Untersuchungen an Histogrammen von Röntgenbildern

Größe: px
Ab Seite anzeigen:

Download "Untersuchungen an Histogrammen von Röntgenbildern"

Transkript

1 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November Aufgabenstellung Zu untersuchen und zu vergleichen waren die Histogramme der eingescannten Röntgenaufnahmen einer Belichtungsreihe (mas-reihe). Es sollte bezüglich der verwendeten Aufnahmen die Frage geklärt werden, ob, und wenn ja, in welcher Weise, das Histogramm der visuell als optimal belichtet bewerteten Aufnahme, sich signifikant von den übrigen unterscheidet. Ganz analog war mit einer kv-reihe vorzugehen. 2. Erstellung der Histogramme 2.1 Anfertigung der Röntgenbilder Zunächst mußten die benötigten Röntgenbilder hergestellt werden. Hierbei diente ein Kopfphantom als Objekt. Es wurde eine Ortho Regular CURIX-Kassette von Agfa benutzt. Deren Verstärkungsfolien sind mit dem Seltene-Erden-Leuchtstoff Gd 2 O 2 S:Tb belegt. Der verwendete Kodak T- MAT PLUS DG-Film wurde in einer Agfa Curix HT-53 U-Verarbeitungsmaschine 9 s bei 34 C entwickelt. In den Tabellen und sind die Aufnahmeparameter für die beiden Reihen angegeben. Für die kv-reihe wurden die mas-werte so gewählt, daß die mittlere Helligkeit dieser Bilder der mittleren Helligkeit der optimal belichteten Aufnahme der mas-reihe möglichst nahe kommt. Die Beurteilung hierfür wurde visuell durchgeführt. Außerdem ist für jede Aufnahme die mittlere Leuchtdichte L mittl angegeben. Die Messung wurde mit einer Schablone vorgenommen, so daß die unrelevante Umgebung des abgebildeten Objektes (Schädels) nicht in die Messung mit eingeht. Als Messgerät diente ein Minolta Luminance Meter LS-1. Die mittlere Leuchtdichte L mittl, des Filmbetrachtungsgerätes (Schaukastens) mit Schablone (ohne Röntgenaufnahme) beträgt 1689 cd/m 2. Daraus ergibt sich die mittlere optische Dichte D mittl = -lg(l mittl / L mittl, ). Die Abweichung D der mittleren optischen Dichte jeder Aufnahme von der Bezugsdichte D bezug = 1,8 ist ebenfalls in den Tabellen und aufgeführt. D bezug ist hierbei die mittlere optische Dichte der optimal belichteten Aufnahme. D errechnet sich folgendermaßen: D = D mittl - D bezug Aufnahme Dosisparameter mittlere Leuchtdichte mittlere Dichte Abweichung Nr. U[kV] Q[mAs] t[ms] L mittl [cd/m 2 ] D mittl Delta D ,49 -,59 2 " ,6 -,49 3 " ,72 -,37 4 " ,85 -,23 5 " ,8, 6 " ,22,14 7 " ,45,37 Tabelle 2.1.1: Aufnahmeparameter der mas-reihe - 1 -

