MATLAB Image Processing Toolbox

Hasonló dokumentumok
3. Szűrés képtérben. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (

KÉPFELDOLGOZÁS. 10. gyakorlat: Morfológiai műveletek, alakjellemzők

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

Képszegmentáló eljárások. Orvosi képdiagnosztika 2018 ősz

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz

end function Az A vektorban elõforduló legnagyobb és legkisebb értékek indexeinek különbségét.. (1.5 pont) Ha üres a vektor, akkor 0-t..

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz

Sergyán Szabolcs szeptember 21.

2. Milyen értéket határoz meg az alábbi algoritmus, ha A egy vektor?. (2 pont)

Minták automatikus osztályba sorolása a mintát leíró jellemzők alapján. Típusok: felügyelt és felügyelet nélküli tanuló eljárások

Matlab alapok. Baran Ágnes

Példák jellemzőkre: - minden pixelérték egy jellemző pl. neurális hálózat esetében csak kis képekre, nem invariáns sem a megvilágításra, sem a geom.

Képrestauráció Képhelyreállítás

Jelfeldolgozás bevezető. Témalaboratórium

Képfeldolgozás jól párhuzamosítható

Adatmanipuláció, transzformáció, szelekció SPSS-ben

Multimédia technológiák alapjai gyakorlat I-II.

INFORMATIKA javítókulcs 2016

Programozási nyelvek 2. előadás

Eredmények, objektumok grafikus megjelenítése 3D felületek rajzoló függvényei

2. Pont operációk. Kató Zoltán. Képfeldolgozás és Számítógépes Grafika tanszék SZTE (

MATLAB alapismeretek V. Eredmények grafikus megjelenítése: oszlopdiagramok, hisztogramok, tortadiagramok

Wavelet transzformáció

Lényege: valamilyen szempont szerint homogén csoportok képzése a pixelekből. Amit már ismerünk:

Az igénybevételi ábrák témakörhöz az alábbi előjelszabályokat használjuk valamennyi feladat esetén.

Lineáris algebra (10A103)

HORVÁTH ZSÓFIA 1. Beadandó feladat (HOZSAAI.ELTE) ápr 7. 8-as csoport

Flynn féle osztályozás Single Isntruction Multiple Instruction Single Data SISD SIMD Multiple Data MISD MIMD

Transzformációk. Grafikus játékok fejlesztése Szécsi László t05-transform

ADAT- ÉS INFORMÁCIÓFELDOLGOZÁS

Képfeldolgozás jól párhuzamosítható

1. Feladat: beolvas két számot úgy, hogy a-ba kerüljön a nagyobb

A KLT (Kanade Lucas Tomasi) Feature Tracker Működése (jellegzetes pontok választása és követése)

Hadamard-mátrixok Előadó: Hajnal Péter február 23.

Felvételi tematika INFORMATIKA

Számítógépes geometria (mester kurzus)

Képfeldolgozó eljárások áttekintés. Orvosi képdiagnosztika 9. ea ősz

Képrekonstrukció 3. előadás

Segítség az outputok értelmezéséhez

A 2013/2014 tanévi Országos Középiskolai Tanulmányi Verseny első forduló javítási-értékelési útmutató. INFORMATIKA II. (programozás) kategória

Nem roncsoló tesztelés diszkrét tomográfiával

Morfológia. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet

Rendszámfelismerő rendszerek

MATLAB OKTATÁS 5. ELŐADÁS FELTÉTEL NÉLKÜLI ÉS FELTÉTELES OPTIMALIZÁLÁS. Dr. Bécsi Tamás Hegedüs Ferenc

1. A négyzetgyökre vonatkozó azonosságok felhasználásával állítsd növekvő sorrendbe a következő számokat!

Grafikonok automatikus elemzése

(Independence, dependence, random variables)

8. Előadás. Megyesi László: Lineáris algebra, , oldal. 8. előadás Mátrix rangja, Homogén lineáris egyenletrendszer

4. Fuzzy relációk. Gépi intelligencia I. Fodor János NIMGI1MIEM BMF NIK IMRI

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

DKÜ ZRT. A Portál rendszer felületének általános bemutatása. Felhasználói útmutató. Támogatott böngészők. Felületek felépítése. Információs kártyák

Tárgy. Forgóasztal. Lézer. Kamera 3D REKONSTRUKCIÓ LÉZERES LETAPOGATÁSSAL

Hurokegyenlet alakja, ha az áram irányával megegyező feszültségeséseket tekintjük pozitívnak:

