Bildverarbeitung 2 Farbe & Interpolation
|
|
- Albert Holzmann
- vor 7 Jahren
- Abrufe
Transkript
1 Bildverarbeitung 2 Frühjahrssemester 2015 ETH Zürich Jan Dirk Wegner und Michal Havlena ETH Zürich, Institut für Geodäsie und Photogrammetrie (mit Material von Uwe Sörgel, Friedrich Fraundorfer und Bildmaterial aus dem Internet)
2 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 2
3 Bildkompression Grundsätzlich hängt der erreichbare Kompressionsgrad vom Bildinhalt ab Je homogener das Bild, desto höher der Kompressionsgrad verlustfrei (Redundanzreduktion) Lauflängencodierung Quad-Trees Speicherung von Grauwertdifferenzen verlustbehaftet (Irrelevanzreduktion) TIFF, JPEG Eliminierung von Grauwertstufen nicht benötigte Information wird weggelassen Farbe 3 & Interpolation 3
4 Bildkompression Grundsätzlich hängt der erreichbare Kompressionsgrad vom Bildinhalt ab Je homogener das Bild, desto höher der Kompressionsgrad verlustfrei (Redundanzreduktion) Lauflängencodierung Quad-Trees Speicherung von Grauwertdifferenzen verlustbehaftet (Irrelevanzreduktion) TIFF, JPEG Eliminierung von Grauwertstufen nicht benötigte Information wird weggelassen 4
5 TIFF-Format Alle Bildformate bestehen aus Dateibereichen mit Zusatzinformationen, Farbtabellen und Rohdaten. Ein weit verbreitetes Format ist TIFF oder TIF (Tagged Image File Format) kann mehrere Bilder enthalten, z.b.: Vorschaubild und Original 5
6 TIFF-Format Alle Bildformate bestehen aus Dateibereichen mit Zusatzinformationen, Farbtabellen und Rohdaten. Ein weit verbreitetes Format ist TIFF oder TIF (Tagged Image File Format) kann mehrere Bilder enthalten, z.b.: Vorschaubild und Original Verschiedene Kompressionsmöglichkeiten bei TIFF möglich: verlustfrei: Lauflängenkodierung, LZW (stärkeres Verfahren) verlustbehaftet (vergleichbar JPEG) Farbe 6 & Interpolation 6
7 TIFF-Format Alle Bildformate bestehen aus Dateibereichen mit Zusatzinformationen, Farbtabellen und Rohdaten. Ein weit verbreitetes Format ist TIFF oder TIF (Tagged Image File Format) kann mehrere Bilder enthalten, z.b.: Vorschaubild und Original Verschiedene Kompressionsmöglichkeiten bei TIFF möglich: verlustfrei: Lauflängenkodierung, LZW (stärkeres Verfahren) verlustbehaftet (vergleichbar JPEG) Vorteil TIFF: sehr flexibel, Bezeichner (Tags) können beliebig definiert werden Nachteil TIFF: Kompatibilitätsprobleme, aber sogenanntes Baseline-Tiff sollten alle Bildbetrachtungs- und Bildverarbeitungsprogramme beherrschen 7
8 TIFF-Format Alle Bildformate bestehen aus Dateibereichen mit Zusatzinformationen, Farbtabellen und Rohdaten. Ein weit verbreitetes Format ist TIFF oder TIF (Tagged Image File Format) kann mehrere Bilder enthalten, z.b.: Vorschaubild und Original Verschiedene Kompressionsmöglichkeiten bei TIFF möglich: verlustfrei: Lauflängenkodierung, LZW (stärkeres Verfahren) verlustbehaftet (vergleichbar JPEG) Vorteil TIFF: sehr flexibel, Bezeichner (Tags) können beliebig definiert werden Nachteil TIFF: Kompatibilitätsprobleme, aber sogenanntes Baseline-Tiff sollten alle Bildbetrachtungs- und Bildverarbeitungsprogramme beherrschen Wichtige Variante in der Fernerkundung: GeoTIFF Geokoordinaten von Satelliten- und Luftbildern werden gespeichert Quasi-Standard zur Darstellung von Rasterdaten in GIS-Software 8
9 JPEG-Format Grundsätzlich verlustbehaftetes Format ursprünglich festgelegt von der Joint Photographic Experts Group Verschiedene JPEG-Versionen existieren (z.b. JPEG2000) Standard-JPEG: 1. Transformation in Y C B C R Farbraum 2. Blöcke von 8 x 8 Pixeln werden getrennt betrachtet 3. Farbkanäle werden unterabgetastet Irrelevanzreduktion (verlustbehaftet) 4. Übergang in den Frequenzbereich mit Discrete Cosine Transformation (DCT) 5. Quantisierung der Frequenzkoeffizienten 9
10 JPEG-Format: Vorgehensweise 10
11 JPEG-Format: Vorgehensweise 11
12 JPEG: Farbcodierung Farbraumtransformation von RGB-Bildern in Luminanz Y, Blueness C B und Redness C R Unterabtastung der Chrominanzkanäle C b und C r (Irrelevanzreduktion): 2x2 Bildblock Y:C b :C r = 4:1:1 Auge empfindlicher für Helligkeitsschwankungen als für Farbe! Kompression um Faktor 2! Getrennte Weiterverarbeitung der Kanäle 12
13 JPEG-Format: Vorgehensweise 13
14 JPEG: Discrete Cosine Transformation (DCT) Transformation vom Orts- in den Frequenzraum mit DCT (Funktionsweise wie Fourier-Transformation) [ Wikipedia] f x Ziel: Energiekonzentration auf wenige Werte ( Kompression möglich) 8x8 Bildausschnitte werden in Frequenzraum überführt. Im Frequenzraum wird die Information durch die 64 Koeffizienten der Frequenzbasisfunktionen repräsentiert. Mit Rücktransformation in den Ortsraum mittels inverser DCT wird das Bild wieder erstellt f y DCT-Basisfunktionen 14
