- •Лекция 1
- •1.1. Области, связанные с обработкой изображения
- •1.2. Изображение и его машинное представление
- •1.3. Описание сцены и его машинное представление
- •Представление поверхностных моделей.
- •Лекция 2
- •Лекция 2,3
- •Лекция 4,5 Преобразования на плоскости и в пространстве
- •Лекция 6-7-8 Элементы вычислительной геометрии на плоскости.
- •Отсечение отрезка на плоскости
- •Алгоритм Сазерленда-Коэна
- •Отсечение полигона выпуклым окном
- •Плоскость
- •Полигон
- •Лекция 9-10-11-12 Удаление невидимых линий и поверхностей
- •Лекция 13 Наложение текстур
- •Лекция 14 Освещение
- •Лекция 15 Устранение лестничного эффекта (Antialiasing)
- •Лекция 16 Дискретизация изображений
- •Палитры и оптимизация палитр.
- •Метод квантования цветов медианным сечением.
- •Лекция 17,18 Форматы растровых файлов
- •Сжатие графической информации
- •Типы изображений.
- •Требования к алгоритмам компрессии.
- •Критерии сравнения алгоритмов.
- •Алгоритмы архивации без потерь.
- •Лекция 19 Классы изображений и переходы между ними
- •Сегментация изображений
- •Построение контура
- •Построение скелета (остова) области
- •Сегментация кривых
- •Интерполирование
- •Заливка областей
- •Сглаживание
- •Лекция 20 Распознавание образов Понятие образа
- •Проблема обучения распознаванию образов
- •Геометрический и структурный подходы.
- •Гипотеза компактности
- •Самообучение.
- •Перцептроны
- •Р Классы (образы) аспознавание графических образов
- •Лекция 21 Аппроксимация кривых и поверхностей сплайнами
- •Сплайн-функции одной переменной
- •Кривые Безье
- •Где nk(t) – функциональные весовые множители.
- •Рациональные в-сплайновые поверхности
- •Лекция 22 Устройства ввода и вывода графической информации
- •Мониторы
- •Принтеры
- •Графопостроители
- •Сканеры
- •Планшеты и указатели
- •Графические акселераторы
- •Лекция 23 Архитектура графических систем
Лекция 1
1.1. Области, связанные с обработкой изображения
При обработке информации, связанной с изображением выделяют три направления : COMPUTER VISION, IMAGE PROCESSING и COMPUTER GRAPHICS.
Computer (Machine) Vision – компьютерное “зрение”.
Предположим, есть некоторая сцена (аудитория, комната и др.) Компьютер должен дать описание этой сцены (есть ли в ней предметы, -какая освещенность и т. д.). Computer Vision (CV) переводит изображение в описание:
изображение описание
Иначе говоря, СV занимается анализом образов.
Применение:
-
Распознавание образов (текста)
-
Ввод рисунков (для последующего масштабирования, обработки)
-
Управление в пространстве (обычно по линиям на полу)
Computer (Machine) Graphics – компьютерная (машинная) графика.
Задача системы компьютерной графики :
пусть у нас есть описание какого-либо объекта, явления ,
т. е. есть виртуальный образ. Мы хотим от описания перейти к изображению.
символ (описание)
изображение
CG
Компьютерная графика – это синтез изображения (например, у нас есть описание предметов, источников света, а надо получить целую картину).
Применение:
-
Системы CAD (computer-aided design)
-
Отображение результатов работы программы (графики и т.п.)
-
Спецэффекты в рекламе, кинематографе
-
Игры
Image Processing – обработка изображения.
изображение изображение
Задачи обработки изображения :
1.Устранение дефектов изображения (напр., устранение снега на фотопленке)
2.Улучшение изображения (напр., сделать темнее недодержанную фотографию)
3. Упрощение изображения ( напр.,
цветное черно-белое каркасное)
Получаем такую схему:
Изображение
IG
IG CVVV
и о
з п
о
CG
1.2. Изображение и его машинное представление
Def: Изображение оптическое- картина, полученная в результате прохождения через оптическую систему лучей, распространяющихся от объекта и воспроизводящих его контуры и детали.
Изображение можно охарактеризовать с помощью функции оптической плотности (интенсивности):
I = g(x,y) – непрерывная функция яркости.
Если мы будем брать значения функции в определенных точках, мы получим матрицу (каждом элемент матрицы gij –значение функции интенсивности в точке (i,j)).С помощью такой матрицы изображение представляется в машине. Элемент отображаемой матрицы- picture element- pixel.
Если изображение черно-белое, нам достатачно градаций :
-
отсутствие света (черный);
255- белый. Поэтому нам достаточно 1 байта на каждый пиксел.
Если изображение строится на 3-х цветах ( красный, желтый, зеленый), для каждого пиксела требуется 3 байта. Мы составляем 3 матрицы и с каждой работаем отдельно.
Применяются три основные схемы кодирования цвета
RGB (Red,Green,Blue) аддитивный цвет для задания цвета на экране монитора. Куб.
CMYK (Cyan,Magenta,Yellow,blacK) субтрактивный цвет для печати.
HSB(HSL) (Hue (тон), Saturation (насыщенность), Brightness (яркость )(( lightness)освещенность)) более привычный глазу человека (тон- оттенок цвета (0-360 красный, зеленый, синий, красный), насыщенность – относительная интенсивность, чистота цвета (0-белый,1-чистый), яркость – величина на которую умножается цвет). Цилиндр.
RGB -> CMY
Cyan = 1-Red
Magenta = 1-Green
Yellow = 1-Blue
CMY -> CMYK
Black=minimum(Cyan,Magenta,Yellow)
Cyan=(Cyan-Black)/(1-Black)
Magenta=(Magenta-Black)/(1-Black)
Yellow=(Yellow-Black)/(1-Black)
CMYK -> CMY
Cyan=minimum(1,Cyan*(1-Black)+Black)
Magenta=minimum(1,Magenta*(1-Black)+Black)
Yellow=minimum(1,Yellow*(1-Black)+Black)
Учитывая, что
Red: (1;0)
Green: (cos(120 deg);sin(120 deg)) = (-0.5; 0.866)
Blue: (cos(240 deg);sin(240 deg)) = (-0.5;-0.866)
a = Red-0.5*(Green+Blue)
b = 0.866*(Green-Blue)
Hue = arctan2(a,b)/(2*PI) ;
Saturation = (a^2+b^2)^0.5
Luminosity = (Red+Green+Blue)/3
Другие схемы кодирования цвета:
1. Lab (a,b – из вычисления HSL)
2. YUV – в телевизионных системах (PAL,SECAM,NTSC(в ней не сами U,V, а их линейная комбинация).
U= Blue - яркость, V= Red - яркость
Для PAL
RGB -> YUV | YUV -> RGB
Y = 0.299*Red+0.587*Green+0.114*Blue | Red = Y+0.000*U+1.140*V
U = -0.147*Red-0.289*Green+0.436*Blue | Green = Y-0.396*U-0.581*V
V = 0.615*Red-0.515*Green-0.100*Blue | Blue = Y+2.029*U+0.000*V
Представление изображения в современных видеоадаптерах. В виде RGB. 24 бита - 888, 16 бит - 565, 8 бит – палитра.