Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Rectangling panoramic images via warping Mateusz Bujalski 50-519.

Podobne prezentacje


Prezentacja na temat: "Rectangling panoramic images via warping Mateusz Bujalski 50-519."— Zapis prezentacji:

1 Rectangling panoramic images via warping Mateusz Bujalski

2 Plan prezentacji Co to jest warping? Opis głównego algorytmu – Local warping Co to jest seam carving? – Global warping Rezultaty i porównanie wyników

3 Co to jest warping (bez dodatków)? Przekształcenie obrazu, w którym definiujemy funkcję przesuwającą piksel (bez żadnych zmian koloru) w inne miejsce – u,v f(u,v) = (x, y)

4 Co to jest warping (bez dodatków)? – Korekcja dystorsji – Fajne efekty

5 Problem Nie bardzo się taki obrazek ludziom podoba z reguły, szczególnie w albumie

6 Problem Ten jest lepszy?

7 Problem Wg badań statystycznych na próbce 10 osób przeprowadzonych przez autorów pracy, ludziom mniej przeszkadzają zniekształcenia obrazu (dystorsja) spowodowana algorytmem, niż artefakty wprowadzane przez algorytmy content-aware fill

8 Problem Dodatkowe drzewko i budynek na niebie?

9 Opis algorytmu Dwie fazy: – Local warping – Global warping

10 Local warping

11 Local warping Drobna modyfikacja algorytmu seam carving Modyfikacja polega na pozwoleniu, aby szew nie przechodził przez cały obraz

12 Na czym polega seam carving? Algorytm powstał w celu zmniejszania obrazków na potrzeby małych wyświetlaczy bez obcinania i skalowania Polega na znajdowaniu tzw. szwów – ścieżki złożonej z pikseli idących przez cały obrazek o najmniejszej wartości

13 Na czym polega seam carving?

14 Zaczynamy od obliczenia funkcji energii

15 Na czym polega seam carving? Wybieramy szew o najmniejszej energii (z reguły)

16 Na czym polega seam carving? To samo, tylko na oryginalnym obrazku

17 Na czym polega seam carving? Iterujemy wycinanie najmniej potrzebnych szwów do skutku

18 Na czym polega seam carving? Skoro można szwy usuwać, to można też wstawiać!

19 Local warping Wyznaczamy ramkę obrazka (bounding box) w postaci prostokąta Definiujemy odcinek brzegowy jako sekwencję brakujących pikseli na krawędzi docelowej ramki Iterujemy, aż do wypełnienia całego obrazka: – Wybieramy najdłuższy odcinek brzegowy w danej iteracji – Wstawiamy szew w podobrazku za pomocą seam carving W podobrazku mogą znajdować się brakujące piksele, więc przypisujemy im duży koszt, żeby uniknąć ich przesuwania

20 Local warping – nieco matematyczniej – Obliczamy displacement field u=(u x, u y ) – Warping obrazka wejściowego: I out (x) = I in (x+u(x)) Obrazek (ii): Na prawo od szwu, przesuwamy piksele o jeden w prawo, reszta się nie rusza, w powstałą dziurę wstawiamy szew I out (x,y) = I in (x – 1, y) – przesunięcie pikseli w prawo

21 Jeszcze raz Na zdjęciu zaznaczone wszystkie szwy. Widać, że powstało trochę nieakceptowalnych deformacji

22 Nakładamy siatkę

23 Warpujemy w drugą stronę Używając displacement field: u, wracamy wierzchołkami siatki do pierwotnych pozycji pikseli

24 Global warping A tutaj opowiem trochę o optymalizacji

25 Global warping Potrzebujemy funkcji, która: – Wymusi na siatce prostokątny kształt obrazka – wierzchołki na krawędzi obrazka oryginalnego, muszą trafić na krawędź docelową – Funkcja będzie zachowywać kształty i linie proste

26 Global warping Oznaczenia: – Siatka: V = { v i }, gdzie v i = (x i,y i ) – pozycja wierzchołka siatki – V in – siatka wejściowa – V – siatka wyjściowa – ten parametr optymalizujemy

