Geometrische Charakterisierung von Objekten und Komponenten in Volumenbildern
|
|
- Johannes Langenberg
- vor 7 Jahren
- Abrufe
Transkript
1 Geometrische Charakterisierung von Objekten und Komponenten in Volumenbildern
2 Geometrische Charakterisierung Katja Schladitz, Fraunhofer ITWM Überblick: 1. Grundlagen: Volumenbilder, diskreter Zusammenhang 2. Charakterisierung von Komponenten 3. Modellbasiert: offenzellige Schäume 4. Charakterisierung von Objekten 5. Weitere Methoden: Spektral- und Kovarianzanalyse, morphologische Methoden, nicht additive Funktionale
3 Ziele der Mikrostrukturanalyse geometrische Charakterisierung für Qualitätssicherung, Auswahl und Vergleich von Materialien Aufbereitung von Bilddaten für die direkte Verwendung in Simulationsrechnungen (makroskopische Materialeigenschaften) Modellanpassung (Parameter werden aus geometrischen Kenngrößen von Komponenten der Mikrostruktur bestimmt, virtuelles Materialdesign) Luftströmung durch Fasermaterial, Strömung, A. Wiegmann, ITWM, Visualisierung C. Lojewski, ITWM, Modellierung: GeoDict Anpassung dreidimensionaler Geometriemodelle, Bestimmung makroskopischer Materialeigenschaften (Permeabilität, Filtration, Festigkeit ) durch numerische Simulation in Modell oder aufbereiteter 3d Aufnahme, Ermittlung der für die gewünschten Eigenschaften optimalen Materialparameter Seite 3
4 Was ist ein 3d/Volumenbild? Ergebnis eines 3d bildgebenden Verfahrens e.g. Computertomographie Laserscanningmikroskopie Nanotomographie (mit AFM oder TEM mit FIB). Grauwerte, bestimmt in den Knoten eines Gitters (hier: kuboidales Gitter ) in einem Beobachtungsfenster sind die Auflösungen in x-, y-, bzw. z-richtung Pixel (Voxel) ist ein Gitterpunkt, Pixelwert der zugewiesene Grauwert Seite 4
5 Typen von Mikrostrukturen homogen Strukturen mit Homogenität bezüglich einiger Bewegungen Systeme von Objekten Seite 5
6 Minkowskifunktionale Volumen V, Oberfläche S, Integral der mittleren Krümmung M, Integral der totalen Krümmung K (Eulerzahl ) Theorem (Hadwiger, 1957): Jedes nichtnegative, bewegungsinvariante, monoton steigende, c-additive Funktional von konvexen Körpern ist eine Linearkombination der Minkowski-Funktionale. Minkowskifunktionale beschreiben nicht alle Eigenschaften von Mikrostrukturen. (Baddeley, Averback, 1983): Beispiel bei gleichen Minkowskifunktionalen aber völlig verschiedener Tortuosität. Abgeleitete Kenngrößen: Formfaktoren Richtungsinformation: Projektionen Seite 6
7 Kenngrößen von Komponenten: Dichten der Minkowskifunktionale Faserfilz, ESRF, Auflösung 7µm Komponente = Ausschnitt aus makroskopisch homogener Struktur (räumlich stationäre zufällige abgeschlossene Menge) Messung der Dichten der Minkowskifunktionale (e.g. Volumenanteil, spezifische Oberfläche) Interpretationsbeispiele: Fasern: (spezifische Faserlänge) isolierte Teilchen: Eulerzahl = Teilchenzahl offenporiger Schaum: mittlere Stegdicke L = V 23.3mm -2. χ =133 Seite 7
8 Croftonsche Schnittformeln Minkowskifunktionale aus Schnitten mit Ebenen (d=2), Geraden (d=1), Punkten (d=0). Bestimmung der Minkowskifunktionale durch Integration über alle Positionen der Schnittobjekte: Volumen aus Flächeninhalt ebener Schnitte oder Länge linearer Schnitte oder überdeckten Punkten Oberflächeninhalt aus Umfang ebener Schnitte, gemittelt über alle Schnittrichtungen Anzahl der Schnittsegmente mit Geraden, gemittelt über alle Schnittrichtungen Integral der mittleren Krümmung aus Anzahl der Schnittflächen mit Ebenen, gemittelt über alle Schnittrichtungen Seite 8
9 Diskretisierung der Croftonschen Schnittformeln Minkowskifunktionale aus Schnitten mit 1- oder 2-dimensionalen Untergittern oder Gitterpunkten. Bestimmung der Minkowskifunktionale durch Zählen der Schnittobjekte: Volumen aus Anzahl der überdeckten Gitterpunkte Oberflächeninhalt aus Eulerzahl in 1-dimensionalen Untergittern, gemittelt über alle 13 diskreten Richtungen Integral der mittleren Krümmung aus Eulerzahl in 2-dimensionalen Untergittern, gemittelt über alle 13 diskreten Richtungen Entscheidende Aufgabe: korrekte und effiziente Bestimmung der Eulerzahl in Untergittern (teilweise nicht regulär) Seite 9
