Zber obrazu časť 2

Zhrnutie prednášky

Prednáška dokončuje tému zberu obrazu. Po pripomenutí interpolácie farieb zo senzora s filtrami sa venuje metrikám vzdialenosti medzi pixelmi: euklidovskej, manhattanskej a šachovnicovej. Následne vysvetľuje vzorkovanie a kvantovanie, teda prevod spojitej obrazovej funkcie a analógového výstupu senzora na diskrétne hodnoty, typicky 0 až 255. Nedostatočná vzorkovacia frekvencia alebo počet úrovní spôsobuje aliasing a degradáciu obrazu. Ostrosť obrazu pritom významne ovplyvňuje optika, nielen počet megapixelov, a kombinovanie viacerých snímačov potláča šum a umožňuje superrozlíšenie. Na záver prednáška uvádza počty kvantovacích úrovní podľa aplikácie (binárne masky, 16-bitová tomografia) a RGB ako jeden z farebných modelov, pričom rôzne spektrálne pásma odlišujú rôzne vlastnosti objektov.

• - Vzdialenosť pixelov možno merať euklidovsky, manhattanskou alebo šachovnicovou metrikou, pričom jednoduchšie metriky sú dostatočné aproximácie.
• - Vzorkovanie určuje hustota priestorovej mriežky; vyššia vzorkovacia frekvencia zachytí jemnejšie detaily.
• - Kvantizácia prevádza spojitú analógovú hodnotu senzora na diskrétnu úroveň, najčastejšie 0 až 255 na jednom bajte.
• - Pri nízkej vzorkovacej frekvencii alebo malom počte úrovní vzniká aliasing, teda artefakty, ktoré v scéne neexistujú.
• - Ostrosť obrazu závisí aj od optiky, nielen od počtu megapixelov; kombinácia viacerých snímačov znižuje šum a umožňuje superrozlíšenie.
• - Počet kvantovacích úrovní závisí od aplikácie: binárne masky majú 2, tomografia používa 16 bitov, pre zobrazenie človeku stačí 256.
• - RGB je len jeden z farebných modelov a rôzne spektrálne pásma (aj infračervené či ultrafialové) odlišujú rôzne objekty.

Zhrnutie pripravené s pomocou AI z prepisu videa.