixának szorzataként fejezhetjük ki. Mivel a mátrixszorzás nem kommutatív m velet, a tényez k sorrendje lényeges. 23 / 61

Alapfogalmak transzformációk Megjegyzések az elemi koordináta-transzformációkhoz Megjegyzések Az elemi koordináta-transzformációkkal kapcsolatban megjegyzend k az alábbiak: Az általános 2x2-es mátrix segítségével leírt síkbeli lineáris transzformáció egyedül az origót hagyja változatlanul. A síkbeli eltolás 2x2-es mátrix segítségével nem valósítható meg. Tetsz leges T terület síkbeli alakzat transzformáció utáni új területét a mátrix determinánsának ismeretében a T = T A = T (a 11 a 22 a 12 a 21 ) kifejezésb l kaphatjuk meg. A lineáris transzformációk egymásutánját az egyes transzformációk mátrixának szorzataként fejezhetjük ki. Mivel a mátrixszorzás nem kommutatív m velet, a tényez k sorrendje lényeges. 24 / 61

Alapfogalmak transzformációk Megjegyzések az elemi koordináta-transzformációkhoz Megjegyzések Az elemi koordináta-transzformációkkal kapcsolatban megjegyzend k az alábbiak: Az általános 2x2-es mátrix segítségével leírt síkbeli lineáris transzformáció egyedül az origót hagyja változatlanul. A síkbeli eltolás 2x2-es mátrix segítségével nem valósítható meg. Tetsz leges T terület síkbeli alakzat transzformáció utáni új területét a mátrix determinánsának ismeretében a T = T A = T (a 11 a 22 a 12 a 21 ) kifejezésb l kaphatjuk meg. A lineáris transzformációk egymásutánját az egyes transzformációk mátrixának szorzataként fejezhetjük ki. Mivel a mátrixszorzás nem kommutatív m velet, a tényez k sorrendje lényeges. 25 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 26 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 27 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 28 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 29 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 30 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 31 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 32 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 33 / 61

Valószín ségi változók Paraméterek, jellemz k Valószín ségi változók Deníció Rendeljünk hozzá a valószín ségi mez minden eleméhez, vagyis az egyes eseményekhez egy-egy valós számot. Ily módon valószín ségi változókhoz jutunk, amelyek adott számértéket valamilyen esemény bekövetkeztekor vesznek fel. Paraméterek, jellemz k A sokaságra vonatkozó eloszlás-, illetve s r ségfüggvény konstansai és ezek származákai a paraméterek. Ezen paraméterekre a sokaságból vett minta alapján adunk becslést, ezek a minta jellemz i. 34 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 35 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 36 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 37 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 38 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 39 / 61

Valószín ségi változók Paraméterek, jellemz k Gyakoriság, valószín ség Gyakoriság A mintában az egyes értékek el fordulásának száma a gyakoriság. Relatív gyakoriság A relatív gyakoriság a gyakoriság osztva az összes el fordulás számával. Valószín ség A valószín ség a relatív gyakoriság határértéke végtelen számú minta esetén. 40 / 61

Valószín ségi változók Paraméterek, jellemz k S r ségfüggvény, eloszlásfüggvény S r ségfüggvény A relatív gyakorisági hisztogram a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében a relatív gyakoriság függvényértéke. Az mintaszám növelése, azaz az osztályközök szélességének csökkentése esetén bel le a valószín ség-s r ségfüggvényt kapjuk. Eloszlásfüggvény Ha a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében ábrázoljuk a kumulált relatív gyakoriságokat, akkor az osztályköz csökkentése, illetve a minta számának növelése esetén az eloszlásfüggvényt kapjuk. 41 / 61

Valószín ségi változók Paraméterek, jellemz k S r ségfüggvény, eloszlásfüggvény S r ségfüggvény A relatív gyakorisági hisztogram a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében a relatív gyakoriság függvényértéke. Az mintaszám növelése, azaz az osztályközök szélességének csökkentése esetén bel le a valószín ség-s r ségfüggvényt kapjuk. Eloszlásfüggvény Ha a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében ábrázoljuk a kumulált relatív gyakoriságokat, akkor az osztályköz csökkentése, illetve a minta számának növelése esetén az eloszlásfüggvényt kapjuk. 42 / 61