2 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Aufnahme Dosisparameter mittlere Leuchtdichte mittlere Dichte Abweichung Nr. U[kV] Q[mAs] t[ms] L mittl [cd/m 2 ] D mittl Delta D 1a ,6 -,2 2a ,21,13 3a ,8, 4a ,2 -,6 5a ,12,4 6a 9 6, ,24,16 7a 12 3, ,11,3 Tabelle 2.1.2: Aufnahmeparameter der kv-reihe 2.2 Scannen und bearbeiten der Röntgenbilder Die angefertigten Bilder wurden mit dem Primescan D-71 von Heidelberg gescannt. Mittels der zugehörigen Software wurden, unter dem Einstellungs-Profil Mammo, Grobscanns mit 16 bit pro Farbe erstellt. Die so entstandenen Farb(RGB)-Bilder wurden anschließend mit Photoshop in 8- bit-graustufenbilder konvertiert. Die zu den Histogrammen dieser Bilder gehörenden Daten wurden sodann mit dem Programm Tnimage abgespeichert und in Microsoft Excel importiert. Hierbei wurden nur die wirklich zum Schädel gehörenden Pixel berücksichtigt, nicht aber die unrelevanten Pixel aus der Umgebung desselben. Auf diese Weise erhielt man für jedes Bild eine Tabelle mit den Grauwerten (Grauwert = Graustufe = Helligkeitsstufe = die Zahl, mit der in einem Graustufenbild die Helligkeit eines Pixels codiert wird) von (schwarz) bis 255 (weiß). Zu jedem Grauwert war die entsprechende Anzahl von Pixel angegeben. Diese Daten ließen sich in Excel graphisch als Histogramme darstellen. Um eine genügend große Anzahl von Stützstellen für die Histogramme zu erhalten, wurde jedes Bild vor der 8-bit-Konvertierung einer individuellen linearen Tonwertspreizung unterzogen; diese mußte natürlich im weiteren entsprechend berücksichtigt werden. Eine detaillierte Beschreibung und Begründung der Vorgehensweise findet sich in Anhang A Die Beziehung zwischen Grauwert und Leuchtdichte Die Hellempfindung des visuellen Systems verläuft, näherungsweise und in gewissen Grenzen (natürlich nur bei konstantem Adaptationszustand), linear zum Logarithmus der Leuchtdichte. Deshalb ist es für sinnvoll die Histogramme nicht bezüglich der Grauwerte darzustellen, sondern sie in Bezug zur logarithmisierten Leuchtdichte aufzutragen. Dazu war es notwendig die Grauwerte in diejenigen Leuchtdichtewerte umzurechnen, die bei Betrachtung der Röntgenbilder am Filmbetrachtungsgerät (Schaukasten) vorliegen. Die Beziehung zwischen dem Transmissionsgrad des Röntgenfilms und dem zugehörigen Grauwert des digitalisierten 8-bit-Bildes ist in guter Näherung linear. Dies konnte mit Hilfe von zwei Graukeilen belegt werden. Diese wurden aus demselben Filmmaterial wie die Röntgenbilder hergestellt und genauso verarbeitet. Für jedes Feld der Graukeile wurde der Grauwert und die visuelle optische Dichte bestimmt. Als Densitometer diente hierfür das Model 81 von X-RITE. Abbildung visualisiert die Ergebnisse. Die zugehörige Tabelle findet sich im Anhang A

3 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Grauwert gegen Transmission y = 293,84x 14 Grauwert ,,1,2,3,4,5,6 Transmission Grauwert Lineare Interpolation Abbildung 2.3.1: Der Grauwert in Abhängigkeit von der Transmission In Abbildung ist die Gleichung der Ausgleichsgeraden angegeben. Für die Beziehung zwischen Grauwert G und Leuchtdichte L ergibt sich daraus: L = 1 -D L = τ L G = 293,84 τ L = G/293,84 L wobei τ die Transmission und L die Leuchtdichte des Schaukastens (hier ohne Schablone) bedeuten. Mit L = 4525 cd/m 2 ergibt sich: L = 15,4 G cd/m 2. Nun war es möglich die Grauwerte in Leuchtdichten umzurechnen und damit die gewünschten Histogramme zu erstellen. Aus Gründen der Übersichtlichkeit sind hier nur die Histogramme, nicht aber die ihnen zugrunde liegenden Daten wiedergeben

