Upload
nariko
View
146
Download
2
Embed Size (px)
DESCRIPTION
Rasterska grafika. Student Milos Pljevaljcic. Mentor Prof. dr Milorad Banjanin. Računarska grafika (Computer G raphics-CG) je polje vizuelnog računarstva, gde se pomoću računara stvara digitalna slika. Ta slika može biti iz stvarnog sveta, koja se - PowerPoint PPT Presentation
Citation preview
Powerpoint TemplatesPage 1
Rasterska grafika
Student
Milos Pljevaljcic
MentorProf. dr Milorad Banjanin
Powerpoint TemplatesPage 2
Računarska grafika (Computer Graphics-CG) je polje vizuelnog računarstva, gde se pomoću računara stvara
digitalna slika. Ta slika može biti iz stvarnog sveta, koja se Pomoću računara kreira i menja. u digitallnu.
Prema osnovnim gradivnim elementima slike, računarska grafika se može podeliti na
Prema osnovnim gradivnim elementima slike, računarska grafika se može podeliti na
RASTERSKARASTERSKA VEKTORSKAVEKTORSKA
Powerpoint TemplatesPage 3
RASTERSKA GRAFIKARASTERSKA GRAFIKA
Rasterska grafika ili bitmap predstavlja pravougaonu mrežu piksela ili obojenih tačaka, na određenom
grafičkom izlaznom uredjaju kao što je ekran ili papir
Raster kao pojam teorijski označava
“vidljivu celinuod više elemenata
u dvodimenzionalnom
Sistemu”
DEFINICIJA 2
Rasterska grafikapredstalja ‘crtanje’pomoću mozaika piksela pri čemu
svaki piksel nosi informacijuo boji kojom je
predstavljen
Powerpoint TemplatesPage 4
Piksel
PikselPICture
ELement
najmanja jedinica slike koja može biti predstavljena I koja se može kontrolisati
(u smislu promjenje određenih svojstava)
Svaki piksel pojedinacno ima svojuADRESU,ona odgovara njegovim
koordinatama Svaki piksel pojedinacno ima svoju
BOJUDUBINA BOJE piksela je broj bita kojima se prikazuje
boja piksela
Powerpoint TemplatesPage 5
Digitalizacija
Obrada slike
Analiza sadrzaja
Manipulacija slikamaPreuzetih iz realnog sveta
Digitalizacija je proces pretvaranja kontinualne informacije u digitalni oblik.Slikovno gradivo se digitalizira skeniranjem ili fotografisanjem.
Powerpoint TemplatesPage 6
Analogna slika
Analogna slika je
funkcija od dve promenjlive
F=F(x,y)
Powerpoint TemplatesPage 7
DIGITALNa slika
Digitalna slika Nastaje
uzorkovanjem (semplovanjem) analogne slike
u diskretnim tačkama
Powerpoint TemplatesPage 8
DIGITALNA SLIKA
1
2
3
Rezultat je uzorkovanja skupa vrednosti izmerenih u tačkama uzorkovanja
Tačke uzorkovanja su raspoređene u matricu
Boja celog piksela jednaka je izmerenoj Veličini u centru piksela
Powerpoint TemplatesPage 9
Izvode se na isti nacin nad
svim pikselimana slici
Mogu da zavise od nekog statističkog opisa slike ali ne I od lokalnog podskupa piksela
Operacije nad
Rasterskim slikama
Izvode se imajući u vidu vrednost piksela koji se obrađuje i vrednosti susednih piksela
Rezultati zavise od vrednosti piksela u pojedinim regionima slike
Powerpoint TemplatesPage 10
Histogram slikeHistogram slike
Histogram
Histogram
Histogram
Histogram ilustruje raspodjelu piksela u slicibrojanjem piksela koji imaju isti intenzitet boje.
Histogram pokazuje da li slika ima dovoljno detalja u• sjenama(shadows),• srednjim tonovima (midtones) i•svetlim tačkama (highlights).
