Τ.Ε.Ι. Κεντρικής Μακεδονίας Σ.Τ.Ε.Φ. – Τμήμα Μηχανικών Πληροφορικής

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Αλγόριθμοι σχεδίασης βασικών 2D σχημάτων (ευθεία)
Advertisements

ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ ΤΜΗΜΑ ΜΗΧΑΝΙΚΩΝ ΠΑΡΑΓΩΓΗΣ ΚΑΙ ΔΙΟΙΚΗΣΗΣ “Σύνθεση πληροφοριών αισθητήρων για την ασφαλή πλοήγηση έντροχου ρομποτικού οχήματος” Αθανάσιος.
Βελτίωση Ποιότητας Εικόνας: Επεξεργασία στο πεδίο της Συχνότητας
Εργαστήριο Ψηφιακής Επεξεργασίας Εικόνας
Pinhole Camera ή Κάμερα Μικροσκοπικής Οπής
Ένταξη Προοπτικού σε Φωτογραφία Ε.Μ.Π. Γεωμετρικές Απεικονίσεις και Πληροφορική Κουρνιάτης Ν.
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 9 ο Κατάτμηση Εικόνας. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και.
ΓΡΗΓΟΡΟΣ ΜΕΤΑΣΧΗΜΑΤΙΣΜΟΣ FOURIER
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 10 ο Περιγραφή Σχήματος. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει:  Με βάση τα εξωτερικά χαρακτηριστικά.
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 8 ο Ανίχνευση Ακμών. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα.
1 Αλγόριθμοι Παρακολούθησης Ακτίνας (Ray tracing) Τα μοντέλα τοπικού φωτισμού (π.χ. Phong) δεν ασχολούνται με τον έμμεσο φωτισμό των αντικειμένων. Τα μοντέλα.
Κατάτμηση Εικόνων ΔΤΨΣ 150 – Ψηφιακή Επεξεργασία Εικόνας
ΔΤΨΣ 150: Ψηφιακή Επεξεργασία Εικόνας © 2005 Nicolas Tsapatsoulis Κατάτμηση Εικόνων: Κατάτμηση με βάση τις περιοχές Τμήμα Διδακτικής της Τεχνολογίας και.
ΚΕΦΑΛΑΙΟ 3 ΒΑΣΙΚΕΣ ΕΝΝΟΙΕΣ ΤΩΝ Γ.Σ.Π.. ΟΡΙΣΜΟΙ Ένα σύστημα για τακτικό και συνηθισμένο τρόπο επεξεργασίας δεδομένων και για απάντηση προκαθορισμένων και.
3 Σ υ σ τ ή μ α τ α α ν α φ ο ρ ά ς κ α ι χ ρ ό ν ο υ
ΔΤΨΣ 150: Ψηφιακή Επεξεργασία Εικόνας © 2005 Nicolas Tsapatsoulis Εισαγωγή – Βασικό Θεωρητικό Υπόβαθρο Νικόλας Τσαπατσούλης Επίκουρος Καθηγητής Π.Δ.407/80.
ΕΥΡΕΣΗ ΚΑΤΗΓΟΡΙΚΩΝ ΕΚΤΟΠΩΝ ΣΕ ΒΙΒΛΙΟΓΡΑΦΙΚΗ ΒΑΣΗ ΔΕΔΟΜΕΝΩΝ
Συμπίεση και Μετάδοση Πολυμέσων
Είδη δειγμάτων Τυχαίο/ μη τυχαίο
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
Εξόρυξη Δεδομένων και Αλγόριθμοι Μάθησης. K-means k-windows k-means: 2 φάσεις 1. Μια διαμέριση των στοιχείων σε k clusters 2. Η ποιότητα της διαμέρισης.
Εργαστήριο Ψηφιακής Επεξεργασίας Εικόνας
Παρουσίαση Νο. 6 Αποκατάσταση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
Εργαστήριο του μαθήματος “Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας”
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΥΛΟΠΟΙΗΣΗ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ
3 Σ υ σ τ ή μ α τ α α ν α φ ο ρ ά ς κ α ι χ ρ ό ν ο υ
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 8 ο Ανίχνευση Ακμών. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα.
ΔΙΑΣΤΗΜΑΤΑ ΕΜΠΙΣΤΟΣΥΝΗΣ