15 JPEG: Discrete Cosine Transformation (DCT) 8 x 8 Bildblock im Ortsraum DCT [ Wikipedia] 8 x 8 Bildblock nach Überführung in Frequenzbereich (DCT- Koeffizienten, für Darstellung hier auf Ganzzahl gerundet) 15
16 JPEG-Format: Vorgehensweise 16
17 JPEG: Quantisierung der Koeffizienten Meist höchste Energie bei niedrigen Frequenzen, während hohe Frequenzen kaum besetzt Potential für Datenkompression Quantisierung der Koeffizienten: Niedrige Frequenzen feine Quantisierung Hohe Frequenzen grobe Quantisierung Kleine Koeffizienten weglassen (Irrelevanzreduktion) [ Wikipedia] DCT-Koeffizienten vor Quantisierung DCT-Koeffizienten nach Quantisierung (und Rundung zur nächsten Ganzzahl) 17
18 JPEG-Format: Vorgehensweise 18
19 JPEG: Entropie-Codierung der DCT-Koeffizienten Differenzcodierung der DCT-Koeffizienten (Gleichanteil fällt weg): Differenz der DC-Koeffizienten benachbarter Blöcke i. Allg. klein wenige kleine Werte hohe Kompression möglich 19
20 JPEG: Entropie-Codierung der DCT-Koeffizienten Differenzcodierung der DCT-Koeffizienten (Gleichanteil fällt weg): Differenz der DC-Koeffizienten benachbarter Blöcke i. Allg. klein wenige kleine Werte hohe Kompression möglich Idee der Entropie-Codierung: Codierung von Differenzen der DCT-Koeffizienten in Abhängigkeit von deren Häufigkeit wählen Häufige Werte erhalten kurze, seltene Werte längere Codewörter Aber: Falls alle Zeichen gleich häufig, keine Kompression möglich 20
21 JPEG: Entropie-Codierung der DCT-Koeffizienten Differenzcodierung der DCT-Koeffizienten (Gleichanteil fällt weg): Differenz der DC-Koeffizienten benachbarter Blöcke i. Allg. klein wenige kleine Werte hohe Kompression möglich Idee der Entropie-Codierung: Codierung von Differenzen der DCT-Koeffizienten in Abhängigkeit von deren Häufigkeit wählen Häufige Werte erhalten kurze, seltene Werte längere Codewörter Aber: Falls alle Zeichen gleich häufig, keine Kompression möglich Entropie-Codierung entweder mit Standard-Codetabellen (one-pass) oder mit auf das Bild optimierten Tabellen (two-pass, höhere Kompression möglich) 21
22 JPEG: Differenz Original und nach JPEG-Kompression Originalbild JPEG-Bild 22
23 JPEG: Beispiel JPEG-Bild (5 kb) Originalbild (200 kb) Nachteile JPEG: typische Kachelstruktur durch auffällige Kanten an Blockgrenzen und Überschwinger an Kanten mit großen Helligkeitsunterschieden 23
24 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 24
25 Was ist Farbe? ( Wikipedia) Farbe wird vom Auge als Reaktion auf verschiedene Wellenlängen des elektromagnetischen Spektrums erzeugt (380 nm 780 nm). Wellenlängenunterschiede von 1 bis 2 nm können unterschieden werden. 25
26 Wie nehmen wir Farbe wahr? Pupille agiert als Blende Wölbung der Linse durch Ziliarmuskel erzeugt Scharfabbildung auf Netzhaut 26
27 Wie nehmen wir Farbe wahr? Pupille agiert als Blende Wölbung der Linse durch Ziliarmuskel erzeugt Scharfabbildung auf Netzhaut Drei verschiedene Arten von Zapfen auf der Netzhaut (ca. 6-7 Millionen) empfindlich im blauen, grünen und roten Spektralbereich Stäbchen (ca. 100 Millionen) nehmen Lichtintensität (Helligkeit) wahr Abnahme der Zahl farbempfindlicher Zapfen mit zunehmender Entfernung vom gelben Fleck 27
28 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 28
29 Farbrepräsentation in Bildern: RGB Für jedes Pixel werden drei Farbkomponenten rot, grün und blau erfasst und gespeichert RGB Farbraum 29
30 Farbrepräsentation in Bildern: RGB Für jedes Pixel werden drei Farbkomponenten rot, grün und blau erfasst und gespeichert RGB Farbraum eine Matrix pro Farbkanal speichert Intensität 30
31 Farbrepräsentation in Bildern: RGB Für jedes Pixel werden drei Farbkomponenten rot, grün und blau erfasst und gespeichert RGB Farbraum Jeder Farbwert ist ein Vektor mit drei Elementen und der RGB-Farbraum kann grafisch als Farbwürfel dargestellt werden eine Matrix pro Farbkanal Grau von schwarz bis weiß wenn alle drei Vektorelemente den gleichen Wert haben speichert Intensität 31
32 Beispiel RGB roter Kanal grüner Kanal blauer Kanal 32
33 Farbrepräsentation in Bildern Weitere Möglichkeiten der Farbrepräsentation existieren: RGB nur einer von vielen Farbräumen der passende Farbraum wird je nach Anwendung bestimmt Beispiel: soll eine Farbe heller dargestellt werden, müssen im RGB-Farbraum alle drei Kanäle so angepasst werden, dass sich der Farbton nicht ändert, jedoch die Helligkeit aufwendig! Andere Farbräume erleichtern diesen Vorgang Farbton (hue) und Helligkeit (luminance, intensity, value, brightness etc.) können getrennt betrachtet werden Transformationen zwischen verschiedenen Farbräumen Transformationen zwischen verschiedenen Koordinatensystemen 33
