2D-Fourieranalyse und Farbräume
|
|
- Frauke Friedrich
- vor 5 Jahren
- Abrufe
Transkript
1 2D-Fourieranalyse und Farbräume Industrielle Bildverarbeitung, Vorlesung No M. O. Franz falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005.
2 Übersicht 1 Diskrete 2D-Fouriertransformation 2 Windowing 3 Beispiele und Anwendungen 4 RGB- und HSV-Farbraum
3 Übersicht 1 Diskrete 2D-Fouriertransformation 2 Windowing 3 Beispiele und Anwendungen 4 RGB- und HSV-Farbraum
4 Diskrete zweidimensionale Fouriertransformation Für eine zweidimensionale, periodische Funktion g(u, v) der Größe M N ist die 2D-DFT G(m, n) = = M 1 1 N 1 mu i2π g(u, v) e M e i2π nv N MN u=0 v=0 M 1 1 N 1 mu i2π( g(u, v) e M + nv N ) MN u=0 v=0 Inverse 2D-DFT 1 : g(u, v) = = M 1 1 N 1 G(m, n) e i2π um M e i2π vn N MN m=0 n=0 M 1 1 N 1 mu i2π( G(m, n) e M + nv N ) MN m=0 n=0
5 Zentrierte Darstellung
6 Darstellung als logarithmiertes Intensitätsbild
7 Frequenz und Orientierung Effektive Frequenz in Wellenrichtung: ˆf (m,n) = 1 τ ( m M ) 2 + ( n N ) 2 Orientierung: ψ (m,n) = arctan 2 ( n N, m M ) bzw. (m, n) = ±ˆf (M cos ψ, N sin ψ) Richtungswinkel in Bild und Spektrum sind nur bei quadratischen Bildern gleich. Korrektur durch quadratische Skalierung des Spektrums.
8 Geometrische Korrektur des 2D-Spektrums
9 Frequenzlimits und Aliasing in 2D Effektive Abtastfrequenz ist am geringsten entlang der Koordinatenachsen, am höchsten entlang der Diagonalen.
10 Übersicht 1 Diskrete 2D-Fouriertransformation 2 Windowing 3 Beispiele und Anwendungen 4 RGB- und HSV-Farbraum
11 Auswirkungen der Periodizität Die implizite Annahme eines periodischen Bildes führt zu breitbandigen Signalen entlang der Koordinatenachsen durch die Diskontinuitäten an den Bildrändern.
12 Windowing Zur Reduktion der durch die Periodizität verursachten Artefakte wird das gesamte Bild vor der DFT mit einer Fensterfunktion multipliziert: g(u, v) = g(u, v) w(u, v) Die Fensterfunktion wird so gewählt, daß sie möglichst gleichmäßig an den Rändern gegen 0 abfällt und damit die Diskontinuitäten an den Bildrändern unterdrückt. Aber: Multiplikation im Bildraum führt zu Faltung des Spektrums mit der DFT der Fensterfunktion im Frequenzraum. Tradeoff: Je steiler w(u, v) and den Bildrändern abfällt, desto größer ist der Bildanteil, der zum Spektrum beiträgt, aber desto stärker sind die Rand-Artefakte, und desto stärker wird das Spektrum verwischt.
