Ψηφιακή Επεξεργασία Εικόνας Ενότητα # 1: Εισαγωγή (α) Ιωάννης Καρύδης Τμήμα Πληροφορικής

Άδειες Χρήσης Το παρόν εκπαιδευτικό υλικό υπόκειται σε άδειες χρήσης Creative Commons. Για εκπαιδευτικό υλικό, όπως εικόνες, που υπόκειται σε άλλου τύπου άδειας χρήσης, η άδεια χρήσης αναφέρεται ρητώς.

Χρηματοδότηση Το παρόν εκπαιδευτικό υλικό έχει αναπτυχθεί στα πλαίσια του εκπαιδευτικού έργου του διδάσκοντα. Το έργο «Ανοικτά Ακαδημαϊκά Μαθήματα Ιονίου Πανεπιστημίου» έχει χρηματοδοτήσει μόνο τη αναδιαμόρφωση του εκπαιδευτικού υλικού. Το έργο υλοποιείται στο πλαίσιο του Επιχειρησιακού Προγράμματος «Εκπαίδευση και Δια Βίου Μάθηση» και συγχρηματοδοτείται από την Ευρωπαϊκή Ένωση (Ευρωπαϊκό Κοινωνικό Ταμείο) και από εθνικούς πόρους.

2 λόγια για το μάθημα Διαλέξεις και Εργαστήρια Βαθμολογία Πέμπτη 15:00-17:00 Εργαστήρια Τετάρτη 19:00-21:00 Βαθμολογία 100% απαλλακτική εργασία Δεν θα έχει εξετάσεις Θα γίνει προφορική παρουσίαση & εξέταση του παραδοτέου

Τι είναι «Επεξεργασία Εικόνας»; Η ψηφιακή επεξεργασία εικόνας ασχολείται με την καταγραφή και επεξεργασία εικόνων με την βοήθεια υπολογιστή Βελτίωση ποιότητας Αποκατάσταση εικόνας Αφαίρεση θορύβου Συμπίεση / Αποθήκευση / Μετάδοση Ανάλυση εικόνας Περιγραφή περιεχομένου εικόνας Αναγνώριση περιεχομένου εικόνας

Διαφορά επεξεργασίας / ανάλυσης Επεξεργασία εικόνας : Αλγόριθμοι επεξεργασίας εικόνας Ανάλυση εικόνας : Αλγόριθμοι ανάλυσης εικόνας 254 πυρήνες επεξεργαστών Η επεξεργασία εικόνας έχει συγκεκριμένο πρόβλημα να λύσει σε γενικά καλά καθορισμένες συνθήκες Η ανάλυση εικόνας προσπαθεί να μιμηθεί ανθρώπινη όραση/ανθρώπινο εγκέφαλο στην κατανόηση εικόνας: δύσκολο πρόβλημα με όχι καλά καθορισμένες συνθήκες

Lena Söderberg Αλλιώς γνωστή ως Lenna. Σουηδή μοντέλο, Playmate Νοεμβρίου 1972. Τον Ιούλιο του 1973 χρησιμοποιήθηκε πρώτη φορά για επίδειξη αλγορίθμων ψηφιακής επεξεργασίας εικόνας. Η αρχική εικόνα είχε μέγεθος 512x512 pixels, λόγω περιορισμού του scanner. Από τότε είναι η de facto εικόνα για δοκιμή αλγορίθμων επεξεργασίας εικόνας.

Βελτίωση ποιότητας Εμφάνιση πληροφορίας στην εικόνα που δεν είναι άμεσα ορατή.

Αποκατάσταση εικόνας Αναστροφή παραμορφώσεων κατά την καταγραφή λόγω κίνησης, κακής εστίασης, ατμοσφαιρικών φαινόμενων.

Αφαίρεση θορύβου Θόρυβος: επιπλέον πληροφορία που προστίθεται στην εικόνα λόγω καταγραφής ή μετάδοσης.

Ψηφιακή ανάλυση Περιγραφή και αναγνώριση περιεχόμενου εικόνας (computer vision).

