ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 9 ο Κατάτμηση Εικόνας. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και.

Slides:



Advertisements
Παρόμοιες παρουσιάσεις
Γραφήματα & Επίπεδα Γραφήματα
Advertisements

ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 10 ο Περιγραφή Σχήματος. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1) Η περιγραφή μίας περιοχής μπορεί να γίνει:  Με βάση τα εξωτερικά χαρακτηριστικά.
Μάθημα 7ο Συμπίεση Εικόνας ΤΜΗΥΠ / ΕΕΣΤ.
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 8 ο Ανίχνευση Ακμών. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Οι ακμές είναι βασικά χαρακτηριστικά της εικόνας Προς το παρόν δεν υπάρχει ακόμα.
Δισδιάστατα Σήματα και Συστήματα #1
Αναγνώριση Προτύπων.
Κατάτμηση Εικόνων ΔΤΨΣ 150 – Ψηφιακή Επεξεργασία Εικόνας
Γραφήματα & Επίπεδα Γραφήματα
Κ. Μόδη: Γεωστατιστική και Εφαρμογές της (Κεφάλαιο 5) 1 Τυχαία συνάρτηση Μία τυχαία συνάρτηση (ΤΣ) είναι ένας κανόνας με τον οποίο σε κάθε αποτέλεσμα ζ.
Κοντινότεροι Κοινοί Πρόγονοι α βγ θ δεζ η π ν ι κλμ ρσ τ κκπ(λ,ι)=α, κκπ(τ,σ)=ν, κκπ(λ,π)=η κκπ(π,σ)=γ, κκπ(ξ,ο)=κ ξο κκπ(ι,ξ)=β, κκπ(τ,θ)=θ, κκπ(ο,μ)=α.
ΔΤΨΣ 150: Ψηφιακή Επεξεργασία Εικόνας © 2005 Nicolas Tsapatsoulis Κατάτμηση Εικόνων: Κατάτμηση με βάση τις περιοχές Τμήμα Διδακτικής της Τεχνολογίας και.
Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων
Παρουσίαση Νο. 11 Ανάλυση Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 7 ο Συμπίεση Εικόνας. ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1) Οι τεχνικές συμπίεσης βασίζονται στην απόρριψη της πλεονάζουσας πληροφορίας Οι τεχνικές.
ΚΕΦΑΛΑΙΟ 7 ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
ΕΠΛ 231 – Δομές Δεδομένων και Αλγόριθμοι12-1 Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ο αλγόριθμος του Prim και ο αλγόριθμος του Kruskal.
Παρουσίαση Νο. 3 Δισδιάστατα σήματα και συστήματα #2 Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος
ΒΕΣ 06: Προσαρμοστικά Συστήματα στις Τηλεπικοινωνίες © 2007 Nicolas Tsapatsoulis Θεωρία Στοχαστικών Σημάτων: Εκτίμηση φάσματος, Παραμετρικά μοντέλα ΒΕΣ.
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
ΚΕΦΑΛΑΙΟ 5 ΧΩΡΙΚΗ ΔΕΙΓΜΑΤΟΛΗΨΙΑ
Παρουσίαση Νο. 1 Εισαγωγή Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας Ακαδημαϊκό Έτος
Θεωρία Χρώματος και Επεξεργασία Έγχρωμων Εικόνων
Βασικές Αρχές Μέτρησης
Παρουσίαση Νο. 4 Ψηφιακή Καταγραφή Εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
Παρουσίαση Νο. 6 Αποκατάσταση εικόνας Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας.
ΜΑΘΗΜΑ: ΣΧΕΔΙΑΣΗ ΑΛΓΟΡΙΘΜΩΝ ΔΙΔΑΣΚΩΝ: Π. ΚΑΤΣΑΡΟΣ Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Παρασκευή, 3 Απριλίου 2015Τμ.
Ελάχιστο Συνδετικό Δέντρο
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ ΥΛΟΠΟΙΗΣΗ ΚΑΙ ΣΥΓΚΡΙΤΙΚΗ ΜΕΛΕΤΗ
