[Ψηφιακη Επεξεργασια Εικονας] 2η Εργασια 2016

[Thmmy.gr portal]

  Thmmy.gr portal
   Forum
   Downloads
   Ενεργ. Λογαριασμού
   Επικοινωνία
  
  Χρήσιμα links
   Σελίδα τμήματος
   Βιβλιοθήκη Τμήματος
   Elearning
   Φοιτητικά fora
   Πρόγραμμα Λέσχης
   Πρακτική Άσκηση
   Ηλεκτρονική Εξυπηρέτηση Φοιτητών
   Διανομή Συγγραμμάτων
   Ψηφιακό Καταθετήριο Διπλωματικών
   Πληροφορίες Καθηγητών
   Instagram @thmmy.gr
   mTHMMY
  
  Φοιτητικές Ομάδες
   ACM
   Aristurtle
   ART
   ASAT
   BEAM
   BEST Thessaloniki
   EESTEC LC Thessaloniki
   EΜΒ Auth
   IAESTE Thessaloniki
   IEEE φοιτητικό παράρτημα ΑΠΘ
   SpaceDot
   VROOM
   Panther
  

THMMY.gr Web

Helios_MultiScribbles2SMF Default ThemeSMFone_Blue

[Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads]

Είσαι πρωτοετής;... Καλώς ήρθες! Μπορείς να βρεις πληροφορίες εδώ. Βοήθεια για τους καινούργιους μέσω χάρτη.

Κατεβάστε εδώ το Android Application για εύκολη πρόσβαση στο forum.

Ανεβάζετε τα θέματα των εξετάσεων στον τομέα Downloads με προσοχή στα ονόματα των αρχείων!

[Admins]

Για αλλαγή του public name σας, επικοινωνήστε με έναν από τους Admins.

[AckermanMik]

Ανέβηκε στο ethmmy.
http://alexander.ee.auth.gr:8083/eTHMMY/archive/118/downloadFile/6417/dip-2016-hw2.pdf
Προθεσμία 23/05

[Xleboniaris]

Στο ερώτημα 1), πως ακριβώς η h=estMask(x,y) υπολογίζει τις μεταβλητές ‘len’ και ‘ang’ της fspecial ??? Δεν μπόρεσα να καταλάβω ακριβώς πως κάνουμε την αντίστροφη διαδικασία.
Για να μπορέσω να πάω παρακάτω, αυτό που έκανα ήταν, να παίξω τυχαία με αυτές τις παραμέτρους και να πάρω μια μάσκα ίδιου μεγέθους με αυτή που χρησιμοποιήθηκε για να πάρουμε την y1 <- από την x1. Όμως, δεν επειδή δεν ήταν ακριβώς η ίδια μάσκα ξανά θόλωνα την x2 σε μια νέα εικόνα g2 αντί της y2 και εκεί χρησιμοποιώ τον αντίστροφο μετασχηματισμό και τα φίλτρα wiener.


Επίσης, στο αντίστροφο φίλτρο στο 2.1, την εκτίμηση της κρουστικής απόκρισης h όταν την πάμε στην συχνότατα της κάνουμε  zero padding όσο το μέγεθος της εικόνας y2, έτσι??
Δοκίμασα να κάνω και zero padding για μέγεθος Νh + Ny2 -1, όπως κάναμε και στην συνέλιξη, και μετά να κάνω τον πολλαπλασιασμό με την αντίστροφη Η(). Χωρίς θόρυβο βγάζουν το ίδιο αποτέλεσμα, περικόπτοντας το αποτέλεσμα στο μέγεθος της x2. Όταν, όμως προσθέτω θόρυβο στην y2, τότε φαίνεται ότι η δεύτερη περίπτωση(zero padding Νh + Ny2 -1) τα πάει καλύτερα, δηλαδή το αποτέλεσμα της αντίστροφης διαδικασία, αρχίζει να χαλάει για θόρυβο μιας τάξης μεγέθους μεγαλύτερο από την πρώτη περίπτωση (zero padding στο μέγεθος y2).

[PanteGrv]

Στο ερώτημα 1), πως ακριβώς η h=estMask(x,y) υπολογίζει τις μεταβλητές ‘len’ και ‘ang’ της fspecial ??? Δεν μπόρεσα να καταλάβω ακριβώς πως κάνουμε την αντίστροφη διαδικασία.
Για να μπορέσω να πάω παρακάτω, αυτό που έκανα ήταν, να παίξω τυχαία με αυτές τις παραμέτρους και να πάρω μια μάσκα ίδιου μεγέθους με αυτή που χρησιμοποιήθηκε για να πάρουμε την y1 <- από την x1. Όμως, δεν επειδή δεν ήταν ακριβώς η ίδια μάσκα ξανά θόλωνα την x2 σε μια νέα εικόνα g2 αντί της y2 και εκεί χρησιμοποιώ τον αντίστροφο μετασχηματισμό και τα φίλτρα wiener.