Εύρεση Ακμών σε Ψηφιακές Εικόνες αποχρώσεων του γκρι
Βασικές γεωμετρικές έννοιες
- Bonus: Μέχρι 5 (δυνατότητα επέκτασης σε απαλλακτική) - Software: - Όλα τα ενδιάμεσα στάδια των αλγορίθμων θα πρέπει να μπορούν να εμφανίζονται αν το.
Ενότητα 8η: Η ΕΛΑΣΤΙΚΗ ΓΡΑΜΜΗ
Σχεδιασμός των Μεταφορών Ενότητα #5: Δειγματοληψία – Sampling. Δρ. Ναθαναήλ Ευτυχία Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών.
Τμήμα Πληροφορικής & Επικοινωνιών, Τομέας Υπολογιστικών Τεχνικών & Συστημάτων Πτυχιακή εργασία της Συμέλα Χατζηπαντελή, Επιβλέπων Χ.Στρουθόπουλος - Καθηγητής.
ΣΤΑΤΙΚΗ Ι Ενότητα 1 η : Ο ΔΙΣΚΟΣ ΚΑΙ Η ΔΟΚΟΣ Διάλεξη: Εισαγωγή στις γραμμές επιρροής. Καθηγητής Ε. Μυστακίδης Τμήμα Πολιτικών Μηχανικών Π.Θ. ΠΑΝΕΠΙΣΤΗΜΙΟ.
Παρουσίαση πτυχιακής εργασίας Σαλιάρη Αικατερίνη Επιβλέπων καθηγητής: Αθανάσιος Νικολαΐδης.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
ΗΛΕΚΤΡΙΚΕΣ ΜΕΤΡΗΣΕΙΣ ΣΦΑΛΜΑΤΑ ΜΕΤΡΗΣΗΣ.
Κεφάλαιο 5 Συμπεριφορά των ΣΑΕ Πλεονεκτήματα της διαδικασίας σχεδίασης ΣΑΕ κλειστού βρόχου Συμπεριφορά των ΣΑΕ στο πεδίο του χρόνου Απόκριση ΣΑΕ σε διάφορα.
Δεδομένα Συχνότητα-Μέτρα Θέσης Μέτρα Διασποράς. Δεδομένα ΠοσοτικάΣυνεχή Διακριτά Ποιοτικά Δεδομένα ΠρωτογενήΔευτερογενή.
Σήματα και Συστήματα 11 10η διάλεξη. Σήματα και Συστήματα 12 Εισαγωγικά (1) Έστω γραμμικό σύστημα που περιγράφεται από τη σχέση: Αν η είσοδος είναι γραμμικός.
ΠΕΡΙΓΡΑΦΙΚΗ ΣΤΑΤΙΣΤΙΚΗ ΠΙΝΑΚΕΣ ΚΑΙ ΔΙΑΓΡΑΜΜΑΤΑ Πηγή: Βιοστατιστική [Σταυρινός / Παναγιωτάκος] Βιοστατιστική [Τριχόπουλος / Τζώνου / Κατσουγιάννη]
Εργασίες – Γενικές οδηγίες
Ψηφιακή Επεξεργασία Εικόνας
Ψηφιακή Επεξεργασία Εικόνας
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
ΤΜΗΜΑ ΠΛΗΡΟΦΟΡΙΚΗΣ & ΕΠΙΚΟΙΝΩΝΙΩΝ ΣΕΡΡΕΣ, Ακαδημαϊκό έτος 2002 – 2007
Μέτρα μεταβλητότητας ή διασποράς
Ψηφιακή Επεξεργασία Εικόνας
Ψηφιακή Επεξεργασία Εικόνας
Άσκηση 2-Περιγραφικής Στατιστικής
Βελτιστοποίηση εικόνας
Διδάσκων: Δρ. Τσίντζα Παναγιώτα
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ “Ανάπτυξη προγράμματος προσομοίωσης συγκρούσεων σε
Μηχανική των υλικών Μεταβολή όγκου λόγω παραμόρφωσης
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ της σπουδάστριας ΝΙΚΟΛΕΤΑΣ ΣΟΥΣΩΝΗ
TMHMA MHΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ
Εισαγωγή στην Στατιστική
ΠΑΝΕΠΙΣΤΗΜΙΟ ΙΩΑΝΝΙΝΩΝ ΑΝΟΙΚΤΑ ΑΚΑΔΗΜΑΪΚΑ ΜΑΘΗΜΑΤΑ
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
ΑΝΑΛΥΣΗ ΧΩΡΙΚΩΝ ΠΡΟΤΥΠΩΝ
Ποσοτικές μέθοδοι περιγραφής δεδομένων
ΤΕΙ Δυτικής Μακεδονίας Τμήμα Λογιστικής & Χρηματοοικονομικής
Τμήμα Μηχανικών Πληροφορικής Τ.Ε.
ΔΙΠΛΩΜΑΤΙΚΗ ΜΕΤΑΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ Γεώργιος Τζούμας (ΑΕΜ:45)  
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
Παρουσίαση 3η: Αρχές εκτίμησης παραμέτρων
Μεταγράφημα παρουσίασης:

Τ.Ε.Ι. Κεντρικής Μακεδονίας Σ.Τ.Ε.Φ. – Τμήμα Μηχανικών Πληροφορικής   Σ.Τ.Ε.Φ. – Τμήμα Μηχανικών Πληροφορικής Ανάλυση ψηφιακών εικόνων από την διαίρεση κυττάρων από εξωσωματική γονιμοποίηση Πτυχιακή Εργασία Καρβούνης Θωμάς (ΑΜ:2429) Επιβλέπων : Καθηγητής Χαράλαμπος Στρουθόπουλος

Εξωσωματική Γονιμοποίηση Η ανάπτυξη της εξωσωματικής γονιμοποίησης οδήγησε στην ανάγκη ανάπτυξης τεχνικών για την αξιολόγηση των εμβρύων πριν την εμφύτευση. Ο πιο συνηθισμένος τρόπος ποιοτικής αποτίμησης στηρίζεται στην παρατήρηση της μορφολογίας του εμβρύου. Στάδια ανάπτυξης του εμβρύου πριν την εμφύτευση

Σκοπός της εργασίας Η εργασία αυτή αφορά τον εντοπισμό των βλαστομερών δηλαδή των κυττάρων κατά την δεύτερη μέρα ανάπτυξης του εμβρύου που προέκυψε από εξωσωματική γονιμοποίηση σε ψηφιακές εικόνες. Τα κύτταρα προσεγγίζονται με κύκλους. Στόχος είναι η συμβολή στην ανάπτυξη αυτοματοποιημένων διαδικασιών με υπολογιστή προκειμένου να καθοριστεί η καταλληλόλητα τους για την θεραπεία της εξωσωματικής γονιμοποίησης. Η τεχνική που υλοποιείται βασίζεται στην χρήση του μετασχηματισμού του Hough για την ανίχνευση κύκλων σε δυαδικές ψηφιακές εικόνες. Πρέπει να αναφερθεί ότι το αρχικό υλικό που διαθέτουμε είναι ψηφιακά βίντεο από κάμερα υψηλής ευκρίνειας. Από τα βίντεο αυτά λαμβάνουμε ψηφιακά καρέ (εικόνες) αποχρώσεων του γκρι. Πριν την εφαρμογή του μετασχηματισμού προηγούνται σημαντικά στάδια προ επεξεργασίας όπως η αποθορυβοποίηση της εικόνας, ο εντοπισμός του εμβρύου με χρήση μετρικών υφής, η εύρεση των ακμών στην περιοχή του εμβρύου και η εκτίμηση του διαστήματος τιμών της ακτίνας των κύκλων που θα εντοπίσουν-αντιπροσωπεύσουν τα κύτταρα.

Κυκλικός Μετασχηματισμός Hough(1) Τα σημεία του κύκλου ικανοποιούν ακόμη την σχέση : (x – a)2 + (y – b) 2 = R2 Εάν στο επίπεδο xy υπάρχει ένα σημείο P με συντεταγμένες (x,y) τότε ένας κύκλος C1 ακτίνας R1 με κέντρο (a1, b1) θα ικανοποιεί την σχέση : (x – a1)2 + (y – b1) 2 = R12 Για ένα κύκλο C2 θα ικανοποιείται η σχέση : (x – a2)2 + (y – b2) 2 = R22

Κυκλικός Μετασχηματισμός Hough(2) Όλοι οι κύκλοι που διέρχονται από το σημείο P(x,y) και έχουν την ίδια ακτίνα R στο επίπεδο α, β θα ικανοποιούν την σχέση : (x – a)2 + (y – b) 2 = R2 με κέντρο το σημείο (x,y)

Κυκλικός Μετασχηματισμός Hough(3) Ο γεωμετρικός τόπος των (a, b) σημείων είναι ένας κύκλος ακτίνας R με κέντρο το (x, y). Το κέντρο θα είναι το σημείο τομής όλων των κύκλων και μπορεί να βρεθεί με έναν πίνακα συσσώρευσης Hough.