4 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November Untersuchung der Histogramme 3.1 Die Histogramme der mas-reihe In den Abbildungen sind die Histogramme der mas-reihe dargestellt. Da für die Histogramme eine logarithmische Skalierung der Abszisse gewählt wurde, stellen die kumulierten Histogramme nicht einfach nur das Integral (von Null bis zur entsprechenden Leuchtdichte) der zugehörigen normalen Histogramme dar. Es handelt sich vielmehr um eine Art gewichtetes Integral. Die Gewichtung ist dabei um so größer, je größer die Leuchtdichte ist. Im Histogramm zur Aufnahme 5 (Abb ) sind deutlich drei Maxima erkennbar. Die dort angegebene Bezeichnungsweise (Max. 1-3) werde ich im folgenden auch entsprechend auf die anderen Histogramme anwenden. Das Maximum 1 ist zwar stark ausgeprägt; für die visuelle Wahrnehmung aber spielen die zu ihm gehörenden Bildbereiche praktisch keine Rolle. Die Leuchtdichten sind dazu schlichtweg zu gering. Interessanter sind da schon die Maxima 2 und 3. Im Vergleich mit den Histogrammen der stärker belichteten Aufnahmen (6+7), fällt auf, daß sie weiter nach links, also in Bereiche niedrigerer Leuchtdichte wandern, bevor sie in Aufnahme 7 (die stark überbelichtet ist) scheinbar zu einem großen, recht dunklen Maximum verschmelzen. Im Histogramm zu Aufnahme 6 ist das Maximum 2 deutlich stärker ausgeprägt als Maximum 3. Im Histogramm zu Aufnahme 4 hingegen sind diese beiden Maxima nicht mehr getrennt erkennbar. Man kann vermuten was weiter unten auch gezeigt wird, daß die beiden Maxima sehr nahe zueinander rücken und deshalb als eines erscheinen. Mit geringer werdender Aufnahme-Nummer, also mit geringer werdender Belichtung, wandert dieses verschmolzene Maximum (2+3) ebenso wie das die ganz dunklen Bereiche repräsentierende Maximum 1 weiter nach rechts, in Richtung höherer Leuchtdichten. Bei den kumulierten Histogrammen beginnen interessanterweise gerade dann relativ lineare Abschnitte, wenn das zugehörige nicht-kumulierte Histogramm ein Maximum erreicht

5 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Histogramm von Aufnahme 1 Histogramm von Aufnahme Abb.3.1.1: Histogramm zur Aufnahme mit 66kV / 13mAs Abb.3.1.2: Histogramm zur Aufnahme mit 66kV / 16mAs Histogramm zu Aufnahme 3 Histogramm zu Aufnahme Abb.3.1.3: Histogramm zur Aufnahme mit 66kV / 2mAs Abb.3.1.4: Histogramm zur Aufnahme mit 66kV / 25mAs Histogramm zu Aufnahme 5 Histogramm zu Aufnahme Maximum Maximum 2 Maximum Abb.3.1.5: Histogramm zur Aufnahme mit 66kV / 32mAs Abb.3.1.6: Histogramm zur Aufnahme mit 66kV / 4mAs - 5 -

6 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Histogramm zu Aufnahme Abb.3.1.7: Histogramm zur Aufnahme mit 66kV / 5mAs - 6 -

7 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 kum. Histogramm zu Aufnahme 1 kum. Histogramm zu Aufnahme 2 kumulierte kumulierte Abb.3.1.8: kum. Histogramm zur Aufnahme mit 66kV / 13mAs Abb.3.1.9: kum. Histogramm zur Aufnahme mit 66kV / 16mAs kum. Histogramm zu Aufnahme 3 kum. Histogramm zu Aufnahme 4 kumulierte kumulierte Abb.3.1.1: kum. Histogramm zur Aufnahme mit 66kV / 2mAs Abb : kum. Histogramm zur Aufnahme mit 66kV / 25mAs kum. Histogramm zu Aufnahme 5 kum. Histogramm zu Aufnahme 6 kumulierte kumulierte Abb : kum. Histogramm zur Aufnahme mit 66kV / 32mAs Abb : kum. Histogramm zur Aufnahme mit 66kV / 4mAs - 7 -