Επίσης, στο αντίστροφο φίλτρο στο 2.1, την εκτίμηση της κρουστικής απόκρισης h όταν την πάμε στην συχνότατα της κάνουμε  zero padding όσο το μέγεθος της εικόνας y2, έτσι??
Δοκίμασα να κάνω και zero padding για μέγεθος Νh + Ny2 -1, όπως κάναμε και στην συνέλιξη, και μετά να κάνω τον πολλαπλασιασμό με την αντίστροφη Η(). Χωρίς θόρυβο βγάζουν το ίδιο αποτέλεσμα, περικόπτοντας το αποτέλεσμα στο μέγεθος της x2. Όταν, όμως προσθέτω θόρυβο στην y2, τότε φαίνεται ότι η δεύτερη περίπτωση(zero padding Νh + Ny2 -1) τα πάει καλύτερα, δηλαδή το αποτέλεσμα της αντίστροφης διαδικασία, αρχίζει να χαλάει για θόρυβο μιας τάξης μεγέθους μεγαλύτερο από την πρώτη περίπτωση (zero padding στο μέγεθος y2).

θα τρέξεις 2 λούπες για τις 2 παραμέτρους, και θα βάλεις ένα κριτήριο ομοιότητας, με βάση το οποίο θα επιλέξεις τελικά τις τιμές τους. εμένα το τελικό αποτέλεσμα έχει απόκλιση 2*10^-15 το πολύ για κάθε σημείο της εικόνας.

σχετικά με το zero padding, δεν ξέρω γιατί σου βγάζει τα ίδια αποτελέσματα όπως λες, πάντως το pad θα πρέπει να είναι μέχρι την τιμή Νh + Ny2 -1 αυστηρά

στο 3.1, οι καμπύλες σας εμφανίζουν ελάχιστο για Κ=1 ή Κ=10^0.5? μου φαίνεται αρκετά λογικό αυτό το αποτέλεσμα, το θέμα όμως είναι ότι δεν μου αλλάζει σημαντικά καθώς αλλάζω την ισχύ του θορύβου (το α)

[Xleboniaris]

στο 3.1, οι καμπύλες σας εμφανίζουν ελάχιστο για Κ=1 ή Κ=10^0.5? μου φαίνεται αρκετά λογικό αυτό το αποτέλεσμα, το θέμα όμως είναι ότι δεν μου αλλάζει σημαντικά καθώς αλλάζω την ισχύ του θορύβου (το α)

Κοίτα για αυτό που ρωτάς, μου φαίνεται ότι το ελάχιστο κάθε φορά διαφέρει ανάλογα με την τάξη μεγέθους του θορύβου που έχεις προσθέσει. Κάτι τέτοιο αναφέρει και στο βιβλίο στο κεφάλαιο με τα wiener φίλτρα.
Για παράδειγμα σε πρόχειρο πείραμα που έχω κάνει όταν προσθέτω θόρυβο στην y1, με παράμετρο a= 10^(-5) , τότε το ελάχιστο που βγαίνει για  Κ=10^6.5. Εδώ, να πω ότι η y1 είναι μια εικόνα που προκύπτει από την x1 με μια δική μου γνωστή h, η οποία μοιάζει αρκετά με αυτή που μας δίνεται. Οπότε δεν παίρνω και όρκο.

σχετικά με το zero padding, δεν ξέρω γιατί σου βγάζει τα ίδια αποτελέσματα όπως λες, πάντως το pad θα πρέπει να είναι μέχρι την τιμή Νh + Ny2 -1 αυστηρά

Τώρα, για το άλλο που αναφέρεις. Συμφωνώ με το να κάνουμε padding στο μέγεθος την τιμή Νh + Ny2 -1, την κρουστική απόκριση h. Απλά, στον ορισμό της συνάρτησης invfilter(y2,h,isMask), αναφέρει ότι αν isMask==false (όταν δηλαδή χρησιμοποιούμε φίλτρο wiener και όχι απλά τον αντίστροφο) η h είναι η συνάρτηση μεταφοράς της μάσκας, και θα πρέπει να είναι ίδιων διαστάσεων με την y2. Συνάρτηση μεταφοράς στην συγκεκριμένη περίπτωση θα πρέπει να είναι η G, η οποία προκύπτει με τον γνωστό τύπο και έχει ίδιο μέγεθος με την Η. Όμως, ζητάει να είναι ίδιο μεγέθους με την y2. Από αυτό δηλαδή φαίνεται, για την αντιστροφή παραμόρφωσης μέσω wiener, θα πρέπει να κάνουμε Padding την h στο μέγεθος Ny2 * My2, και μετά να υπολογίσουμε την Η και την G.
Δηλαδή για την απλή περίπτωση αντιστροφής παραμόρφωσης κάνουμε padding  Νh + Ny2 -1 στην h, ενώ για το wiener padding σε Νy2 ??