Diszkrét matematika II., 8. előadás. Vektorterek

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉPSZINT Függvények

Mechatronika segédlet 10. gyakorlat

Ellenőrző kérdések a Jelanalízis és Jelfeldolgozás témakörökhöz

Kereső függvények és használatuk a Microsoft Excel programban. dr. Nyári Tibor

GPU Lab. 14. fejezet. OpenCL textúra használat. Grafikus Processzorok Tudományos Célú Programozása. Berényi Dániel Nagy-Egri Máté Ferenc

c adatpontok és az ismeretlen pont közötti kovariancia vektora

Dinamikus modellek szerkezete, SDG modellek

I. LABOR -Mesterséges neuron

(11) Lajstromszám: E (13) T2 EURÓPAI SZABADALOM SZÖVEGÉNEK FORDÍTÁSA

Programozas 1. Strukturak, mutatok

EGY ABLAK - GEOMETRIAI PROBLÉMA

KÉPJAVÍTÁS A KÉPTARTOMÁNYBAN

Transzformációk. Szécsi László

Gráfok, definíciók. Gráfok ábrázolása. Az adott probléma megoldásához ténylegesen mely műveletek szükségesek. Ábrázolások. Példa:

Bevezetés a méréstechnikába és jelfeldolgozásba 7. mérés RC tag Bartha András, Dobránszky Márk

Struktúra nélküli adatszerkezetek

[Biomatematika 2] Orvosi biometria

3. Előadás. Megyesi László: Lineáris algebra, oldal. 3. előadás Lineáris egyenletrendszerek

Konjugált gradiens módszer

Morfológia. Sergyán Szabolcs Óbudai Egyetem Neumann János Informatikai Kar Szoftvertechnológia Intézet

Matematika osztályozó vizsga témakörei 9. évfolyam II. félév:

1. Olvassuk be két pont koordinátáit: (x1, y1) és (x2, y2). Határozzuk meg a két pont távolságát és nyomtassuk ki.

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

Mátrixok 2017 Mátrixok

Adatszerkezetek 2. Dr. Iványi Péter

Digitális képek szegmentálása. 5. Textúra. Kató Zoltán.

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

A tervfeladat sorszáma: 1 A tervfeladat címe: ALU egység 8 regiszterrel és 8 utasítással

Programozás Delphiben

Gráfelmélet/Diszkrét Matematika MSc hallgatók számára. 13. Előadás

Egy (k) küszöb esetén [0, 1] intenzitástartományt feltételezve (v 2 v 2 ):

Írjon olyan programot a standard könyvtár alkalmazásával, amely konzolról megadott valós adatokból meghatározza és kiírja a minimális értékűt!

Függvények Megoldások

1. Házi feladat. Határidő: I. Legyen f : R R, f(x) = x 2, valamint. d : R + 0 R+ 0

Mesh generálás. IványiPéter

Számítógépes döntéstámogatás OPTIMALIZÁLÁSI FELADATOK A SOLVER HASZNÁLATA

Algoritmusok Tervezése. 6. Előadás Algoritmusok 101 Dr. Bécsi Tamás

Csövek belső felületének vizsgálata

Számítási feladatok a Számítógépi geometria órához

OpenGL és a mátrixok

Képfeldolgozás és párhuzamosíthatóság

10.1. ANALÓG JELEK ILLESZTÉSE DIGITÁLIS ESZKÖZÖKHÖZ

Dekonvolúció a mikroszkópiában. Barna László MTA Kísérleti Orvostudományi Kutatóintézet Nikon-KOKI képalkotó Központ

MATEMATIKA ÉRETTSÉGI TÍPUSFELADATOK MEGOLDÁSAI KÖZÉP SZINT Függvények

Példa keresztmetszet másodrendű nyomatékainak számítására

Átírás:

Budapesti Műszaki Főiskola Neumann János Informatikai Kar 2007. november 12.

Kép átméretezése imresize(a,m,method) Az A képet m-szeresére méretezi át. method értéke lehet: nearest (alapértelmezett) bilinear bicubic imresize(a,[mrows ncols],method) Az A képet úgy méretezi át, hogy az új képnek mrows számú sora, illetve ncols számú oszlopa lesz.

Kép elforgatása imrotate(a,angle,method,bbox) Az A képet elforgatja angle fokkal az óramutató járásával ellentétes irányban. method lehetséges értékei ugyanazok, mint az imresize függvénynél. bbox lehetséges értékei: crop, az új kép mérete megegyezik az eredetivel loose (alapértelmezett), az új kép az egész elforgatott képet tartalmazza

Képrész kivágása imcrop(i,rect) Ha csak egy paraméterrel hívjuk meg, akkor megjeleníti az I képet, amelyből egér segítségével kivághatjuk egy téglalapba eső részét. Két paraméterrel hívva rect egy négy elemű vektor: [xmin ymin width height], mely megadja a kivágandó téglalap adatait.

