Garantie de satisfaction à 100% Disponible immédiatement après paiement En ligne et en PDF Tu n'es attaché à rien
logo-home
Recherché précédemment par vous
Recherché précédemment par vous
logo
Volledige tentamenstof Introduction to Computer Vision, Bachelor Informatica &Kunstmatige Intelligentie UvA 7,99 €
Ajouter au panier
Accédez rapidement à
Aperçu
  2.  
  3. Universiteit Van Amsterdam (UvA)
  4.  
  5. Introduction to Computer Vision (5082ITCV6Y)

Notes de cours

Volledige tentamenstof Introduction to Computer Vision, Bachelor Informatica &Kunstmatige Intelligentie UvA

1 vérifier
 2 fois vendu
  • Cours
  • Introduction to Computer Vision (5082ITCV6Y)
  • Établissement
  • Universiteit Van Amsterdam (UvA)

Volledige sammenvatting van de tentamenstof voor het vak Introduction to Computer Vision inhet 2e jaar van de bachelors Informatica & Kunstmatige Intelligentie aan de Universiteit van Amsterdam. De samenvatting is in het Engels, net zoals het grootste gedeelte van het vak. Alle hoorcolleges en lec...

[Montrer plus]

Aperçu 3 sur 17  pages

Infos sur le Document

  • 3 août 2023
  • 17
  • 2022/2023
  • Notes de cours
  • Dimitris tzionas
  • Toutes les classes

Sujets

  • informatica
  • computer vision
  • beeldverwerking
  • linear algebra
  • lineaire algebra
  • kunstmatige intelligentie
  • computer science
  • artificial intelligence

École, étude et sujet

  • Universiteit van Amsterdam (UvA)
  • Informatica
  • Introduction to Computer Vision (5082ITCV6Y)
Tous les documents sur ce sujet (1)

1  vérifier

review-writer-avatar

Par: maurodieters2 • 8 mois de cela

Vendeur

avatar-seller
charhoog

Avis reçus

Aperçu du contenu

Introduction to Computer Vision Summary CHoogteijling


Introduction to Computer Vision
Contents

1 Interpolation 2

2 Point operators 3

3 Histogram based image operations 3

4 Least Squares Estimators 4

5 Geometric operators 6

6 Homogeneous coordinates 6

7 Local operators 8

8 Local structure 10

9 Image stitching using SIFT 13

10 Pinhole camera 14

11 Convolutional neural networks 16

12 Motion 16




1

,Introduction to Computer Vision Summary CHoogteijling


1 Interpolation

Interpolation allows us to find the value of a function in between the points where the image is
sampled.
Nearest neighbor interpolation is, given the samples F (k), the value of the interpolated function
fˆ at coordinate x. The function is not continuous nor differentiable.


1
fˆ(x) = F (⌊x + ⌋)
2

Linear interpolation is, between adjacent sample points k and k + 1, we assume the function is a
linear function. The function is continuous but not differentiable in the sample points. The second
and higher order derivatives are equal to zero


k ≤ x ≤ k + 1 : fˆ(x) = (1 − (x − k))F (k) + (x − k)F (k + 1)

With cubic interpolation we look at two pixels on the left and two on the right. To interpolate
the function value f (x) for x in between x = k and x = k + 1 we fit a cubic polynomial to the
sample points {k − 1, k, k + 1, k + 2}.


k ≤ x ≤ k + 1 : fˆ(x) = a(x − k)3 + b(x − k)2 + c(x − k) + d

There are better interpolation methods, for example using more samples. A disadvantage of higher
order polynomials is overfitting of the original function: higher order polynomials tend to fluctuate
wildly in between the sample points.
For 2D functions we can also use nearest neighbor, cubic and spline interpolation. We first
interpolate in the x-direction and then in the y-direction.
Extrapolation allows us to find the value of a function outside the domain of the image. To find
the value we can:

• Set the value of a point outside the bounds of the grid to a constant value (often zero).

• Pick a point that is within the bounds of the grid and use the (interpolated) value in that
point.