[Μεταλλαγμένη Πάπια]

θα τρέξεις 2 λούπες για τις 2 παραμέτρους, και θα βάλεις ένα κριτήριο ομοιότητας, με βάση το οποίο θα επιλέξεις τελικά τις τιμές τους. εμένα το τελικό αποτέλεσμα έχει απόκλιση 2*10^-15 το πολύ για κάθε σημείο της εικόνας.

Ποιό θα είναι το κριτήριο ομοιότητας; Εγώ απλά κάνω αυτό που λέει ο Xleboniaris. Έχω μια λούπα που αυξάνει σιγά σιγά τις τιμές των len και theta μέχρι το φίλτρο να βγεί στις κατάλληλες διαστάσεις. Με το μάτι το αποτέλεσμα βγαίνει πολύ καλό, εγώ δε μπορώ να καταλάβω διαφορά μεταξύ του y1 και του αποτελέσματος της συνέλιξης x1 με το φίλτρο που βρίσκω με αυτό το τρόπο (το ίδιο και με τις άλλες 2 εικόνες). Η απόκλιση βέβαια σε μένα είναι της τάξης του 10^-2, που απέχει αρκετά από το δικό σου 10^-15...

[PanteGrv]

Ποιό θα είναι το κριτήριο ομοιότητας; Εγώ απλά κάνω αυτό που λέει ο Xleboniaris. Έχω μια λούπα που αυξάνει σιγά σιγά τις τιμές των len και theta μέχρι το φίλτρο να βγεί στις κατάλληλες διαστάσεις. Με το μάτι το αποτέλεσμα βγαίνει πολύ καλό, εγώ δε μπορώ να καταλάβω διαφορά μεταξύ του y1 και του αποτελέσματος της συνέλιξης x1 με το φίλτρο που βρίσκω με αυτό το τρόπο (το ίδιο και με τις άλλες 2 εικόνες). Η απόκλιση βέβαια σε μένα είναι της τάξης του 10^-2, που απέχει αρκετά από το δικό σου 10^-15...

όχι κάτι τρελό, το μέσο τετραγωνικό σφάλμα πχ

[greekoo]

όχι κάτι τρελό, το μέσο τετραγωνικό σφάλμα πχ

γιατί όχι απλά το norm της διαφοράς ?

[Μεταλλαγμένη Πάπια]

γιατί όχι απλά το norm της διαφοράς ?

Και αυτο νομιζω μια χαρα ειναι, αυθαιρετο θα ειναι το κριτηριο ουτως η αλλως. Απλα να υπαρχει καποιο, εγω πριν απλα αρχισα να παιρνω ραντομ τιμες για τα ορισματα της fspecial μεχρι να ταιριαξουν οι διαστασεις, πραγμα που απο μονο του δεν αρκει. Αρκει να βγει αρκετα μικρο, και εσυ θα αποφασισεις ποσο ειναι το αρκετα μικρο

[PanteGrv]

είναι σημαντικό να βρεθεί η h με καλή ακρίβεια γιατί εκεί στηρίζονται και τα άλλα ερωτήματα

Για παράδειγμα σε πρόχειρο πείραμα που έχω κάνει όταν προσθέτω θόρυβο στην y1, με παράμετρο a= 10^(-5) , τότε το ελάχιστο που βγαίνει για  Κ=10^6.5. Εδώ, να πω ότι η y1 είναι μια εικόνα που προκύπτει από την x1 με μια δική μου γνωστή h, η οποία μοιάζει αρκετά με αυτή που μας δίνεται. Οπότε δεν παίρνω και όρκο.

