POŽADAVKY KE ZKOUŠCE Z PŘEDMĚTU ZPRACOVÁNÍ SIGNÁLU O OBRAZU (383ZSO)
1.Vzorkovací věta
a rekonstrukce signálu.
Úvod. Rozdělení signálů. Diskretizace v čase (vzorkovací
věta, spektrum vzorkovaného signálu, rekonstrukce původního signálu, chyby při
vzorkování).
2. Fourierovy
transformace diskrétních signálů.
Signály diskrétní v čase - příklady, popis ve frekvenční
oblasti (FTD, IFTD), vlastnosti Fourierovy transformace diskrétních signálů
(FTD). Diskrétní Fourierova transformace (DFT). DFT pro periodické diskrétní
signály, leakage a jeho omezení. DFT pro signály konečné délky,
3. Rychlá
Fourierova transformace a spektrální analýza.
DFT pro neperiodické časově neomezené signály. Aplikace DFT
na spojité signály. . Kruhová konvoluce. Rychlá
Fourierova transformace (FFT) - princip, odvození základního algoritmu, využití
pro spektrální analýzu periodických signálů
4. Číslicové filtry
– rozdělení, vlastnosti.
Číslicové filtry (diskrétní filtry). Definice, rozdělení,
nerekurzívní diskrétní filtry (NRDF) - příklady, vlastnosti, transversální
struktura, filtry s lineární fázovou charakteristikou. Rekurzívní diskrétní
filtry (RDF) - příklady, vlastnosti, systémová funkce, struktura (přímá forma
1, přímá forma 2, kaskádová struktura, paralelní struktura).
5. Návrh číslicových
filtrů.
Metody návrhu diskrétních filtrů. Návrh filtru s konečnou
impulsní odezvou (FIRF). Metoda využívající FTD a časových oken (princip, okna:
pravoúhlé, trojúhelníkové, von Hannovo, Hammingovo, Blackmannovo, Kaiserovo.
Metody návrhu filtrů s nekonečnou impulsní odezvou (IIRF). Základní typy
frekvenčně selektivních analogových filtrů (Butterworth, Čebyšev, Cauer,
Bessel). Metoda bilineární transformace (princip, vlastnosti, příklad).
Srovnání FIR a IIR filtrů
6. Stochastické
signály – amplitudové rozložení a korelační funkce.
Zpracování stochastických signálů. Rozdělení stochastických
signálů. Charakteristiky amplitudového rozložení (distribuční funkce, hustota
pravděpodobnosti) a jejich měření. Číselné charakteristiky popisující
rozložení. Popis náhodných signálů v časové‚ oblasti (korelační funkce -
vlastní a vzájemná: definice, měření a výpočet, užití).
7. Stochastické
signály – výkonová spektrální hustota, detekce signálů pod úrovní šumu..
Popis náhodných signálů ve frekvenční oblasti (výkonová
spektrální hustota vlastní a vzájemná: definice, měření a výpočet, užití).
Měření a detekce silně zašuměných signálů.
8. Obraz jako signál. Vznik obrazu. Geometrie a radiometrie.
Počítačové vidění versus digitální zpracování obrazu. Interpretace obrazových dat. Digitální obraz. Metrické a topologické vlastnosti obrazu. Vznik obrazu. 3D scéna -> 2D obraz. Geometrie a radiometrie. Obraz jako signál. Signál jako lineární kombinace bodových zdrojů, omezení přístupu. Zobecnění metod analýzy 1D signálu na 2D signály. Vzorkování, analýza obrazu Fourierovou transformací a jinými lineárními integrálními transformacemi. Oblast, objekt, pozadí, hrana, hranice. Rastrové a vektorové obrazy. Barva.
9. Předzpracování obrazu, geometrické a jasové
transformace, lokální filtrace.
Obvyklé kroky ve zpracování 2D obrazu. Role předzpracování. Jasové a geometrické transformace. Statistický princip filtrace šumu. Aplikace centrální limitní věty. Lokální metody předzpracování. Lineární metody, 2D konvoluce. Problémy s kauzalitou u 2D obrazů. Nelineární metody a vztah k robustní filtraci.
10. Hranová detekce, restaurace obrazu.
Hranové detektory. Marrova teorie hranové detekce. Význam a volba měřítka. Cannyho hranový detektor. Formulace úlohy restaurace obrazu jako statistické filtrace. Model šumu. Degradace odstranitelné restaurací, jejich matematický model. Inverzní filtrace. Wienerův filtr pro restauraci obrazu.
11. Přehled o typickém postupu analýzy obrazu; rastrové a vektorové
obrazy;
barva.
Zpracování obrazu bez interpretace a s interpretací. Význam segmentace obrazu. Prahování, kdy lze použít. Rastrové a vektorové obrazy, vektorizace. Barevené obrazy a jejich zpracování.
12. Komprese obrazu, bezeztrátové a ztrátové
metody.
Bezeztrátová komprese. Úsporné kódování. Redundance v datech. Model dat a reziduum. Odlišnost komprese obrazů od 1D dat. Ztrátová komprese. Integrální transformace (Fourierova, kosinová, Karhunen-Loeve) a komprese. Prediktivní komprese. Vektorová kvantizace. Komprese sekvencí obrazů.
13. Matematická morfologie.
Reprezentace obrazu bodovými množinami, rozdíl od kombinace lineárních zdrojů. Operace morfologie pro binární obrázky, eroze, dilatace, složitější operace. Šedotónová morfologie. Hledání kostry. Granulometrie. Morfologická segmentace, rozvodí (watershed).
14.Technické prostředky pro pořízení,
zpracování a zobrazení obrazu. Aplikace.
Kamery, vakuové, CCD, CMOS; principy a technické parametry. Analogové, pixlově synchonizované, digitální kamery. Digitizéry. Osvětlovače. Scannery. HW na zpracování obrazu. Zobrazování. Měření vzdálenosti od pozorovatele na principu doby letu a triangulace. Princip tomografu. Příklady praktických aplikací.
Literatura:
K celému předmětu:
Hlaváč, V., Sedláček M.: Zpracování signálů a obrazů, skriptum FEL, Vydavatelství ČVUT, 220 stran, dotisk říjen 2002 (s opravenými chybami), první vydání leden 2000.
K přednáškám 1-7:
Sedláček, M.: Zpracování signálů
v měřicí technice. VČVUT 1998.
Oppenheim,A.V., Schafer R.W. : Discrete time signal
processing. Prentice Hall,1989
Bendat,J.S., Piersol,A.G.:
Engineering Applications of Correlation and Spectral Analysis. J.Wiley,1980,
ruský překlad: M.1983.
Uhlíř, J., Sovka, P.: Číslicové
zpracování signálů, Vydavatelství ČVUT 1995.
Čížek,V.: Diskretní Fourierova
transformace a její použití, SNTL 1981
Matyáš V.: Měření, analýza a
vytváření náhodných procesů,SNTL 1976.
K přednáškám 8 - 14:
Gonzales,
R.C.; Woods, R.E.: Digital Image Processing, Addison-Wesley, 1992.
Šonka, M., Hlaváč, V., Boyle R.D.: Image processing, analysis, and machine vision, PWS, Boston, 1999, 2. rozšířené vydání.
V Praze dne 12.11.2003
Prof. Ing. V.Hlaváč, CSc. (K333) a Doc. Ing. Miloš
Sedláček, CSc. (K338), přednášející