ΚΕΦΑΛΑΙΟ 6 ΓΕΩΓΡΑΦΙΚΕΣ ΜΕΘΟΔΟΙ ΚΑΙ ΤΕΧΝΙΚΕΣ: ΣΗΜΕΙΑ
Computational Imaging Laboratory ΤΜΗΥΠ ΕΡΓΑΣΤΗΡΙΟ ΕΠΕΞΕΡΓΑΣΙΑΣ ΣΗΜΑΤΩΝ & ΤΗΛΕΠΙΚΟΙΝΩΝΙΩΝ Υπολογιστική Όραση.
Μέγιστη ροή TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA A AA A A Συνάρτηση χωρητικότητας Κατευθυνόμενο γράφημα.
ΕΠΛ 231 – Δομές Δεδομένων και Αλγόριθμοι13-1 Στην ενότητα αυτή θα μελετηθούν τα εξής επιμέρους θέματα: Ο αλγόριθμος Dijkstra για εύρεση βραχυτέρων μονοπατιών.
Δρομολόγηση. Δρομολόγηση ονομάζεται το έργο εύρεσης του πως θα φθάσει ένα πακέτο στον προορισμό του Ο αλγόριθμος δρομολόγησης αποτελεί τμήμα του επιπέδου.
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.
Μέγιστη ροή TexPoint fonts used in EMF. Read the TexPoint manual before you delete this box.: AA A AA A A Συνάρτηση χωρητικότητας Κατευθυνόμενο γράφημα.
Εύρεση Ακμών σε Ψηφιακές Εικόνες αποχρώσεων του γκρι
ΠΤΥΧΙΑΚΗ ΕΡΓΑΣΙΑ: ΤΑΞΙΝΟΜΗΣΗ ΨΗΦΙΑΚΩΝ ΕΙΚΟΝΩΝ ΜΕ ΧΩΡΙΚΗ-ΣΗΜΑΣΙΟΛΟΓΙΚΗ ΑΝΤΙΣΤΟΙΧΗΣΗ ΣΠΟΥΔΑΣΤΗΣ : ΦΩΤΙΑΔΗΣ ΚΥΡΙΑΚΟΣ Α.Μ ΕΠΙΒΛΕΠΩΝ : Δρ. ΝΙΚΟΛΑΙΔΗΣ.
Διάλεξη  Μέτρηση: Είναι μια διαδικασία κατά την οποία προσδίδουμε αριθμητικά δεδομένα σε κάποιο αντικείμενο, σύμφωνα με κάποια προκαθορισμένα.
Συνδετικότητα γραφήματος (graph connectivity). α β Υπάρχει μονοπάτι μεταξύ α και β; Παραδείγματα: υπολογιστές ενός δικτύου ιστοσελίδες ισοδύναμες μεταβλητές.
ΚΙΝΗΜΑΤΙΚΗ ΤΩΝ ΡΕΥΣΤΩΝ ΕΙΣΑΓΩΓΗ Σκοπός της κινηματικής είναι η περιγραφή της κίνησης του ρευστού Τα αίτια που δημιούργησαν την κίνηση και η αναζήτηση των.
Σχεδιασμός των Μεταφορών Ενότητα #5: Δειγματοληψία – Sampling. Δρ. Ναθαναήλ Ευτυχία Πολυτεχνική Σχολή Τμήμα Πολιτικών Μηχανικών.
ΣΥΣΤΗΜΑΤΑ ΑΥΤΟΜΑΤΟΥ ΕΛΕΓΧΟΥ Ι 7 η Διάλεξη Η ΜΕΘΟΔΟΣ ΤΟΥ ΓΕΩΜΕΤΡΙΚΟΥ ΤΟΠΟΥ ΡΙΖΩΝ  Ορισμός του γεωμετρικού τόπου ριζών Αποτελεί μια συγκεκριμένη καμπύλη,
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]
Ψηφιακή Επεξεργασία Εικόνας
Ψηφιακή Επεξεργασία Εικόνας
ΣΤΑΤΙΣΤΙΚΑ ΜΕΤΡΑ ΔΙΑΣΠΟΡΑΣ - ΑΣΥΜΜΕΤΡΙΑΣ - ΚΥΡΤΩΣΕΩΣ
Δυναμικός Κατακερματισμός
ΟΜΑΔΕΣ Δημιουργία Ομάδων
Επίλυση Προβλημάτων με Αναζήτηση
Ψηφιακή Επεξεργασία Εικόνας
Δένδρα Δένδρο είναι ένα συνεκτικό άκυκλο γράφημα. Δένδρο Δένδρο Δένδρο
Μέγιστη ροή Κατευθυνόμενο γράφημα 12 Συνάρτηση χωρητικότητας
Άσκηση 2-Περιγραφικής Στατιστικής
Ανάπτυξη Μοντέλων Διακριτών Συστημάτων Μέρος Β
Η Έννοια της τυχαίας Διαδικασίας
TMHMA MHΧΑΝΙΚΩΝ ΠΛΗΡΟΦΟΡΙΚΗΣ Τ.Ε ΤΕΙ ΚΕΝΤΡΙΚΗΣ ΜΑΚΕΔΟΝΙΑΣ
Εισαγωγή στην Στατιστική
Ψηφιακή Επεξεργασία και Ανάλυση Εικόνας
Μέγιστη ροή Κατευθυνόμενο γράφημα 12 Συνάρτηση χωρητικότητας
Κεφάλαιο 7: Διαδικτύωση-Internet Μάθημα 7.9: Δρομολόγηση
Συντομότερα Μονοπάτια
Τ.Ε.Ι. Κεντρικής Μακεδονίας Σ.Τ.Ε.Φ. – Τμήμα Μηχανικών Πληροφορικής
Δισδιάστατα Σήματα και Συστήματα #1
Στατιστικά Περιγραφικά Μέτρα
Μη Γραμμικός Προγραμματισμός
4η Εβδομάδα έγινε την 5η: 1η Διάλεξη
Δυναμικός Κατακερματισμός
Μεταγράφημα παρουσίασης:

ΤΜΗΥΠ / ΕΕΣΤ1 Μάθημα 9 ο Κατάτμηση Εικόνας

ΤΜΗΥΠ / ΕΕΣΤ2 Εισαγωγή (1)  Η κατάτμηση έχει ως στόχο να υποδιαιρέσει την εικόνα σε συνιστώσες περιοχές και αντικείμενα.  Μία περιοχή αναμένεται να έχει ομοιογενή χαρακτηριστικά όπως ένταση, υφή κ.α.

ΤΜΗΥΠ / ΕΕΣΤ3 Εισαγωγή (2) Έστω R η εικόνα. Η κατάτμηση χωρίζει την R σε N διακριτές περιοχές Η κατάτμηση χωρίζει την R σε N διακριτές περιοχές με βάση τον κανόνα κατάτμησης P(R) έτσι ώστε να ισχύουν τα παρακάτω:

ΤΜΗΥΠ / ΕΕΣΤ4 Εισαγωγή (3) a) Οι περιοχές πρέπει να καλύπτουν όλη την εικόνα: b) Κάθε είναι συνδεμένη περιοχή με βάση έναν προκαθορισμένο κανόνα. c) Οι περιοχές είναι μεταξύ τους ασύνδετες: d) Όλα τα pixels μίας περιοχής πρέπει να έχουν τις ίδιες ιδιότητες: για e) Οι περιοχές είναι διακριτές: για γειτονικές περιοχές

ΤΜΗΥΠ / ΕΕΣΤ5 Εισαγωγή (4) Μία περιοχή είναι συνεκτική όταν για κάθεκαι υπάρχει μία διαδρομή της οποίας τα στίγματα ανήκουν στην και κάθεείναι στην άμεση γειτονιά του προηγούμενου και του επόμενου στίγματος της διαδρομής.