13 Rechteckiges und elliptisches Fenster
14 Gauß- und Supergauß(n = 6)-Fenster
15 Cos 2 - und Bartlett-Fenster
16 Hanning- und Parzen-Fenster
17 Beispiel: Auswirkung der Fensterfunktion (1)
18 Beispiel: Auswirkung der Fensterfunktion (2)
19 Übersicht 1 Diskrete 2D-Fouriertransformation 2 Windowing 3 Beispiele und Anwendungen 4 RGB- und HSV-Farbraum
20 Beispiel: Skalierung
21 Beispiel: periodisches Bildmuster
22 Beispiel: Drehung
23 Beispiel: gerichtete, längliche Strukturen
24 Beispiel: Natürliche Bilder (1)
25 Beispiel: Natürliche Bilder (2)
26 Beispiel: Druckmuster
27 Anwendungen der DFT Filterung im Spektralraum: bei sehr großen N N-Filtermasken auf M M-Bildern sind O(M 2 N 2 ) Operationen notwendig, FFT und inverse FFT benötigen O(M log M) Operationen plus M 2 Multiplikationen, unabhängig von der Filtergröße N. Korrelation bei Template Matching: Korrelation ist identisch zur linearen Faltung mit gespiegelter Fensterfunktion Anwendung bei der Suche nach großen Objekten. Entfernung der Unschärfe durch inverse Filterung: Ein unscharfes Bild ensteht durch Faltung mit der Punktverwaschungsfunktion der Optik, d.h. Multiplikation der DFT des Bildes mit der DFT der PVF (Modulationstransferfunktion, MTF) Entfernung durch Division durch MTF.
28 Übersicht 1 Diskrete 2D-Fouriertransformation 2 Windowing 3 Beispiele und Anwendungen 4 RGB- und HSV-Farbraum
29 RGB-Farbraum Das RGB-Farbsystem basiert auf der additiven Mischung der drei Primärfarben Rot, Grün und Blau, d.h. ausgehend von Schwarz wird farbiges Licht in den Primärfarben überlagert, was sowohl den Farbton, die Intensität und die Sättigung des Farbwertes bestimmt.
30 Aufbau von Farbbildern Komponentenanordnung Gepackte Anordnung Indexbilder Bei gepackter Anordnung müssen die einzelnen Farbkanäle über spezielle Zugriffsfunktionen aus den Pixeln ausgelesen und beschrieben werden. Indexbilder erlauben nur eine beschränkte Anzahl von Farben. Die Pixel enthalten nur den Index k einer Farbtabelle oder Palette P[k] = (P R [k], P G [k], P B [k]) und erlauben so eine flache Bildrepräsentation. Interessantes Problem: Umwandlung eines Vollfarbenbildes in ein Indexbild (nächste Vorlesung).
31 Umwandlung in Grauwertbilder Einfachster Ansatz: Durchschnittswert der drei Farbkomponenten y = R + G + B 3 aber die wahrgenommene Helligkeit von Rot und Grün ist wesentlich höher als die von Blau Gebiete mit hohem Rot- und Grünanteil werden zu dunkel, Gebiete mit hohem Blauanteil zu hell wiedergegeben. Idealerweise müßte die relative Helligkeit Y R, Y G, Y B jedes Farbkanals des Wiedergabegerätes mit einem Photometer vermessen werden (z.b. in TV- oder ITU-BT709- Norm). Die wahrgenommene Intensität (Luminanz) ergibt sich dann als Y = R Y R + G Y G + B Y B mit Y R + Y G + Y B = 1 z.b. Y R = 0.299, Y G = 0.587, Y B = bei TV-Geräten. Diese Formel gilt aber nur näherungsweise, da die wahrgenommene Intensität in Wirklichkeit nichtlinear von den einzelnen Farbwerten abhängt.
32 Desaturierung im RGB-Raum R D G D = Y Y + s col R Y G Y B D Y B Y
33 HSV- und HLS-Farbraum Veränderungen an RGB-Werten ändern i.a. immer alle vom Menschen wahrgenommenen Farbattribute (Ton, Sättigung, Helligkeit) gleichzeitig. Daher sind für manche Anwendungen Farbräume vorteilhafter, die eine direkte Manipulation dieser Attribute erlauben. HSV: Hue (Ton), Saturation (Sättigung), Value (Helligkeit), manchmal auch HSB oder HSI, HLS: Hue, Luminance, Saturation
34 Umrechnung RGB in HSV RGB-Werte befinden sich im Intervall [0, C max ], C min sei das Minimum der drei Werte R,G,B, C high das Maximum, der Wertebereich C = C high C min, die relativen Farbkomponenten R = C high R G = C high G C, B = C high B C Sättigung: S = { C C max für C max > 0 0 sonst C, Helligkeit (Value): V = C high C max B G wenn R = C high Farbton: H = B B + 2 wenn G = C high G R + 4 wenn B = C high Normierung H = 1 6 (H + 6) für H < 0, sonst H = 1 6 H.
