Computergrafik 2: Übung 9. Morphologische Operationen

Größe: px
Ab Seite anzeigen:

Download "Computergrafik 2: Übung 9. Morphologische Operationen"

Transkript

1 Computergrafik 2: Übung 9 Morphologische Operationen

2 Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2

3 Besprechung Übung 8 Anmerkungen? Computergrafik 2 SS2012 3

4 Quiz Watershed-Algorithmus Morphologische Operationen Dilatation Erosion Opening / Closing Hit and Miss Eigenschaften? Computergrafik 2 SS2012 4

5 Dilatation Dilatation (Ausdehnung): G S mit Strukturelement S g oder ( m n) ( ) b( m + m, n n ), = mk, nk s k + k Computergrafik 2 SS2012 5

6 Erosion g und = ( m n) ( ( ) b m + m, n n )., m, n s k k + k k Erosion: G S mit Strukturelement S Erosion: - löst Strukturen auf - entfernt Details - verkleinert Computergrafik 2 SS2012 6

7 Strukturelemente Ein Strukturelement einer morphologischen Operation entspricht dem Faltungskern bei einer Konvolution Mit einem gezielt geformten Strukturelement können genau definierte Formveränderungen erzeugt werden Strukturelement Dilatation Computergrafik 2 SS2012 7

8 Beispiel Binärbild Dilatation Erosion Computergrafik 2 SS2012 8

9 Einige Eigenschaften morphologischer Operatoren Verschiebungsinvarianz: Wegen der Beschreibung von Erosion/Dilatation als Faltung sind beide Operationen genau wie eine Faltung verschiebungsinvariant Kommutativität und Assoziativität: M 1 M 2 = M 2 M 1 aber M 1 M 2 M 2 M 1 es gilt jedoch (G M 1 ) M 2 = G (M 1 M 2 )= (G M 2 ) M 1 Dualität: G M = G M und G M = G M Computergrafik 2 SS2012 9

10 Opening und Closing Opening (Öffnen): Kombination von Erosion gefolgt von einer Dilation mit dem am Ankerpunkt gespiegelten Strukturelement S G S = (G S) S Ziel: Erosion - Entfernung aller (Teil-)strukturen, die kleiner als das Strukturelement sind Dilatation - Wiederherstellung der ursprünglichen Größe des Objekts mit Ausnahme der vollständig entfernten Teilstrukturen Closing (Schließen): Kombination von Dilatation gefolgt von einer Erosion mit einem am Ankerpunkt gespiegelten Strukturelement S G S = (G S) S Ziel: Dilatation - Schließen von kleinen Löchern (kleiner als das Strukturelement) Erosion - Wiederherstellung der ursprünglichen Größe des Objekts Computergrafik 2 SS

11 Beispiele für Opening und Closing Original Opening Closing Computergrafik 2 SS

12 Distanztransformation Resultat der Randoperation G 0 = G \ (G S b ): Menge aller Pixel, die den Abstand 0 zum Rand haben. Falls die gleiche Operation auf dem um den Rand verminderten Bild nochmals angewendet wird: G 1 = (G S b ) \ (G S b S b ) Menge aller Pixel, die den Abstand 1 zum Rand haben. Fortgesetzte Extraktion von immer weiter vom Rand entfernten Linien und Multiplikation der jeweiligen Resultate mit der aktuellen Entfernung überführt das Binärbild in ein Distanzbild D: D = n=1, [ (G S b n-1 ) \ (G Sb n ) n], wobei die Operation die punktweise Multiplikation der n-ten Randkurve mit der Zahl n (dem aktuellen Abstand) darstellt. Computergrafik 2 SS

13 Beispiel Originalbild Objektinneres (nach fortgesetzter Erosion) Randpixel nach der n-ten Erosion einschließlich Distanz Computergrafik 2 SS