8 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 kum. Histogramm zu Aufnahme kumulierte Abb : kum. Histogramm zur Aufnahme mit 66kV / 5mAs Es scheint, daß, für eines gutes Bild, wie das bei Aufnahme 5 erkennbar ist, ein relativ ausgewogenes Verhältnis der beiden Maxima 2 und 3 maßgebend ist. Nun stellt sich die Frage, ob die zu diesen beiden Maxima gehörenden Bildpunkte zusammenhängende Bereiche bilden, und, ob diese Bereiche bei veränderter Belichtung (Dosis) gleich bleiben. Diese Fragen konnte ich mittels geeigneter Tonwerttrennung im wesentlichen mit ja beantworten. Die Maxima lassen sich grob morphologischen Bereichen zuordnen: Die Augenhöhlen, der Schläfenbereich und weite Teile des Kinns fallen in das dunklere (zweite) Maximum. Das hellere Maximum beinhaltet vornehmlich die Kalotte, die Zähne, die Backenknochen und Teile des Nasenbereiches. In den Abbildungen sind die einzelnen tonwertgetrennten Bilder dargestellt. Die zum jeweiligen Maximum gehörenden Bildbereiche sind grün eingefärbt. Die Werte die die opt.. Dichte im grünen Gebiet des jeweiligen Röntgenbildes annimmt, sind jedesmal als Intervall mit angegeben. In den roten Bereichen liegt die opt. Dichte über der des jeweiligen Maximums. Die blauen Bereiche sind im Original heller als das betreffende Maximum, die opt. Dichte ist dort also geringer. Betrachten wir zunächst nur die Abbildungen zur Aufnahme 5. Hier fällt sofort ins Auge, daß die zu der beiden Maxima gehörenden Bildpunkte zusammenhängende Areale bilden. Außerdem sind diese Areale den entsprechenden Bereichen in den Darstellungen zu Aufnahme 6 sehr ähnlich. Gewisse Unterschiede ergeben sich dabei zwangsläufig durch die manuelle Wahl der Maximagrenzen. Das Histogramm zu Aufnahme 4 besitzt insgesamt nur 2 ausgeprägte Maxima. Das linke davon entspricht eindeutig dem linken Maximum (Nr. 1) im Histogramm zur Aufnahme 5. Welchem Kurvenbereich im Histogramm 5 entspricht aber das rechte Maximum? Die Antwort darauf liefern die Abbildungen und In Abbildung zu Aufnahme 5 sind diejenigen Bereiche grün eingefärbt, die in eines der beiden Maxima des zugehörigen Histogramms fallen. Abbildung zu Aufnahme 4 zeigt die Bereiche des rechten Maximums in grüner Farbe. Man erkennt sehr gut die große Ähnlichkeit dieser beiden Areale. Die zwei Maxima von Aufnahme 5 sind also tatsächlich zu einem großen Extremum zusammengerückt

9 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Aufnahme 4: Aufnahme 5: Abb : verschmolzene Maxima 2+3,29 < D <,82 Abb : Maximum 2,82 < D < 1,32 Abb : Maximum 3,46 < D <,74 Abb : beide Maxima (,82 < D < 1,32) (,46 < D <,74) Aufnahme 6: Abb : Maximum 2,91 < D < 1,57 Abb.3.1.2: Maximum 3,52 < D <,73-9 -

10 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November Die Histogramme der kv-reihe Histogramm zu Aufnahme 1a Histogramm zu Aufnahme 2a Abb.3.2.1: Histogramm zur Aufnahme mit 55kV / 16mAs Abb.3.2.2: Histogramm zur Aufnahme mit 6kV / 64mAs Histogramm zu Aufnahme 3a Histogramm zu Aufnahme 4a Abb.3.2.3: Histogramm zur Aufnahme mit 66kV / 32mAs Abb.3.2.4: Histogramm zur Aufnahme mit 73kV / 16mAs Histogramm zu Aufnahme 5a Histogramm zu Aufnahme 6a Abb.3.2.5: Histogramm zur Aufnahme mit 81kV / 1mAs Abb.3.2.3: Histogramm zur Aufnahme mit 9kV / 6,4mAs - 1 -

11 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Histogramm zu Aufnahme 7a Abb.3.2.7: Histogramm zur Aufnahme mit 12kV / 3,2mAs

12 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 kum. Histogramm zu Aufnahme 1a kum. Histogramm zu Aufnahme 2a kumulierte kumulierte Abb.3.2.8: kum. Histogramm zur Aufnahme mit 55kV / 16mAs Abb.3.2.9: kum. Histogramm zur Aufnahme mit 6kV / 64mAs kum. Histogramm zu Aufnahme 3a = 5 kum. Histogramm zu Aufnahme 4a kumulierte kumulierte Abb.3.2.1: kum. Histogramm zur Aufnahme mit 66kV / 32mAs Abb : kum. Histogramm zur Aufnahme mit 73kV / 16mAs kum. Histogramm zu Aufnahme 5a kum. Histogramm zu Aufnahme 6a kumulierte kumulierte Abb : kum. Histogramm zur Aufnahme mit 81kV / 1mAs Abb : kum. Histogramm zur Aufnahme mit 9kV / 6,4mAs