35 HSV-Farbraum
36 Diskrete 2D-Fouriertransformation Windowing Beispiel: HSV-Darstellung Beispiele und Anwendungen RGB- und HSV-Farbraum
37 Umrechnung HSV in RGB Farbsektor: H = (6 H) mod 6 Zwischenwerte (v = V HSV ): Normalisierte RGB-Werte in [0, 1] : Danach Skalierung auf [0, C max ].
Farbräume. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz
Farbräume Industrielle Bildverarbeitung, Vorlesung No. 13 1 M. O. Franz 16.01.2008 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 RGB- und HSV-Farbraum
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col pos. Punktoperationen f : col 1 col 2
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos statistische Merkmale Punktoperationen f : col 1 col 2 (Bildanalyse) (Farbtransformation) Geometrische Operationen f : pos 1 pos
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrDigitale Bilder. Ein Referat von Jacqueline Schäfer und Lea Pohl Am
Digitale Bilder Ein Referat von Jacqueline Schäfer und Lea Pohl Am 06.05.2015 Inhaltsverzeichnis Einheiten Grafiktypen Bildformate Farbtiefe Farbbilder/ Farbräume Quellen Einführung in die Bildverarbeitung
MehrObjekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung
Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges
MehrÜbung zu Einführung in die Informatik # 14
Übung zu Einführung in die Informatik # 14 Tobias Schill tschill@techfak.uni-bielefeld.de 12. Februar 2016 Aktualisiert am 12. Februar 2016 um 11:13 Erstklausur: Mi, 24.02.2016 von 10-12Uhr Antworten von
MehrMorphologische Filter
Morphologische Filter Industrielle Bildverarbeitung, Vorlesung No. 8 1 M. O. Franz 28.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Morphologische
MehrFarbtechnik und Raumgestaltung/EDV
Abb. 1 Das RGB-Farbmodell Über die additive Farbmischung werden durch die 3 Grundfarben Rot, Grün und Blau alle Farben erzeugt. Im RGB Modell werden ihre Werte je von 0 bis 1 festgelegt. R = G = B = 1
MehrFilter. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz
Filter Industrielle Bildverarbeitung, Vorlesung No. 5 1 M. O. Franz 07.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Lineare Filter 2 Formale
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
MehrBildverarbeitung Herbstsemester Farben, Farbsehen und Farbbilder
Bildverarbeitung Herbstsemester 2012 Farben, Farbsehen und Farbbilder 1 Inhalt Aufbau des Auges Helligkeits- und Farbwahrnehmung lineare Farbsysteme nicht-lineare Farbsysteme digitale Farbbilder Umwandlung
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrU9: FARBCODIERUNG FARBCODIERUNG NACH VERSCHIEDENEN FARBMODELLEN
U9: FARBCODIERUNG FARBCODIERUNG NACH VERSCHIEDENEN FARBMODELLEN Für die Darstellung von Farben gibt es unterschiedliche Farbmodelle: einfache Modelle für additivergb) und subtraktive Mischung CMYK) von
MehrFarben. Spektrale Zerlegung der sichtbaren Lichtes. Folie 2
Farben Spektrale Zerlegung der sichtbaren Lichtes Folie 2 1 Additive und subtraktive Farbmischung Additives Modell Primäre Grundfarben: Rot, Grün, Blau Subreaktives Modell Primäre Grundfarben: Cyan, Magenta,
MehrMultimediatechnik / Video
Multimediatechnik / Video Licht und Farbe http://www.nanocosmos.de/lietz/mtv Inhalt Was ist Farbe? Lichtwellen Farbspektrum Farbmodelle Licht und Farbe Licht = Elektromagnetische Welle Farbton = Wellenlänge/Frequenz
MehrMerkmale von Bildregionen, Einführung in Spektraltechniken
Merkmale von Bildregionen, Einführung in Spektraltechniken Industrielle Bildverarbeitung, Vorlesung No. 10 1 M. O. Franz 12.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger
MehrFarbmodelle. MBV5 Werner Backfrieder FH-Hagenberg. Spektrale Zerlegung der sichtbaren Lichtes
Farbmodelle MBV5 FH-Hagenberg Spektrale Zerlegung der sichtbaren Lichtes 1 Additive und subtraktive Farbmischung Chromatizitätsdiagramm X=r/(r+g+b) Y=g/(r+g+b) Z=b/(r+g+b) X+Y+Z=1 2 RGB-Modell Farbe wird
MehrBildverarbeitung Herbstsemester
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Filter Filter 1 Inhalt Lineare und nichtlineare Filter Glättungsfilter (z.b. Gauss-Filter) Differenzfilter (z.b. Laplace-Filter) Lineare Faltung
MehrDiskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen
Diskrete Fourier Transformation (DFT): Zeitfenster, Frequenzauflösung, Fensterfunktionen Fourier-Analyse Zeitfenster DFT Zeit [s] 2 Frequenz [Hz] Fourier-Analyse Abtastintervall TT aa : Zeit zwischen zwei
MehrHSV. Problem: RGB & CMY sind sehr unintuitiv Menschliche Farbspezifikation arbeitet eher mit
HSV [Alvy Ray Smith, 978]! Problem: RB & MY sind sehr unintuitiv Menschliche Farbspezifikation arbeitet eher mit tints white grey shades "Farbton" (rot, gelb, grün-blau, ) "Reinheit" ("satte Farbe", "pastell-
MehrLicht und Farben. Andreas Spillner. Computergrafik, WS 2018/2019
Licht und Farben Andreas Spillner Computergrafik, WS 2018/2019 Farbwahrnehmung des Menschen im Auge Das Verständnis, wie Farbeindrücke entstehen, ist ein wesentlicher Bestandteil der Computergrafik. Der
MehrBilder. Bildsuchmaschiene. Bildsuche. Überblick. Beispiele im WWW. Inhaltsbasierte Bildsuche Motivation
Bilder Inhaltsbasierte Bildsuche Motivation Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg Ein Bild sagt mehr als tausend Worte. Chinesisches Sprichwort
MehrStruktur des menschlichen Auges. Bildgebende Verfahren in der Medizin und medizinische Bildverarbeitung Bildverbesserung 2 / 99
Struktur des menschlichen Auges 2 / 99 Detektoren im Auge Ca. 100 150 Mio. Stäbchen Ca. 1 Mio. Zäpfchen 3 / 99 Zapfen Entlang der Sehachse, im Fokus Tagessehen (Photopisches Sehen) Scharfsehen Farbsehen
MehrFarbe. Licht Farbmodelle Farbsysteme
Farbe Licht Farbmodelle Farbsysteme Übungsblatt 5 http://www.uni-koblenz.de/~ugotit Organisatorisches Übung am 13.07. fällt aus. Neuer Termin 06.07. Übung am 06.07. ist damit auch letzte Übung vor der
MehrRobert Klaßen. Photoshop Elements 5. für digitale Fotos. Zusatzkapitel Füllmethoden
Robert Klaßen Photoshop Elements 5 für digitale Fotos Zusatzkapitel Füllmethoden Photoshop Elements 5 für digitale Fotos Füllmethoden Um die verschiedenen Füllmethoden besser nachvollziehen zu können,
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrFarbmodelle. Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen. Alle Farbeindrücke simulierbar durch drei Farben
Farbmodelle Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen Alle Farbeindrücke simulierbar durch drei Farben Oliver Deussen Farbmodelle 1 RGB-Farbmodell für additive Farbmischung (Bildschirm)
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,
MehrSignale, Transformationen
Signale, Transformationen Signal: Funktion s(t), t reell (meist t die Zeit, s eine Messgröße) bzw Zahlenfolge s k = s[k], k ganzzahlig s reell oder komplex s[k] aus s(t): Abtastung mit t = kt s, s[k] =
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrTechnische Universität München. Fakultät für Informatik
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Thema: Filterung im Bildraum: Konvolution Proseminar: Grundlagen Bildverstehen/Bildgestaltung Jonas Zaddach