14 G Hit-or-Miss Operator Hit-or-Miss Operator: G (S 1,S 2 ) = (G S 1 ) (G S 2 ) Erodieren mit S 1 G Erodieren mit S 2 Computergrafik 2 SS

15 Hit-or-Miss Operator Hit-or-Miss Operator: G (S 1,S 2 ) = (G S 1 ) (G S 2 ) = (G S 1 ) (G S 2 ) mit S 1 S 2 = Ø (sonst wäre das Resultat der Operation die leere Menge) Hit-or-Miss-Operator für variable Strukturgrößen, z.b.: Hit Miss Notation für Hit-or-Miss-Operator: 0 - Miss 1 - Hit x - weder Miss noch Hit führt zur Akzeptanz von horizontalen Linien von 3,4, und 5 Pixeln Länge! # M = # # " x x $ & & & % Computergrafik 2 SS

16 Hit-or-Miss-Operatoren zur Detektion von Randpunkten M I = Entfernung einzelner Pixel x 1 0 M C = detektiert untere, rechte Ecken eines Objekts M T1 = x 1 x findet Randpunkte von oben, die ein Objekt nicht teilen würden, wenn sie entfernt würden Diese Punkte würden von M T1 gefunden werden Diese Punkte würden von M T1 nicht gefunden werden Computergrafik 2 SS

Computergrafik 2: Morphologische Operationen

Computergrafik 2: Morphologische Operationen Computergrafik 2: Morphologische Operationen 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

Mehr

Computergrafik 2: Morphologische Operationen

Computergrafik 2: Morphologische Operationen Computergrafik 2: Morphologische Operationen 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

Mehr

Graphische Datenverarbeitung und Bildverarbeitung

Graphische Datenverarbeitung und Bildverarbeitung Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Morphologische Operatoren Graphische DV und BV, Regina Pohle, 5. Morphologische Operatoren Einordnung in die Inhalte der Vorlesung

Mehr

Signalverarbeitung g für audiovisuelle Kommunikation

Signalverarbeitung g für audiovisuelle Kommunikation University of Applied Science Signalverarbeitung g für audiovisuelle Kommunikation 3. Segmentierung - Morphologische Operationen Morphologische Operationen Morphologie: die Gestalt betreffend Gestalt in

Mehr

9. Kombination von Vektor- und Rasterdaten

9. Kombination von Vektor- und Rasterdaten 9. Kombination von Vektor- und Rasterdaten 1. Vergleich von Vektor- und Rasterdaten 2. Morphologische Operationen 3. Transformationen des Formats 4. Kombinierte Auswertungen Geo-Informationssysteme 224

Mehr

Kapitel 9 Kombination von Vektor- und Rasterdaten

Kapitel 9 Kombination von Vektor- und Rasterdaten LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15

Mehr

2D Graphik: Modellbasierte und interaktive Segmentierung

2D Graphik: Modellbasierte und interaktive Segmentierung LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 13.01.2006 Folie 1 2D Graphik: Modellbasierte und interaktive Segmentierung Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 13.

Mehr

Morphologische Filter

Morphologische 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

Mehr

Morphologische BV. Morphological Image Processing. M. Thaler, TG208 Bildverarbeitung ZHAW, BV HS17, M. Thaler.

Morphologische BV. Morphological Image Processing. M. Thaler, TG208 Bildverarbeitung ZHAW, BV HS17, M. Thaler. Morphologische BV Morphological Image Processing M. Thaler, TG208 tham@zhaw.ch Juni 7 Um was geht es? threshold Binärbild region fill egdes Juni 7 2 2 ... um was geht es? Morphologie in der Biologie Beschäftigung

Mehr

Kapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen

Kapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität

Mehr

Digitale Bildverarbeitung (DBV)

Digitale 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

Mehr

Morphologische Bildoperationen

Morphologische Bildoperationen Morphologische Bildoperationen Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Gürcan Karakoc Betreuer: Suat Gedikli Abgabetermin: 10.04.2006 1 Inhaltsverzeichnis