10 Diskreter Zusammenhang in 3d (1) Diskreter Zusammenhang (Nachbarschaft) gibt an, wie Pixel miteinander verbunden sind (Kanten, Wege, Zusammenhangskomponenten). 2d: 4, 6.1, 6.2 und 8 Nachbarschaft vollständig unter schwachen Voraussetzungen Konsistenz (Jordanscher Kurvensatz bzw. Schätzung der Eulerzahl, d.h. Eulerzahl Vordergrund=-Eulerzahl Hintergrund) für (4,8), (6.1,6.1), (6.2,6.2), (8,4) 3d: ungelöst, Beschreibung nicht eindeutig Konsistenz (Jordanscher Oberflächensatz) für (6,26), (6,18), (26,6), (18,6) Seite 10
11 Diskreter Zusammenhang in 3d (2) 14.1 Konsistenz (Schätzung der Eulerzahl, d.h. Eulerzahl Vordergrund=Eulerzahl Hintergrund) für (6,26), (26,6) Problem: starke Asymmetrie Nachbarschaftssystem System von k-seiten, k=0,...,3 (Zerlegung der Einheitszelle oder Superposition...) 14.2 Diskretisierung einer deterministischen oder zufälligen abgeschlossenen Menge X: Vereinigung aller k-seiten des Nachbarschaftssystems, deren Ecken in X liegen (14.1,14.1) und (14.2,14.2) erlauben konsistente Schätzung der Eulerzahl Seite 11
12 Approximation der Eulerzahl mit Hilfe der Euler-Poincaré-Formel Eulerzahl in 3d: #Zusammenhangskomponenten-#Tunnel+#Löcher Polykonvexe Menge: Eulerzahl = #Knoten-#Kanten+#Flächen-#Zellen Idee: Bestimme lokale Eulerzahl, Randkorrektur durch Gewichte, Eulerzahl = Summe der lokalen Konsistenz: Eulerzahl von X, diskretisiert bzgl. F = Eulerzahl Komplement, diskretisiert bzgl. des komplementären Nachbarschaftssystems (6,26), (26,6) komplementär in diesem Sinne; 14.1, 14.2 selbstkomplementär Aber: Qualität der Schätzer wächst nicht mit Auflösung, falls die Struktur zu fein ist Seite 12
13 Effiziente Bestimmung der Minkowskifunktionale Faltung des binären Bildes mit der Filtermaske. Grauwerthistogramm des resultierenden Grauwertbildes ergibt den Vektor h der absoluten Frequenzen lokaler 2x2x2 Konfigurationen. Die Länge von h ist unabhängig von Bildgröße und -inhalt. Funktionale ergeben sich aus Multiplikation mit geeigneten Vektoren von Gewichten (unabhängig vom Bild, nur von gewähltem Zusammenhang und gewünschtem Funktional). Idee: (Lang, Ohser, Hilfer 1999). Seite 13
14 Konnektivität in Sintermaterial Anzahl der Sinterhälse pro Sinterkugel? Beispiel: 3 Kugeln (Eulerzahl 3), durch 3 Hälse zum Torus verbunden (Eulerzahl 0), 2=2(3-0)/3 Sinterkupfer, Bundesanstalt für Materialprüfung, Auflösung 14µm Eulerzahl im Original: -121 Eulerzahl nach Trennung der Kugeln durch Erosion: 133 Ergebnis: 2[133-(-121)]/133=3.82 Seite 14
15 Analyse von Fasermaterial spezifische Faserlänge Richtungsinformation ist enthalten in den verallgemeinerten Projektionen bei Berechnung des Integrals der mittleren Krümmung Richtungsverteilung -- Verteilung der Richtung im typischen Faserpunkt Faserfilz, European Synchrotron Radiation Facility (ESRF), Auflösung 7µm, Phasenkontrastmethode Seite 15
16 Analyse einer inhomogenen Struktur Seite 16
17 Modellbasierte Analyse: offenzellige Schäume Vermessung des Stegsystems: Messung der Minkowski-Funktionale, Ableitung von Charakteristika des Stegsystems Modellbasierte Berechnung von Charakteristika des Poren/Zellsystems (z.b. mittlere Zellengröße, ppi (pores per inch)) Seite 17
18 Offenzellige Schäume: Charakteristika des Stegsystems Beispiel Nickelschaum Gemessene Dichten der Minkowski-Funktionale: Porosität: Stegdichte (Gesamtlänge der Stege pro Volumeneinheit): mittlere Stegdicke: mittlere Querschnittsfläche der Stege: Seite 18
19 Offenzellige Schäume: Kantensystem eines Mosaiks Mosaik -- Zerlegung des Raums in Zellen Modelle für offenzellige Schäume sollten makroskopisch homogen aber mikroskopisch heterogen sein, überwiegend 5- eckige Seitenflächen haben und analytisch beschreibbar sein. Zufällige Voronoi-Mosaike: Zellen wachsen gleichmäßig von Zentren aus, Wachstum endet bei Zusammenstoß Poisson-Voronoi: Zentren unabhängig gleichverteilt Hard-core-Voronoi: Zentren haben Mindestabstand R Seite 19
