Computergrafik 2: Übung 9. Morphologische Operationen
|
|
- Marta Jaeger
- vor 5 Jahren
- Abrufe
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 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
MehrComputergrafik 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
MehrGraphische 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
MehrSignalverarbeitung 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
Mehr9. 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
MehrKapitel 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
Mehr2D 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.
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
MehrMorphologische 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
MehrKapitel 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
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
MehrMorphologische 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
MehrÜbersicht 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
MehrÜbung: 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
MehrComputergrafik 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
MehrSpezialgebiet: "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
MehrDigitale 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,
MehrDigitale 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,
MehrDigitale 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,
MehrKognitive 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
MehrSONNTAG 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
MehrMorphologie 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
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
MehrMorphologische 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
MehrMorphologische 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....................
MehrPrüfung 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,
MehrGrundlagen 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
MehrComputergrafik 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
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
MehrMorphologische Bildverarbeitung I
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Abteilung Stochastik Abteilung Angewandte Informationsverarbeitung SS 03 Morphologische Bildverarbeitung I Vortrag mit Programmvorstellung
MehrMorphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrGrundlagen 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
MehrLU 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
MehrKlausuraufgaben 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
MehrBinärbildverarbeitung
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
MehrGrundlagen 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
Mehr12.2 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
MehrB3. 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
Mehr4. 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
MehrVerarbeitung von Volumenbildern wichtige Werkzeuge
Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen
Mehr2. 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
MehrKlausuraufgaben 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
MehrEn 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
MehrL 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
MehrR 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
MehrF 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
MehrS 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
MehrS 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
MehrInnere Volumina und Integralgeometrie
Seminar Stochastische Geometrie und ihre Anwendungen" 19. November 2009 Inhaltsverzeichnis Grundlagen Mengenoperationen Digitale Bildbearbeitung Die Hausdor-Metrik Mengenoperationen Spiegelung\Translation
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
MehrSeminarvortrag 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
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
MehrChapter 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
MehrDigitale 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
MehrBildverarbeitung 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
MehrErkennung 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
Mehr1 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
MehrGraphische 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
MehrDigitale 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
MehrPraktikum Bildverarbeitung Termin 3
Praktikum Bildverarbeitung Termin 3 Bilddigitalisierung: Videos, Bildaufbereitung: Morphologische Operationen Bildanalyse: Segmentierung, Labeling, Merkmalsextration 1 Morphologische Operationen: Lösungen
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
MehrSegmentierung. 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
MehrKlausuraufgaben 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
MehrBild-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
MehrWasserscheiden-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
MehrGruppentheorie 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
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
MehrWas 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
MehrKapitel 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
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
MehrÜbung 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 =
MehrProgrammierpraktikum 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-
MehrMathematik 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
MehrGRUNDLAGEN 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
MehrGrundlagen 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
MehrMathematische 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
Mehr6. 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
MehrBinärbildverarbeitung
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
MehrFragensammlung 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
MehrData 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
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,
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrChapter 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[
MehrWas 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
MehrDistributed 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
MehrSegmentierung. 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
MehrOberflächenrekonstruktion 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
MehrDie 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
MehrInhaltsverzeichnis 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...
MehrDarstellung 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
MehrMorphologische Bildverarbeitung
Praktikumsversuch Morphologische Bildverarbeitung L. Bergen und H. Burkhardt . Inhaltsverzeichnis 1 Morphologische Bildverarbeitung 5 1.1 Einleitung............................... 5 1.2 Grundlagen..............................
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
MehrChapter 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
MehrChapter 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
MehrPhasenanalyse 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
MehrChapter 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
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
Mehr