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
Mehr2D Graphik: Pixel-Graphik Grundlagen
LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 28.10.2005 Folie 1 2D Graphik: Pixel-Graphik Grundlagen Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges 28.10.2005 LMU München Medieninformatik
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Fourier-Transformation Graphische DV und BV, Regina Pohle, 8. Fourier-Transformation 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrFarbmomente. Christoph Sommer Seminar Inhaltsbasierte Bildsuche
Farbmomente Seminar Inhaltsbasierte Bildsuche Farbmomente Einleitung und Motivation Statistische Momente Geometrische Momente Macht der Momente Hu-Momente Orthogonale Basen für Momente Generalisierte Farbmomente
MehrGrundlagen der Bildverarbeitung: Übung 3
Grundlagen der Bildverarbeitung: Übung 3 Michael Korn Raum: BC414, Tel.: 0203-379 - 3583, E-Mail: michael.korn@uni-due.de Michael Korn (michael.korn@uni-due.de) Grundlagen der Bildverarbeitung: Übung 3
MehrFarben. Grundlagen und Farbräume. Spektrale Zerlegung der sichtbaren Lichtes
Farben Grundlagen und Farbräume Spektrale Zerlegung der sichtbaren Lichtes 1 Additive und subtraktive Farbmischung Additives Modell, Grundfarben: Rot, Grün, Blau Subraktives Modell, Grundfarben: Cyan,
MehrTeil 6: Farbe. Einleitung. Farbreiz vs. Farbwahrnehmung. Farbräume, Verwendung von Farbe
Farbräume, Verwendung von Farbe Einleitung Farbe: Wichtiger Bestandteil d. vis. Wahrnehmung Mehrdimensional (Farbton, Helligkeit, etc.) Rechnen mit Farben: Farbmetrik Was ist Farbe überhaupt? Eigenschaft
MehrTeil 6: Farbe Farbräume, Verwendung von Farbe
Farbräume, Verwendung von Farbe Einleitung Farbe: Wichtiger Bestandteil d. vis. Wahrnehmung Mehrdimensional (Farbton, Helligkeit, etc.) Rechnen mit Farben: Farbmetrik Was ist Farbe überhaupt? Eigenschaft
MehrBildverarbeitung Herbstsemester. Mustererkennung
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Mustererkennung 1 Inhalt Einführung Mustererkennung in Grauwertbildern Ähnlichkeitsmasse Normalisierte Korrelation Korrelationskoeffizient Mustererkennung
MehrFarbe in der Computergraphik
Farbe in der Computergraphik 1 Hernieder ist der Sonnen Schein, die braune Nacht fällt stark herein. 2 Gliederung 1. Definition 2. Farbwahrnehmung 3. Farbtheorie 4. Zusammenfassung 5. Quellen 3 1. Definition
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrFarbe in der Computergraphik
Farbe in der Computergraphik Farbe in der Computergraphik Gliederung: Licht und Farbe Farbspezifikation Farbmodelle Gamma und Gammakorrektur B. Preim AG Visualisierung Farbe 2 Farbe in der Computergraphik
Mehr2D Graphik: Bildverbesserung. Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005
2D Graphik: Bildverbesserung Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005 Themen heute Rauschen, Entropie Bildverbesserung Punktbasiert Flächenbasiert Kantenbasiert Was ist
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrDiskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Diskretisierung und Quantisierung (Teil ) Digitalisierung und Quantisierung Motivation Analoge Aufnahme von Sprache, Bildern, Digitale Speicherung durch Diskretisierung
MehrBILDBEARBEITUNG IM UNTERRICHT
BILDBEARBEITUNG IM UNTERRICHT Grundlagen Farbtiefe Farbmodelle CYMK, RGB Patrick Meier, Wilmatt 2, 637 Root, msib.ch GRUNDLAGEN PHOTOSHOP Ein zentraler Begriff bei Pixelgrafiken ist die Bildauflösung.
