- •Список вопросов по курсу
- •1. Этапы формирования изображения. Оптическая система, сенсор, изображение в виде файла данных.
- •2. Типы (цветное, оттенки серого, черно-белое) и форматы записи изображений.
- •3. Оптический спектр, длины волн видимого света. Спектр излучения абослютно-черного тела, спектр солнца. Цветовая температура. Поглощение света в атмосфере.
- •4. Отражающая способность. Спектр на изображении с учетом освещения, поглощения и отражающей способности.
- •5. Тристимулус. Цветовые схемы rgb и cmyk. Особенности применения, переход от одной схемы к другой.
- •6. Спектральная чувствительность человеческого глаза. Суммарно-разностные схемы. Болезни связанные с цветовосприятием (примеры нарушения цветовосприятия)
- •9. Контраст изображения. Мтf, методы измерения.
- •8. Связь апертуры объектива, глубины резкости и фокусного расстояния. Краткий ответ (основная мысль)
- •Развернутый ответ для зачета
- •11. Контраст изображения. Гамма – коррекция, применение.
- •12. Выравнивание гистограммы. Построение функции преобразования s(r)
- •13. Пространственная фильтрация. Маска изображения. Свертка изображения с маской. Низко, средне и высокочастотная фильтрация.
- •14. Типы пространственных фильтров: равномерный и Гауссов фильтр. Сравнение на примере высокочастотного фильтра с различным размером маски (3х3, 7х7, 31х31)
- •Размер 3x3:
- •Размер 7x7:
- •Размер 31x31:
- •15. Виды шумов на изображении: Гауссов, периодический, соль-перец и д.Р. И их функции распределения.
- •16. Применение арифметического, медианного, Гауссова, контргарамонического фильтра для удаления шумов.
- •17. Лапласиан, применение для повышения резкости изображения. Нерезкое маскирование. Примеры пространственных фильтров для реализации Лапласиана
- •18. Выделение линий на изображении. Применение градиента. Фильтр Собола. Выделение линий различной ориентации.
- •19. Сегментация изображений. Методы сегментации.
- •20. Перцептрон. Примение для классификации. Ограничения. Обучение.
- •21. Модель нейрона. Функции активации. Преимущества и недостатки различных фунций активации.
- •2. Функции активации (рассмотренные в материале)
- •3. Преимущества и недостатки (на основе материала)
- •22. Многослойные сети. Полносвязная сверточная сеть (fcnn).
- •23. Уравнение обратного распространения. Матричная запись уравнений
- •24. Методы обучения нейронных сетей.
- •25. Сверточная нейронная сеть. Особенности, преимущества.
- •Структура сверточных нейросетей
- •Как работают сверточные нейронные сети
- •26. Глубокая сверточная нейронная сеть. Пример применения на основе распознавания цифр.
- •2. Архитектура LeNet как пример cnn
- •3. Пример применения: распознавание цифр (почтовых индексов)
- •Детали примера:
2. Типы (цветное, оттенки серого, черно-белое) и форматы записи изображений.
Типы изображений различаются по глубине цвета и способу представления цветовой информации.
Основные типы:
цветное
оттенки серого
Чёрно-белое
Цветное изображение — содержит несколько цветов, которые формируются за счёт смешивания базовых цветов (например, красного, зелёного, синего в модели RGB). Глубина цвета определяет количество бит, используемых для представления цвета каждого пикселя. Например, 24-битное изображение может отображать более 16 миллионов цветов.
Оттенки серого — изображение содержит пиксели одного цвета, но разной яркости. Каждый пиксель может принимать 256 различных значений яркости от 0 (чёрный) до 255 (белый). Такой режим подходит для сканирования документов, фотографий и рисунков в высоком качестве.
Чёрно-белое изображение — использует только два цвета: чёрный и белый. Для хранения одного из состояний необходим 1 бит. Этот режим подходит для работы с чёрно-белыми изображениями, полученными сканированием, а также при выводе цветных изображений на черно-белую печать.
Форматы записи изображений:
Форматы графических файлов определяют способ хранения информации (растровый или векторный) и форму хранения (алгоритм сжатия). Некоторые распространённые форматы:
TIFF (Tagged Image File Format). Универсальный формат для хранения растровых изображений высокого качества. Поддерживает разные режимы: чёрно-белый, оттенки серого и цветной. Отличается переносимостью между платформами.
JPEG (Joint Photographic Experts Group). Формат с сжатием, которое основано на удалении «избыточной» информации. Подходит для фотографий и изображений с плавными переходами яркости и цвета.
PNG (Portable Network Graphics). Формат с сжатием без потерь. Поддерживает цветные изображения с глубиной 8 или 24 бита и чёрно-белое изображение с градацией 256 оттенков серого
GIF (Graphics Interchange Format). Стандартизирован для хранения сжатых изображений с фиксированным количеством цветов (до 256). Подходит для электронных публикаций, поддерживает анимацию
Растровое (пиксельное) изображение:
Растровая графика представляет собой большое количество микроскопических точек — пикселей. У каждой из них свой цвет. При увеличении картинки становятся заметны эти пиксели — это называют «пикселизацией» изображения.
Основные характеристики растровых картинок:
Пиксельная структура. Изображение состоит из пикселей — маленьких цветных точек, расположенных по сетке. Чем больше пикселей, тем выше детализация.
Разрешение. Измеряется в пикселях на дюйм. Влияет на чёткость изображения, особенно при печати.
Размер файла. Чем выше разрешение и больше графика, тем больше весит файл. Также на эту характеристику влияет цветовая глубина и формат файла.
Масштабирование. Растровые изображения в отличие от векторных плохо масштабируются: при увеличении теряется чёткость, появляются пиксели.
Цветовая глубина. Определяет, сколько цветов может содержать один пиксель. Например, в гифках обычно 8 бит — 256 цветов, а в любой современной фотографии 24 бита — около 16,7 млн цветов.
Векторное изображение Векторная графика строится не из пикселей, как растровая, а из математических формул: опорных точек, линий и кривых — векторов. Она масштабируется без потери качества, потому что изображение пересчитывается каждый раз при отображении.
Характеристики векторных изображений
К ключевым характеристикам векторной графики можно отнести следующее:
Основа — математические формулы. Векторное изображение создаётся из точек, линий, кривых и фигур, описанных математически. Это не пиксели, как в растровых форматах, а объекты с координатами, цветом и толщиной.
Масштабируемость без потерь. Эта характеристика — главное преимущество векторной графики перед растровой. Вектор можно увеличивать и уменьшать без потери качества — картинка всегда останется чёткой.
Небольшой вес файлов. Вектор хранит только данные о формах и цветах, а не каждый пиксель, поэтому размер файла часто меньше, чем у растровой графики.
Лёгкое редактирование. Эта характеристика позволяет легко изменить цвет, форму и размеры отдельных элементов векторной картинки. Это особенно удобно для логотипов, иконок, инфографики.
Поддержка прозрачности и слоёв. Многие векторные форматы позволяют сохранять прозрачные фоны и структуру слоёв, что удобно для дизайна и вёрстки.
Не подходит для сложных фотореалистичных изображений. Вектор не подходит для передачи текстур, теней, света и градиентов в таком виде, как растровая графика. Хотя современные редакторы могут добавлять эффекты, это не основное предназначение вектора.
