[Ψηφιακή Επεξεργασία Εικόνας] 3η Εργασία 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!

Για ανανέωση (ή προσθήκη νέου) avatar, πρέπει η μεγαλύτερη διάσταση της εικόνας να είναι 110 pixels.

[greekoo]

Μόλις την υλοποίησα και τα χειρότερα immse ανάμεσα στο segment_2 και 3 βγαίνουν της τάξης του 10^-6.
Οι υπόλοιποι τι αποτελέσματα βγάζετε;

edit: Άκυρο, πρέπει να είχα κάνει λάθος τα indexes στην extractSurfFeatures

edit2: Της τάξης του 10^-4.

Πο φίλε εγώ βγάζω πολύ διαφορετικά αποτελέσματα!

Το μικρότερο Mse που βγάζω είναι 200, και το μεγαλύτερο είναι της τάξης των χιλιάδων (10^3) .

Πώς γίνεται να βγάζεις τόσο μικρά;

Πχ η ενa feauture vector του segment 2 είναι αυτό εμένα:

40,40,40,40,40,40,37,38,37,...,37,80,70,106,..110 (το μεγαλύτερο είναι 110 κάπως έτσι)

Δηλαδή βάζω threshold γύρω στο 500 με 1000...

Επίσης ρε παιδιά επειδή όντως ο χρόνος πιέζει μπορεί κάποιος να εξηγήσει λίγο καλύτερα την canvas=stitch(canvas,image,segment) ? 

To image και segment θα τα δινουμε ως ορίσματα σε μορφή εικόνων 2 διαστάσεων (και έπειτα μέσα στην stitch θα τους αλλάζουμε μορφή) ή στην μορφή 3 στηλών όπως εξηγεί στην εκφώνηση;

Ακόμη, το image θα είναι πάντα το originalImage και to segment θα είναι τα 1,2,3 κάθε φορά? Άρα μέσα στην stitch θα πρέπει να βρίσκουμε possiblePairs μεταξύ image Και segment?

[joal]

Στην detectHarris το αποτέλεσμα σας ειναι πανομοιότυπο με αυτό του toolbox?Γιατι εμένα η μορφή ειναι παρόμοια αλλα υπάρχει εμφανής διαφορά στα σημεία.Τι threshold βάλατε?

+1

Στην surf interest points θα τα διαχειριζόμαστε με τη μορφη (row(i),column(i)) ,οπου [row,column] αυτά που βρίσκουμε στην detectHarris?

Ναι.

[Maylo]

Μήπως δεν έχεις κανονικοποιήσει την εικόνα σε intensity [0,1] ;

[greekoo]

Μήπως δεν έχεις κανονικοποιήσει την εικόνα σε intensity [0,1] ;

Γιατί να το κάνω αυτό;; 

[Maylo]

Γιατί στο ζητάει στην αρχή 

[greekoo]

Γιατί στο ζητάει στην αρχή 

Πώωω αν είναι δυνατόν... Στην εκφώνηση του harris το λέει στο τέλος 

[Maylo]

Παιδιά στον affine  ψάχνουμε τους πίνακες Α και Β του μετασχηματισμού. Σαν input της findAffineTransform μας ζητάει 2 πίνακες ένας input και ένας το output του input μετά από affine μετασχηματισμό.

Αυτό που πρέπει να κάνουμε στην ουσία πριν χρησιμοποιήσουμε την "findAffineTransform" είναι να δώσουμε 3 τυχαια corners από τον Harris , να κάνουμε affine2d για rotation , scaling και translation και μετά απλά να βρούμε τους πίνακες που χρησιμοποιήθηκαν γι αυτό;

Επίσης αφού μας ζητάει έναν Α και δεν έχουμε rotation στην άσκηση (νομίζω δεν έχουμε έτσι;) θα βάλουμε  γωνία 0 οπότε θα είναι ο ίδιος πίνακας A με το scaling ?

 

[Terzos]

Πο φίλε εγώ βγάζω πολύ διαφορετικά αποτελέσματα!