Εφαρμογές Βελτίωση/αποκατάσταση εικόνας Βελτίωση/αποκατάσταση εικόνας Ιατρική: Κάνει την διάγνωση ευκολότερη Έρευνα: Παρακολούθηση/ καταγραφή αλλαγών Φωτογραφία: καλλιτεχνικές επεμβάσεις και αλλαγές

Εφαρμογές Συμπίεση για μετάδοση και αποθήκευση video Ένα τυπικό video 640x480x15fps που κατεβάζεται από Internet απαιτεί σύνδεση ικανή να μεταφέρει ~13 MByte/sec (δηλαδή ~104 Mbps!). Η High Definition TV (1920x1080x50fps) απαιτεί ~311 ΜByte/sec. 2 ώρες ταινία θα απαιτούσαν ~2 ΤByte (1 Terabyte = 1024 Gigabytes ≈ 100 DVD) αποθηκευτικό χώρο! Με την συμπίεση εικόνας και video πετυχαίνουμε δραματική μείωση των μεγεθών αυτών

Εφαρμογές Ανάλυση εικόνας (computer vision) Βιομηχανία (γραμμές παραγωγής) Ασφάλεια (ανίχνευση κίνησης, αναγνώριση προσώπου, οδική κυκλοφορία, συμπεριφορά οδηγού) Τεχνητή νοημοσύνη : κατανόηση κόσμου από μηχανές

Σκοπός του μαθήματος Θεωρία Εργαστήριο Καταγραφή/ψηφιοποίηση εικόνων Θα γνωρίσουμε τεχνικές και μεθόδους βελτίωσης και αποκατάστασης ψηφιακής εικόνας Συμπίεση εικόνας Γνωριμία με μεθόδους ανάλυσης εικόνας Εργαστήριο Εφαρμογή των τεχνικών και μεθόδων που θα γνωρίσουμε, σε ψηφιακές εικόνες σε περιβάλλον Matlab

Απαιτήσεις του μαθήματος Τι απαιτείται Βασικό υπόβαθρο θεωρίας σημάτων Βασικές γνώσεις προγραμματισμού (για το εργαστήριο) Όρεξη για πειραματισμό! Τι δεν απαιτείται Γνώση αλγόριθμων επεξεργασίας εικόνας Γνώση Matlab

Υλικό για μελέτη Επιλογή βιβλίου Ψηφιακή Επεξεργασίας Εικόνας Επιλογή βιβλίου Ψηφιακή Επεξεργασίας Εικόνας Διαφάνειες του μαθήματος (e-class) Επιπλέον υλικό Βιβλίο-αναφορά στην επεξεργασία εικόνας: Digital Image Processing Gonzalez-Woods 3rd Edition http://www.imageprocessingplace.com

Τι θα δούμε, αναλυτικότερα Γνωριμία με θεωρία σημάτων και συστημάτων. Μετασχηματισμοί: Βασικά εργαλεία για την επεξεργασία εικόνας Ψηφιακή καταγραφή εικόνας Βελτίωση εικόνας Αποκατάσταση εικόνας Συμπίεση εικόνας Γνωριμία με αλγόριθμους ανίχνευσης ακμών

Όλα ξεκίνησαν ένα βροχερό πρωινό… … του 1975! ραγδαία εξέλιξη υπολογιστών Εικόνα όχι απλή απεικόνιση μιας σκηνής αλλά μέσο & τρόπος αποτύπωσης πληροφορίας πχ. έγγραφα, ιατρικά αρχεία, διαστημικά δεδομένα

Η ΨΕΕ αντιμετωπίζει Τη ψηφιοποίηση, κωδικοποίηση εικόνας για εκτύπωση, αποθήκευση, μετάδοση Τη βελτιστοποίηση & αποκατάσταση εικόνας για καλύτερη απεικόνιση & κατανόηση Την τμηματοποίηση & περιγραφή εικόνας Την ανάλυση & κατανόηση εικόνας