Mehr

Übersicht der Vorlesung

Übersicht der Vorlesung Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse

Mehr

Übung: Computergrafik 1

Übung: Computergrafik 1 Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Konvolutionen Morphologische Operationen Hough-Transformation

Mehr

Computergrafik 2: Übung 8. Corner-Detektoren, Bildsegmentierung

Computergrafik 2: Übung 8. Corner-Detektoren, Bildsegmentierung Computergrafik 2: Übung 8 Corner-Detektoren, Bildsegmentierung Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Besprechung Übung 7 Anmerkungen? Computergrafik 2 SS2012

Mehr

Spezialgebiet: "mathematische Morphologie" (Begr. v. G. Matheron & J. Serra in Frankreich, Analyse poröser Materialien)

Spezialgebiet: mathematische Morphologie (Begr. v. G. Matheron & J. Serra in Frankreich, Analyse poröser Materialien) Fortsetzung zu Kap. 3: Bildoperationen 3.5 Morphologische Operationen Morphologie = Formenlehre Idee: über flexible Festlegung eines strukturierenden Elements (Maske) Einfluss auf zu extrahierende Formen

Mehr

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag SS 2007 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,

Mehr

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,

Mehr

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 2007/2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,

Mehr

Kognitive Systeme Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic

Kognitive Systeme Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic Mittwoch, 18. Juli 2018 1 Übung 5 & 6 Wiederholung: Morphologische Operatoren Operationen auf Binärbildern (hier: Pixel sind 0 oder

Mehr

SONNTAG OFFEN 599. undsparen! LACK LACK HOCH GLANZ HOCH GLANZ. Los je

SONNTAG OFFEN 599. undsparen! LACK LACK HOCH GLANZ HOCH GLANZ. Los je ß U U ß ß = ß % % % Ü U % ß % U U U U % U U U U U ß Ü U Ü ; % ß ß % % U Ü Ü & U Ü U Ü U Ü U Ü U Ü U Y Ä U Y Ä U ß Y Ä U Y Ä U ß ß ß ß Y Ä U U ß ß ß Y Ä U Y Ä U ß Y Ä U U ß ß ß ß ß ß ß ß ß ß ß ß ß ß ß ß

Mehr

Morphologie auf Binärbildern

Morphologie auf Binärbildern Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch

Mehr

Modul 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 Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften

Mehr

Morphologische Filter. Vorlesung FH-Hagenberg DSB

Morphologische Filter. Vorlesung FH-Hagenberg DSB Morphologische Filter Vorlesung FH-Hagenberg DSB Mathematische Morphologie Binäre Morphologie Strukturelement Grundlegende Operatoren Erosion, Dilation Abgeleitete Operatoren Open, close Grauwert-Morphologie

Mehr

Morphologische Bildoperationen

Morphologische Bildoperationen Morphologische Bildoperationen Frank Stanek Technische Universität München 09.12.2005 Contents I. Einleitung - Morphologische Operationen 2 II. Grundlagen 2 a. Grundoperationen und deren Funktion....................

Mehr

Prüfung Grundlagen der digitalen Bildbearbeitung

Prüfung Grundlagen der digitalen Bildbearbeitung Prüfung Grundlagen der digitalen Bildbearbeitung 14.06.2005 1) Gegeben sind 24 Bilder, die als Eingabe als auch als Ergebnis einer der 10 Bildoperationen auftreten können. (14 Punkte) 10 folgenden Bildoperationen,

Mehr

Grundlagen der Bildverarbeitung

Grundlagen der Bildverarbeitung Grundlagen der Bildverarbeitung Inhaltsverzeichnis Vorwort 9 Kapitel 1 Einführung 13 1.1 Anwendungen der digitalen Bildverarbeitung 16 1.2 Algorithmische Verarbeitung von Bildinformation 17 1.3 Zu diesem