13 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 kum. Histogramm zu Aufnahme 7a 4 35 kumulierte Abb : kum. Histogramm zur Aufnahme mit 12kV / 3,2mAs Bei der kv-reihe zeigen sich sehr ähnliche Verhältnisse wie bei der mas-reihe. Das Histogramm des Röntgenbildes das man visuell als das Beste (das ist die Aufnahme 5 der mas-reihe bei 66 kv) einstuft, zeichnet sich durch folgende Eigenschaften aus: a) ähnliche Höhe der Maxima 2 und 3 b) genügend helle Maxima 2 und 3 (ca. 2 und 5 cd/m 2 ) c) deutlich getrennte Maxima 2 und 3 Die Maxima 2 und 3 stellen näherungsweise Normalverteilungen dar, wobei die zugehörigen (morphologischen) Bereiche im Röntgenbild um die jeweilige mittlere Leuchtdichte ein strukturelles Rauschen zeigen. Weiter erkennt man sehr schön die Tendenz, daß mit zunehmender Röhrenspannung die Maxima 2 und 3 immer näher zusammenrücken. Auch bei der kv-reihe ist eine Ortskorrelation der Histogrammaxima 2 und 3 festzustellen. Untenstehende Graphiken demonstrieren dies eindrücklich. Der Übersicht halber wurde die Darstellung auf die beiden Extremfälle (niedrigste und höchste Spannung) beschränkt. Die Farbcodierung ist dieselbe wie im Abschnitt 3.1. Auch hier sind wieder die zum grünen Gebiet gehörenden Intervalle der opt. Dichte angegeben

14 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Aufnahme 1a (mit 55 kv): Abb : Maximum 2,91 < D < 1,51 Abb : Maximum 3,47 < D <,69 Aufnahme 7a (mit 12 kv): Abb : Maximum 2,75 < D < 1,19 Abb : Maximum 3,47 < D <, Abschließende Bemerkungen Bei der Darstellung der Histogramme hätte man vom Dichtebereich (oder Leuchtdichtebereich) noch in den Strahlenbereich übergehen können. Dies hätte aber lediglich eine Spiegelung an der Ordinate und eine nicht-lineare Dehnung der Kurven im Bereich der Schulter und des Fußes der Dichtekurve zur Folge gehabt. Auf die unten aufgeführten Ergebnisse hätte dies keinen Einfluß. Insgesamt konnte gezeigt werden, daß die relevanten Histogrammaxima (2 und 3) im untersuchten Bildmaterial ortskorreliert sind. Mehr noch; die Maxima lassen sich, innerhalb gewisser Grenzen, bestimmten morphologischen Gebieten zuordnen. Könnten diese Resultate bei weiterreichenden und umfangreicheren Untersuchung zu diesem Thema, beispielsweise im Rahmen einer Diplomarbeit, bestätigt werden, so läge der nächste