ΤΜΗΥΠ / ΕΕΣΤ6 Κατάτμηση με κατωφλίωση (1) Η απλούστερη μέθοδος κατάτμησης είναι αυτή της κατωφλίωσης. Μπορούμε να ορίσουμε ένα ή περισσότερα κατώφλια, ολικά ή τοπικά.

ΤΜΗΥΠ / ΕΕΣΤ7 Κατάτμηση με κατωφλίωση (2) Στην παρακάτω εικόνα η κατάτμηση με ένα ολικό κατώφλι είναι προφανής.

ΤΜΗΥΠ / ΕΕΣΤ8 Κατάτμηση με κατωφλίωση (3) Εάν το ιστόγραμμα έχει Ν περιοχές συγκέντρωσης, χρησιμοποιούμε Ν-1 κατώφλια που αντιστοιχούν στα τοπικά ελάχιστα μεταξύ των λοβών.

ΤΜΗΥΠ / ΕΕΣΤ9 Κατάτμηση με κατωφλίωση (4) Αρχική εικόνα Κατωφλιωμένη εικόνα με ολικό κατώφλι Κατωφλιωμένη εικόνα με τοπικά κατώφλια

ΤΜΗΥΠ / ΕΕΣΤ10 Κατάτμηση με κατωφλίωση (5) Σε κάποιες εφαρμογές είναι επιθυμητό να βρεθεί το περίγραμμα μιας περιοχής παρά η ίδια η περιοχή Για την ανίχνευση του περιγράμματος μίας περιοχής/αντικειμένου, εξετάζουμε την κατωφλιωμένη εικόνα και παρακολουθούμε τις μεταβάσεις μεταξύ των περιοχών.

ΤΜΗΥΠ / ΕΕΣΤ11 Κατάτμηση με κατωφλίωση (6) Εάν το ιστόγραμμα δεν έχει ξεκάθαρα τοπικά ελάχιστα μπορούμε να χρησιμοποιήσουμε: – Εξομάλυνση ιστογράμματος – Αποκλεισμό των στοιχείων των ακμών από τον υπολογισμό του ιστογράμματος («τροποποιημένο ιστόγραμμα») – Κατωφλίωση που μεταβάλλεται στον χώρο

ΤΜΗΥΠ / ΕΕΣΤ12 Τεχνικές αύξησης περιοχής (1)  Ξεκινάμε από «σπόρους» που είναι αντιπροσωπευτικοί των διαφορετικών περιοχών και αυξάνουμε συνενώνοντας τα γειτονικά στοιχεία που έχουν ίδια χαρακτηριστικά μέχρι να καλυφθεί όλη η εικόνα.  Οι «σπόροι» επιλέγονται συνήθως από τον χρήστη (ένας τουλάχιστον για κάθε περιοχή της εικόνας).

ΤΜΗΥΠ / ΕΕΣΤ13 Τεχνικές αύξησης περιοχής (2) Για κάθε περιοχή,, σε κάθε βήμα ελέγχουμε την οκταπλή γειτονιά του κάθε στίγματος του συνόρου της περιοχής για στίγματα που δεν έχουν ταξινομηθεί. Όταν βρεθεί ένα τέτοιο, ελέγχουμε την συνθήκη ομοιογενείας της περιοχής, Η αρχική επιλογή των «σπόρων» είναι σημαντική για την απόδοση του αλγορίθμου.

ΤΜΗΥΠ / ΕΕΣΤ14 Τεχνικές αύξησης περιοχής (3) Οι αρχικοί «σπόροι» μπορούν να είναι: – Στοιχεία που επιλέγονται με εποπτικό τρόπο από τον χρήστη – Οι κορυφές του ιστογράμματος Όταν τελειώσει η διαδικασία μπορούμε να συνενώσουμε τις περιοχές που παρουσιάζουν παρόμοιες ιδιότητες.

ΤΜΗΥΠ / ΕΕΣΤ15 Τεχνικές διαίρεσης & συνένωσης (1) Διαίρεση: Ξεκινάμε με ολόκληρη την εικόνα και εκτελούμε τα παρακάτω –Εξετάζουμε εάν είναι ομοιογενής η περιοχή. Εάν αυτό δεν ισχύει, την διαιρούμε σε 4 υποπεριοχές. –Επαναλαμβάνουμε για τις υποπεριοχές.