Neke digitalne kamereimaju mogućnostprikaza histograma slike
Histogram slike predstavlja grafičku reprezentraciju tonalnog rasporeda digitalne slike
Powerpoint TemplatesPage 11
Različiti Histogrami
Podeksponirana slika
(premalo svetlih piksela)
Dobra slika
(pun tonalitet)
Preeksponirana slika
(premalo svetlih piksela)
Powerpoint TemplatesPage 12
Histogram koji se nalazi u opsegu [xmin, xmax] hoćemo da “razvučemo” na opseg [ymin, ymax] (tipično [0, 255])
Powerpoint TemplatesPage 13
SLIKA SLABOG KONTRASTA
SLIKA DOBROG KONTRASTA
Powerpoint TemplatesPage 14
Geomtrijske transformacije
SKALIRANJE
ROTACIJAROTACIJA
Powerpoint TemplatesPage 15
Skaliranje Skaliranje Slike Slike
od slike 512x512 piksela napraviti sliku 2048x2048 piksela
najjednostavnije rešenje: replikacija piksela
dobija se slika sastavljena iz kvadratića!
Powerpoint TemplatesPage 16
Skaliranje pomoću interpolacije
●Posmatramo originalnu sliku kao funkciju datu u diskretnim tačkama● Njenom interpolacijom dobijamo analitički oblik
● Na osnovu analitičkog oblika računamo vrednosti piksela u novoj slici
Powerpoint TemplatesPage 17
Skaliranje pomoću interpolacije
Skaliranjem se piksel sa koordinatama (x, y) preslikava na poziciju (x’, y’)
x’i y’ne moraju biti celi brojevi
Potrebno je izračunati vrednosti piksela sa celobrojnim koordinatama koji su u blizini tačke (x’, y’)
Powerpoint TemplatesPage 18
TRI TIPIčNA ALGORITMA
Skaliranje pomoću interpolacije
Nearest neighbor Bilinear bicubic
Vrednost novog piksela se računa
Kao vrednost najbliZeg
preslikanog piksela iz originala
Preslikani piksel utiče na 4
najbliža piksela zavisno od udaljenosti
Preslikani piksel utiče na 12
najbliža piksela zavisno od udaljenosti
Powerpoint TemplatesPage 19
ROTACIJA
rotacija za 90°, 180°ili 270°: manipulacija kolonama i vrstama matric
rotacija za proizvoljan θ: potrebna je interpolacija
Powerpoint TemplatesPage 20
direktna transformacija
ROTACIJA
koordinate rotiranog piksela
za ovako dobijene preslikane piksele vršimo interpolaciju
•neki delovi polazne slike mogu biti odsečeni•neki delovi rezultujuće slike mogu ostati prazni
Powerpoint TemplatesPage 21
INVERZNA transformacija
ROTACIJA
za svaki piksel rezultujuće slike računamo inverznu rotaciju na polaznu sliku
sada radimo interpolaciju nad polaznom slikom
•proračun se obavlja nad polaznom slikom•nije potrebna dodatna memorija
Powerpoint TemplatesPage 22
KONVOLUCIJA
diskretna 2D konvolucija-piksel rezultujuće slike se računa kao suma proizvoda piksela iz polazne slike i odgovarajuće vrednosti kernela
-kernel je obično kvadratna matrica neparne dimenzije
KERNEL OM nazivamo matricu težinskih koeficijenata takođe poznatu i pod nazivom filter.
Konvolucija je matematički operator koji od dve
funkcije f i g proizvodi treću koja predstavlja količinu
preklapanja između funkcije f i okrenute i prevedene
verzije funkcije g.
Powerpoint TemplatesPage 23
KONVOLUCIJADiskretna 2Dkonvolucija
možda se ne vidi, ali slika je zamućena!