15 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November 22 Schritt auf der Hand. Lassen sich nämlich mit Hilfe des Histogramms bestimmte morphologische Bereiche erkennen und damit vom Rest des Bildes herauslösen, so könnte eine auf die einzelnen Bereiche speziell zugeschnittene Bildverarbeitung das digitale Bild weitgehend automatisch optimieren. Anhang A.1 Detaillierte Angaben zur Vorgehensweise in Abschnitt 2.2 Als erstes wurden die gescannten 16-bit-Farb(RGB)-Bilder mittels Photoshop in 16-bit-Graustufenbilder konvertiert. Sowohl Photoshop als auch Tnimage bilden bei Erstellung von Histogrammen von 16-bit-Graustufenbildern sogenannte Bins, also Klassen, der Breite 256. Die 2 16 Grauwerte werden dadurch 2 16 / 256 = 256 Bins zugeordnet. Man erhält somit für ein 16-bit-Graustufenbild nicht mehr Information, als für ein entsprechendes 8-bit-Bild. Das ist insofern sehr nachteilig, als bei allen, im Rahmen dieser Arbeit, erstellten Bildern nur die Bins bis maximal 149 besetzt sind. In die Bins 15 bis 255 fallen keine zum Schädel, zum eigentlichen Objekt, gehörenden Grauwerte. Das bedeutet, man erhält für den relevanten, also für den von Null verschiedenen Bereich der Histogramme bestenfalls 149 Stützpunkte. Im schlimmsten Fall, schrumpft bei dem am stärksten belichteten Bild diese Anzahl auf nicht einmal 9 zusammen. Das würde bei der anschließenden logarithmischen Darstellung der Histogramme, besonders bei den geringen Leuchtdichten, eine beachtliche Vergöberung des Histogrammverlaufs zur Folge haben. Eine Möglichkeit den Informationsverlust durch Klassenbildung zu begrenzen, bietet eine lineare Tonwertspreizung vor dem Erstellen des jeweiligen Histogramms. Das soll anhand eines Beispiels illustriert werden: Betracht man ein 16-bit-Graustufenbild. In seinem Histogramm sollen ab dem 15. Bin alle Bins leer sein. Führt man eine lineare Tonwertspreizung durch, die das 15. auf das 255. Bin abbildet (das. Bin soll das. bleiben), dann sind in dem Histogramm des so gewonnen neuen Bildes alle Bins bis auf das 255. besetzt. Man hat jetzt also 255 Stützstellen im relevanten Bereich. Nur das 255. Bin bleibt leer und das ist wichtig. Der Grund dafür wird sich weiter unten eröffnen. Nun kann man das Bild auf 8 bit reduzieren. Dadurch wird, wegen der Klassenbildung bei 16-bit-Bildern, das Histogramm nicht verändert. Außerdem empfiehlt sich dies, weil die Bearbeitungsmöglichkeiten für 16-bit-Bilder im Photoshop äußerst begrenzt sind. Bei der späteren Auswertung der Histogramme der so entstandenen neuen Bilder darf natürlich nicht vergessen werden, die Grauwerte mittels einer der Tonwertspreizung entsprechenden, inversen Tonwertstauchung auf die alten Werte zurückzurechnen. (Für obiges Beispiel bedeutet das: und ) Eine entsprechende Tonwertspreizung und anschließende 8-bit-Konvertierung wurde für jedes der gescannten Röntgenbilder durchgeführt. Damit die außerhalb des Schädels liegenden Pixel, die ja dem eigentlichen Objekt nicht angehören, die Histogramme nicht verfälschen, wurden diese Bereiche mit dem Grauwert 255, also mit weiß, gefärbt. Wie schon oben betont, blieb der Grauwert 255 in allen gespreizten Bildern bisher unbesetzt, so daß nun mit Gewißheit gesagt werden kann: Der Histogrammpeak beim Grauwert

16 Fachhochschule Köln Fachbereich Photoingenieurwesen Wintersemester 22/3 Bernhard Schweiger: im November ist alleine durch Pixel aus der unrelevanten Umgebung des Schädels verursacht. Er kann mithin ignoriert werden. Mit Hilfe des Programms Tnimage konnten nun die zu den Histogrammen zugehörenden Daten in einer Form abspeichert werden, die es erlaubt sie in Microsoft Excel zu importieren. So erhielt man für jedes Bild eine Tabelle mit den Grauwerten von bis 255. Zu jedem Grauwert war die entsprechende Anzahl von Pixeln angegeben. Anschließend wurden die Grauwerte, mit einer zu der vorangegangenen linearen Tonwertspreizung inversen Operation, auf die ursprünglichen Grauwerte, so wie sie im nicht-tonwertgespreizten 8-bit-Graustufenbild vorlagen, zurückgerechnet und die Daten graphisch als Histogramme dargestellt. A.2 Tabelle zu Abschnitt 2.3 vis. opt. Dichte Transmission Grauwert,27, ,38, ,39, ,43, ,5, ,59,257 77,64, ,69,242 65,71,195 61,77, ,8,1585 5,94, ,99, ,12, ,24, ,36, ,53, ,67, ,88, ,6,87 3 2,23,59 2 2,44,36 1,2 2,68,21,7 2,81,15,5 2,98,1,3 3,13,7,2 3,2,6,2 3,35,4,12 3,37,4,1 3,75,2 Tabelle

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV) Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung

Mehr

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf:

Bei näherer Betrachtung des Diagramms Nr. 3 fällt folgendes auf: 18 3 Ergebnisse In diesem Kapitel werden nun zunächst die Ergebnisse der Korrelationen dargelegt und anschließend die Bedingungen der Gruppenbildung sowie die Ergebnisse der weiteren Analysen. 3.1 Ergebnisse