– Closest point. We select the point inside the bounds of the grid that is closest to the
outside point.
– Mirrored point. We mirror the outside point in the vertical line through the last
sample points in horizontal direction of the grid.
– Wrapping. We select the same point from inside the bounds. Imagine a tiled wall and
each tile showing the same image. This is what the discrete Fourier transform implicitly
assumes.



2

, Introduction to Computer Vision Summary CHoogteijling


1.1 Image histograms

A histogram of all possible scalar pixel values in an image provides a summary of the distribution
of the values over all possible values. There is no science behind choosing an appropriate bin size.
One rule of thumb is Sturges’ rule k = ⌈log2 n⌉ + 1.
The function for an univariate histogram is:
X
hf [i] = [ei ≤ f (x) < ei+1 ]
x∈E

To capture a histogram of data that is multi-dimensional, we can compute a multivariate his-
togram.

X
hf [i, j, k] = [e1,i ≤ f1 (x) < e1,i+1 ][e2,j ≤ f2 (x) < e2,j+1 ][e3,k ≤ f3 (x) < e3,k+1 ]
x∈E



2 Point operators

A point operator γ is a function that constructed by pointwise lifting a value operator to the
image domain. For two images f : D → R and g : D → R′ . Let γ : R × R′ → R′′ be an operator.
The operator γ can be lifted to work on images.


∀x ∈ D : γ(f, g)(x) = γ(f (x), g(x))

α-blending takes the weighted average of two images. Let f and g be two colour images defined
on the same spatial domain. A sequence of images that shows smooth transition from f to g can
be obtained by the following equation for α-values increasing from 0 to 1.


hα = (1 − α)f + αg

Unsharp masking uses alpha-blending to sharpen an image. Let f be an image and g an unsharp
version of the image. The result is obtained by adding β times the difference of f − g to the original
image.


h = f + β(f − g)

Image thresholding uses a relational operator. Let f be a scalar image, then [f > t], for constant
t, results in a binary image.


3 Histogram based image operations

A Monadic point operator is an operator that changes the pixel value f (x) independent of the
position x and independent of all other pixel values in the neighbourhood.

3

Les avantages d'acheter des résumés chez Stuvia:

Qualité garantie par les avis des clients

Qualité garantie par les avis des clients

Les clients de Stuvia ont évalués plus de 700 000 résumés. C'est comme ça que vous savez que vous achetez les meilleurs documents.

L’achat facile et rapide

L’achat facile et rapide

Vous pouvez payer rapidement avec iDeal, carte de crédit ou Stuvia-crédit pour les résumés. Il n'y a pas d'adhésion nécessaire.

Focus sur l’essentiel

Focus sur l’essentiel

Vos camarades écrivent eux-mêmes les notes d’étude, c’est pourquoi les documents sont toujours fiables et à jour. Cela garantit que vous arrivez rapidement au coeur du matériel.

Foire aux questions

Qu'est-ce que j'obtiens en achetant ce document ?

Vous obtenez un PDF, disponible immédiatement après votre achat. Le document acheté est accessible à tout moment, n'importe où et indéfiniment via votre profil.

Garantie de remboursement : comment ça marche ?

Notre garantie de satisfaction garantit que vous trouverez toujours un document d'étude qui vous convient. Vous remplissez un formulaire et notre équipe du service client s'occupe du reste.

Auprès de qui est-ce que j'achète ce résumé ?

Stuvia est une place de marché. Alors, vous n'achetez donc pas ce document chez nous, mais auprès du vendeur charhoog. Stuvia facilite les paiements au vendeur.

Est-ce que j'aurai un abonnement?

Non, vous n'achetez ce résumé que pour 7,99 €. Vous n'êtes lié à rien après votre achat.

Peut-on faire confiance à Stuvia ?

4.6 étoiles sur Google & Trustpilot (+1000 avis)

68175 résumés ont été vendus ces 30 derniers jours

Fondée en 2010, la référence pour acheter des résumés depuis déjà 15 ans

Commencez à vendre!
7,99 €  2x  vendu
  • (1)
Ajouter au panier
Ajouté