34 Farbrepräsentation in Bildern: HSI HSI bedeutet Hue (Farbton), Saturation (Sättigung) und Intensity (Intensität) Entkoppelt Intensität (I) (monochromatischer Grauwert) von Farbinformation (H und S) Sehr gute Wahl für Bildverarbeitung und Computer Vision erster Prozessierungsschritt oft zunächst Umwandlung in HSI-Farbraum HSI-Farbraum kann entweder als runde oder als dreieckige Farbebene dargestellt werden, Intensitätsachse steht orthogonal auf Farbebene 34
35 Beispiel HSI Farbton (Hue) Sättigung (Saturation) Intensität (Intensity)
36 Konvertierung von RGB zu HSI H 360 wenn B wenn B G G RGB mit cos 1 R G R B 2 R G R GG B HSI 36
37 Konvertierung von RGB zu HSI H 360 wenn B wenn B G G RGB mit cos 1 R G R B 2 R G R GG B S 3 1 minr, G B R G B, HSI 37
38 Konvertierung von RGB zu HSI H 360 wenn B wenn B G G RGB mit cos 1 R G R B 2 R G R GG B S 3 1 minr, G B R G B, HSI I R G B 3 Die Intensität I wird als Mittelwert der RGB-Kanäle berechnet. 38
39 Vergleich RGB und HSI roter Kanal grüner Kanal blauer Kanal Farbton Sättigung Intensität 39 39
40 Absolute Farbräume: Lab (auch CIELAB) Farbraum wie z.b. RGB ist nicht absolut definiert abhängig von der RGB Definition kann eine Farbe mit denselben Parametern unterschiedlich aussehen definiert nur wie Farben zusammengesetzt werden, aber nicht, wie die grundsätzlichen Basisfarben aussehen Basisfarben sind in absoluten Farbräumen definiert, sodass jede Farbe exakt auf jedem Gerät/Programm reproduziert werden kann Lab 40
41 Absolute Farbräume: Lab (auch CIELAB) Farbraum wie z.b. RGB ist nicht absolut definiert abhängig von der RGB Definition kann eine Farbe mit denselben Parametern unterschiedlich aussehen definiert nur wie Farben zusammengesetzt werden, aber nicht, wie die grundsätzlichen Basisfarben aussehen Basisfarben sind in absoluten Farbräumen definiert, sodass jede Farbe exakt auf jedem Gerät/Programm reproduziert werden kann Lab L=25% L=50% L=75% L: Lightness of color (Farbhelligkeit) zwischen schwarz mit L = 0 und weiss mit L = 100 a: Position zwischen magenta und grün, -a bedeutet grün, +a bedeutet magenta b: Position zwischen gelb und blau, -b bedeutet blau, +b bedeutet gelb 41
42 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 42
43 Farbverarbeitung: Verbesserung mit Lab Verbessert Original Farbverbesserung z.b. mit Adobe Photoshop, separate Anpassung der Information in den drei Kanälen L, a und b meist über Histogramme ( Details in nächster Vorlesung) 43
44 Farbverarbeitung: Segmentierung Segmentierung eines Objekts innerhalb eines bestimmten Farbintervals im RGB-Farbraum am einfachsten mittels Definition eines Würfels oder einer Kugel W 0.5, wenn rj a j color i, cube 2 ri n , wenn rj a j R colori, sphere j1 ri mit 1 j n, i 1, 2,, n RGB-Würfel mit Kantenlänge W = 0,25 um Punkt A = (0,69; 0,16; 0,19) RGB-Kugel mit Radius R = 0,18 RGB um Punkt A = (0,69; 0,16; 0,19) 44
45 Farbverarbeitung: Falschfarbenbild Falschfarbenbild zur visuellen Darstellung von spektraler Information im nicht-sichtbaren Bereich Ersetzung eines oder mehrerer Kanäle im z.b. RGB- Farbraum mit Intensitäten aus Kanal im nicht-baren Spektralbereich WorldView-2 45
46 Farbverarbeitung: Falschfarbenbild Falschfarbenbild zur visuellen Darstellung von spektraler Information im nicht-sichtbaren Bereich Ersetzung eines oder mehrerer Kanäle im z.b. RGB- Farbraum mit Intensitäten aus Kanal im nicht-baren Spektralbereich WorldView-2 Naher-Infrarot-Kanal wird in R-Komponente dargestellt, Rot in G- Komponente und Blau in B-Komponente für automatische Algorithmen kann auch bei 9 Kanälen direkt zugegriffen werden, deshalb Falschfarbenbild vor allem wichtig zur Visualisierung 46
47 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 47
48 Motivation: Photogrammetrie true Orthophoto Originales Luftbild (Zentralprojektion) Gebäudefassade Gebäudefassade True Orthophoto (Orthogonal Projektion) 48
49 Motivation: augmented reality tracking [ 2011 Simon J.D. Prince] 49
50 Motivation: Bildanalyse mit 3D Modellen aus Einzelbildern [Zeeshan Zia] 50
51 Motivation: Spezialobjektive [Michal Havlena] Bilder aufgenommen mit Fisheye-Objektiv Zylindrische Projektion angewandt auf Fisheye-Bild 51
52 Motivation: image stitching Google street view Sensor besteht aus mehreren Kameras image stitching abstandstreue Zylinderprojektion auch für Kartierungen genutzt 52
53 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 53
54 Transformation und Interpolation Geometrische Transformationen von Bildern: 1) Räumliche Transformation mittels mathematischer Funktion: Funktionskoeffizienten entweder fest vorgegeben (z.b. zur Korrektur von Sensorverzeichnungen) oder Bestimmung der Funktionskoeffizienten über korrespondierende Punkte interaktiv oder automatisch bestimmt Hier: Schreibweise in euklidischen Koordinaten Ausführliche Einführung in projektive Geometrie und entsprechende Schreibweise der Transformationen in homogenen Koordinaten in Vorlesung Photogrammetrie 2) Grauwertbestimmung im Zielbild aus den Werten des Eingangsbildes: Entweder Erhaltung der ursprünglichen Grauwerte oder Interpolation 54
