עיבוד תמונות ואותות במחשב תרגול 8: template matching 1/37 עיבוד...
Post on 21-Dec-2015
229 views
TRANSCRIPT
1/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
עיבוד תמונות ואותות בעזרת מחשב
:8תרגול מס'
Template Matching
2/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
על מה נדבר היום...
מה זהTemplate Matching
למה רוצים לעשות Template Matching
איך עושים Template Matching
דוגמאות
3/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
?Template Matchingמה זה
נמצא איפהבתמונה
שאלות:2בעצם
האם בכלל נמצא?1.
אם נמצא, איפה? כמה 2.פעמים?
4/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
?Template Matchingלמה נרצה לעשות
זיהוי טקסט אוטומטי (OCR)
עקיבה אחר אובייקט בתוך וידאו
זיהוי אזורים דומים בשתי תמונות
זיהוי עצמים בתמונות לויין
מערכת סיוע לנהג
שערוך תלת מימד
...ועוד, ועוד
5/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
template matchingניסוח פורמלי של בעיית
:סימונים
–T זהו ה( התמונה אותה נחפש template)
שורותn עמודות ו mתמונה דו מימדית, גודלה •
–Iהתמונה בתוכה נחפש
שורותN עמודות ו Mתמונה דו מימדית, גודלה •
N>>n ו M>>mבד"כ •
: simנגדיר פונ' דמיון –
מקבלת שתי תמונות באותו גודל •
, המשקף את הדמיון בין שתי 1 ל 0מחזירה ציון בין •התמונות
6/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
איזה סוגי תנועות אפשר לחפש?
סיבוביםהזזות
התמרה אפינית
X2
בכמה גדלים
נתמקד בהזזות
ועוד...
7/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
איך נחפש הזזות?
נבדוק לכל הזזה את מדד הדמיון - יוצרים תמונה SimMap שכל (u,v)פיקסל הוא הדמיון עבור הזזה
?איך נחליט איפה לסמןאפשרות א': נסמן את המיקום "הדומה ביותר"–
חסרונות: •
נסמן גם אם לא קיים בכלל–נסמן רק אחד גם אם יש כמה–
אפשרות ב': נבחר את כל המקומות הדומים מספיק )מעבר לסף(–אם יש "קבוצה" של גילויים – נבחר מקסימום מקומי•חסרונות:•
איך נקבע את הסף?–
muunvvImnTfvuSim :1,:1,:1,:1,
8/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
איך נחפש הזזות? - דוגמא
9/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
מדדי דמיון אפשריים: התאמה מושלמת
נדרוש זהות מוחלטת בכל הפיקסלים :יתרונות
לא צריך לקבוע סף–
כל מקום שמזוהה גילוי הוא גילוי אמיתי–
:חסרונותלא פרקטי – בתמונות יש תמיד רעש, ואף-פעם אין דמיון –
מוחלט
Otherwise
nymxyxIyxIIIf
0
..1,..1),(),(1),( 21
21
10/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
מדדי דמיון אפשריים: ממוצע הפרשים מרובעים
MSE – Mean Squared Error
זהו מדד להבדל ולא לדמיון – צריך לשים לב
מושג כאשר התמונות זהות0 המינימום –
:רגישות ל
, salt & pepperשינויים גדולים לוקליים )רעש –הפרעות מקומיות(
שינויי תאורה )אותה תמונה בבוקר ובערב(–
m
x
n
y
yxIyxImn
IIf1 1
22121 ),(),(
1),(
11/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
מדדי דמיון אפשריים: סכום הפרשים מוחלטים
פחות רגישות לשינויים גדולים
רגישות לתאורה
m
x
n
y
yxIyxImn
IIf1 1
2121 ),(),(1
),(
12/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
קורלציה
נפתח את מדד ה MSE:
),(),(2
),(1
),(1
),(),(1
),(
21 1
1
1 1
22
1 1
21
1 1
22121
yxIyxImn
yxImn
yxImn
yxIyxImn
IIf
m
x
n
y
m
x
n
y
m
x
n
y
m
x
n
y
בלבד I1גורם זה תלוי ב
בלבד I2גורם זה תלוי ב
13/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
קורלציה כמדד דמיון
:ניתן להגדיר את מדד הדמיון
?מה הבעיה
רגישות מאד גבוהה לתאורה–
אזורים בהירים תמיד יתנו ערכי קורלציה גבוהים יותר –מאזורים כהים...
צריך להתחשב בממוצע•
),(),(2
),( 21 1
121 yxIyxImn
IIfm
x
n
y
14/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
רגישות לתאורה כבעיה של מדדים
המדדים שהגדרנו רגישים לבעיית תאורה שונות, לא נמצא את I ושל Tכלומר כאשר עוצמת התאורה של –
המקום הנכון
, כלומר aI+bשינוי בעוצמת התאורה משפיע על התמונה ע"י –הכפלה בסקלר והוספת קבוע
אם כיוון התאורה משתנה, הקשר לא פשוט ותלוי במבנה של העולם –אותו מצלמים
?איך ניתן לפתור את הבעיה , עבור aI+b נחליף ב I כאשר את template matchingניתן לעשות –
b ו aערכים שונים של
פתרון טוב יותר: ננרמל את ערכי התמונות–
15/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
נרמול של תמונה
בהינתן תמונה, נרצה למצוא את התמונה המנורמלת המקבילה לה.
