Bildbearbeitung: automatische Eigenschaftserkennung versus visuelle Beurteilung

Transkript

1 DACH-Jahrestagung 2012 in Graz - Di.3.C.2 DACH-Jahrestagung, Sept. 2012, Graz BAM Bundesanstalt für Materialforschung und -prüfung Bildbearbeitung: automatische Eigenschaftserkennung versus visuelle Beurteilung Kurt Osterloh, Uwe Zscherpel, Uwe Ewert 1 Inhalt das Problem (Einführung) Herangehensweise und Lösungen Kontrastanpassung (visuell) Filterung in der Frequenzdomäne (Wahl des Filters? Parameter?) Bildfilterung automatische Filteranpassung (der Bildinhalt entscheidet selbst) Beseitigung störender Stellen (visuell kaum zu bewältigen) abschließende Bemerkung Lizenz: 1 2

2 Sinn und Zweck Verbesserung der Bilderkennung: Nachverfolgung von Strukturen durch helle und dunkle Zonen Herausfiltern störender Eigenschaften Minimierung visueller Beurteilung global störende Eigenschaften große Helligkeitsdifferenz zwischen hellen und dunklen Zonen weißes Rauschen Strukturrauschen fleckige Bildstörungen lokal 3 Proben schnelle Neutronen Röntgen (75 kv) BAM Labor FRM II 2 4

3 das Problem Brettschichtholz Kontrastanpassung visuell dunkel hell Histogramm 5 Lösung (1) FFT Rohbild Rück- FFT Bilddaten Hochpassfilter Frequenzraum Ergebnisbild neues Problem: Rauschverstärkung! 6 3

4 Lösung (2) FFT Rohbild Rück- FFT Bilddaten Bandpassfilter Parametersetzen per Hand? visuell beurteilen?? 7 Lösung (3) FFT Rohbild prinzipielles Vorgehen: das Bild gibt selbst die Bearbeitungsparameter vor. getrennte Wege für Bildund Filterinformationen Rück- FFT Bilddaten Filterdaten Formen des Filters Extraktion von Bildinformationen Bestimmung des Rauschniveaus Frequenzraum Ergebnisbild Frequenzraum Ergebnisbild K. Osterloh, U. Ewert, U. Zscherpel, O. Alekseychuk (2008), Verfahren zur parameterfreien Bildbearbeitung, Patent DE A1, Offenlegung , Image Processing Method Without Parameters, WO 2008/009685, published (pending) 8 4

5 Filterformung (1) Rauschgrenzen aus Powerspektrum für alle Richtungen Intensität all horizontal vertical noise (all) Frequenz Formung des Filterprofils (Glättung) Rauschniveau subtrahiert gedreht isotrop 9 Filterformung (2) Rauschgrenzen aus Randflächen des 2-D Powerspektrums Intensität Rauschniveau anisotrop geglättet (2D Gauß) subtrahiert 10 5

6 Ergebnis (per Maustaste) isotrop anisotrop Unterschiede im Strukturrauschen 11 weiteres Problem Neutronenradiographie fleckige Störungen selbst in Medianbildern aus 5 Einzelaufnahmen wie bekommt man sie los? 12 6

7 Lösungsversuch falsches Werkzeug isotrop anisotrop keine Lösung! 13 Filterformung (3) problematische Rauschabgrenzung Intensität all horizontal vertical noise (all) Rauschniveau Formung des Filterprofils (Glättung) voriges Bild? Frequenz andere Wege erforderlich! 14 7

8 Erkennung einer fleckigen Bildstörung Bildfläche Isolierung eines möglichen Ausreißers (Median und Mittelwert) als Ausreißer gilt: ein Wert außerhalb der 4 s Region und bei Lage des Medians innerhalb darin (zur Strukturerhaltung) 15 Vorgehen asymmetrisch Auswahl eines 5 x 5 Kernel Wechseln zu einem 3 x 3 Kernel Intensität Bildfläche das Zentrum mit dem Medianwert ersetzen, aber

9 das Programm wiederholen Auffinden Ersetzen Auffinden Ersetzen mit wechselnden Kernelgrößen groß klein klein groß bis alle Störungen beseitigt bzw. akzeptabel reduziert sind (1.0 %). References: nur einmal pro Pixel dieser zweite Durchgang ist erlaubt um neue Artefakte zu vermeiden ( Hammerschlag ) K. Osterloh, T. Bücherl, Ch. Lierse von Gostomski, U. Zscherpel, U. Ewert, S. Bock: Filtering algorithm for dotted interferences, Nucl. Instr. and Meth. in Physics Res. A 651 (2011) , K. Osterloh, T. Bücherl, U. Zscherpel and U. Ewert: Image recovery by removing stochastic artefacts identified as local asymmetries, Journal of Instrumentation 7 C04018 (2012), ( 17 Ergebnis keine Benutzerinteraktion erforderlich < 4 % des Bildinhaltes verändert Intensität Frequenz median Median image processedl bearbeitet weißes Rauschen vermindert. 18 9

10 weiteres isotrop anisotrop Bearbeiten wieder möglich. 19 abschließende Bemerkung Getrennte Ansätze für globale und lokale Probleme. erreicht wurde: Erkennbarkeit von Strukturen durch helle und dunkle Zonen hindurch, erfolgreiche Erkennung und Beseitigung störender Eigenschaften, minimale Benutzerinteraktion (visuell) dank automatischer Bearbeitung, damit Reduzierung subjektiver Einflussnahme. gefiltertes Bild Die Bearbeitungskriterien stecken im Bild selbst

11 Bundesanstalt für Materialforschung und -prüfung (BAM) vielen Dank, Fragen? many thanks, questions? merci beaucoup mille grazie hvala lijepa большое спасибо 11 21