Реализация геометрических преобразований изображений.
Неправильный способ: идем в цикле по исходному изображению, для каждого пикселя вычисляем куда он попадет на выходе. Результирующая сетка отсчетов неравномерна. По ней придется интерполировать необходимую равномерную сетку отсчетов.
Алгоритм обратного проецирования: Вычисляем обратное преобразование: (ищем откуда взялась яркость) Идем в цикле по выходному изображению. Для каждого пикселя находим координаты откуда нужно взять яркости, которые интерполируем по ближайшим отсчетам. «+» опорные отсчеты – в равномерной сетке А) интерполяция по ближайшему отсчету Б) билинейная интерполяция => A, B, C, D = x(t,τ) Ф-?, тогда аппроксимируем Ф геометрическим преобразованием известного типа. Параметры ищем через метод опорных точек (точки соответствия между исходным и итоговым изображением – углы зданий, перекрестки дорог). Для аффинного достаточно 3 точки, но так мало не берут. Для повышения точности берут, например, в 10 раз больше (30 точек – 60 уравнений, 6 неизвестных). – не решение
– решение Опорные точки L штук:
где нужно вычислить результат, с каким шагом, какую часть плоскости хотим вычислить.
Оценка характеристик одномерного распределения яркости изображений. Рассмотрим яркость как случайную величину, даже для изображение 1х1 пиксель можно вычислить: – плотность распределения и ее гистограмма 1) Грубо W – вероятность х (р(х)) Массив W =256 для байтового For i = 0 to 255 w[i]=0 For i = 0 to M-1 For j = 0 to N-1 W[x[i,j]]+=1; For i = 0 to 255 W[i]/= (M*N) 2)
Оценка ковариационной функции и энергетического спектра изображения АКФ одномерного 1-0 Пусть Оценка: 1) Прямая оценка АКФ:
N-m-1 скользящее, чтобы первый отсчет не выпадал за край «+» Простота «-» Большая вычислительная сложность 2) Метод периодограммы: Определим сигнал до длины 2N-1 и добьем нулями до степени двойки (2^х) . Пусть сигнал периодический: − спектр Спектр развернутого сигнала - комплексный.
Сопряженный спектр исходного изображения:
Берем преобразование Фурье от левой и правой части:
Оценка аналитического спектра – периодограмма Сглаживание периодограммы, не картинки!
Измерение шума при определении характеристик линейной модели наблюдения y(n) – наблюдаемое изобр,, характеристики известны, x(n) – исходное, х-к нет, v(n) – шум, х-к нет. Пусть x(n) и v(n) независимы => Упрощение: пусть – белый шум
1) Вычисляем оценку 2) Плохой способ – линия Способ оценки : модель АКФ
Популярное: Почему человек чувствует себя несчастным?: Для начала определим, что такое несчастье. Несчастьем мы будем считать психологическое состояние... Почему стероиды повышают давление?: Основных причин три... Генезис конфликтологии как науки в древней Греции: Для уяснения предыстории конфликтологии существенное значение имеет обращение к античной... ©2015-2024 megaobuchalka.ru Все материалы представленные на сайте исключительно с целью ознакомления читателями и не преследуют коммерческих целей или нарушение авторских прав. (234)
|
Почему 1285321 студент выбрали МегаОбучалку... Система поиска информации Мобильная версия сайта Удобная навигация Нет шокирующей рекламы |