20 Offenzellige Schäume: Deterministische Mosaike Wunsch: Mosaik aus (regelmäßigen) Dodekaedern Problem: pentagonale Dodekaeder nicht raumfüllend Alternativen: Kelvin Schaum identische Zellen (beschnittene Oktaeder) Weaire-Phelan-Model - 2 Zelltypen: pentagonale Dodekaeder und 14-Flächner mit 2 sechseckigen und 12 fünfeckigen Seiten, Verhältnis 2:6 Eine Variante des Weaire-Phelan-Modells mit leicht gekrümmten Seitenflächen ist die derzeit beste Lösung für das Kelvin-Problem minimale Oberfläche bei gleichem Zellvolumen. Bilder Weaire-Phelan-Modell: Ken Brakke, Seite 20
21 Offenzellige Schäume: Messergebnisse unter Modellannahmen Beispiel: Nickelschaum, Weiare-Phelan-Modell, Werte in Klammern Poisson-Voronoi- Mosaik mittlere Anzahl von Zellen pro Volumeneinheit mittleres Zellvolumen ppi (pores per inch)-wert mittlerer Zelldurchmesser mittlerer Durchmesser der Seitenflächen mittlere Fläche der Seitenflächen Seite 21
22 Was sind Objekte? Mathematisch: kompakte, zusammenhängende Menge Bildanalytisch: pfadzusammenhängend, endlich Beispiele: Poren, Zellen, Fasern, Risse, Lunker Seite 22
23 Korundeinschlüsse in Feuerbeton Größen- und Formverteilung der Korundeinschlüsse in Feuerbeton Vorher: Trennung der Aluminaeinschlüsse durch Kombination von Euklidischer Distanztransformation und Wasserscheidentransformation Feuerbeton mit Aluminaeinschlüssen, TU Freiberg, XCT Fraunhofer IZFP, Saarbrücken Seite 23
24 Zellgrößen in offenzelligem Schaum Seite 24
25 Problem: Randeffekte Randobjekte können nicht korrekt vermessen werden. Ausweg: Entfernen aller Randobjekte Effekt: Größenverzerrte Auswahl (Randobjekte sind größer ) Ausweg: Gewicht Seite 25
26 Formfaktoren isoperimetrische Formfaktoren: 1 für Kugel, je näher an 0 desto weniger kugelig Konvexität: Verhältnis der Volumina des Objekts und seiner konvexen Hülle Exzentrizität: Verhältnis von minimalem zu maximalem Durchmesser Seite 26
27 Formfaktoren: Beispiele Seite 27
28 Formanalyse: Poren in Keramikkörnern Seite 28
29 Weitere Analysemethoden Spektral- und Kovarianzanalyse morphologische Methoden nichtadditive Funktionale Seite 29
30 Morphologische Methoden: Sphärische Kontaktverteilung Verteilung des Abstands von zufälligem Punkt außerhalb der Struktur zur Struktur Beschreibt gut Regularität des Porenraums Sehr sensitiv bzgl. Rauschen Seite 30
31 Morphologische Methoden: Granulometrieverteilung Verteilung des Radius der größten überdeckenden Kugel (Struktur: local scaffold thickness, Porenraum: local pore size) Algorithmus: naiv - Öffnung mit wachsenden strukturierenden Elementen effizient suche Zentren maximaler Kugeln auf Gratlinie der EDT Seite 31
32 Nicht additive Funktionale Geometrische Tortuosität: Verhältnis von Länge der diskreten Wege im Porenraum zu Probenkantenlänge Perkolation: Volumenanteil der für Kugeln wachsender Größe durchlässigen Bereiche des Porenraums Richtungsverteilung x- und y- Richtung z-richtung isotrop leicht anisotrop stark anisotrop Problem: Ergebnis abhängig von Probengröße Seite 32
33 Korrelationsanalyse: Poren und Treibmittel in Aluminiumschaum Lösungen: 1. Korrelation (Kovarianzen): 2. Distanzmethode: Dilatation des Porenraums, Bestimmung des Volumenanteils (TiH2) in der Matrix Geschlossenzelliger Al-Schum, frühes Stadium, ESRF Seite 33
34 Beiträge von Joachim Ohser, Martin Braun, Michael Godehardt, Falco Hirschenberger, Karsten Koch, Claudia Lautensack, Werner Nagel, Stefanie Peters, Marius Renn, Kai Sandfort, Helmut Seibert, Axel Springhoff, Tetyana Sych, Katharina Unverzagt, Björn Wagner Seite 34
Geometrische Charakterisierung von Mikrostrukturen in Volumenbildern
Geometrische Charakterisierung von Mikrostrukturen in Volumenbildern Ziele der Mikrostrukturanalyse geometrische Charakterisierung für - Qualitätssicherung - Auswahl und Vergleich von Materialien Aufbereitung
MehrVerarbeitung von Volumenbildern wichtige Werkzeuge
Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen
MehrInnere Volumina und Integralgeometrie
16.11.2009 1 2 3 b(o, r) bezeichne die Kugel um den Ursprung mit Radius r b(o, r) bezeichne die Kugel um den Ursprung mit Radius r Spiegelung: Ǎ = A = { x : x A}, für A R d falls Ǎ = A heißt A symmetrisch