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster

Mehr

FARBTIEFE / KANÄLE 1 5

FARBTIEFE / KANÄLE 1 5 1 5 FARBTIEFE Die Farbtiefe gibt an, wieviel bit an Informationen pro Pixel gespeichert werden. Je mehr bits gespeichert werden, desto mehr verschiedene Farbabstufungen können dargestellt werden. Farbtiefe

Mehr

Praktikum. Radiologische Bildgebung in Medizin und Technik. Röntgenaufnahme eines Humanoid-Phantoms. Matrikel-Nr.: Datum:

Praktikum. Radiologische Bildgebung in Medizin und Technik. Röntgenaufnahme eines Humanoid-Phantoms. Matrikel-Nr.: Datum: Praktikum Radiologische Bildgebung in Medizin und Technik Röntgenaufnahme eines Humanoid-Phantoms Name: Name: Matrikel-Nr.: Matrikel-Nr.: Datum: Prof. Dr. C. Blendl Stand: August 2007 0 Allgemeines: Die

Mehr

Praktikum Sensitometrie Bestimmung des Signal Rausch Verhältnisses (SRV) eines Flachbett-Scanners

Praktikum Sensitometrie Bestimmung des Signal Rausch Verhältnisses (SRV) eines Flachbett-Scanners Praktikum Sensitometrie Bestimmung des Signal Rausch Verhältnisses (SRV) eines Flachbett-Scanners Name: Name: Matr.: Nr.: Matr.: Nr.: Datum: 25. 04 2005 Prof. Dr. C. Blendl Stand: Februar 2005 1 1.1 Ziel

Mehr

Protokoll. Messung des Visuellen Auflösungsvermögens durch Bestimmung der Modulationsübertragungsfunktion (MÜF) mit dem Campbell Muster

Protokoll. Messung des Visuellen Auflösungsvermögens durch Bestimmung der Modulationsübertragungsfunktion (MÜF) mit dem Campbell Muster Protokoll Messung des Visuellen Auflösungsvermögens durch Bestimmung der Modulationsübertragungsfunktion (MÜF) mit dem Campbell Muster 1. Einleitung: Die Linsenaugen des Menschen können als eine Art Verlängerung

Mehr

APT Seminar Beschreibung der Detektordosis bei Flächendetektoraufnahmen - Dosisindikatoren

APT Seminar Beschreibung der Detektordosis bei Flächendetektoraufnahmen - Dosisindikatoren Beschreibung der Detektordosis bei Flächendetektoraufnahmen - Dosisindikatoren Karl- Friedrich Kamm Philips Medizin Systeme, Hamburg 1 Philips Konzept Vergleichbarkeit mit Empfindlichkeit bei Film-Folien

Mehr

JPG_oder_RAWzuTIF.doc JPG oder RAW zu TIF, Belichtung (ETTR) und Histogramm

JPG_oder_RAWzuTIF.doc JPG oder RAW zu TIF, Belichtung (ETTR) und Histogramm JPG_oder_RAWzuTIF.doc JPG oder RAW zu TIF, Belichtung (ETTR) und Histogramm Wird beim Fotografieren im JPG Bild Format gespeichert, erhält man kleine Dateien und es können somit viele Bilder auf einer

Mehr

Distributed Algorithms. Image and Video Processing

Distributed Algorithms. Image and Video Processing Chapter 7 High Dynamic Range (HDR) Distributed Algorithms for Quelle: wikipedia.org 2 1 High Dynamic Range bezeichnet ein hohes Kontrastverhältnis in einem Bild Kontrastverhältnis bei digitalem Bild: 1.000:1

Mehr

Praktikum 2. Grauwert - Histogramme, Bimodalitätsanalyse Bildstatistik

Praktikum 2. Grauwert - Histogramme, Bimodalitätsanalyse Bildstatistik Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_02 ImageJ.doc Praktikum 2 Digitale Bildverarbeitung Grauwert - Histogramme, Bimodalitätsanalyse Bildstatistik Themen: Auswertung

Mehr

Praktikum Sensitometrie

Praktikum Sensitometrie Praktikum Sensitometrie Bestimmung der OECF, des SRV und der S-Zahl digitaler Kameras Name: Name: Matr.: Nr.: Matr.: Nr.: Datum: Prof. Dr. C. Blendl 2. 04. 2005 Die nachfolgenden Bestimmungen von Kennmerkmalen

