Valósidejű képfeldolgozás - Kertész ellenőrző kérdések

A VIK Wikiből
A lap korábbi változatát látod, amilyen Csia Klaudia Kitti (vitalap | szerkesztései) 2020. augusztus 4., 00:19-kor történt szerkesztése után volt.
(eltér) ← Régebbi változat | Aktuális változat (eltér) | Újabb változat→ (eltér)
Ugrás a navigációhoz Ugrás a kereséshez
← Vissza az előző oldalra – Valósidejű képfeldolgozás

Tartalomjegyzék

Definiálja a valósidejű képfeldolgozás fogalmát, írjon néhány alkalmazási példát hangsúlyozva a valósidejű szempontokat!

  • Valósidejű képfeldolgozás fogalma:
    • Kép: Vizuális információkat tartalmazó összefüggő adathalmaz.
    • Képfeldolgozás: Olyan számítógépes algoritmusok összessége, amelyek digitális képi adatokon végeznek műveleteket, ezekből nyernek ki lényegi információkat.
    • Valósidejű: Olyan rendszerek jellemzője, amelyek meghatározott időn belül garantáltan választ adnak egy bekövetkező eseményre.
  • Alkalmazási példák:
    1. Dokumentum feldolgozás
    2. Orvosi képfeldolgozás
    3. Ipari mérések
    4. Robotika
    5. Kartográfia
    6. Igazságügy, biztonságtechnika
    7. Megfigyelés

Hasonlítsa össze a biológiai és a mesterséges látást. Írja le a kamera felépítését, modelljeit, szenzorait és paramétereit!

Milyen jellemzői vannak egy képnek, hogyan csoportosítjuk ezeket a jellemzőket?

Mi a hisztogram? Hogyan alkalmazzuk a hisztogramkiegyenlítést a képminőség javítására, írja le az eljárás algoritmusát.

  • Hisztogram: A kép intenzitásértékeinek sűrűségfüggvénye, ahol az értelmezési tartomány az intenzitásértékek, az értékkészlet pedig az adott intenzitásértéknek a darabszáma.
  • Hisztogram kiegyenlítés: Célja a kontrasztosság fokozása, a gyakori intenzitások ritkításával és a ritka intenzitások sűrítésével. Egyenletes eloszlású hisztogramot szeretnénk elérni.
  • Algoritmus:
    • A pixelek összességét tekintve [math] \sum_{q = 0}^{J}{\chi (q)} = \sum_{r = 0}^{I}{\tau (r)} = 1 [/math].
    • Az ideális eloszlás [math] \tau (r) \approx \frac{1}{I} [/math] lenne.
    • Így egyenletes eloszlásnál az [math]n.[/math] intenzitásérték [math] \sum_{r = 0}^{n}{\tau (r)} = \frac{n}{I} [/math]
    • Iterációval keressük azokat az [math]m_{n}[/math] értékeket, ahol

[math] \sum_{q=0}^{m_{n}}{\chi (q)} \leq \frac{n}{I} \lt \sum_{q = 0}^{m_{n + 1}}{\chi (q)} [/math]

Milyen pixel alapú műveleteket ismer? Rajzolja fel a karakterisztikákat!

  1. Kontraszt széthúzás:
  2. Binarizálás:
  3. Log függvény:
  4. Gamma korrekció:
  5. Szeletelés:
  6. Negálás:

Mi az előnye és a hátránya a pixel szintű kontrasztfokozó eljárásnak a hisztogram kiegyenlítéssel szemben?

  • Előny: Gyors (Look-up tábla) jól párhozamosítható (környezetfüggetlen) megvalósítás.
  • Hátrány:

Adja meg a lineáris régió alapú operátorok jellemzőit! Mi a jelentősége a linearitásnak?

Írjon fel egy példát a lineáris szűrőre, milyen problémát okoz a kép szélein és elosztott megoldások esetén a régió alapú szűrő alkalmazása!

Milyen zajtípusokat ismer és milyen módszerei vannak a képi zaj szűrésének?

Mi a medián szűrő? Milyen zajtípusokhoz használhatjuk? Mi a hátránya lineáris szűrőkkel szemben? Egy adott pixelre időtartományban alkalmazva milyen jelegű feladat megoldására alkalmas?

Milyen képjellemzőket ismer, hogyan definiálhatjuk őket?

Mit nevezünk képi élnek? Tervezzen képtartományban lineáris szűrőt a képi él kiemelésére!

Mi a kapcsolat a képi élek detektálásakor az első és másodrendű differencia között?

Mi az LoG (Laplacian of a Gaussian) szűrő és hogyan működik?

Hogyan fogalmazható meg a simítás és az élkeresés frekvenciatartományban?

Írja le a Canny éldetektáló algoritmus működését!

Hogyan ismerhetőek fel a képi sarkok?

Írja fel a lineáris szűrők gyorsítási lehetőségeit!

Hogyan alkalmazható a konvolúció illesztési feladatok megoldására?

Hogyan gyorsíthatóak az illesztési feladatok?

Milyen problémákat kell megoldani az illesztési feladatok során?