Mehrden Farbton (hue), der bestimmt ist durch die dominanten Lichtwellenlängen;
3 Bildsynthese In diesem Kapitel werden wir über Farben, Beleuchtung und Schattierung sowie über Texturen sprechen. Außerdem werden wir kurz auf das Anti-Aliasing eingehen. 3.1 Wahrnehmung, Licht und Farbe
MehrGrundlagen der Farbenlehre
Farben in einem System darzustellen ist nicht möglich! Ordnungsmöglichkeit wären: Farbmischsysteme Farbmustersysteme Farbmaßsysteme Farbauswahlsysteme Seite 1 Was sind Farbmischsysteme? Farbmischsysteme
MehrKAPITEL Füllmethoden von Ebenen 493. Zebra.tif
31 Füllmethoden von Ebenen KAPITEL 31 Bisher haben Sie sich bei der Verwendung von Ebenen ganz auf die richtige Reihenfolge und auf die Ebenenmasken verlassen. Alles, was über einer Ebene liegt, verdeckt
MehrMultiplikation und Division in Polarform
Multiplikation und Division in Polarform 1-E1 1-E Multiplikation und Division in Polarform: Mathematisches Rüstzeug n m b b = b n+m bn bm = bn m ( b n )m = b n m Additionstheoreme: cos 1 = cos 1 cos sin
Mehr1 Füllmethoden. Normal
In diesem Abschnitt sollen Sie die Wirkungsweisen einiger ausgesuchter Füllmethoden kennen lernen. Bitte beachten Sie, dass die hier gezeigten Ergebnisse keine allgemeine Gültigkeit haben, sondern in Abhängigkeit
MehrBased on material by Werner Purgathofer, TU Wien, and Horst Bischof, TU Graz Hearn/Baker
Based on material by Werner Purgathofer, TU Wien, and Horst Bischof, TU Graz Hearn/Baker 12.1-12.8 Was ist Licht? Licht = begrenztes Frequenzband des elektromagnetischen Wellenspektrums Rote Farbe: 3.8x10
MehrComputergrafik 2: Filtern im Frequenzraum
Computergrafik 2: Filtern im Frequenzraum Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrFarbmodelle RGB. Medien- Technik. Versagt bei gesättigten Cyan-Tönen: Farbmisch-Experiment nach Newton
RGB Versagt bei gesättigten Cyan-Tönen: + - Farbmisch-Experiment nach Newton 642-727 RGB G R G R G B B R B Grundfarben RGB Mischfarben. Ordnung Komplementärfarbe: Differenz einer Farbe zu Weiß RGB ½*Grün+½*Gelb:
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
Mehrseit Jahrhunderten Thema von Physikern, Physiologen, Psychologen und Philosophen bis heute nicht vollständig verstanden und durchdrungen
Farbe seit Jahrhunderten Thema von Physikern, Physiologen, Psychologen und Philosophen bis heute nicht vollständig verstanden und durchdrungen Meilensteine der geschichtlichen Entwicklung unserer Vorstellungen
MehrBiosignalverarbeitung (Schuster)
Biosignalverarbeitung (Schuster) 9. FOURIER - TRANSFORMATION: 4 Ausprägungen der Transformation: Zeitbereich Frequenzbereich Laplace-Transformation Fourier-Transformation kontinuierlicher Signale (FT,
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Zeitdiskrete Signale Wintersemester 6/7 Kontinuierliche und diskrete Signale wertkontinuierlich wertdiskret Signal Signal Signal Signal zeitdiskret zeitkontinuierlich
MehrVersuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)
Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle
MehrCG Übung 1: ColorConverter
CG Übung 1: ColorConverter Sascha Feldmann sascha.feldmann@gmx.de Inhaltsverzeichnis 1 1 Profil 1.1 Aufgabe Erstellung eines ColorConverters. 1.2 Abgabe 24.04.2012 1.3 Autor Sascha Feldmann - 778455 1.4
MehrGrundlagen digitaler Bildbearbeitung
Grundlagen digitaler Bildbearbeitung Folie 2 Inhaltsübersicht Bitmaps und Vektorgrafiken Grafikformate Farbräume und Farbmodelle Farbmodus (Farbtiefe) Bildauflösung Webfarben Folie 3 Bitmaps und Vektorgrafiken
MehrSystemtheorie abbildender Systeme