55 Korrespondierende Punkte Photogrammetrie: Transformationsparameter für relative Orientierung von Luftbildern in Luftbildverband werden mit Verknüpfungspunkten manuell oder automatisch bestimmt ( Vorlesung Photogrammetrie) Jedes Paar korrespondierender Punkte führt zu zwei Gleichungen die Anzahl der Freiheitsgerade einer Transformation legt die benötigte Mindestanzahl an Passpunktpaaren fest pro Gleichung kann ein Parameter bestimmt werden z.b.: Ähnlichkeitstransformation (4 Freiheitsgrade): mindestens 2 Passpunkt Affine Transformation (6 Freiheitsgrade): mindestens 3 Passpunkte In der Praxis: mehr gemessene Punkte Parameterbestimmung mittels Ausgleichung 55
56 Korrespondierende Punkte: Computer Vision Automatisch gemessenen Punkte: Bestimmung charakteristischer korrespondierender Punkte mit Scale Invariant Feature Transform (SIFT) [Lowe 2004], Speeded Up Robust Features (SURF) [Bay et al. 2006] etc. Beispiel: «Building Rome in a Day» [Agarwal et al. 2009]: 3D Model von Rome aus Urlaubsfotos heruntergeladen von Flickr.com von verschiedenen Kameras 56
57 Original Geometrische Transformationen Euklidische Transformation (euclidean transformation): 3 Freiheitsgrade (α, d x, d y ) x y 2 2 cos sin sin x cos y 1 1 dx dy Translation (d x, d y ) und Rotation (α) Skalierung bleibt erhalten! [ 2011 Simon J.D. Prince] 57
58 Geometrische Transformationen Original Ähnlichkeitstransformation (similarity transformation): 4 Freiheitsgrade (s, α, d x, d y ) x y 2 2 cos s sin sin x cos y 1 1 dx dy Translation (d x, d y ), Rotation (α), Isotrope Skalierung (s) [ 2011 Simon J.D. Prince] 58
59 Original Geometrische Transformationen Affine Transformation (affine transformation): 6 Freiheitsgrade (a 11, a 12, a 21, a 22, d x, d y ) x y 2 2 a a a a x y 1 1 dx dy Translation, Rotation, Skalierung und Scherung Geraden werden wieder auf Geraden abgebildet [ 2011 Simon J.D. Prince] Transformation 1. Ordnung 59
60 Geometrische Transformation Transformationen höherer Ordnung: Projektive Ebenentransformation (projective transformation, homography, collinearity): 9 Freiheitsgrade (R 11, R 12, R 13, R 21, R 22, R 23, R 31, R 32, R 33 ) x 2 R R x x 1 1 R R y y 1 1 R R R R x x 1 1 R R Kann alle Projektionen von Ebenen auf Ebenen modellieren y y y 1 1 R R [ 2011 Simon J.D. Prince] 60
61 Geometrische Transformationen Transformationen höherer Ordnung: Polynomielle Transformationen (warping) Transformation 2. Ordnung (2nd order) Transformation 3. Ordnung (3rd order) 61
62 Themen heute TIFF- und JPEG-Bildformate Farbe o Farbräume o Farbverarbeitung Geometrische Transformationen o 2D Bildtransformationen o Interpolationsmethoden 62
63 Resampling diskreter Bilder: direkt vs. indirekt Grauwertbestimmung im Zielbild: Interpolation entweder im Zielbild oder im Ausgangsbild Translation T x y x y Eingangsbild Zielbild dx dy 2 1 : mit x 1, y 1 N 0 und x 2, y 2 R 2 1 y 1 y 2 x 1 Direkte Methode (forward) x 2 Grauwert im Zielbild interpolieren Es können Löcher auftreten! 63
64 Resampling diskreter Bilder: direkt vs. indirekt Grauwertbestimmung im Zielbild: Interpolation entweder im Zielbild oder im Ausgangsbild Translation T x y x y dx dy 2 1 : mit x 1, y 1 N 0 und x 2, y 2 R 2 1 Eingangsbild Zielbild Eingangsbild Zielbild y 1 y 2 y 1 y 2 x 1 x 2 x 1 x 2 Direkte Methode (forward) Indirekte Methode (backward) Grauwert im Zielbild interpolieren Inverse Transformation T -1 berechnen Es können Löcher auftreten! Grauwert im Ausgangsbild interpolieren keine Löcher! 64
65 Interpolation von Grauwerten Eingangsbild Zielbild Bestimmung des Grauwerts im Zielbild y 1 y 2 1) Erhaltung der ursprünglichen Grauwerte Wert des nächsten Nachbarpixels (Nearest Neighbour) Günstig für Klassifikationsaufgaben, aber visuell meist x 1 Indirekte Methode x 2 wenig ansprechend Nearest Neighbour 65
66 Interpolation von Grauwerten Eingangsbild Zielbild Bestimmung des Grauwerts im Zielbild y 1 y 2 1) Erhaltung der ursprünglichen Grauwerte Wert des nächsten Nachbarpixels (Nearest Neighbour) Günstig für Klassifikationsaufgaben, aber visuell meist x 1 Indirekte Methode x 2 wenig ansprechend Nearest Neighbour 2) Interpolation der Grauwerte Ideale Interpolation sehr aufwendig nicht praktikabel Polynome: 1. Ordnung (lineare Interpolation) 1D: 2 Punkte, 2D: 4 Punkte (bilinear) bilinear 3. Ordnung (kubische Interpolation) 1D: 4 Punkte, 2D: 16 Punkte (bikubisch) 66