Valószín ségi változók Paraméterek, jellemz k S r ségfüggvény, eloszlásfüggvény S r ségfüggvény A relatív gyakorisági hisztogram a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében a relatív gyakoriság függvényértéke. Az mintaszám növelése, azaz az osztályközök szélességének csökkentése esetén bel le a valószín ség-s r ségfüggvényt kapjuk. Eloszlásfüggvény Ha a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében ábrázoljuk a kumulált relatív gyakoriságokat, akkor az osztályköz csökkentése, illetve a minta számának növelése esetén az eloszlásfüggvényt kapjuk. 43 / 61

Valószín ségi változók Paraméterek, jellemz k S r ségfüggvény, eloszlásfüggvény S r ségfüggvény A relatív gyakorisági hisztogram a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében a relatív gyakoriság függvényértéke. Az mintaszám növelése, azaz az osztályközök szélességének csökkentése esetén bel le a valószín ség-s r ségfüggvényt kapjuk. Eloszlásfüggvény Ha a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében ábrázoljuk a kumulált relatív gyakoriságokat, akkor az osztályköz csökkentése, illetve a minta számának növelése esetén az eloszlásfüggvényt kapjuk. 44 / 61

Valószín ségi változók Paraméterek, jellemz k S r ségfüggvény, eloszlásfüggvény S r ségfüggvény A relatív gyakorisági hisztogram a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében a relatív gyakoriság függvényértéke. Az mintaszám növelése, azaz az osztályközök szélességének csökkentése esetén bel le a valószín ség-s r ségfüggvényt kapjuk. Eloszlásfüggvény Ha a valószín ségi változó (osztályba sorolás esetén az osztályközép) függvényében ábrázoljuk a kumulált relatív gyakoriságokat, akkor az osztályköz csökkentése, illetve a minta számának növelése esetén az eloszlásfüggvényt kapjuk. 45 / 61

Skálázások Hisztogram transzformációk Gyakorlati példák Képfeldolgozási minta A képfeldolgozási m veleteket a melléklet képen fogjuk elvégezni. 46 / 61

Skálázások Hisztogram transzformációk Az egyik leggyakrabban el forduló képhiba a nem megfelel fénys r ségb l, illetve a leképz rendszerben keletkez fényveszteségekb l adódó kontrasztszegénység. A világosságkód-transzformációk célja a kontraszt növelése a világosságkódok eloszlásának megváltoztatásával. Hisztogram A hisztogramot általában lépcs sfüggvénnyel ábrázoljuk. A vízszintes tengelyre (abszcissza) a lehetséges világosságkódokat mérjük fel, a világosságkód intervallumhoz tartozó függ leges érték (oordináta) pedig az adott világosságkódú képpontok relatív gyakoriságával arányos. Vagyis a hisztogram a világosságkódok, mint diszkrét valószín ségi változók statisztikai eloszlása, de semmit sem mond e világosságkódok geometriai eloszlásáról. 47 / 61

Skálázások Hisztogram transzformációk Az egyik leggyakrabban el forduló képhiba a nem megfelel fénys r ségb l, illetve a leképz rendszerben keletkez fényveszteségekb l adódó kontrasztszegénység. A világosságkód-transzformációk célja a kontraszt növelése a világosságkódok eloszlásának megváltoztatásával. Hisztogram A hisztogramot általában lépcs sfüggvénnyel ábrázoljuk. A vízszintes tengelyre (abszcissza) a lehetséges világosságkódokat mérjük fel, a világosságkód intervallumhoz tartozó függ leges érték (oordináta) pedig az adott világosságkódú képpontok relatív gyakoriságával arányos. Vagyis a hisztogram a világosságkódok, mint diszkrét valószín ségi változók statisztikai eloszlása, de semmit sem mond e világosságkódok geometriai eloszlásáról. 48 / 61

Skálázások Hisztogram transzformációk Jelölések Jelölések {Q} az eredeti bemen értékkészlet {R} az eredményül kapott kimen értékkészlet q m, illetve r m a megfelel halmaz legkisebb eleme q M, illetve r M a megfelel halmaz legnagyobb eleme q {Q}, illetve r {R} egy képpont eredeti, illetve transzformált világosságkódja Skálázás Skálázásnak nevezzük a T : [q a, q f ] {R} leképzését megvalósító globális transzformációkat, ahol q a ( q m), illetve q f ( q M ) a bemen világosságkód-intervallum alsó, illetve fels határa. 49 / 61

