Konvolúcia a Fourierova transformácia

Zhrnutie prednášky

Prednáška sa venuje konvolúcii ako základnému operátoru predspracovania obrazu, ktorý mení jas pixelu na základe jeho okolia podľa konvolučnej masky (zvyčajne nepárnej veľkosti). Ukazuje vyhladzovanie spriemerňovacou maskou (box filter) a gaussovskou maskou, ktorá lepšie zachováva hrany, a zdôrazňuje, že súčet prvkov masky má byť rovný jednej, inak sa zmení celkový jas obrazu. Ďalej sa vysvetľuje zvýrazňovanie hrán pomocou gradientu a druhej derivácie, teda laplaciánu, ktorý je všesmerový. Spomínajú sa aj smerovo citlivé asymetrické masky (Robertsove, Kirschove, Sobelove), ktoré presnejšie aproximujú gradient vďaka širšiemu okoliu a menšej citlivosti na šum. Rozoberá sa tiež problém okrajových pixelov, pri ktorých nie je možné konvolúciu validne spočítať.

• - Konvolúcia počíta nový jas pixelu ako vážený súčet jasov jeho okolia podľa konvolučnej masky.
• - Spriemerňovacia (box) maska vyhladzuje obraz, ale rozostruje hrany; gaussovská maska hrany zachováva lepšie.
• - Súčet prvkov vyhladzovacej masky má byť rovný 1, inak sa zmení celkový jas obrazu.
• - Okrajové pixely nemajú validný výsledok konvolúcie, preto sa v ukážke nahradili nulami (čierny okraj).
• - Hrany zodpovedajú maximu prvej derivácie jasu, teda nulovému bodu druhej derivácie; druhé derivácie aproximuje laplacián.
• - Laplaciánove masky sú symetrické a reagujú na hrany v ľubovoľnom smere, kým Robertsove, Kirschove a Sobelove masky sú smerovo citlivé.
• - Širšie okolie pixelu v maskách (napr. Sobel) znižuje vplyv šumu pri aproximácii gradientu.

Zhrnutie pripravené s pomocou AI z prepisu videa.