67 Interpolation von Grauwerten Eingangsbild Zielbild Bestimmung des Grauwerts im Zielbild y 1 y 2 1) Erhaltung der ursprünglichen Grauwerte Wert des nächsten Nachbarpixels (Nearest Neighbour) Günstig für Klassifikationsaufgaben, aber visuell meist x 1 Indirekte Methode x 2 wenig ansprechend Nearest Neighbour 2) Interpolation der Grauwerte Ideale Interpolation sehr aufwendig nicht praktikabel Polynome: 1. Ordnung (lineare Interpolation) 1D: 2 Punkte, 2D: 4 Punkte (bilinear) bilinear 3. Ordnung (kubische Interpolation) 1D: 4 Punkte, 2D: 16 Punkte (bikubisch) 3) Interpolation im Frequenzraum 67
68 Nearest-Neighbour-Interpolation [ Wikipedia] gegeben: g 1, g 2, g 3, g 4, dx, dy; 0 < dx <1; 0 < dy < 1 gesucht: Grauwert an der Stelle x, y (x = x + dx; y = y + dy ) x x x + 1 y g 1 g 3 y dx g dy INT := Abrundung zur nächsten Ganzzahl a = INT (x + 0,5) = INT (x + dx + 0,5) b = INT (y + 0,5) = INT (y + dy + 0,5) g = g(a,b) y +1 g 2 g 4 Vorteile: schnell zu berechnen und keine neuen Grauwerte Nachteil: oft gekacheltes Ergebnis [ Uwe Sörgel] 68
69 Nearest-Neigbour-Interpolation Original Nearest Neighbour Räumliche Transformation Grauwertinterpolation 69
70 Bilineare Interpolation [ Wikipedia] Interpolation 1.Ordnung Geradenansatz Vorteil: guter Kompromiss zwischen Rechengeschwindigkeit und Qualität des Ergebnisses Nachteil: neue Grauwerte g 1 g 3 g g a b g g g g a 1 2 dx dx dy g g g b 3 4 g g g a 1 2 g a g g 1 dy dx g a g 3 x g b g g 4 3D Modelvorstellung g 2 y g 2 g b g 4 2D Modelvorstellung
71 Bilineare Interpolation Original Bilinear Räumliche Transformation Grauwertinterpolation 71
72 für für für ) ( x x x x x x x x x w cub auch negative Anteile Kontrastverstärkung! Kubische Interpolation: 1D 72 [ Uwe Sörgel] Interpolation 3.Ordnung
73 Bikubische Interpolation: 2D [ Wikipedia] Grauwert wird aus den 16 umliegenden Pixeln berechnet Vorteil: sehr gutes Ergebnis, das die ideale Interpolation gut annähert Nachteile: relativ langsam zu berechnen und Erzeugung neuer Grauwerte 73
74 Bikubische Interpolation Original Bikubisch Räumliche Transformation Grauwertinterpolation 74
75 Vergleich Interpolationstechniken: 1D & 2D [ Wikipedia] Nearest- Neighbour (Bi)linear (Bi)kubisch 75
76 Vergleich Interpolationstechniken: Bilddrehung 76
77 Interpolation im Frequenzraum mit zero-padding 1) 2) 3) 1. Diskrete Fourier-Transformation in Frequenzraum 2. Auffüllen des hochfrequenten Bereichs mit Nullen 3. Rücktransformation in den Ortsbereich Achtung: Probleme durch Ringing-Effekt bei hartem Übergang zum Nullbereich 77
Digitale 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
Mehr1 Einführung. Bildformate Analyse der LSB-Ersetzung Weitere steganographische Algorithmen. Syndromkodierung in der Steganographie
Gliederung Einführung 1 Einführung 2 3 4 WS 2012/2013 Steganographie und Multimedia-Forensik Folie 121 Farbwahrnehmung Blau: 435,8 nm Grün: 546,1 nm Rot: 700 nm (445 nm) (535 nm) (575 nm) Empfindlichkeit
MehrGrafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression
Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Kompression Zusammenfassung http://www.nanocosmos.de/lietz/mtv 2009 1 Motivation: Video-Kompression Unkomprimierte Datenmengen sind zu groß! TV: 20 MB/s = 72 GB/h (720x576x2x25)
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
MehrBildkompression InTh, 2005, JPEG, Hak, Rur, 1
Bildkompression InTh, 25, JPEG, Hak, Rur, 1 Referenzen [1] D Salomon, Data Compression, Springer, 24 [2] Prof Dr A Steffen, Kurs SU, ZHW, 1999-24 [3] G Wallace, The JPEG Still Picture Compression Standard,
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
Mehr'LJLWDOH%LOGHUXQG'DWHLIRUPDWH
'LJLWDOH%LOGHUXQG'DWHLIRUPDWH Seminar: Simulation und Bildanalyse mit Java 07.07.2003 Seite 1 von 25 hehuvlfkw 1. Digitalisierung 2. Bilddateiformate 3. verlustfreie Datenkompression 4. JPEG Kompression
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrEinführung Medienforscher Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Medienforscher Tobias Reinsch 2011 Allgemeines Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java Bearbeitungszeitraum:
MehrTagged Image File Format. Im Printbereich neben EPS sehr verbreitet.
1.1 Pixelgrafik (auch ) Beispiel: Bei en wird das Bild in kleine Quadrate (Pixel) zerlegt. Für jedes Pixel wird die entsprechende Farbe gespeichert. Ein Foto kann nur durch eine große Zahl von Pixeln realistisch
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
MehrProseminar Datenkomprimierung Dr. U. Tamm. JPEG - Kompression WS 2002/03. Torsten Zichner
Proseminar Datenkomprimierung Dr. U. Tamm JPEG - Kompression WS 2002/03 Torsten Zichner Inhaltsangabe: 1. Einleitung 2. JPEG Kompression 2.1. Konvertierung des Bildes in ein geeignetes Farbmodell 2.2.