Skálázások Hisztogram transzformációk Jelölések Jelölések {Q} az eredeti bemen értékkészlet {R} az eredményül kapott kimen értékkészlet q m, illetve r m a megfelel halmaz legkisebb eleme q M, illetve r M a megfelel halmaz legnagyobb eleme q {Q}, illetve r {R} egy képpont eredeti, illetve transzformált világosságkódja Skálázás Skálázásnak nevezzük a T : [q a, q f ] {R} leképzését megvalósító globális transzformációkat, ahol q a ( q m), illetve q f ( q M ) a bemen világosságkód-intervallum alsó, illetve fels határa. 50 / 61

Skálázások Hisztogram transzformációk Szakaszonként lineáris transzformáció Képzsugorítás A szakaszonként lineáris transzformációt a következ összefüggés alapján végezzük: r m ha [ ] q < q a rm r r = m int (q q q f q a a) + r m ha q a q q f r M ha q>q f ahol int a legközelebbi egész szám. Ha a teljes bemen intervallumot akarjuk transzformálni, akkor a q a = q m, illetve q f = q M, különben kódzsugorításról beszélünk. Kontrasztkiemelés Ha {Q} {R}, akkor az eljárást kontrasztkiemelésnek nevezzük, ilyenkor megn a különbség a legsötétebb és a legvilágosabb képpontok világosságkódja között, az eredmény hisztogramjában lyukak keletkeznek. 51 / 61

Skálázások Hisztogram transzformációk Szakaszonként lineáris transzformációk Szakaszonként lineáris transzformáció és kódzsugorítás A teljes bemen intervallum transzformálása és kódzsugorítás. 52 / 61

Skálázások Hisztogram transzformációk Kontrasztkiemelés Kontrasztkiemelés Az eredeti hisztogram, a lineáris transzformáció és a transzformált kép hisztogramja. 53 / 61

Skálázások Hisztogram transzformációk Kontrasztkiemelés Kontrasztkiemelés A hisztogram-transzformáció (kontrasztkiemelés) hatása egy árnyalatszegény képre. 54 / 61

Skálázások Hisztogram transzformációk Egyéb transzformációk Tetszés szerinti transzformáció Tetszés szerinti transzformációt az [ ] rm r m r = int [t (q) t (q m)] + r m q tm q tm összefüggés valósít meg, ahol q tm, illetve q tm a bemen kódokra alkalmazott t transzformáció során nyert legkisebb, illletve legnagyobb érték. Inverz megjelenítés Az invertáló transzformáció az alábbi összefüggéssel valósítható meg: [ ] rm r m r = int (q M q) + r m q tm q tm 55 / 61

Skálázások Hisztogram transzformációk Inverz transzformáció Inverz transzformáció Az eredeti kép és a rajta végrehajtott inverz transzformáció. 56 / 61

Skálázások Hisztogram transzformációk Vágások Képvágások A képpontok küszöbök szerinti átskálázását képvágásnak, n 1 küszöb megadása esetén n szintre vágásnak nevezzük. Két szintre vágás Két szintre vágás esetén a képpontokat egy küszöb megadásával értékes, illetve háttérpontokra min sítjük. Az ilyen képet bináris képnek is nevezik. 57 / 61

Skálázások Hisztogram transzformációk Vágások Képvágások A képpontok küszöbök szerinti átskálázását képvágásnak, n 1 küszöb megadása esetén n szintre vágásnak nevezzük. Két szintre vágás Két szintre vágás esetén a képpontokat egy küszöb megadásával értékes, illetve háttérpontokra min sítjük. Az ilyen képet bináris képnek is nevezik. 58 / 61

Skálázások Hisztogram transzformációk Képvágási m veletek Képvágási m veletek Az eredeti kép és a rajta végrehajtott kétszintre vágás, sávkiemelés és a három szintre vágás. 59 / 61

Lineáris koordináta-transzformációk Hisztogram transzformációk Vágások 60 / 61

Köszönöm gyelmüket! 61 / 61