Mehr

Computergrafik 2: Übung 7. Hough Transformation

Computergrafik 2: Übung 7. Hough Transformation Computergrafik 2: Übung 7 Hough Transformation Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Quiz Berechnung der ersten Ableitung eines Bildes? Berechnung der zweiten

Mehr

Übung: Computergrafik 1

Übung: 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

Mehr

Morphologische Bildverarbeitung I

Morphologische Bildverarbeitung I Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Abteilung Stochastik Abteilung Angewandte Informationsverarbeitung SS 03 Morphologische Bildverarbeitung I Vortrag mit Programmvorstellung

Mehr

Morphologische Bildverarbeitung II

Morphologische Bildverarbeitung II FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER

Mehr

Grundlagen der Bildverarbeitung Klaus D. Tönnies

Grundlagen der Bildverarbeitung Klaus D. Tönnies Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis

Mehr

LU Grundlagen der digitalen Bildverarbeitung Abgabe 2. Gruppe 25 peter holzkorn andreas bretschneider martin tintel

LU Grundlagen der digitalen Bildverarbeitung Abgabe 2. Gruppe 25 peter holzkorn andreas bretschneider martin tintel LU Grundlagen der digitalen Bildverarbeitung Abgabe 2 Gruppe 25 peter holzkorn 0426262 andreas bretschneider 0327444 martin tintel 0402913 Beispiel 6 Texturanalyse und Texturklassifikation Texturklassen

Mehr

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50. Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 8:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer

Mehr

Binärbildverarbeitung

Binärbildverarbeitung Prof. Dr.-Ing. Thomas Zielke " Binärbildverarbeitung SS 2013 3.1 Anwendungen von Binärbildern" Ein Bild mit nur zwei Grau/Farb-Stufen nennt man Binärbild. In der Regel werden Bildpunkte mit dem Wert Null

Mehr

Grundlagen der Bildverarbeitung Klaus D. Tönnies

Grundlagen der Bildverarbeitung Klaus D. Tönnies Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Grundlagen der Bildverarbeitung

Mehr

12.2 Grauwertmorphologie

12.2 Grauwertmorphologie 12.2 Grauwertmorphologie 735 12.2 Grauwertmorphologie 12.2 12.2.1 Punktmenge eines Grauwertbildes Die Punktmenge eines Binärbildes besteht aus allen Pixeln vom Wert 1.Wie lässt sich nun ein Bild, das mehr

Mehr

B3. Bilderkennung mit Java

B3. Bilderkennung mit Java B3. Bilderkennung mit Java B3.3 HIPR Framework B3.4 Praktisches Beispiel und weitere Operationen auf Bildern - thresholding - morphologische Operationen - region labeling Literatur: The Hypermedia Image

Mehr

4. Segmentierung von Objekten Video - Inhaltsanalyse

4. Segmentierung von Objekten Video - Inhaltsanalyse 4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder

Mehr

Verarbeitung von Volumenbildern wichtige Werkzeuge

Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen

Mehr

2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen

2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen 2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen Morphologie = Formenlehre Idee: über flexible Festlegung eines strukturierenden Elements (Maske) Einfluss auf zu

Mehr

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50. Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 14:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer

Mehr

En Theoriefragen LU GDBV

En Theoriefragen LU GDBV En Theoriefragen LU GDBV 1. Cooccurrence Matrix Die Cooccurrence Matrix wird auch als Gray-Tone Spatial- Dependence Matrices oder als Grauwertpaarhäufigkeitsmatrix (GPM) bezeichnet. Wir gehen von einem

Mehr

L 3. L a 3. P a. L a m 3. P a l. L a m a 3. P a l m. P a l m e. P o 4. P o p 4. L a. P o p o 4. L a m. Agnes Klawatsch