Powerpoint TemplatesPage 24
KONVOLUCIJADiskretna 2Dkonvolucija
rezultat ne mora uvek da bude očekivan
Powerpoint TemplatesPage 25
KONVOLUCIJA-idealni filteri-
Powerpoint TemplatesPage 26
KONVOLUCIJAnajvažnija primena: filteri za obradu
slike
Powerpoint TemplatesPage 27
UMEKSAVANJEuproscavanje pomoću suseda
(neighborhood averaging)
svaki piksel zamenjujemo prosečnom vrednošću piksela iz njegovog susedstva veličine k×k
kao rezultat, nagle promene intenziteta se pretvaraju u više postepene
vrednost jednog elementa kernela je 1/k2
kernel veličine 3×3 imao bi oblik:
izbor dimenzije kernela
●da bismo zamutili/umekšali objekte prečnika w, potreban nam je kernel dimenzije k= 2w+1
PROBLEM
•iako dobro uklanja tačkasti šum, tekstura ili ivice mogu biti zamućeni•može doći do pojave “duhova”
Powerpoint TemplatesPage 28
UMEKSAVANJE-Gaussov filter-
-dimenzije kernela –empirijski izrazi•za umekšavanje objekata prečnika w,σ= (2w+1)/2 i k= 2w+3
-složeniji račun nego za uniformni filter
-manja pojava “duhova”sa povećanjem k
Powerpoint TemplatesPage 29
UMEKSAVANJE-median filter-
vrednost piksela u centru k×k kvadrata je median vrednost
susednih piksela
ODREDJIVANJE MEDIAN VREDNOSTI
sortiramo piksele po intenzitetu i u sortiranom nizu izaberemo srednji
dobar za otklanjanje tačkastog šuma, uz čuvanje
oštrih ivica
Kada se median filter postavi na piksel koji predstavlja šum, piksel će dobiti vrednost jednog od susednih piksela, a ne neku srednju vrednost koja se ne pojavljuje u slici
izbor k•ako želimo da median vrednost bude boja okoline, a ne šuma, u izabranom susedstvu piksela mora biti više piksela okoline od piksela šuma•k >= 2w+1
Powerpoint TemplatesPage 30
IZOŠTRAVANJE
IZOŠTRAVANJEjenaglašavanje ivica između različito obojenih objekata u slici daje utisak veće oštrine
može da se koristi za izoštravanje fotografija sa
slabim fokusom
popravke mogu biti male –preterana upotreba ove tehnike neće dati
rezultate
fotografije sa vrlo lošim fokusom ne mogu se popraviti: slikajte ponovo!
Powerpoint TemplatesPage 31
IZOŠTRAVANJEunsharp mask
Powerpoint TemplatesPage 32
IZOŠTRAVANJEunsharp mask
Powerpoint TemplatesPage 33
IZOŠTRAVANJEPhotoshop
Powerpoint TemplatesPage 34
DETEKCIJA IVICA 1D slučaj
računanje prvog izvoda može se aproksimirati primenom kernela M’=[-1, 1]
slično tome drugi izvod aproksimira se kernelom M’’=[1, -2, 1]
Powerpoint TemplatesPage 35
DETEKCIJA IVICA1D slučaj-PRIMERI
Powerpoint TemplatesPage 36
DETEKCIJA IVICA
pravac najvećeg nagiba je pravac gradijentaon ima svoju x i ykomponentu
Powerpoint TemplatesPage 37
DETEKCIJA IVICA
Powerpoint TemplatesPage 38
TEKSTURA
PRIMERslike imaju različite boje, ali vrlo
sličnu teksturu
POJAM TEKSTURE
skup primitivnih elemenata (texel, texton) u nekom uređenom ili ponavljajućem rasporedukvantitativna mera prostornog rasporeda piksela različitih intenziteta u jednom
regionu
Powerpoint TemplatesPage 39
POJAM
PRIMENE
PRIMER
SEGMENTACIJA SLIKE
-segmentacija radi dalje obrade pojedinačnih regiona–segmentacija radi promene reprezentacije slike•vektorizacija rasterskih slika
podela slike na regione
Powerpoint TemplatesPage 40
Hvala na paznji!