MehrSuche nach korrespondierenden Pixeln
Suche nach korrespondierenden Pixeln Seminar Algorithmen zur Erzeugung von Panoramabildern Philip Mildner, Gliederung 1. Motivation 2. Anforderungen 3. Moravec Detektor 4. Harris Detektor 5. Scale Invariant
Mehr2D-Fourieranalyse und Farbräume
2D-Fourieranalyse und Farbräume Industrielle Bildverarbeitung, Vorlesung No. 12 1 M. O. Franz 09.01.2008 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht
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
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,
MehrGrafikformate. Auflösung Farbtiefe Farbmodelle
Farblehre Grafikformate Auflösung Farbtiefe Farbmodelle Grafikformate 1. Auflösung Je höher die Auflösung umso besser das Bild. niedrig mittel hoch 09.03.2007 2 Auflösung 1cm 1cm 1 Pixel pro cm Auflösung
MehrEinführung Aufgabe 3 - MPEG. Tobias Reinsch 2011
Einführung Aufgabe 3 - MPEG Tobias Reinsch 2011 Allgemeines Aufgabe 3 - MPEG Ziel der Aufgabe Kennenlernen der Bildkodierungsverfahren des MPEG Standards Praktische Umsetzung dieser Techniken mit Java
MehrDigitales Video. Prof. Dr.- Ing. Klaus Diepold
Digitales Video Prof. Dr.- Ing. Klaus Diepold Digitale Bildwandlung Bildtransformationen Abtastung Interpolation 2 Bildtransformation Digitales Video 3 Bildtransformation Digitales Video 4 Transformation
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
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
MehrGrafikformate. Grafikformate. Digitale Bildverarbeitung Bildkompression
Digitale Bildverarbeitung Bildkompression Einleitung Datenmenge für ein unkomprimiertes Bild Verwendungszweck des Bildes Bild soll weiterverarbeitet werden Bild soll archiviert werden Bild soll per E-Mail
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
MehrIndependent JPEG Group. JPEG Software Tools
Independent JPEG Group JPEG Software Tools cjpeg Pixelmap Bildfileformat JPEG Bildfileformat jpegtran djpeg Beiträge zu: jpegtran: Verlustfreie Transformationsfunktionen (Rotation in 90 Grad Schritten,
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
MehrWarping im Detail $KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH &T9QNHICPI-QPGP. Bildverarbeitung und Algorithmen SS Konen, Zielke
$KNFXGTCTDGKVWPIWPF#NIQTKVJOGP 2TQH &T9QNHICPI-QPGP Warping im Detail SS05 8.24 Konen, Zielke SS05 8.25 Konen, Zielke &KG5EJTKVVGFGU9CTRKPI#NIQTKVJOWU 6FKULWW: Passpunkte finden automatisch oder manuell
MehrGrafikformate. digitale Bilddateien. Andre Hoffmann - HS Bremerhaven - SoSe 2005
Grafikformate digitale Bilddateien Andre Hoffmann - HS Bremerhaven - SoSe 2005 Gliederung Allgemeines Gegenüberstellung: Vektor- und Rastergrafiken Grafikformate: Geschichte, Spezifikationen, Kompressionsverfahren,
MehrDiskrete Cosinustransformation (DCT)
Fachbereich Medieninformatik Hochschule Harz Diskrete Cosinustransformation (DCT) Referat Björn Wöldecke 10954 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung / Vorwort... 1. Methoden zur Datenreduktion...
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
MehrIhre Punkt + Sonderp. = Summe Ihre Note:
Hochschule Darmstadt Nachname: Fachbereich Informatik Vorname: Björn Frömmer, Prof. Dr. E. Hergenröther Matr. Nr.: Ihre Punkt + Sonderp. = Summe Ihre Note: Aufgabe : RGB-Farbmodell Punkte: / 6 % Unten
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Wintersemester 2012/13 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Informationen zur Klausur Termin: 21. Februar 2013,
MehrFarbräume. 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
MehrBildtransformationen. Geometrische Transformationen Grauwert-Interpolation
Bildtransformationen Geometrische Transformationen Grauwert-Interpolation Transformation Transformation zwei Schritte geometrische Transformation (Trafo der Koordinaten) Neuberechnung der Pielwerte an
Mehr5 JPEG. 5.1 Bayer Filter. 5.2 Überblick. 5.3 Diskrete Cosinus-Transformation. 5.4 Bildmodell. 5.5 Codierung. 5.6 Übertragungsmodi
5 JPEG Bayer Filter: G01 R02 G03 R04 G05 R06 G07 R08 5.1 Bayer Filter B09 G10 B11 G12 B13 G14 B15 G16 B17 R18 G19 R20 G21 R22 G23 G24 5.2 Überblick B25 B26 B27 G28 B29 G30 B31 G32 5.3 Diskrete Cosinus-Transformation
MehrFortgeschrittene Bildverarbeitung und Analyse
Fortgeschrittene Bildverarbeitung und Analyse Studiengang IEM Inhalt Definition der Bildverarbeitung Verarbeitung-Bearbeitung (Systeme) Grundlagen der Abbildungssysteme Auge, visuelle Wahrnehmung, Kamera,
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
MehrDatenkompression. Vortrag von Markus Durzinsky Student der Otto-von-Guericke-Universität Magdeburg
Vortrag am 25. Januar 200 Werner von Siemens Gymnasium Magdeburg Zeitansatz: 5h (inklusive Programmieraufgaben) Datenkompression Vortrag von Markus Durzinsky Student der Otto-von-Guericke-Universität Magdeburg
MehrDebayeringverfahren. 19. Mai Thomas Noack, Nikolai Kosjar. SE Computational Photography - Debayeringverfahren
Debayeringverfahren Thomas Noack, Nikolai Kosjar 19. Mai 2010 Was bisher geschah... Reduktion der Herstellungskosten durch Einsatz von nur noch einem CCD-Sensor mit Bayer-Filter Problem: Bayer Image Full
MehrDigitale Bildverarbeitung - Rechnerübung 3
Digitale Bildverarbeitung - Rechnerübung 3 1. Khoros Zur Durchführung der Rechnerübung wird das Programmpaket KHOROS mit seiner Benutzerschnittstelle Cantata verwendet. Nach der Anmeldung am Rechner durch
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,
MehrKap.4 JPEG: Bildkompression. Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist.