L 3. L a 3. P a. L a m 3. P a l. L a m a 3. P a l m. P a l m e. P o 4. P o p 4. L a. P o p o 4. L a m. Agnes Klawatsch 1 L 3 P 1 L a 3 P a 1 L a m 3 P a l 1 L a m a 3 P a l m 2 P 3 P a l m e 2 P o 4 L 2 P o p 4 L a 2 P o p o 4 L a m 4 L a m p 6 N a 4 L a m p e 6 N a m 5 5 A A m 6 6 N a m e N a m e n 5 A m p 7 M 5 A m p

Mehr

R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e

R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r. 5 4 8 6 2 8 G r e v e n T e l. 0 2 5 7 1 / 9 5 2 6 1 0 F a x. 0 2 5 7 1 / 9 5 2 6 1 2 e - m a i l r a i n e r. n i e u w e n h u i z e n @ c

Mehr

F r e i t a g, 3. J u n i

F r e i t a g, 3. J u n i F r e i t a g, 3. J u n i 2 0 1 1 L i n u x w i r d 2 0 J a h r e a l t H o l l a, i c h d a c h t e d i e L i n u x - L e u t e s i n d e i n w e n i g v e r n ü n f t i g, a b e r j e t z t g i b t e

Mehr

S o n n t a g, 5. A u g u s t

S o n n t a g, 5. A u g u s t S o n n t a g, 5. A u g u s t 2 0 1 8 R ü c k b l i c k, A b s c h i e d, v i e l p a s s i e r t u n d k e i n e Z e i t D r e i M o n a t e s i n d v e r g a n g e n, v o l l g e s t o p f t m i t s

Mehr

S o n n t a g, 2 6. N o v e m b e r

S o n n t a g, 2 6. N o v e m b e r S o n n t a g, 2 6. N o v e m b e r 2 0 1 7 A u s f l u g n a c h N e v a d a u n d A r i z o n a D e r g r o ß e S o h n u n d i c h g i n g e n a u f e i n e F a h r t i n R i c h t u n g N e v a d a

Mehr

Innere Volumina und Integralgeometrie

Innere Volumina und Integralgeometrie Seminar Stochastische Geometrie und ihre Anwendungen" 19. November 2009 Inhaltsverzeichnis Grundlagen Mengenoperationen Digitale Bildbearbeitung Die Hausdor-Metrik Mengenoperationen Spiegelung\Translation

Mehr

Filter. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz

Filter. 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

Mehr

Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung

Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung Ingmar Gründel HAW-Hamburg 15. Dezember 2006 Ingmar Gründel Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung

Mehr

Bildverarbeitung Herbstsemester

Bildverarbeitung 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

Mehr

Chapter 1 : þÿ b e t a t h o m e B i n g o B o n u s - C o d e c h a p t e r

Chapter 1 : þÿ b e t a t h o m e B i n g o B o n u s - C o d e c h a p t e r Chapter 1 : þÿ b e t a t h o m e B i n g o B o n u s - C o d e 2 0 1 2 c h a p t e r þÿ H a v e n H o l i d a y s : C a m p i n g a t b e t 3 6 5 T h e O r c h a r d s ( C l a c t o n o n S e a ) H o m

Mehr

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

Digitale Bildverarbeitung Einheit 7 Bildarithmetik Digitale Bildverarbeitung Einheit 7 Bildarithmetik Lehrauftrag SS 2007 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einsehen, dass man mit

Mehr

Bildverarbeitung in R

Bildverarbeitung in R Bildverarbeitung in R Tobias Klinke Proseminar R Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg Betreuer: Jakob Lüttgau 2016-07-13 Tobias Klinke

Mehr

Erkennung von Olivenhainen im Luftbild

Erkennung von Olivenhainen im Luftbild Erkennung von Olivenhainen im Luftbild Gliederung 1. Morphologische Grundlagen Erosion / Dilatation Öffnung / Schließung Zylinderhut-Transformationen 2. Motivation / Gründe für die Anwendung 3. Datenbeschreibung