Δοκίμασες και για άλλες τιμές θορύβου και σου έβγαλε διαφοροποίηση? Γενικά εμένα έχει σταθερή συμπεριφορά με καλύτερες τιμές να παίρνω στο K=10, με e=0.042. Αν δεν λάβαινα καθόλου το x2hat θα είχα e=E(x2^2)=0.2363 που είναι λογική τιμή αν σκεφτούμε ότι η x2 είναι σαν rand(1), και αυτή η τιμή για το e βγαίνει ουσιαστικά όταν το Κ γίνεται μικρό. Αν ο θόρυβος γίνει μεγάλος, δλδ για α=0 και 1 τότε δεν έχω ελάχιστο-δεν δουλεύει το φίλτρο. Για μικρές τιμές θορύβου, δηλαδή μέχρι α=-4, το wiener είναι χειρότερο από το αντίστροφο φίλτρο, κάτι που δεν ακούγεται πολύ καλό αλλά ούτε και πολύ κακό δεδομένου ότι η έξοδος του wiener είναι smooth (λόγω του Κ), ενώ το x2 όχι. Αυτα..

[Napoleon]

τι όρια βάλατε στα loop για τα len και theta? 

[PanteGrv]

αν δεις το len σαν υποτείνουσα, τότε βλέποντας την διαφορά στα μεγέθη των εικόνων εισόδου-εξόδου μπορείς να ορίσεις ένα μέγιστο len σίγουρα (αν όχι επακριβώς). έπειτα για τις μοίρες κανονικά, από 1 έως 359, με την λογική ότι δεν τρολλάρουν

[weiss]

Απ' ότι κατάλαβα κάνοντας μερικές μετρήσεις η μάσκα θόλωσης "τραβά" την εικόνα και προς τις δυο κατευθύνσεις της φέρουσας ευθείας με γωνία θ, οπότε δε χρειάζεται καν να καλέσεις την fspecial για όλες τις γωνίες και μπορείς να σταματήσεις στις 179 (η 180 παρά κάτι ανάλογα με το resolution που θέλεις).

[PanteGrv]

αυτό που περιγράφεις δεν μου φαίνεται τόσο λογικό γιατί δεν είναι "motion"

[Μεταλλαγμένη Πάπια]

Με δυσκολεύει λίγο η εφαρμογή του φίλτρου wiener και νομίζω έχω κάνει κάπου λάθος στα zero pad και στις διαστάσεις γενικότερα. Μπορεί να δώσει κανείς τα φώτα του;

Τι εκανα στο 2: Υπολόγισα το h, έκανα pad τις άκρες του μέχρι να φτάσει τις διαστάσεις του y2. Η x2hat που βρίσκω ειναι ifft2( fft2(y2) ./ fft2(h) ). Μέχρι εδώ όλα καλά, η x2hat ειναι όμορφη. Μετά προσθέτω θόρυβο, φτιάχνω τα y2n όπως τα ζητάει, κάνω ακριβώς την ίδια διαδικασία και βγαίνουν διάφορες εικόνες x2hat, που προσπαθούν γενικά να φτάσουν την x2, αλλά ασχημαίνουν όσο πιο μεγάλο είναι το α (αναμενόμενο).

Τι εκανα στο 3: Υπολόγισα το h, έκανα pad τις άκρες του μέχρι να φτάσει τις διαστάσεις του y2. Βρήκα το Η = fft2(h). Με αυτό, έφτιαξα φίλτρο wiener G, για διάφορες τιμές του K. Μετά έκανα ακριβώς την ίδια διαδικασία για να βρω x2hat και με την σκέτη y2, και με την y2n που έχει θόρυβο. Όλα βγαίνουν κακάσχημα, καμία σχέση με την αρχική x2. Πού είναι το λάθος; 

[weiss]

Είχα παρόμοιο θέμα και τελικά το πρόβλημα ήταν ότι πρέπει να πολλαπλασιάσεις με τη G ενώ στη invfilter διαιρείς. Οπότε δοκίμασε να καλέσεις με όρισμα το 1./G .

αυτό που περιγράφεις δεν μου φαίνεται τόσο λογικό γιατί δεν είναι "motion"

Δε διαφωνώ μαζί σου. Και εγώ περίμενα αλλιώς να είναι το αποτέλεσμα για θ = 0 και θ = 180, δηλαδή πιο θολό προς τα δεξιά ή τα αριστερά αντίστοιχα. Αλλά κοιτώντας το πρακτικά η fspecial παράγει ίδια μάσκα είτε βάλεις κάποιο θ έιτε το θ+180. Το δοκίμασα για 30 τυχαία len και όλες τις γωνίες και το μέγιστο απόλυτο σφάλμα της διαφοράς των δύο μασκών ήταν καρφί μηδέν. Δηλαδή μου φαίνεται ότι τελικά η εικόνα θολώνει και προς τις δύο μεριές το ίδιο.