Το μικρότερο Mse που βγάζω είναι 200, και το μεγαλύτερο είναι της τάξης των χιλιάδων (10^3) .

Πώς γίνεται να βγάζεις τόσο μικρά;

Πχ η ενa feauture vector του segment 2 είναι αυτό εμένα:

40,40,40,40,40,40,37,38,37,...,37,80,70,106,..110 (το μεγαλύτερο είναι 110 κάπως έτσι)

Δηλαδή βάζω threshold γύρω στο 500 με 1000...

Τις εικόνες τις μετατρέπω πρώτα σε double από 0-1 και τα feature vectors τα κανονικοποιώ

[Terzos]

Παιδιά στον affine  ψάχνουμε τους πίνακες Α και Β του μετασχηματισμού. Σαν input της findAffineTransform μας ζητάει 2 πίνακες ένας input και ένας το output του input μετά από affine μετασχηματισμό.

Αυτό που πρέπει να κάνουμε στην ουσία πριν χρησιμοποιήσουμε την "findAffineTransform" είναι να δώσουμε 3 τυχαια corners από τον Harris , να κάνουμε affine2d για rotation , scaling και translation και μετά απλά να βρούμε τους πίνακες που χρησιμοποιήθηκαν γι αυτό;

Επίσης αφού μας ζητάει έναν Α και δεν έχουμε rotation στην άσκηση (νομίζω δεν έχουμε έτσι;) θα βάλουμε  γωνία 0 οπότε θα είναι ο ίδιος πίνακας A με το scaling ?

 

Μπορεί να υπάρχει μικρή γωνία, η οποία μπορεί μεν να μην επηρρεάζει πολύ το αποτέλεσμα της U-SURF αλλά στην συνένωση να χρειάζεται να την λάβουμε υπόψιν.
Δεν έχω φτάσει ακόμα εκεί, το λέω με την λογική μου, οπότε μην το δένεις και κόμπο
Επίσης στο set1 υπάρχει μόνο μία γωνία. Πρέπει να κλέψουμε; (π.χ. να πάρουμε το κομματάκι που φαίνεται και να υπολογίσουμε το scaling, θεωρώντας rot=0?)

[vlad]

υπολογίζει την σχετική θέση του χωρίου ως προς την εικόνα

Παιδια τι ειναι το image και τι το segment στα 2 ερωτηματα... ειμαι μπερδεμενος

[Maylo]

Επίσης στο πρώτο ερώτημα ζητάει Corners . Στα υπολοιπα που έχουμε ως εισοδο στις συναρτήσεις μας Interest Points , βάζουμε τα πάντα ;;; Δηλαδή και edges και corners?

[PanteGrv]

όχι, τα corners είναι τα σημεία ενδιαφέροντος. άμα βάλεις και άλλα θα γίνει ένας χαμός!

[Terzos]

Στον ransac λέει: Επίσης, δεν είναι αποδεκτό δύο σημεία της μίας εικόνας να είναι ικανά κοντά στη ίδιο σημείο της άλλης εικόνας.
Αυτό σημαίνει πως άμα το μετασχηματισμένο σημείο πέσει κοντά σε 2 σημεία της δεύτερης δεν το μετράμε ή το μετράμε σαν 1;

[PanteGrv]

σαν ένα, αλλιώς είναι σαν να λες ότι αυτό το σημείο είναι και το ένα και το άλλο.

[Μεταλλαγμένη Πάπια]

Μπορεί κάποιος να εξηγήσει πως ακριβώς επιλέγω κατάλληλο threshold για τον Harris; Υπάρχει κάποιο κριτήριο; Γιατί εγώ δε μπορώ να βρώ κάπου να γράφει κάτι σχετικό, και προσωπικά έχω δοκιμάσει διάφορα αλλά μέχρι στιγμής δεν έχω κάποιο αξιόπιστο τρόπο να ελέγχω αν ένα threshold είναι καλό για μια δεδομένη εικόνα εισόδου.