Lineáris szűrők Nemlineáris szűrők Lineáris szűrés imfilter(a,h,options) A az eredeti kép H a szűrő maszk (mátrix) Határ opciók: X (szám), a határon kívüli pixelek X-szel lesznek helyettesítve (X=0 az alapértelmezett) symmetric, a határon kívüli pixelek a határvonalra szimmetrikusan helyettesítődnek replicate, a határon kívüli pixelek a határpixellel helyettesítődnek circular, a határon kívüli pixelek úgy helyettesítődnek, mintha az eredeti kép többször lenne periódikusan egymás mellett Kimeneti opciók: same (alapértelmezett), a kimeneti kép mérete megegyezik az eredeti kép méretével full, a kimeneti kép mérete a szűrés számítása során használt teljes kép méretével lesz azonos Korrelációs és konvolúciós opciók: corr (alapértelmezett), korrelációs szűrés conv, konvolúciós szűrés

Lineáris szűrők Nemlineáris szűrők Előre definiált szűrőmaszkok fspecial(type,parameters) fspecial( gaussian,hsize,gamma) fspecial( sobel ) fspecial( prewitt ) fspecial( laplacian,alpha) fspecial( log,hsize,gamma) fspecial( average,hsize) fspecial( disk,radius) fspecial( unsharp,alpha) fspecial( motion,len,theta)

Lineáris szűrők Nemlineáris szűrők Rendezés utáni szűrés ordfilt2(a,order,domain) A az eredeti kép mátrixa domain 0-kat és 1-ket tartalmazó mátrix, ez lesz a maszk a maszk által lefedett pixelek intenzitását növekvő sorrendbe rendezi és az order-ediket adja vissza medfilt2(a,[m n]) Medián szűrést hajt végre A-n egy m n méretű maszkot használva A második paraméter opcionális, alapértelmezése [3 3]

Lineáris szűrők Nemlineáris szűrők Blokk műveletek nlfilter(a,[m n],fun) Nem lineáris szűrést hajt végre A-n, m n blokkokra meghívva a fun függvényt fun egy ún. function handle blkproc(a,[m n],fun) Nem lineáris szűrést hajt végre A-n, de nem minden egyes pixelre, hanem csak minden egyes m n méretű blokkra. Az új kép mérete a fun függvénytől függ A hiányzó pixeleket 0-vak helyettesíti colfilt(a,[m n],block type,fun) Ugyanazt hajtja végre, mint az nlfilter, illetve a blkproc csak gyorsabban, de több memóriát használva block type lehetséges értékei: distinct : blokkonkénti szűrés sliding : pixelenkénti szűrés

Morfológiai operációk imdilate(im,se) Az IM képen végrehajt egy dilatációt az SE (structuring element) maszkot használva imerode(im,se) Az IM képen végrehajt egy eróziót az SE (structuring element) maszkot használva

Structuring element strel(shape,parameters) strel( arbitrary,nhood): az NHOOD mátrixban megadott kimenetet álĺıtja elő strel( ball,r,h,n): ellipszoidot hoz létre strel( diamond,r): rombuszt álĺıt elő strel( disk,r,n): kört hoz létre strel( line,len,deg): szakaszt álĺıt elő strel( octagon,r): nyolcszöget hoz létre strel( pair,offset): két pontból álló kimenetet ad strel( periodicline,p,v): szagatott szakaszt álĺıt elő strel( rectangle,mn): téglalapot hoz létre strel( square,w): négyzetet álĺıt elő

Összefüggő komponens anaĺızis [L,num]=bwlabel(BW,n) A BW bináris kép fehér pixelein végrehajt egy összefüggő komponens anaĺızist, 4- vagy 8-szomszédságot használva. A kimeneti L mátrixban van tárolva a num darab összefüggő komponens, mindegyik más pozitív egész számmal jelölve.

Hisztogram imhist(i,n) Előálĺıtja az I képmátrix n vödrű hisztogramját. histeq(i) Hisztogram kiegyenĺıtést végez az I képmátrixon.

Élkeresés edge(i,method,parameters) edge(i, sobel,thresh) edge(i, prewitt,thresh) edge(i, roberts,thresh) edge(i, log,thresh,sigma) edge(i, zerocross,thresh,h) edge(i, canny,thresh,sigma)

Hough transzformáció [H,theta,rho]=hough(BW) Hough transzformációt hajt végre a BW bináris képen.

Intenzitás kiegyenĺıtés imadjust(i,[lin hin],[lout hout],gamma) Gamma korrekciót hajt végre az I képmátrixon.