ΤΜΗΥΠ / ΕΕΣΤ16 Τεχνικές διαίρεσης & συνένωσης (2) (α) Αρχική εικόνα. (β) Αναπαράσταση τετραδικού δέντρου.

ΤΜΗΥΠ / ΕΕΣΤ17 Τεχνικές διαίρεσης & συνένωσης (3)  Πλεονέκτημα: η μέθοδος μπορεί να αναπαρασταθεί από ένα τετραδικό δέντρο.  Μειονέκτημα: γειτονικές περιοχές που έχουν παρόμοιες ιδιότητες, μπορεί να μην συνενώνονται.

ΤΜΗΥΠ / ΕΕΣΤ18 Τεχνικές διαίρεσης & συνένωσης (4) Διαίρεση & συνένωση: Ξεκινάμε με ολόκληρη την εικόνα και εκτελούμε τα παρακάτω –Εξετάζουμε εάν είναι ομοιογενής η περιοχή. Εάν αυτό δεν ισχύει, την διαιρούμε σε 4 υποπεριοχές. –Εάν δύο γειτονικές περιοχές είναι ομοιογενείς, συνενώνονται. –Επαναλαμβάνουμε για τις υποπεριοχές.

ΤΜΗΥΠ / ΕΕΣΤ19 Τεχνικές διαίρεσης & συνένωσης (5)  Πλεονέκτημα: οι περιοχές που ανιχνεύονται είναι πιο συμπαγείς.  Μειονέκτημα: η διαδικασία δεν μπορεί πλέον να περιγραφεί από τετραδικό δέντρο.

ΤΜΗΥΠ / ΕΕΣΤ20 Παραδείγματα Αρχική εικόνα Αύξηση περιοχών Διαίρεση Διαίρεση & συνένωση

ΤΜΗΥΠ / ΕΕΣΤ21 Χαλάρωση περιοχών (1) Ορίζουμε ως διάνυσμα εμπιστοσύνης το όπου η πιθανότητα το στίγμα να ανήκει στην περιοχή  Αρχική τιμή για τις πιθανότητες που ονομάζονται επίσης βάρη εμπιστοσύνης.

ΤΜΗΥΠ / ΕΕΣΤ22 Χαλάρωση περιοχών (2) Είναι σκόπιμο να χωρίσουμε τις περιοχές σε «συμβατές» και «ασύμβατες». Η συνάρτηση συμβατότητας είναι η εξής: Τα βάρη εμπιστοσύνης μπορούν να επαναπροσδιοριστούν με βάση την

ΤΜΗΥΠ / ΕΕΣΤ23 Χαλάρωση περιοχών (3) Ο αλγόριθμος χαλάρωσης περιοχών περιγράφεται από τις εξισώσεις:

ΤΜΗΥΠ / ΕΕΣΤ24 Χαλάρωση περιοχών (4) Οι παράμετροι d kl καθορίζουν τις συνεισφορές στο στίγμα x k που προέρχονται από τα γειτονικά στίγματα x l. Πρέπει να ισχύει: Μια καλύτερη εκτίμηση των συναρτήσεων συμβατότητας από τις αρχικές πιθανότητες: Μια καλύτερη εκτίμηση των συναρτήσεων συμβατότητας από τις αρχικές πιθανότητες:

ΤΜΗΥΠ / ΕΕΣΤ25 Εύρεση συνδεμένων μερών (1) Η εύρεση συνδεμένων μερών είναι η διαδικασία με την οποία ανιχνεύουμε τις διακριτές υποπεριοχές που έχουν κοινά χαρακτηριστικά και αποτελούν μία ενιαία περιοχή. Η εύρεση συνδεμένων μερών είναι η διαδικασία με την οποία ανιχνεύουμε τις διακριτές υποπεριοχές που έχουν κοινά χαρακτηριστικά και αποτελούν μία ενιαία περιοχή.