Kap.4 JPEG: Bildkompression Ziel: Gegeben sind Daten y R N. Bestimme C R N N mit C C T = I, so dass x = C y dünbesetzt ist. Originalbild y (30Kbt) Komprimiertes Bild z y(7kbt) JPEG (Joint Photographic
MehrNavigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester
Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform Thorsten Jost INF-M2 AW1 Sommersemester 2008 Agenda Motivation Feature Detection Beispiele Posenbestimmung in Räumen
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
MehrJPEG - Kompression. Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002
JPEG - Kompression Steffen Grunwald, Christiane Schmidt, Stephan Weck TIT01EGR BA-Mannheim 21. Mai 2002 Inhaltsverzeichnis 1 Entwicklung von JPEG 2 1.1 Was heisst und was ist JPEG?................... 2
MehrGrafikformate: JPG - PNG
Grafikformate: JPG - PNG JPG JPG ist die Kurzform von JPEG (Joint Photographic Experts Group) Das Dateiformat nennt sich eigentlich JFIF (JPEG File Interchange Format) Spezifikation Bezeichnungen JPEG
MehrDIGITALISIERUNG VON BILDERN. Ivana
DIGITALISIERUNG VON BILDERN Ivana WAS IST DIGITALISIERUNG? Begriff aus dem Lateinischen Überprüfung analoger Größen diskrete Werte Produkt = Digitalisat Analoge Speicherung von Informationen auf digitalen
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
MehrR.Wagner, Mathematik in der Astronomie
Mathematik in der Astronomie Roland Wagner Johann Radon Institute for Computational and Applied Mathematics (RICAM) Österreichische Akademie der Wissenschaften (ÖAW) Linz, Austria Linz, 20.Mai 2016 Übersicht
MehrBildformate und Langzeitarchivierung. Lisa Rau
Bildformate und Langzeitarchivierung Lisa Rau Bildformate Quelle: Recommended Data Formats for Preservation Purposes in the Florida Digital Archive TIFF Tagged Image File Format Quasi- Standard für Bilder
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 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
MehrHow To Create A Panorama Image From A Photoelectric Image From An Image From The Camera (I)
Chapter 3 Image Registration Distributed Algorithms for Einführung (I) Definition: Image Registration Gegeben: 2 Bilder der gleichen Szene aber aufgenommen aus unterschiedlichen Perspektiven Gesucht: Transformation,
MehrJPEG, MPEG & Co. Alex Titze Angewandte Informatik FHTW-Berlin
Referat KIM Alex Titze Angewandte Informatik FHTW-Berlin 76900504811 Einleitung JPEG Geschichte & Überblick Komprimierungsablauf Farbformat DCT (Diskrete Cosinus Transformation) Quantisierung Koeffizientenkodierung
MehrVerlustbehaftete Kompression. Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch verlustfreier Modus vorhanden)
MehrBilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)
Grundlagen der digitalen Bildverarbeitung Bilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)... dagegen weniger Fotos
MehrProseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"
Fakultät Informatik, Institut für künstliche Intelligenz, Intelligent Systems Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Lokale Merkmalsdeskriptoren Jens Stormberg - Dresden, 19.06.2009
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
Mehrgeoinformation.net Seite 1 von 18 FernerkundungGeoreferenzierte Bilddaten
geoinformation.net Seite 1 von 18 FernerkundungGeoreferenzierte Bilddaten geoinformation.net Seite 2 von 18 Luftbild Karlsruhe Ausschnitt ca. 1,4 x 1,4 km geoinformation.net Seite 3 von 18 Entzerrung http://www.caf.dlr.de/
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) http://www.imn.htwk-leipzig.de/~schwarz sibylle.schwarz@htwk-leipzig.de
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) http://www.imn.htwk-leipzig.de/~schwarz sibylle.schwarz@htwk-leipzig.de
MehrInhaltsverzeichnis. 1 Hardwaregrundlagen
Inhaltsverzeichnis 1 Hardwaregrundlagen 2.1 Koordinatentransformationen 2.2 Transformationen in der Ebene 2.3 Transformationen im Raum 3 Repräsentation und Modellierung von Objekten 4 Rasterung 5 Visibilität
MehrJ.P.E.G. Standard. J.P.E.G. Eigenschaften. J.P.E.G. System. JPEG Verschlüsselungsschritte. Farbmodell
Inhaltsbasierte Bildsuche J.P.E.G = Joint Photographic Expert Group Informatica Feminale Universität Bremen, Aug. 2005 Maja Temerinac Albert-Ludwigs-Universität Freiburg J.P.E.G. Standard Standard zur
MehrDigitale Bildbearbeitung und Fotografie. Dozenten: Arne Scheffer, Olaf Glaser
Dozenten: Arne Scheffer, Olaf Glaser Wiederholung: Kompression: Einführung zum Verständnis Teil 1: nicht fertig, Teil 2: nicht fertig, Teil 3: nicht fertig, Teil 4: nicht fertig Fortsetzung Teil 2: Teil
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
MehrHauptklausur zur Vorlesung Bildverarbeitung WS 2002/2003
Name:........................................ Vorname:..................................... Matrikelnummer:.............................. Bitte Studiengang ankreuzen: Computervisualistik Informatik Hauptklausur
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
MehrDigitale Fotografie für das Web Wintersemester 2013/2014 MEINF4330
Digitale Fotografie für das Web Wintersemester 2013/2014 MEINF4330 Grundlagen der digitalen Fotografie 05.12.2013 Version 1.0 Digitalisierung zunächst 2^n diskrete Grauwerte 2 3 Workflow 4 Sensoren Typen
MehrBildschirmauflösungen im Vergleich (verkleinert!)