Bandbegrenzung Bild in (b) nicht band-begrenzt: scharfe Kanten = Dirac-Funktionen = weißes Spektrum Erfordert Tapering vor Digitalisierung (Multiplikation mit geeigneter Fensterfunktion; auf Null drücken
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrKennen, können, beherrschen lernen was gebraucht wird
Grundlegendes zu Bitmaps und Vektorgrafiken Zusammenfassung der Unterschiede zwischen Vektorgrafiken und Bitmaps Bitmaps Es können einzelne Pixel bearbeitet werden Größe und Position der Pixel können nicht
MehrZu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen
Zu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen Kennen Sie das? Ihr Bild wirkt flau oder in dem dunklen, kontrastarmen Bild können Sie die aufgenommenen Objekte nicht unterscheiden. In diesem
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Farben Pixel, Farben, RGB/YUV http://www.nanocosmos.de/lietz/mtv Helligkeits- und Farb-Pixel s/w-pixel: Wert = Helligkeit Beispiel 8 Bit/Pixel = 256 Stufen 0=schwarz, 255=weiß
MehrPraktikum Bildverarbeitung Termin 1: Bildaufnahme: Bildmatrizen, Licht und Farbe
Praktikum Bildverarbeitung Termin 1: Bildaufnahme: Bildmatrizen, Licht und Farbe 1 Umgang mit Bilddateien als Matrizen: 1.1 426 x 640 x 3 double about() 1.2 idisp(flowers(:,:,1)) figure, idisp(flowers(:,:,2))
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Grauwertmodifikation Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 1 Einordnung
MehrDer dreidimensionale Farbraum
Der dreidimensionale Farbraum Der dreidimensionale Farbraum - ein Thema für den Physikunterricht? Übersicht: 1. Vorüberlegungen 2. Ein anschauliches Modell für den Farbraum 3. Licht und Farbe 4. Der Farbraum
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Filtern im Frequenzraum Segmentierung Organisatorisches Klausuranmeldung
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
MehrMorphologische Operationen (12 Punkte)
05.10.2015 186.822 VU Einführung in Visual Computing 3. Test Gruppe A Matrikelnummer: Nachname: Punkte Studienkennzahl: Vorname: Bitte tragen sie Ihre Matrikelnummer, Studienkennzahl sowie Vor- und Nachname
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2017 / 2018 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen 5 Übungsblatt: Diskrete
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2016 / 2017 Institut für Informatik Prof Dr Daniel Cremers Dr Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen 7 Übungsblatt: Diskrete Fourier-Transformation,
MehrComputergrafik 2: Fourier-Transformation
Computergrafik 2: Fourier-Transformation Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies (Grundlagen
MehrEin Teil des elektromagnetischen Spektrums wird vom Auge wahrgenommen: Millimeter Mikrometer Nanometer
Kapitel 8 Farbe 8. Physik Ein Teil des elektromagnetischen Spektrums wird vom Auge wahrgenommen: Millimeter Mikrometer Nanometer Wellenlänge Frequenz [Hertz] 0 8 0 9 0 0 0 0 2 0 0 4 0 5 0 6 0 7 0 8 0 9
MehrVisual Computing Theoretische Übung Light & Colors
Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Zurich Prof. M. Gross Remo Ziegler / Chistian Voegeli / Daniel Cotting ) Definitionen Visual Computing Theoretische Übung
MehrDiskrete Signalverarbeitung und diskrete Systeme
Diskrete Signalverarbeitung und diskrete Systeme Computer- basierte Verarbeitung von Signalen und Realisierung von Systemverhalten erfordern diskrete Signale und diskrete Systembeschreibungen. Wegen der
MehrComputergrafik 2: Übung 6. Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter
Computergrafik : Übung 6 Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter Quiz Warum Filtern im Frequenzraum? Ideales Tiefpassfilter? Parameter? Eigenschaften? Butterworth-Filter?