Εναλλακτικά Η ΨΕΕ αντιμετωπίζει Συνεπώς, «ταυτίζεται» με πεδία όπως αξιοποίηση μέσων & κατανόηση περιεχομένου για προσέγγιση ανθρώπινης όρασης Συνεπώς, «ταυτίζεται» με πεδία όπως ρομποτική όραση αναγνώριση προτύπων τεχνητή νοημοσύνη

Τι είναι η ψηφιακή εικόνα Γενικά μετάβαση από αναλογικό κόσμο -> ψηφιακό = μετατροπή αναλογικών σημάτων -> ψηφιακά Ψηφιακός πίνακας διακεκριμένου σήματος Εικόνα διαστάσεων Ν×M = διδιάστατος πίνακας ακεραίων I(i,j) i = 1,…,N , j = 1,…,M , 0 ≤ I(i,j) ≤ G-1 G: πλήθος αποχρώσεων, χρήση: G=2m πίνακας I(i,j) = διακεκριμένη συνάρτηση έκφρασης την ένταση φωτεινότητας κάθε εικονοστοιχείου (pixel)

Όγκος μιας εικόνας Εικόνα Ν×M, πλήθους αποχρώσεων G=2m b = Ν×M×m εύρος χρωματικής πληροφορίας εικονοστοιχείου Τύπος εικόνας Ν Μ m bits bytes δυαδική 100 1 10.000 1.250 αποχρώσεων γκρι 8 80.000 έγχρωμη 24 240.000 30.000

Ευκρίνεια εικόνας Πόσο καλά μπορούμε να δούμε τις λεπτομέρειες της εικόνας πλήθος εικονοστοιχείων ανά μονάδα επιφάνειας pixels/in2 ή dpi (dots per inch) Εξαρτάται από διαστάσεις εικόνας πλήθος αποχρώσεων εικόνας

Σταθερό m και μειούμενο πλήθος εικονοστοιχείων

Σταθερές διαστάσεις & μειούμενο m

Επίπεδα bits μιας εικόνας Μια εικόνα με m bits φωτεινότητα εικονοστοιχείων μπορεί να διασπαστεί σε m δυαδικές εικόνες κάθε μία αντιστοιχεί σε ένα επίπεδο bit Εικόνα Ι διασπάται σε m εικόνες Ιn, n=1,…,m Διάσπαση εικόνας 8-bit gray-scale σε 8 επιμέρους δυαδικές εικόνες

Επίπεδα bits μιας εικόνας… συνέχεια

Χρωματικοί χώροι Χρήση χρώματος στην επεξεργασία εικόνας για αυτόματη ανάλυση ισχυρό χαρακτηριστικό περιγραφής – απλοποιεί την περιγραφή φυσιολογία ματιού – ικανότητα να διακρίνει χιλιάδες αποχρώσεις Επεξεργασία έγχρωμων εικόνων πραγματικού χρώματος – από αισθητήρες πραγματικού χρώματος, λχ. κάμερα ψευδοχρώματος – αντιστοίχηση απόχρωσης σε μονοχρωματική φωτεινότητα

Θεμελιώδη στοιχεία χρώματος Ακόμα και σήμερα ΔΕΝ είναι πλήρως κατανοητή η διαδικασία αντίληψης χρωμάτων από το ανθρώπινο μάτι 1666 Sir IsaacNewton παρατηρεί τη διάσπαση του ηλιακού φωτός σε ένα συνεχές φάσμα χρωμάτων οπτικό πρίσμα λευκό φως υπέρυθρο υπεριώδες

Θεμελιώδη στοιχεία χρώματος … συνέχεια Άχρωμο φως: μόνη ιδιότητα = ένταση ασπρόμαυρη τηλεόραση -> διαφορετικά επίπεδα γκρι από μεταβολή της ποσότητας φωτός Χρωματικό φως 400nm - 700nm του ηλεκτρομαγνητικού φάσματος Χαρακτηριστικά ακτινοβολία - τελικό ποσό ενέργειας που εκπέμπεται, watt φωτεινότητα - ποσό ενέργειας που λαμβάνει ο παρατηρητής - lumens λαμπρότητα - υποκειμενικό μέγεθος, περιγραφή αίσθησης χρώματος