:בתמונה המנורמלת
0ממוצע הערכים –
1סטיית התקן –
?כיצד זה מתבצע
16/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
נרמול של תמונה - המשך
חשב ממוצע
חשב סטיית תקן
חשב תמונה מנורמלת
m
x
n
y
yxImn
I1 1
),(1
2
1 1
),(1
m
x
n
y
IyxInm
IyxIyxI
,,ˆ
I
I
I
17/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
MSEקורלציה מנורמלת ו
נחזור לפיתוח של מדד ה MSE:
),(),(2
),(1
),(1
),(),(1
),(
21 1
1
1 1
22
1 1
21
1 1
22121
yxIyxImn
yxImn
yxImn
yxIyxImn
IIf
m
x
n
y
m
x
n
y
m
x
n
y
m
x
n
y
אם שתי התמונות מנורמלות, שני איברים אלה
קבועים
לכן מספיק לחשב את האיבר הזה
18/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
MSEקורלציה מנורמלת ו
,אם התמונות מנורמלות כלומר, חיפוש ההזזה שתיתן MSEמינמלי
שקול לחיפוש ההזזה שתיתן קורלציה מנורמלת מקסימלית
וזה ייתן פתרון בלתי תלוי בתאורה
m
x
n
y
yxIyxImn
IIf1 1
22121 ),(),(
1),(
),(),(1
),( 21 1
121 yxIyxImn
IINormCorrm
x
n
y
19/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
קורלציה מנורמלת
:הנוסחא המלאה לחישוב קורלציה מנורמלת
התאורה הגלובליתעוצמת נוסחא זאת אינה תלוייה ב
ל אינה שקולה נוסחא זאת MSE
בין התמונות המנורמלותMSEרק ל –
m
x
n
y
m
x
n
y
m
x
n
y
IyxIIyxI
IyxIIyxI
IINCCIINormCorr
1 1
2
221 1
2
11
1 12211
2121
),(),(
),(),(
),(),(
20/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
Template Matchingבאמצעות קורלציה מנורמלת
Inputs: T-template, I-Image, Thr – Threshold
Inits: Normalize T
Run on all u=1..width, v = 1..height
– Extract: Win=I)u+1:u+n, v+1:v+m(
– Normalize Win
– Compute Map)u,v( = NCC)T , Win(
Find )u,v( such that Map)u,v(>=Thr
Remove )u,v( that are not local maxima
21/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
Template Matchingיעיל
באלג' בשקף הקודם נרמלנו כל חלון
נניח ידוע לנו לכל חלון הממוצע וסטיית התקן
ישנן דרכים יעילות לחשב אותם על תמונה שלמה –)ספרביליות(
21
211 1
21
21
211 1
121 1
211 1
21
21
1 12211
21
),(),(
),(),(),(),(
),(),(
),(
IIyxIyxI
IIyxIIyxIIyxIyxI
IyxIIyxI
IINCC
m
x
n
y
m
x
n
y
m
x
n
y
m
x
n
y
m
x
n
y
ו I1אין צורך לבצע את הנרמול על I2 בפועל, אלא רק להשתמש
בנוסחא
22/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
Template Matchingיעיל
)צורה לא יעילה )צריך לחסר ממוצע מכל פיקסל
)צורה יעילה )מספיק הכפל איבר-איבר
m
x
n
y
m
x
n
y
m
x
n
y
IyxIIyxI
IyxIIyxI
IINCC
1 1
2
221 1
2
11
1 12211
21
),(),(
),(),(
),(
21
211 1
21
21
),(),(
),(
IIyxIyxI
IINCC
m
x
n
y
23/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
הדוגמא שלנו
24/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
שגיאה ריבועית
תמונה של השגיאה הריבועית u,vב-
ערך מינימלי ; x=300ב-
y=45
25/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
קורלציה מנורמלת )עם חיסור ממוצע(
עם חיסור קורלציה מנורמלתu,vממוצע ב-
ימלי קסערך מ ; x=300ב-
y=45
26/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
Templateשינוי תמונת ה
עם חיסור קורלציה מנורמלתu,vממוצע ב-
סימלי קערך מ ; x=300ב-
y=45
תמונת ייחוס "חשוכה" 0.5מוכפלת פי יותר:תמונת המקור לא
השתנתה. !ערכיםאין שינוי ב
27/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
בגדלים שוניםTemplateחיפוש
על מנת לחפש Templateבגדלים שונים
Templateכלומר, יותר גדולים מה –
נבנה פירמידה
גרסאות מוקטנות של התמונה–
נחפש בכל אחת
לא משתנה!Templateה –
ונמזג את התוצאות
גילויים בגדלים שונים...–
28/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
שימושים נוספים – זיהוי נקודות "זהות" בתמונות
:שימושים עקיבה אחר אובייקט נע בוידאו–
למשל רכב נוסע•
שחזור תנועת המצלמה–אם זיהינו מספר נקודות נייחות, ניתן לדעת איך נעה המצלמה•
שחזור תלת מימד– מצלמות, וזיהינו לאיזה נקודה כל נקודה קשורה2אם צילמנו ב•
כמו העיניים•
ועוד...–
29/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
Featuresדוגמא לעקיבה אחר בוידאו התאמה לפי קריטריון קורלציה מנורמלת עם חיסור
ממוצע
30/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
31/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
32/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
33/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
34/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
35/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
36/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול
37/37 עיבוד תמונות ואותות במחשבTemplate Matching: 8תרגול