Bildschirmauflösungen im Vergleich (verkleinert!) nun zur Farbtheorie... Die Farbräume RGB CMYK Rot, Grün, Blau addieren sich zu weißem Licht - Additive Lichtmischung Cyan, Magenta, Yellow verschlucken
Mehrcompressed domain image retrieval
Compressed domain image retrieval Christian Ott Seminar Inhaltsbasierte Bildsuche - Universität reiburg - 4. ebruar 25 4. ebruar 25, C.Ott Seite 1 Übersicht 1. Einleitung 2. JPEG 3. Merkmalsextraktion
MehrJPEG Kompression technische Realisierung
Experimentalphysik V 20. Januar 2005 Schema der JPEG Kompression Farbraumkonvertierung RGB YCbCr Subsampling der Farbkomponenten Cb, Cr Zerlegung in Blöcke 8 8 2D Kosinustransformation (DCT) Quantisierung
MehrBilddatenformate BMP GIF JPG. Digitale Bildverarbeitung Liedtke 7.1. Bezeichnung: Microsoft Windows Bitmap, BMP, DIB
Bilddatenformate BMP Bezeichnung: Microsoft Windows Bitmap, BMP, DIB Format: Raster Farben: 1 Bit (s/w), 4 Bit (16 Farben), 8 Bit (256 Farben), 24 Bit (16,7 Mio. Farben) Kompression: Keine (meist) oder
MehrKompressionsverfahren
Kompressionsverfahren Quelle: Steinmetz, Ralf: Multimedia-Technologie: Einführung und Grundlagen, Springer, Verlag Verlustlose Kompressionsalgorithmen RLC Huffman Adaptive Huffman Kodierung Arithmetische
MehrDigital Imaging Einführung
Tutorium Digital Imaging Einführung 7./14. Juli 2004 Martin Stricker martin.stricker@rz.hu-berlin.de Bilder bestehen aus Pixeln Die Maße eines Bildes bestimmen sich aus Breite x Höhe in Pixeln (Auflösung)
MehrEntwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen
Entwicklung einer robusten Methode zur Berechnung von Stereokorrespondenzen Seminar - Wintersemester 2010/2011 Fakultät Technik und Informatik Department Informatik Gregory Föll Übersicht Rückblick Stereo
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
MehrJPEG. Seminar: Kompressionsalgorithmen. Ruslan Ragimov. 5. September 2012
JPEG Seminar: Kompressionsalgorithmen Ruslan Ragimov 5. September 2012 Zusammenfassung Die allgemeinen verlustfreien Verfahren zur Datenkompression können gute Kompressionsraten für verschiedene Dateitypen
MehrBildbearbeitung: Grafikformate II und Farbmodelle
Michael Gieding Bildbearbeitung: Grafikformate II und Farbmodelle Folien zur gleichnamigen Lehrveranstaltung PH-Heidelberg, Sommersemester 2004 Wiederholung Folie 1: Speicherplatzberechnungen Grafikformate
MehrImage Compression. Vorlesung FH-Hagenberg DSB
Image Compression Vorlesung FH-Hagenberg DSB Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz Inhalte Redundanz Loss-less Compression Hufmann Coding Runlength Coding Lossy Compression
MehrScene Reconstruction with Multiple View Geometry
Scene Reconstruction with Multiple View Geometry Anwendungen 2 16.06.2010 Nikolaus Rusitska nikolausrusitska@gmx.de Inhalt Rückblick Techniken Related Work Fazit 1 Rückblick Techniken Related Work Fazit
MehrIst das Bild noch das Bild?
Ist das Bild noch das Bild? Authentizität digitaler Objekte unter Formattransformationen in Kooperation mit dem Thüringischen Hauptstaatsarchiv Veronika Krauß, Arefeh Bahrami Bauhaus-Universität Weimar
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
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
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
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)
MehrStandbildcodierung. Dipl.-Ing. Guido Heising. Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K.
Standbildcodierung Dipl.-Ing. Guido Heising Digitale Videotechnik, SS 02, TFH Berlin, Dipl.-Ing. G. Heising G. Heising, K. Barthel 1 Gliederung der Vorlesung Einführung in die Bildcodierung - verlustlose/verlustbehaftete
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Multimedia für Referate und Präsentationen
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Multimedia für Referate und Präsentationen Das komplette Material finden Sie hier: School-Scout.de Computergrafik Computergrafik umfasst
MehrÜbung zur Vorlesung. Digitale Medien. Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider
Übung zur Vorlesung Digitale Medien Vorlesung: Heinrich Hußmann Übung: Renate Häuslschmid, Hanna Schneider Wintersemester 2015/16 JPEG Kompression 2 JPEG Kompression Konvertierung von 8x8 Bildblöcken in
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
MehrComputergrafik Universität Osnabrück, Henning Wenke,
Computergrafik Universität Osnabrück, Henning Wenke, 2012-05-30 Korrektur: Kugelkoordinaten II r und θ konstant: Rand einer Kreisscheibe parallel zur xy Ebene z θ fest y θ konstant, r R : Kegel, ausgehend
MehrWorkshop Rohdaten-Konversion und Bildbearbeitung. Wonsheim, 14. April 2007 Dr. Dirk Funhoff
Workshop Rohdaten-Konversion und Bildbearbeitung Wonsheim, 14. April 2007 Dr. Dirk Funhoff Gliederung Einführung Vorstellungsrunde Theorie Rohdaten - Grundlagen der Bearbeitung Praxis Rohdaten-Konversion
MehrAjdovic/Mühl Farbmodelle FARBMODELLE
FARBMODELLE Grundlagen: Gegenstände, die von einer Lichtquelle beleuchtet werden, reflektieren und absorbieren jeweils einen Teil des Lichts. Dabei wird das von den Gegenständen reflektierte Licht vom
MehrQualitätskriterien digitaler Bilder im Langzeitarchiv! KOST Veranstaltung in Bern vom Dr. Peter Fornaro
Qualitätskriterien digitaler Bilder im Langzeitarchiv! KOST Veranstaltung in Bern vom 11. 11. 2009 Dr. Peter Fornaro Workflow Aufnahme Nachbearbeitung Archivierung Das Archivieren beginnt bei der Aufnahme!
MehrFARBEN IM INTERNET FARBWERTE, FARBTIEFEN IN DER BILDBEARBEITUNG
FARBEN IM INTERNET FARBWERTE, FARBTIEFEN IN DER BILDBEARBEITUNG Unter dem Begriff Farbtiefe versteht man die Anzahl der pro Pixel zur Verfügung stehenden Bits zur Speicherung der Farbinformationen. Die
MehrBasisinformationstechnologie II
Basisinformationstechnologie II Sommersemester 2015 13. Mai 2015 Algorithmen der Bildverarbeitung I: Kompression Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung Dr. Jan
Mehr