Mehr

1 Einleitung Einordnung des Gebietes Aufbau des Buches Philosophie Inhalte Einige Lehrbücher...

1 Einleitung Einordnung des Gebietes Aufbau des Buches Philosophie Inhalte Einige Lehrbücher... Inhaltsverzeichnis 1 Einleitung... 1 1.1 Einordnung des Gebietes... 1 1.2 Aufbau des Buches... 3 1.2.1 Philosophie... 3 1.2.2 Inhalte... 5 1.3 Einige Lehrbücher... 6 2 Allgemeine Begriffe... 11 2.1 Einige

Mehr

Graphische Datenverarbeitung und Bildverarbeitung

Graphische Datenverarbeitung und Bildverarbeitung Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Filterung Graphische DV und BV, Regina Pohle,. Bildverbesserung - Filterung Einordnung in die Inhalte der Vorlesung

Mehr

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

Digitale Bildverarbeitung Einheit 7 Bildarithmetik Digitale Bildverarbeitung Einheit 7 Bildarithmetik Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einsehen, dass man mit

Mehr

Praktikum Bildverarbeitung Termin 3

Praktikum Bildverarbeitung Termin 3 Praktikum Bildverarbeitung Termin 3 Bilddigitalisierung: Videos, Bildaufbereitung: Morphologische Operationen Bildanalyse: Segmentierung, Labeling, Merkmalsextration 1 Morphologische Operationen: Lösungen

Mehr

Einführung in die medizinische Bildverarbeitung WS 12/13

Einführung 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

Mehr

Segmentierung. Vorlesung FH-Hagenberg SEM. Digitale Bildverarbeitung in der Medizin. Schwellenwerte

Segmentierung. Vorlesung FH-Hagenberg SEM. Digitale Bildverarbeitung in der Medizin. Schwellenwerte Segmentierung g Vorlesung FH-Hagenberg SEM Schwellenwerte Globaler Schwellenwert Lokale Schwellenwerte Mehrfache Schwellenwerte Semi-Schwellenwerte Optimale Schwellenwerte 1 Optimal Threshold optimal zu

Mehr

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772, I 2M54. Termin: 17. Juli bzw. 90 Minuten Maximal mögliche Punktzahl: 48

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772, I 2M54. Termin: 17. Juli bzw. 90 Minuten Maximal mögliche Punktzahl: 48 Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772, I 2M54 Prüfer: Laubenheimer Termin: 17. Juli 2008 Beginn: 8:00 Uhr Dauer: 60 bzw. 90 Minuten Maximal mögliche Punktzahl: 48 Name Matrikelnummer

Mehr

Bild-Erkennung & -Interpretation

Bild-Erkennung & -Interpretation Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung

Mehr

Wasserscheiden-Ansätze zur Bildsegmentierung I

Wasserscheiden-Ansätze zur Bildsegmentierung I Seminar Bildsegmentierung und Computer Vision Wasserscheiden-Ansätze zur Bildsegmentierung I Stefan Sugg 19.12.2005 Gliederung 1. Einführung 2. Morphologische Grundlagen 3. Simulation durch Überflutung

Mehr

Gruppentheorie und Symmetrie in der Chemie

Gruppentheorie und Symmetrie in der Chemie Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition

Mehr

Was 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. 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

Mehr

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch Was bisher geschah Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch Punktoperationen (Farbtransformation) f : col 1 col

Mehr

Kapitel 13 Binärisierung und Verarbeitung von Binärbildern p.2/40

Kapitel 13 Binärisierung und Verarbeitung von Binärbildern p.2/40 Kapitel 13 Binärisierung und Verarbeitung von Binärbildern Automatische Schwellwertbestimmung Verarbeitung von Dokumentbildern (Skew- und Slant-Korrektur) Mathematische Morphologie Distanz-Transformation

Mehr

1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.