27 Global warping Zachowanie kształtów: – Jak wiemy translacja, obrót oraz skalowanie zachowują kształt – E s definiuje funkcję energii, która jest niska, jeśli czworokąty definiujące siatkę przechodzą transformacje jak najbliższe wymienionym trzem – N – liczba czworokątów w siatce – Zhang et All w 2009 roku wymyślił poniższy wzór: x 0,..,x 3,y 0,...,y 3 – współrzędne wierzchołków czworokąta wyjściowego Z daszkami – współrzędne wierzchołków czworokąta wejściowego

28 Zachowanie kształtów - uzasadnienie Nie bijcie jeśli okaże się, że nie pamiętam algebry: – (A q T A q ) -1 = A q -1 (A q T ) -1 = A q -1 A q (ostatnie przy założeniu, że macierz A q jest ortogonalna, czyli np. translacja, obrót… – A q A q -1 (A q A q T ) = zał. j.w. = A q A q -1 I = I – Czyli w przypadku, gdy macierz A q, jest ortogonalna, czyli w przypadku translacji, obrotu, skalowania składnik się zeruje. Gdyby wszystkie czworokąty przechodziły tylko takie transformacje, to E s (V) = 0

29 Global warping Zachowanie prostych i równoległych linii: – Wykrywamy linie w obrazku wejściowym (oryginalnym) – Przecinamy wszystkie linie krawędziami siatki wejściowej, żeby każdy powstały odcinek był całkowicie wewnątrz dokładnie jednego czworokąta (po ludzku, jak linia przechodzi przez dwa czworokąty, to dzielimy ją na dwie części) – Dyskretyzujemy kierunek linii [-pi/2, pi/2] wg 50 kubełków – Zapewniamy (poprzez optymalizację), że wszystkie proste z danego kubełka (ale różnych czworokątów) dostają wspólny kąt obrotu

30 Global warping Zachowanie prostych i równoległych linii (oznaczenia) – Dla każdego odcinka j, e j – wektor kierunku tego odcinka – q(j) – czworokąt zawierający odcinek j – m – numer kubełka – N L – liczba odcinków – θ m – kąt obrotu kubełka m

31 Global warping Warunki brzegowe – L/R/T/B – left/right/top/bottom – wierzchołki brzegowe wejściowej siatki – w/h – szerokość/wysokość docelowego prostokąta – Chcemy przyciągnąć wierzchołki brzegowe siatki na obrazku oryginalnym, na brzeg obrazka docelowego – Wymuszamy tylko jedną współrzędną, nie chcemy wepchnąć wszystkich do rogów

32 Global warping Całkowita energia: – λ L, λ B – wagi – Ustawiamy λ B na dużą wartość np. (10 8 ) – λ L – w eksperymentach wyszło, że >= 10 działa dość dobrze – parametr mówiący jak bardzo chcemy zachowywać linie, to odzwierciedla pogląd autorów, że ludzkie oko jest bardziej wrażliwe na pokrzywione linie niż zniekształcone kształty

33 Optymalizacja E Inicjalizujemy wynikiem lokalnego warpingu (regularna siatka) 10 iteracji poniższego algorytmu: – Ustaw θ m i zaktualizuj V – w tym wypadku E jest funkcją kwadratową względem V i może zostać zoptymalizowana przez rozwiązanie układu równań liniowych (V ustawione na 400 wierzchołków ponoć działa dość szybko) – Ustaw V i zaktualizuj θ m – Ponieważ wszystkie θ m są niezależne względem siebie, możemy je optymalizować osobno:

34 Rezultaty i porównanie wyników

35

36 Problemy Za duże braki w obrazku powodują widoczne skrzywienia

37 Pytania?

38 Dziękuję za uwagę!


Pobierz ppt "Rectangling panoramic images via warping Mateusz Bujalski 50-519."

Podobne prezentacje


Reklamy Google