MehrMarkierte Punktprozesse und zufällige Tesselationen
und zufällige Tesselationen Seminar stochastische Geometrie und ihre Anwendungen 7. Dezember 2009 und zufällige Tesselationen Gliederung 1 2 3 und zufällige Tesselationen Gliederung 1 2 3 und zufällige
MehrIntegralgeometrie und Stereologie
Integralgeometrie und Stereologie Hans Friedrich April 2010 1/ 31 Integralgeometrie und Stereologie Hans Friedrich April 2010 Übersicht Grundlagen aus der Integralgeometrie Übergang zur Stereologie Stereologie
MehrSegmentierung von Faserstrukturen in tomographischen Aufnahmen. Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern
Segmentierung von Faserstrukturen in tomographischen Aufnahmen Workshop Analyse der Mikrostruktur von Faserverbundwerkstoffen in Volumenbildern Oliver Wirjadi Frankfurt, 7.03.007 Bildquelle: Institut für
MehrAlois Fichtl, Julius Vogelbacher 10. Juni Voronoi und Johnson-Mehl Mosaike
Alois Fichtl, Julius Vogelbacher 10. Juni 2008 Voronoi und Johnson-Mehl Mosaike Seite 2 Voronoi- und Johnson-Mehl-Mosaike Alois Fichtl, Julius Vogelbacher 10. Juni 2008 Inhaltsverzeichnis Einführung Mosaike
MehrInnere Volumina und Integralgeometrie
Seminar Stochastische Geometrie und ihre Anwendungen" 19. November 2009 Inhaltsverzeichnis Grundlagen Mengenoperationen Digitale Bildbearbeitung Die Hausdor-Metrik Mengenoperationen Spiegelung\Translation
MehrComputersimulation der Tiefenfiltration durch Vliesstoffe
Computersimulation der Tiefenfiltration durch Vliesstoffe Andreas Wiegmann, PhD (Univ. of Washington) Dipl. Math. Stefan Rief Priv. Doz. Dr. Arnulf Latz Virtuelles (Filter-) Material- und Prozessdesign
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 Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrDas Boolesche Modell
mit konvexen Körnern 3.12.2009 mit konvexen Körnern Ziele des heutigen Seminars: ist sehr anwendungsbezogen. Daher ist unser Ziel, am Ende die folgenden statistischen Fragen zu beantworten: Wann ist das
MehrRRL GO- KMK EPA Mathematik. Ulf-Hermann KRÜGER Fachberater für Mathematik bei der Landesschulbehörde, Abteilung Hannover
RRL GO- KMK EPA Mathematik Jahrgang 11 Propädeutischer Grenzwertbegriff Rekursion /Iteration Ableitung Ableitungsfunktion von Ganzrationalen Funktionen bis 4. Grades x 1/(ax+b) x sin(ax+b) Regeln zur Berechnung
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
MehrEinführung und geometrische Grundlagen
31. Oktober 2005 Vortrag zum Seminar Bildsegmentierung und Computer Vision Übersicht 1 2 3 Abstandsfunktionen Beispiele Mit Bildsegmentierung bezeichnet man die Zerlegung der Bildebene in sinnvolle Teilbereiche.
MehrVorlesung 7 GRAPHBASIERTE BILDSEGMENTIERUNG
Vorlesung 7 GRAPHBASIERTE BILDSEGMENTIERUNG 195 Bildsegmentierung! Aufgabe: Bestimme inhaltlich zusammenhängende, homogene Bereiche eines Bildes! Weit verbreitetes Problem in der Bildverarbeitung! Viele
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 4. Teil Finite-Volumen-Methode
MehrJurij-Andrei Reichenecker 21. Juni Tessellationen
Jurij-Andrei Reichenecker 21. Juni 2010 Tessellationen Seite 2 Tessellationen 21. Juni 2010 Jurij-Andrei Reichenecker Inhalt Einführung Voronoi Tessellation Algorithmus zur Erstellung von Voronoi Tessellationen
MehrCharakterisierung und Optimierung von Dämmstoffen durch die Kombination von zfp-verfahren und Werkstoffsimulation
DACH-Jahrestagung 2008 in St.Gallen - Poster 15 Charakterisierung und Optimierung von Dämmstoffen durch die Kombination von zfp-verfahren und Werkstoffsimulation Martin SPIES, Heiko ANDRÄ, Hans RIEDER,
MehrInhalt. Einführung. Deterministische Mosaike. Zufällige Mosaike. Mathematische Analyse. Statistik. Schluss
Zufällige Mosaike: Eine Einführung Zhanlong Tao, Tobias Krejci 27.05.2008 Seite 2 Zufällige Mosaike 27.05.2008 Zhanlong Tao, Tobias Krejci Einführung Inhalt Einführung Deterministische Mosaike Zufällige
MehrÜbungsklausur Computerorientierte Mathematik I
Prof. Dr. Frank Noé Dr. Christoph Wehmeyer Tutoren: Katharina Colditz; Anna Dittus; Felix Mann; Christopher Pütz Übungsklausur Computerorientierte Mathematik I Aufgabe 1 (Matlab-Code, 7P): Welcher Algorithmus