Κυκλικός Μετασχηματισμός Hough(4) Κβαντισμός σε τετραγωνικό επίπεδο. Στην περίπτωσή μας, όταν ο μετρητής από το τετράγωνό μας (στο κέντρο) γίνει 3 είναι και το κέντρο του κύκλου.

Εντοπισμός του εμβρύου Προκειμένου να βρεθεί η περιοχή της εικόνας στην οποία βρίσκεται το έμβρυο εκμεταλλευόμαστε την μεταβολή της φωτεινότητας στην περιοχή του εμβρύου Προς τούτο η αρχική εικόνα χωρίζεται σε περιοχές 15×15 pixels για κάθε μία από τις οποίες υπολογίζεται η τυπική της απόκλιση. Η περιοχή σταθερού φωτισμού παρουσιάζουν μικρές τιμές τυπικής απόκλισης. Στη νέα εικόνα οι σκοτεινές περιοχές αντιπροσωπεύουν τις περιοχές μικρής τυπικής απόκλισης.

Διαχωρισμός Περιοχών Υψηλής Διακύμανσης Ακολούθως διαχωρίζονται οι περιοχές υψηλής διακύμανσης (φωτεινές) με την μέθοδο της διασποράς (Otsu)

Γέμισμα των μαύρων κενών της εικόνας Εφαρμόζοντας την μορφολογική πράξη της διαστολής με δομικό στοιχείο τον πίνακα 1 γεμίζουμε τα μαύρα κενά της εικόνας και έχουμε ως αποτέλεσμα την εικόνα που αποτελείται από τα συνεκτικά χωρία μεγαλύτερο των οποίων είναι αυτό του εμβρύου

Υπολογισμός Ακμών – Μάσκα Sobel Υπολογίζονται ακολούθως οι συντεταγμένες των κορυφών του ορθογωνίου που περιβάλει το χωρίο του εμβρύου. Η περιοχή της αρχικής μας εικόνας που περιλαμβάνεται στο εν λόγω ορθογώνιο αποτελεί πλέον το μέρος της εικόνας που θα επεξεργασθούμε.

Υπολογισμός Συντεταγμένων Στην εικόνα που προέκυψε από τα προηγούμενα βήματα εφαρμόζουμε το φίλτρο εξομάλυνσης του Gausse και ακολούθως υπολογίζουμε τις ακμές με την χρήση του ανιχνευτή ακμών του Sobel

Εντοπισμός των κύκλων με τον μετασχηματισμό του Hough Επί της δυαδικής εικόνας που προέκυψε εφαρμόζουμε τον μετασχηματισμό του Hough για το εντοπισμό των κύκλων που ενδεχομένως περιβάλουν τα κύτταρα. Το διάστημα τιμών της ακτίνας των κύκλων εκτιμάται από το γεγονός ότι την 2η μέρα της γονιμοποίησης τα κύτταρα έχουν προσεγγιστικά σφαιρικό σχήμα με ακτίνα περίπου το ένα τέταρτο του μεγέθους του κυττάρου. Αυτό μας οδηγεί σε μία εμπειρική εκτίμηση των τιμών στο διάστημα [ρ-ρ/5, ρ+ρ/5] όπου ρ το ένα τέταρτο της διαγώνιου του ορθογωνίου που περιβάλει εσωκλείει το κύτταρο. Η τιμή του ενός τετάρτου προκύπτει από το πλήθος των κυττάρων που αναζητούμε. Το αποτέλεσμα της εφαρμογής του μετασχηματισμού του Hough οδηγεί στη εύρεση πολλών κύκλων λόγω της φύσης του μετασχηματισμού και του πάχους των ακμών.

Fuzzy C-Means Oι κύκλοι αυτοί έχουν κέντρα που ομαδοποιούνται σε συστάδες. Ο εντοπισμός τεσσάρων συστάδων επιτυγχάνεται με την διαδικασία του συσταδοποίησης (clustering) . Προς τούτο εφαρμόζουμε τον Fuzzy c-means αλγόριθμο συσταδοποίησης.

Εξομάλυνση Αποθορυβοποίηση της εικόνας Video Υπερήχων Σύλληψη εικόνας Εξομάλυνση Αποθορυβοποίηση της εικόνας Ανίχνευση ακμών Κατωφλίωση Μάσκα Sobel Μετασχηματισμός Hough Επιλογή επικρατέστερων γραμμών/κύκλων Απεικόνιση των κύκλων