PZORA pzora.wz.cz 2. přednáška
součet hodnot dělený jejich počtem "těžiště hodnot" součet odchylek od průměru je nulový Průměr
Vážený průměr zobecnění průměru "váha hodnoty" se nemusí rovnat váhy : "přitažlivost hodnoty" př.: 0,1*A + 0,9*B
Lineární interpolace máme hodnotu nějaké funkce ve 2 bodech chceme "rozumně" dopočítat i jinde př: –v čase t=0s byla teplota vody 30 0 –v čase t=100s potom 80 0 –odhadněte teplotu v čase t=20s obecně
Lineární interpolace f(x 1 ) x1x1 x0x0 f(x 0 ) x f(x)=?
Rozostřování obrazu používá se vážený průměr "každý pixel nahradíme váženým průměrem jeho okolí" okolí definováno konvoluční maskou př.
Rozostřování obrazu každý pixel f(x,y) v obraze se nahradí hodnotou A je konvoluční maska př
Gaussian blur "nad maticí je Gaussova plocha" parametr radius = velikost matice
Gaussian blur nevýhoda: rozmazává hrany i tam, kde nechceme
Selective Gaussian blur parametr navíc - maxdelta operace se provede, jen když je "rozdíl" pixelu od okolí menší než maxdelta jinak je pixel součástí "přirozené hrany"...a necháme ho tak
Selective Gaussian blur
Ostření obrazu 1.krok –které pixely se výrazně liší od svého okolí? –opět pomocí masky –na rozdíl od rozostřování se zápornými koeficienty –př. Laplaceův operátor
Ostření obrazu 2.krok –výsledek se přičte k původnímu obrazu –tj. ke každému pixelu f(x,y) v obraze se přičte hodnota
Ostření obrazu originálLaplace
pomocí lineární interpolace (resp. váženého průměru) př. výsledek f(x,y) vzniká smícháním h(x,y) a g(x,y) Míchání obrazů
Histogram udává četnosti výskytů barev v obraze dá se podle něj určit, je-li obrázek přesvětlený či příliš tmavý
Histogram využití: při úpravě jasových poměrů ekvalizace histogramu