MehrTechnische Universität
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Filterung im Frequenzraum: Fouriertransformation Proseminar: Grundlagen Bildverarbeitung / Bildverstehen
MehrVU Einführung in Visual Computing 1. Test Gruppe A
09.04.2014 186.822 VU Einführung in Visual Computing 1. Test Gruppe A Matrikelnummer: Nachname: Punkte: Studienkennzahl: Vorname: Bitte tragen sie Ihre Matrikelnummer, Studienkennzahl sowie Vor- und Nachname
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrFarbmodelle RGB. Medien- Technik. Versagt bei gesättigten Cyan-Tönen: Farbmisch-Experiment nach Newton
RGB Versagt bei gesättigten Cyan-Tönen: + - Farbmisch-Experiment nach Newton 642-727 RGB G255 R255 G255 R255 G255 B255 B255 R255 B255 Grundfarben RGB Mischfarben. Ordnung Komplementärfarbe: Differenz einer
MehrProgrammieren: Bildbearbeitung
Programmieren: Bildbearbeitung Das Thema der folgenden Aufgaben ist Bildbearbeitung. Sie erhalten dazu ein Rahmenprogramm, das bereits Bilder lesen und darstellen kann. Dieses Rahmenprogramm basiert auf
MehrComputergraphik I. Das Abtasttheorem. Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1
Das Abtasttheorem Problem bei räumlicher Abtastung: Oliver Deussen Abtasttheorem 1 Problem bei zeitlicher Abtastung: Oliver Deussen Abtasttheorem 2 Darstellung auf Monitor Was geschieht eigentlich, wenn
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrDigitale Bildverarbeitung Einheit 6 Punktoperationen
Digitale Bildverarbeitung Einheit 6 Punktoperationen Lehrauftrag WS 06/07 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Elementare Bildverbesserung
MehrDigitalisierung. Vorlesung FH-Hagenberg MBI
Digitalisierung Vorlesung FH-Hagenberg MBI Biomedizinische Bildverarbeitung Werner Backfrieder Abbildungssysteme Camera obscura einfachstes Abbildungssystem bekannt seit dem Altertum Licht fällt durch
MehrMod. 2 p. 1. Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur
Histogramme der Grauwerte der TM Kanäle 1-7 für das Beispielsbild. - Kanäle 4 und 5 zeigen mehr Differenzierung als die anderen (Kontrast=das Verhältnis der hellsten zur dunkelsten Fläche in der Landschaft).
MehrLösungsblatt 2 Signalverarbeitung
Fakultät für nformatik Übung zu Kognitive Systeme Sommersemester 208 S. Constantin (stefan.constantin@kit.edu) T. Nguyen (thai.nguyen@kit.edu) Lösungsblatt 2 Signalverarbeitung Aufgabe : Faltung Abbildung
Mehr