MehrEinfluss mikrostruktureller Inhomogenitäten auf das mechanische Verhalten von thermoplastischem CFK
DLR.de Folie 1 Werkstoff-Kolloquium 2014 Hybride Werkstoffe und Strukturen für die Luftfahrt 2. Dezember 2014, DLR Köln Einfluss mikrostruktureller Inhomogenitäten auf das mechanische Verhalten von thermoplastischem
MehrPartikelcharakterisierung in 3D
Partikelcharakterisierung in 3D Irene Vecchio 1, Markus Heneka 2, Katja Schladitz 1 1 Fraunhofer-Institut für Techno- und Wirtschaftsmathematik, Kaiserslautern, Deutschland, e-mail: {irene.vecchio,katja.schladitz}@itwm.fraunhofer.de
MehrDas Boolesche Modell. Olaf Wied. November 30, 2009
November 30, 2009 Inhalt 1. Einführung und Definition 2. Eigenschaften 3. Modell mit konvexen Körnern 4. Statistiken und Anwendung in R Keim - Korn Modell Punkte im R d um jeden Punkt: beliebige, kompakte
MehrDas Matching Polytop
Das Matching Polytop Manuel Schneider Institut für Mathematik, TU Berlin Seminar: Algorithmische Diskrete Mathematik 27. Mai 2008 Überblick 1 Beschreibungen durch Ungleichungen Das Perfekte Matching Polytop
MehrÜber die regelmäßigen Platonischen Körper
Hermann König, Mathematisches Seminar Studieninformationstage an der Universität Kiel Über die regelmäßigen Platonischen Körper Winkelsumme im n-eck Zerlegung eines ebenen n-ecks in (n-2) Dreiecke, oben
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
MehrPG 471: Beyond Graphics. Strömungssimulation in der GPU
Strömungssimulation in der GPU Betreuer: Claus-Peter Alberts, LS VII Dominik Göddeke, LS III (Mathematik) Normale Nutzung von Grafikkarten Normale Nutzung von Grafikkarten STATTDESSEN: GPGPU! Anwendungsfall:
MehrDiskrete Mathematik Graphentheorie (Übersicht)
Diskrete Mathematik Graphentheorie (Übersicht) Dr. C. Löh 2. Februar 2010 0 Graphentheorie Grundlagen Definition (Graph, gerichteter Graph). Ein Graph ist ein Paar G = (V, E), wobei V eine Menge ist (die
MehrWie druckt man eine Mannigfaltigkeit? Über die Topologie des 3D-Drucks
Wie druckt man eine Mannigfaltigkeit? Über die Topologie des 3D-Drucks MNU-Landestagung. 02/2016. Regensburg Clara Löh Fakultät für Mathematik. Universität Regensburg Überblick Ziele Verständnis des Grundprinzip
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
Mehrf h c 7 a 1 b 1 g 2 2 d
) Man bestimme mit Hilfe des Dijkstra-Algorithmus einen kürzesten Weg von a nach h: c 7 a b f 5 h 3 4 5 i e 6 g 2 2 d Beim Dijkstra-Algorithmus wird in jedem Schritt von den noch unmarkierten Knoten jener
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
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
Mehr2.4A. Reguläre Polyeder (Platonische Körper)
.A. Reguläre Polyeder (Platonische Körper) Wie schon in der Antike bekannt war, gibt es genau fünf konvexe reguläre Polyeder, d.h. solche, die von lauter kongruenten regelmäßigen Vielecken begrenzt sind:
MehrOberflächenrepräsentationen Kontinuierliche Kurven Bezier-Kurven. Freiformflächen. Diskret
Oberflächenrepräsentationen Kontinuierliche Kurven Bezier-Kurven Thomas Jung Freiformflächen NURBS Die Modellierung von Objekten erfordert die geeignete Repräsentation der Oberfläche Je nach Anforderung
MehrLernmodul 2 Modelle des Raumes
Folie 1 von 21 Lernmodul 2 Modelle des Raumes Bildnachweis: www. tagesschau.de Folie 2 von 21 Modelle des Raumes Übersicht Motivation Was ist Raum? Formalismus und Invarianz Metrischer Raum/Euklidischer
Mehr2.4 Verallgemeinerte Ungleichungen
2.4 Verallgemeinerte Ungleichungen 2.4.1 Eigentliche Kegel und verallgemeinerte Ungleichungen Ein Kegel K R heißt eigentlicher Kegel, wenn er die folgenden Bedingungen erfüllt: K ist konvex K ist abgeschlossen
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrLernstraße zum Thema geometrische Körper. Vorbemerkungen. Liebe 10 a, nun sämtliche Arbeitsblätter; aufgrund einer Erkrankung
Vorbemerkungen 02.06.2011 Liebe, nun sämtliche Arbeitsblätter; aufgrund einer Erkrankung meiner Kinder am Wochenende etwas später und aufgrund einer Bemerkung von Arian in der letzten Stunde etwas kürzer.