ΤΜΗΥΠ / ΕΕΣΤ26 Εύρεση συνδεμένων μερών (2) Οι αλγόριθμοι αυτοί χωρίζονται σε  Τοπικής γειτονιάς –η ιδέα της «φωτιάς στο γρασίδι» –χαρακτηρισμός των στιγμάτων από την συνένωση των συντεταγμένων –χρωματισμός μερών –συρρίκνωση  Διαίρει και βασίλευε –διαίρεση και συνένωση

ΤΜΗΥΠ / ΕΕΣΤ27 Περιγραφή υφής (1) Οι τεχνικές χωρίζονται σε  Στατιστικές τεχνικές βασίζονται στα ιστογράμματα, τις επεκτάσεις των περιοχών και τις ροπές  Φασματικές τεχνικές βασίζονται στην ανίχνευση περιοδικότητας μέσω της αυτοσυσχέτισης ή της κατανομής ισχύος στο πεδίο συχνοτήτων  Δομικές τεχνικές χρησιμοποιούν πρότυπα και κανόνες τοποθέτησης

ΤΜΗΥΠ / ΕΕΣΤ28 Περιγραφή υφής (2) Κεντρικές ροπές  Μέση τιμή  Μεταβλητότητα  Κλίση (μέτρο της συμμετρίας) (μέτρο της συμμετρίας)  Κύρτωση (μεγάλη κύρτωση  μεγάλη ουρά) (μεγάλη κύρτωση  μεγάλη ουρά)Εντροπία

ΤΜΗΥΠ / ΕΕΣΤ29 Περιγραφή υφής (3)  Πλεονέκτημα: υπολογιστική απλότητα  Μειονέκτημα: δεν μπορούν να εκφράσουν τα χωρικά χαρακτηριστικά της υφής (το πώς δηλαδή μεταβάλλεται στο χώρο κάποιο χαρακτηριστικό)

ΤΜΗΥΠ / ΕΕΣΤ30 Περιγραφή υφής (4)  Τα χωρικά χαρακτηριστικά μπορούν να εκφραστούν με περιγραφείς που κάνουν χρήση των ιστογραμμάτων των διαφορών επιπέδου του γκρι για συγκεκριμένες αποστάσεις από το εκάστοτε κεντρικό στίγμα d = [d 1, d 2 ] d = [d 1, d 2 ] g(d) = |f(k,l)-f(k+ d 1, l+ d 2 )| g(d) = |f(k,l)-f(k+ d 1, l+ d 2 )| p g (g,d): υπάρχει ένα διακεκριμένο ιστόγραμμα για κάθε απόσταση d p g (g,d): υπάρχει ένα διακεκριμένο ιστόγραμμα για κάθε απόσταση d

ΤΜΗΥΠ / ΕΕΣΤ31 Περιγραφή υφής (5)  Χρησιμοποιούνται διάφορα μέτρα υφής που εξάγονται από το p g (g,d), όπως: μέση τιμή, μεταβλητότητα, αντίθεση, εντοπία κ.λπ.  Η χωρική οργάνωση της υφής σχετίζεται επίσης με τις στατιστικές μήκους διαδρομών (το μήκος διαδρομής l των στιγμάτων με ένταση f σε μια διεύθυνση θ ) (το μήκος διαδρομής l των στιγμάτων με ένταση f σε μια διεύθυνση θ ) - Έμφαση κοντών/μακρών διαδρομών - Έμφαση κοντών/μακρών διαδρομών - Κατανομή επιπέδων του γκρί - Κατανομή επιπέδων του γκρί - Κατανομή μήκους διαδρομών - Κατανομή μήκους διαδρομών - Ποσοστά διαδρομών - Ποσοστά διαδρομών

ΤΜΗΥΠ / ΕΕΣΤ32 Περιγραφή υφής (6) Η τραχύτητα της υφής μπορεί να περιγραφεί από:  τους πίνακες σύμπτωσης  την συνάρτηση αυτοσυσχέτισης  το περιοδόγραμμα