1. 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

Mehr

Übung zur Vorlesung 2D Grafik Wintersemester 05/06. Otmar Hilliges

Übung zur Vorlesung 2D Grafik Wintersemester 05/06. Otmar Hilliges Übung zur Vorlesung 2D Grafik Wintersemester 05/06 Übungsblatt 5 Musterlösung auf der Übungsseite. https://wiki.medien.ifi.lmu.de/pub/main/uebung2dgrafikws 0506/FFT_LSG.jar Page 2 transform() for (y =

Mehr

Programmierpraktikum WS 16/17

Programmierpraktikum WS 16/17 Programmierpraktikum in Rasterbildern Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 8.Oktober 2016 c 2016 FernUniversität in Hagen Übersicht 1 Raster-

Mehr

Mathematik 1, Teil B. Inhalt:

Mathematik 1, Teil B. Inhalt: FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten

Mehr

GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen

GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG Übungen Otto-von-Guericke-Universität Magdeburg Fakultät für Elektrotechnik und Informationstechnik Institut für Elektronik, Signalverarbeitung

Mehr

Grundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1. Histogramm & Histogrammäqualisierung

Grundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1. Histogramm & Histogrammäqualisierung Grundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1 Histogramm & Histogrammäqualisierung Histogramm: Häufigkeiten der Grauwerte eines Bildes geordnet nach Helligkeit: oft relative Häufigkeit

Mehr

Mathematische Bildverarbeitung

Mathematische Bildverarbeitung Kristian Bredies Dirk Lorenz Mathematische Bildverarbeitung Übungen und Zusatzmaterial Diese PDF-Datei beinhaltet die Übungsaufgaben aus dem Buch, die die Entwicklung beziehungsweise Implementation eines

Mehr

6. Texterkennung in Videos Videoanalyse

6. Texterkennung in Videos Videoanalyse 6. Texterkennung in Videos Videoanalyse Dr. Stephan Kopf 1 Übersicht Motivation Texterkennung in Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben 3. Auswahl der Buchstabenpixel

Mehr

Binärbildverarbeitung

Binärbildverarbeitung Prof. Dr. Wolfgang Konen, Thomas Zielke Binärbildverarbeitung SS06 4.1 Konen, Zielke Anwendungen von Binärbildern Ein Bild mit nur zwei Grau/Farb-Stufen nennt man Binärbild. In der Regel werden Bildpunkte

Mehr

Fragensammlung Digitale Bildverarbeitung

Fragensammlung Digitale Bildverarbeitung .. Fragensammlung Digitale Bildverarbeitung Diese Fragensammlung enthält eine Sammlung aus Musterfragen, Fragen, die in der Vorlesung gestellt wurden und Originalklausurfragen der Klausuren bis. Die Originalklausurfragen

Mehr

Data Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt

Data Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt Data Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt 9. Februar 2016 1 Aufgabe 1: RelieF (1) Gegeben sind folgende 12 Beispiele der Wetter-Daten: ID outlook

Mehr

Was bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col

Was 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,

Mehr

Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann

Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:

Mehr

Chapter 1 : þÿ b e t a t h o m e e r s t e n P o k e r - E i n z a h l u n g c h a p t e r

Chapter 1 : þÿ b e t a t h o m e e r s t e n P o k e r - E i n z a h l u n g c h a p t e r Chapter 1 : þÿ b e t a t h o m e e r s t e n P o k e r - E i n z a h l u n g c h a p t e r þÿ 4 S i e 2 0 0 9 M i e l i[ c i e p r o b l e m z w y pb a t p i e n i d z y n a B e t a t H o m e? J a wb a[

Mehr

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch Was bisher geschah Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch Punktoperationen (Farbtransformation) f : col1 col

Mehr

Distributed Algorithms. Image and Video Processing

Distributed Algorithms. Image and Video Processing Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben

Mehr

Segmentierung. Vorlesung FH-Hagenberg SEM

Segmentierung. Vorlesung FH-Hagenberg SEM Segmentierung Vorlesung FH-Hagenberg SEM Segmentierung: Definition Die Pixel eines Bildes A={a i }, i=1:n, mit N der Anzahl der Pixel, werden in Teilmengen S i unterteilt. Die Teilmengen sind disjunkt

Mehr

Oberflächenrekonstruktion aus Punktwolken

Oberflächenrekonstruktion aus Punktwolken Oberflächenrekonstruktion aus Punktwolken Betreuer: Dominik Fritz Seminar Medizinische Simulationssysteme SS 2005 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der - Gliederung 1 2 Der - 3 Der von Hoppe 4 Der

Mehr

Die Größe A(n, d) und optimale Codes

Die Größe A(n, d) und optimale Codes Die Größe A(n, d) und optimale Codes Definition Optimaler Code Wir definieren A(n, d) = max{m binärer (n, M, d) Code} Ein (n, M, d)-code heißt optimal, falls M = A(n, d). Bestimmung von A(n, d) ist offenes

Mehr

Inhaltsverzeichnis 1 Einleitung Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik Grundbegriffe der Mensch-M

Inhaltsverzeichnis 1 Einleitung Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik Grundbegriffe der Mensch-M 1 Einleitung 1 1.1 Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik... 1 1.2 Grundbegriffe der Mensch-Maschine-Kommunikation... 2 1.3 Disziplinen der Mensch-Maschine-Kommunikation...

Mehr

Darstellung als Filterbank. Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge.

Darstellung als Filterbank. Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge. Darstellung als Filterbank Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge. - Trifft in bestimmten Maße auch auf das Original zu, da

Mehr

Morphologische Bildverarbeitung

Morphologische Bildverarbeitung Praktikumsversuch Morphologische Bildverarbeitung L. Bergen und H. Burkhardt . Inhaltsverzeichnis 1 Morphologische Bildverarbeitung 5 1.1 Einleitung............................... 5 1.2 Grundlagen..............................

Mehr

Computergraphik 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 Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation

Mehr

Chapter 1 : þÿ b e t a t h o m e r e g i s t r i e r e n B o n u s c h a p t e r

Chapter 1 : þÿ b e t a t h o m e r e g i s t r i e r e n B o n u s c h a p t e r Chapter 1 : þÿ b e t a t h o m e r e g i s t r i e r e n B o n u s c h a p t e r þÿ G o l d F a c t o r y o n l i n e s l o t s g a m e [ G o W i l d C a s i n o ] I m O n l i n e - C a s i n o v o n b

Mehr

Chapter 1 : þÿ 2 5 K i c k - o f f - B o n u s b e t a t h o m e c h a p t e r

Chapter 1 : þÿ 2 5 K i c k - o f f - B o n u s b e t a t h o m e c h a p t e r Chapter 1 : þÿ 2 5 K i c k - o f f - B o n u s b e t a t h o m e c h a p t e r þÿ S p i e l e n w i e, f u n k t i o n i e r e n p r o g r e s s i v e b o o k o f r a v o l l b i l d c a s i n o n o v

Mehr

Phasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung

Phasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung Praktikum Moderne Mikroskopische Methoden Lichtmikroskopie Phasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung Protokoll von Andreas Grill & Christoph Gammer Wintersemester 2006/2007

Mehr

Chapter 1 : þÿ A n g e b o t s c o d e s f ü r b e t a t h o m e c h a p t e r

Chapter 1 : þÿ A n g e b o t s c o d e s f ü r b e t a t h o m e c h a p t e r Chapter 1 : þÿ A n g e b o t s c o d e s f ü r b e t a t h o m e c h a p t e r þÿ S p o r t w e t t e n A p p : G u t e s E r g e b n i s i m b e t - a t - h o m e T e s t b e r i c h t.. W e l c h e n

Mehr

Morphologische Operationen (12 Punkte)

Morphologische 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

Mehr