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
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
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
MehrSeminar stochastische Geometrie. 25. Januar Faserprozesse im R 2. Simona Renner. Faserprozesse. Kenngrößen Intensität Richtungsrose
Seminar stochastische Geometrie 25. Januar 2010 Contents 1 2 3 4 5 Definitionen Faser: glatte Kurve endlicher Länge in der Ebene Faser γ ist das Bild der Kurve γ(t) = (γ 1 (t), γ 2 (t)) mit (i) γ : [0,
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
MehrInhaltsverzeichnis. A Analysis... 9
Inhaltsverzeichnis A Analysis... 9 1 Funktionale Zusammenhänge Wiederholung und Erweiterungen... 11 Rückblick... 11 1.1 Ganzrationale Funktionen... 14 1.2 Grenzwert einer Funktion f an einer Stelle x 0...
MehrPolyeder, Konvexität, Platonische und archimedische Körper
Unter einem Polyeder verstehen wir einen zusammenhängenden Teil des dreidimensionalen Raumes der durch Polygone begrenzt wird. Seine Oberfläche besteht also aus Punkten (Ecken genannt), Strecken (Kanten
MehrFinite Elemente Modellierung
Finite Elemente Modellierung Modellerstellung Diskretisierung des Kontinuums Methode der Finite Elemente Anwendungsbeispiele der FEM Zugstab: Kraftmethode Zugstab: Energiemethode Zugstab: Ansatzfunktion
MehrRaum- und Flächenmessung bei Körpern
Raum- und Flächenmessung bei Körpern Prismen Ein Prisma ist ein Körper, dessen Grund- und Deckfläche kongruente Vielecke sind und dessen Seitenflächen Parallelogramme sind. Ist der Winkel zwischen Grund-
MehrStatistik I für Betriebswirte Vorlesung 4
Statistik I für Betriebswirte Vorlesung 4 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 25. April 2016 Prof. Dr. Hans-Jörg Starkloff Statistik I für Betriebswirte Vorlesung
MehrDarstellungsarten für 3D-Körper. Boundary Representation (BRep):
Darstellungsarten für 3D-Körper Boundary Representation (BRep): Darstellung eines (verallgemeinerten) Polyeders durch das System seiner Ecken, Kanten und Facetten Abspeichern durch (Teilgraphen des) vef-graphen
MehrFinite Element Approximation auf der Basis geometrischer Zellen
Finite Element Approximation auf der Basis geometrischer Zellen Peter Milbradt, Axel Schwöppe Institut für Bauinformatik, Universität Hannover Die Methode der Finiten Elemente ist ein numerisches Verfahren
MehrWärmeleitfähigkeitsbestimmung in nicht durchströmten Metallschäumen
Institutsname Wärmeleitfähigkeitsbestimmung in nicht durchströmten Metallschäumen Die Arbeit wird in Kooperation mit dem Fraunhofer Institut für Fertigungstechnik und Angewandte Materialforschung IFAM
MehrModellierung und Simulation der Schallabsorption verschmutzter offenporiger Fahrbahnbeläge
Lehrstuhl für Straßenplanung und Straßenbau Modellierung und Simulation der Schallabsorption verschmutzter offenporiger Fahrbahnbeläge 2. Dresdner Asphalttage 09.12.2012 Prof. Dr.-Ing. W. Ressel Dipl.-Ing.