Τα βασικά χρώματα Λόγω δομής ανθρώπινου ματιού RGB (Red - κόκκινο, Green πράσινο, Blue μπλε) Η τυποποίηση των 3 βασικών χρωμάτων ΔΕΝ σημαίνει ότι συνδυάζοντας τα προκύπτουν όλα τα υπαρκτά χρώματα απαιτείται ΚΑΙ μεταβολή μήκους κύματος

Συνδυασμοί χρωμάτων Βασικά/προσθετικά χρώματα λχ. οθόνες καθοδικού σωλήνα Δευτερεύοντα/αφαιρετικά χρώματα λχ. εκτυπωτές

Διαχωρισμός χρωμάτων Λαμπρότητα (brightness) Απόχρωση (hue) περιλαμβάνει την αχρωματική ένταση φωτός (intensity) Απόχρωση (hue) εξαρτάται από το υπερέχον μήκος κύματος στο μείγμα κυμάτων του φωτός το υπερισχύον χρώμα που αντιλαμβάνεται ο παρατηρητής Χρωματική καθαρότητα (saturation) σχετική αγνότητα ή ποσό λευκού φωτός αναμειγμένου με μια απόχρωση

Παραδείγματα Αναφερόμενοι σε αντικείμενα πορτοκαλί, κόκκινα ή κίτρινα Αναφερόμενοι σε αντικείμενα πορτοκαλί, κόκκινα ή κίτρινα εκφράζουμε απόχρωση Χρώματα όπως κόκκινο, κίτρινο ή πράσινο πλήρη χρωματική καθαρότητα ροζ = κόκκινο & άσπρο μικρότερη χρωματική καθαρότητα Βαθμός χρωματικής καθαρότητας αντιστρόφως ανάλογος της ποσότητας λευκού φωτός

Χρωματικότητα Απόχρωση + χρωματική καθαρότητα tristimulus κάθε χρώμα μπορεί να εκφραστεί πλήρως με χρωματικότητα & λαμπρότητα tristimulus Ποσότητα κόκκινου, πράσινου & μπλε για δημιουργία οποιουδήποτε χρώματος (X, Y, Z)

Χρωματικό διάγραμμα Διαφορετική προσέγγιση στον ορισμό χρωμάτων Διαφορετική προσέγγιση στον ορισμό χρωμάτων σύνθεση χρωμάτων = συνάρτηση x (κόκκινο) & y (πράσινο) παράδειγμα πράσινο: 25% κόκκινο + 62% πράσινο περιεκτικότητα μπλε = 13%

Χρωματικό διάγραμμα … συνέχεια Θέσεις χρωμάτων από 380nm-780nm περίγραμμα σχήματος καθαρά χρώματα - pure colors Χώρος εντός περιγράμματος μίξη χρωμάτων φάσματος Σημείο ισοδύναμης ενέργειας ισοδύναμη περιεκτικότητα ε βασικών χρωμάτων πρότυπο άσπρου χρώματος

Χρωματικό διάγραμμα … συνέχεια Χρώματα περιγράμματος πλήρη χρωματική καθαρότητα Κίνηση περίγραμμα -> σημείο ισοδύναμης ενέργειας προσθήκη λευκού χρώματος μείωση χρωματικής καθαρότητας Σημείο ισοδύναμης ενέργειας μηδενική χρωματική καθαρότητα

Χρήση χρωματικού διαγράμματος ανάμειξη χρωμάτων ευθύγραμμο τμήμα μεταξύ 2 σημείων του διαγράμματος = όλοι οι δυνατοί συνδυασμοί μίξης των 2 χρωμάτων στα άκρα ευθύγραμμο τμήμα από τυχαίο σημείο στο σημείο ισοδύναμης ενέργειας = ορισμός των επιπέδων απόχρωσης του συγκεκριμένου χρώματος

Τέλος Ενότητας