Grafika na počítači. Bc. Veronika Tomsová

Transkript

1 Grafika na počítači Bc. Veronika Tomsová

2 Proces zpracování obrazu

3 Proces zpracování obrazu 1. Snímání obrazu 2. Digitalizace obrazu převod spojitého signálu na matici čísel reprezentující obraz 3. Předzpracování obrazu přizpůsobení obrázku lidskému oku 3/30

4 Snímání obrazu převod vstupních optických veličin na elektrický signál spojitý v čase i v úrovni vstupní informace: Jas (z TV kamery, scanneru) Intenzita rentgenového záření Ultrazvuk Tepelné záření snímat lze v jednom nebo více spektrálních pásmech barevné snímání: 3 spektrální složky (např. RGB) 4/30

5 Digitalizace obrazu převod vstupního spojitého signálu do diskrétního tvaru matice čísel vstupní analogový signál popsán funkcí f(x,y)dvou proměnných (x,y)... souřadnice v obraze funkční hodnota f(x,y)... např. jas/intenzita vyjadřuje vlastnosti obrazu, tak jak odpovídá vnímání člověka vzorkování a kvantování vstupního signálu výsledkem: matice přirozených čísel popisující obraz jeden prvek matice = pixel (picture element) pixel... nedělitelná jednotka 5/30

6 Předzpracování obrazu I. přizpůsobení obrázku lidskému oku zvýraznění kontrastu zvětšení rozdílu mezi minimem a maximem v obrázku odstranění šumu průměrování obrázku s maskou/filtrem zvýraznění hran hrana = místo, kde dochází k výrazné změně intenzit a není to izolovaný bod 6/30

7 Předzpracování obrazu II. invertování degradací 1. modelovat špatné vlivy v obrázku jak se tam dostaly 2. proces invertovat degradace: jasové degradace rozmazání pohybem (fotografie jedoucího auta) vliv atmosféry geometrické degradace např. poškozená geometrie snímače jiná snímatelnost v horizontálním a vertikálním směru zkresleno perspektivou 7/30

8 Digitalizace obrazu

9 Digitalizace obrazu po nasnímání: spojitý 2D obraz typicky: snímací zařízení zdrojem spojitého signálu spojitá funkce f(x,y) pro zpracování obrazu v počítači potřeba rastrový obraz matice čísel číslo matice = jeden pixel obrázku 9/30

10 Příklad digitálního obrázku řez z rentgenového tomografu 10/30

11 Digitalizace obrazu Skládá se ze dvou na sobě nezávislých funkcí: Vzorkování Výsledkem matice m nbodů (pro 2D obrazy) Kvantování spojité jasové úrovně každého pixelu převedeny jen do k úrovní každý pixel nabývá jen určitého počtu hodnot (např. úrovní šedi) 11/30

12 Vzorkování odebírání hodnot (vzorků) ve stejných intervalech 2 problémy: uspořádání vzorkovacích bodů do rastru vzdálenost mezi vzorky Shannonova věta o vzorkování 12/30

13 Uspořádání vzorkovacích bodů vzorky v pravidelné mřížce Čtvercová snadná realizace odpovídá reprezentaci obrazu pomocí matice čísel Hexagonální pravidelnost vzhledem k 6 okolním bodům každého bodu a jejich stejná vzdálenost 13/30

14 Vzdálenost mezi vzorky interval vzorkování = vzdálenost mezi nejbližšími vzorkovacími body v obrazu tzv. vzorkovací frekvence vzdálenost vzorků určuje Shannonova věta o vzorkování vzorkovací frekvence musí být alespoň dvakrát vyšší než nejvyšší frekvence ve vzorkovacím signálu interval vzorkování: menší nebo roven polovině rozměru nejmenších detailů v obraze interval vzorkování = vzorkovací frekvence nejvyšší frekvence ve vzorkovacím signálu = nejmenší detail v obrázku 14/30

15 Po navzorkování vzorkovaný bod = pixel v digitalizovaném obrazu po uspořádání do vzorkovací mřížky vzorky pokrývají celý obraz př. jednorozměrný obrázek 15/30

16 Typy vzorkování bodové vzorkování dané oblasti přiřazeno jediné číslo typicky: hodnota středového pixelu plošné vzorkování méně časté celé oblasti přiřazena jediná hodnota na základě výpočtu typicky: průměr všech bodů oblasti - aritmetický praxe: vážený průměr vzorků 16/30

17 Příklady vzorkování filmový pás spojitý pohyb herců posloupnost filmových políček hudební záznam na CD frekvence 44,1 khz neboť zdravé lidské ucho slyší maximálně cca do 20 khz a tudíž vzorkovací frekvence 44,1 khz byla zvolena s velkou rezervou Shannonova věta 17/30

18 Kvantování Přiřazení jediné zástupné hodnoty každému intervalu Vždy je to proces ztrátový a nevratný 18/30

19 Počet kvantových hladin Při vysokém počtu kvantových hladin přesné vyjádření jemných detailů obrázku 19/30

20 Chyba kvantování kvantizační chyba = kvantizační šum náhlý skok barev na plochách s malou změnou gradientu kvantizace: původní hladký barevný přechod nahrazen skokovou změnou vznik hran, které v obraze nebyly důvod: nedostatečný počet jasových úrovní 20/30

21 Digitální obrázek a lidské oko Experimentálně byly zjištěny tyto charakteristiky zdravého lidského oka: prostorová rozlišovací schopnost 0,1 mm ze vzdálenosti 25 cm rozlišení šedi (odděleně) 40 úrovní rozlišení šedi (porovnání vedle sebe) 100 úrovní Dále bylo vypozorováno, že standardní obrázek velikosti pixelů se 128 stupni šedi zobrazovaný na plochu 5 5 cm pozorovaný ze vzdálenosti 25 cm se jeví jako spojitý. 21/30

22 Příklad kvantování Originál 256 úrovní 64 jasových úrovní 16 jasových úrovní 4 jasové úrovně 2 jasové úrovně 22/30

23 Alias televizní obrazovka snímaná kamerou kamera snímá obraz v diskrétních časových intervalech obrazovka promítá po půlsnímcích interference frekvencí alias alias = tmavé pruhy pohybující se různou rychlostí nahoru nebo blikání vrtule letadel na obrazovce snímky získané kamerou = diskrétní vzorky 23/30

24 Reprezentace rastrového obrazu

25 Matice nejčastější datová struktura dvojrozměrná matice pixelů pixel = hodnota podle typu obrazu (např. jas) Výhody úplná reprezentace obrazu nezávislá na obsahu obrazových dat Nevýhody není úsporná nezachycuje relace mezi objekty nezohledňuje fakt, že se v obraze mohou nacházet velké stejně barevné plochy 25/30

26 Kvadrantový strom obraz rozdělen na 4 kvadranty (čtverce) test pokrytí stejnou barvou kvadrant pokryt pixely stejné barvy konec dělení kvadrant není pokryt pixely stejné barvy kvadrant rozdělen 26/30

27 Kvadrantový strom 27/30

28 Lineární zápis kvadrantového stromu lineární zápis kvadrantového stromu dělený uzel nahrazen závorkami 28/30

29 Příklad I. vytvořte kvadrantový strom a zapište jej lineárním kódem 29/30

30 Příklad II. nakreslete obrázek zadaný kódem ((ČČČ(BBBČ))(ČČ(BBČB)Č)(Č(BČBB)ČČ)((ČBBB)ČČČ)) 30/30