MehrDocken von Proteinen. Timo von Oertzen St. Johann, September 2002
Docken von Proteinen Timo von Oertzen St. Johann, September 2002 Das Dock - Problem Schlecht...... ganz schlecht... Gut! Das Dock - Problem Das Dock Problem ist die Suche nach der energetischen günstigsten
MehrTomographische Analyse der Schädigungsentwicklung bei der Ermüdung eines partikelverstärkten Al-Matrix-Verbundwerkstoffes
Tomographische Analyse der Schädigungsentwicklung bei der Ermüdung eines partikelverstärkten Al-Matrix-Verbundwerkstoffes D. Tolnai 1, A. Borbély 2, H. Biermann 3 1 Eötvös Loránd Universität, Physikalisches
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
Mehr8. Modelle für feste Körper
8. Modelle für feste Körper Modell: Abbild der Realität, welches bestimmte Aspekte der Realität repräsentiert (und andere ausblendet) mathematische Modelle symbolische Modelle Datenmodelle Experimentalmodelle
Mehr1 Einleitung. Alexandra Velichko 1, Michael Engstler 1, Peter Leibenguth, Frank Mücklich 1
FIB-Tomografie für die 3D Charakterisierung von komplexen Mikrostrukturen am Beispiel der quantitativen Untersuchungen von Graphitkeimbildung und Wachstumsmorphologie Alexandra Velichko 1, Michael Engstler
Mehr= n (n 1) 2 dies beruht auf der Auswahl einer zweielementigen Teilmenge aus V = n. Als Folge ergibt sich, dass ein einfacher Graph maximal ( n E = 2
1 Graphen Definition: Ein Graph G = (V,E) setzt sich aus einer Knotenmenge V und einer (Multi)Menge E V V, die als Kantenmenge bezeichnet wird, zusammen. Falls E symmetrisch ist, d.h.( u,v V)[(u,v) E (v,u)
MehrStoffverteilungsplan Sek II
Klasse 11 (3-stündig) Stoffverteilungsplan Sek II Analysis - Differenzialrechnung Inhalte Hinweise Schulbuch Funktionen - Begriff der Funktion 12-15 - Symmetrien 22-24 - Verhalten im Unendlichen 20-21
MehrKollisionserkennung
1 Kollisionserkennung von Jens Schedel, Christoph Forman und Philipp Baumgärtel 2 1. Einleitung Wozu wird Kollisionserkennung benötigt? 3 - für Computergraphik 4 - für Simulationen 5 - für Wegeplanung
MehrRechnerische Ermittlung des Zusammenhangs zwischen Sendeleistung und SAR-Wert. M. Schick. EM Software & Systems GmbH, Böblingen, Germany
Rechnerische Ermittlung des Zusammenhangs zwischen Sendeleistung und SAR-Wert M. Schick EM Software & Systems GmbH, Böblingen, Germany, Neuherberg, Übersicht Anwendungsbeispiele aus der Praxis Voruntersuchung
MehrCell Decomposition & Potential Field
Seminar EXRPR Cell Decomposition & Potential Field Gruppe 2: Thomas Janu Martin Koch Adrian J. Merkl Matthias Schneider Cell Decomposition & Potential Field 20.06.2005 Gruppe 2 Gliederung (1) 1.Cell Decomposition
MehrVorlage für das Schulcurriculum Qualifikationsphase
Vorlage für das Schulcurriculum Qualifikationsphase Grundkurs/grundlegendes Anforderungsniveau Kompetenzen/ Fähigkeiten L1 Leitidee: Algorithmus und Zahl - lösen lineare Gleichungssysteme mithilfe digitaler
MehrA Bildsequenzen zur Evaluation
A Bildsequenzen zur Evaluation A.1 Bildsequenz 2D-Verpackungskarton (a) Bild 1 (b) Bild 16 (c) Bild 31 (d) Bild 42 (e) Bild 79 (f) Bild 122 (g) Bild 182 (h) Bild 224 Abbildung A.1: Acht Beispielbilder
MehrFlächeninhalt, Volumen und Integral
Flächeninhalt, Volumen und Integral Prof. Herbert Koch Mathematisches Institut - Universität Bonn Schülerwoche 211 Hausdorff Center for Mathematics Donnerstag, der 8. September 211 Inhaltsverzeichnis 1
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
MehrStatistische Methoden in den Umweltwissenschaften
Statistische Methoden in den Umweltwissenschaften Korrelationsanalysen Kreuztabellen und χ²-test Themen Korrelation oder Lineare Regression? Korrelationsanalysen - Pearson, Spearman-Rang, Kendall s Tau
MehrStatistik für Ingenieure Vorlesung 3
Statistik für Ingenieure Vorlesung 3 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 14. November 2017 3. Zufallsgrößen 3.1 Zufallsgrößen und ihre Verteilung Häufig sind
MehrMit e 0 für alle x IR ergeben sich aus 2 x+ x = 0 die Nullstellen 0 und 2. 2 b) Ableitung mit der Produktregel und Ausklammern der e-funktion 3
Aufgaben aus dem Aufgabenpool. Analysis A_ Gegeben ist die Funktion f mit x f(x) = e ( x + x ) (x IR). a) Bestimmen Sie die Nullstellen der Funktion f. ( ) x b) Zeigen Sie, dass die Funktion F mit F(x)
MehrFormen der roten Blutkörperchen
Seminarvortrag Hydrodynamik des Blutes Theoretische Physik Ib 22.05.2014 Inhaltsverzeichnis 1 Rote Blutkörperchen - Vorkommen und Funktion 2 3 4 Was sind rote Blutkörperchen? Rote Blutkörperchen (griech.
MehrStatistik für Ingenieure Vorlesung 6
Statistik für Ingenieure Vorlesung 6 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 05. Dezember 2017 3.4.3 Stetige Gleichverteilung Parameter: Intervall [a, b] R. Zufallsgröße
MehrTheoretische Biophysik - Statistische Physik
Theoretische Biophysik - Statistische Physik 10. Vorlesung Pawel Romanczuk Wintersemester 2018 http://lab.romanczuk.de/teaching/ 1 Brownsche Bewegung Zusammenfassung letzte VL Formulierung über Newtonsche
MehrMessen auf Voxeldaten, Punktwolken, Polygonnetzen
Messen auf Voxeldaten, Punktwolken, Polygonnetzen Martin Kronig, kronig@volumegraphics.com Volume Graphics GmbH Volume Graphics > Weltweit Anbieter für industrielle CT- Datenvisualisierung, -analyse und
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
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
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
MehrDef. 1.1: Graph, Knoten, Kanten, adjazent. Notwendige Bedingungen für Isomorphie. Das 3-Brunnen Problem, der vollständige bipartite Graph K 3,3
Stand: 27. Januar 2004 1. Kapitel: Was ist ein Graph? Beispiel: Mannschafts-Wettkämpfe Def. 1.1: Graph, Knoten, Kanten, adjazent Nullgraphen, vollständige Graphen K n, komplementäre Graphen Isomorphie
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
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
Mehr46 Der Satz von Fubini
46 Der Satz von Fubini 227 46 Der Satz von Fubini Die Berechnung des n-dimensionalen Integrals einer Funktion f L (R n ) kann auf die eindimensionaler Integrale zurückgeführt werden. Dazu werden für R
MehrGeometrie und Zufall
Geometrie und Zufall Evgueni Spodarev Tag der Mathematik, 12. März 2005 p.1 Inhalt Was ist Zufall? Was ist stochastische Geometrie? Geometrische Wahrscheinlichkeiten Buffonsches Nadelproblem Paradoxon
MehrStatistik für Ingenieure Vorlesung 2
Statistik für Ingenieure Vorlesung 2 Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik 24. Oktober 2016 2.4 Bedingte Wahrscheinlichkeiten Häufig ist es nützlich, Bedingungen
MehrSerie 3. z = f(x, y) = 9 (x 2) 2 (y 3) 2 z 2 = 9 (x 2) 2 (y 3) 2, z 0 9 = (x 2) 2 + (y 3) 2 + z 2, z 0.
Analysis D-BAUG Dr Cornelia Busch FS 2016 Serie 3 1 a) Zeigen Sie, dass der Graph von f(x, y) = 9 (x 2) 2 (y 3) 2 eine Halbkugel beschreibt und bestimmen Sie ihren Radius und ihr Zentrum z = f(x, y) =
MehrStochastische Geometrie und ihre Anwendungen Thema: Faserprozesse
Stochastische Geometrie und ihre Anwendungen Thema: Faserprozesse Universität Ulm Degang Kong 8.01.010 1 Inhaltsverzeichnis 1. Ungerichtete Linienprozesse als Faserprozesse. Planare Faserprozesse.1 Grundlagen.
MehrÜbungen zur Vorlesung Lineare Algebra
Übungen zur Vorlesung Lineare Algebra Institut für Reine Mathematik WS 2009/10 & SS 2010 Kapitel 1. Vektorräume Was ist ein Vektorraum? Sei X und K ein Körper. Wie macht man Abb (X, K) zu einem K -Vektorraum?
Mehr16. Platonische Körper kombinatorisch
16. Platonische Körper kombinatorisch Ein Würfel zeigt uns, daß es Polyeder gibt, wo in jeder Ecke gleich viele Kanten zusammenlaufen, und jede Fläche von gleich vielen Kanten berandet wird. Das Tetraeder
MehrHolomorphe Funktionen
1 Kapitel 1 Holomorphe Funktionen 1 Komplexe Differenzierbarkeit Ist z = (z 1,..., z n ) ein Element des C n und z ν = x ν + i y ν, so können wir auch schreiben: z = x + i y, mit x = (x 1,..., x n ) und
Mehr7 Zufallszahlen, Simulation
7 Zufallszahlen, Simulation Es ist nützlich, Folgen von i.i.d. R[0, 1]-verteilten Zufallszahlen auf einem Rechner erzeugen zu können vgl. Simulation, Monte-Carlo-Verfahren). Letztere sind i.a. keine echten
MehrWS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch
Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen
MehrModellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
Mehr12. Flächenrekonstruktion aus 3D-Punktwolken und generalisierte Voronoi-Diagramme
12. Flächenrekonstruktion aus 3D-Punktwolken und generalisierte Voronoi-Diagramme (Einfache) Voronoi-Diagramme: Motivation: gegeben: Raum R, darin Menge S von Objekten Frage nach Zerlegung von R in "Einflusszonen"
MehrDarstellung dreidimensionaler Figuren in der Ebene. Schrägbild
Mathematik Bl Darstellung dreidimensionaler Figuren in der Ebene Schrägbild Das Bild bei einer schrägen Parallelprojektion heisst Schrägbild und wird durch folgende Merkmale bestimmt: - Zur Zeichenebene
MehrStatistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen
Statistische Analyseverfahren Abschnitt 2: Zufallsvektoren und mehrdimensionale Verteilungen Prof. Dr. Hans-Jörg Starkloff TU Bergakademie Freiberg Institut für Stochastik Oktober 2018 Prof. Dr. Hans-Jörg
MehrMuster für einen Studienbericht (in Auszügen) im Fach Mathematik LK 1. Prüfungsteil Name:
Muster für einen Studienbericht (in Auszügen) im Fach Mathematik LK 1. Prüfungsteil Name: Zur Vorbereitung verwendetes Hilfsmittel GTR (Modell und Typbezeichnung sind vom Bewerber anzugeben. ) (Modell
Mehr