Mehr

Funktionen. x : Variable von f oder Argument f x : Funktionswert, Wert der Funktion f an der Stelle x D f. : Definitionsmenge(Urbildmenge)

Funktionen. x : Variable von f oder Argument f x : Funktionswert, Wert der Funktion f an der Stelle x D f. : Definitionsmenge(Urbildmenge) Funktionen Eine Funktion oder Abbildung ist eine Beziehung zwischen zwei nicht leere Mengen D f und Z, die jedem Element x aus einer Menge D f genau ein Element y aus anderer Menge Z zuordnet. f : D f

Mehr

Bildkontrolle mit Hilfe des Histogramms

Bildkontrolle mit Hilfe des Histogramms Bildkontrolle mit Hilfe des Histogramms Mit Hilfe des Kamera-Histogramms lässt sich direkt nach der Aufnahme prüfen ob die Belichtung richtig war oder ob Korrekturen vorgenommen werden müssen. Die meisten

Mehr

Sonstige Daten importieren.

Sonstige Daten importieren. Sonstige Daten importieren. Untenstehend erhalten Sie Informationen und Erklärungen, welche Daten und wie sie eingelesen werden können. (Anhand von Beispieldaten). Welche sonstigen Daten können eingelesen

Mehr

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung

Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung R. Brinkmann http://brinkmann-du.de Seite 5.05.0 Erwartungswert, Umgebungswahrscheinlichkeiten und die Normalverteilung Erwartungswert binomialverteilter Zufallsgrößen Wird ein Bernoulli- Versuch, bei

Mehr

Übungsaufgabe Parameter und Verteilungsschätzung

Übungsaufgabe Parameter und Verteilungsschätzung Übungsaufgabe Parameter und Verteilungsschätzung Prof. Dr. rer. nat. Lüders Datum: 21.01.2019 Autor: Marius Schulte Matr.-Nr.: 10049060 FH Südwestfalen Aufgabenstellung Analysiert werden sollen die Verteilungen

Mehr

Color Correction in Avid Media Composer 7.0.2

Color Correction in Avid Media Composer 7.0.2 Technische Universität Kaiserslautern Fachbereich Elektro- und Informationstechnik Lehrstuhl Nachrichtentechnik Color Correction in Avid Media Composer 7.0.2 Autor: Dennis Krummacker Prof. Dr.-Ing. Ralph

Mehr

Im Original veränderbare Word-Dateien

Im Original veränderbare Word-Dateien Bildbearbeitung Unter der digitalen Bildbearbeitung versteht man die computergestützte Bearbeitung von Bitmaps, zumeist Fotos oder gescannten Bildern. Dabei werden die Bilder oder Teile der Bilder verändert.

Mehr

Digitale Dunkelkammer für maximale Bildqualität

Digitale Dunkelkammer für maximale Bildqualität SilverFast DCPro - Digitale Dunkelkammer für maximale Bildqualität SilverFast DC Pro ist genau wie SilverFast DC und DC-VLT auf den Umgang mit Bildern, die mit Digitalkameras erzeugt wurden, spezialisiert.

Mehr

1 Lambert-Beersches Gesetz

1 Lambert-Beersches Gesetz Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R

Mehr

Beschränktheit, Monotonie & Symmetrie

Beschränktheit, Monotonie & Symmetrie Beschränktheit, Monotonie & Symmetrie ein Referat Dies ist eine Beilage zum Gruppen-SOL - Projekt Potenz- & Exponentialfunktionen Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch November 2015 Inhaltsverzeichnis

Mehr

Teil 1: HDR in Dynamic Photo HDR erstellen HDRs können in vielen Programmen erstellt werden. Eine gute kostenlose Software ist Dynamic Photo HDR.

Teil 1: HDR in Dynamic Photo HDR erstellen HDRs können in vielen Programmen erstellt werden. Eine gute kostenlose Software ist Dynamic Photo HDR. HDR erstellen Programme: Dynamic Photo HDR, Photoshop Teil 1: HDR in Dynamic Photo HDR erstellen HDRs können in vielen Programmen erstellt werden. Eine gute kostenlose Software ist Dynamic Photo HDR. Vorraussetzung

Mehr

Ergänzungen zu Methoden zur Untersuchung und Beurteilung der Seen

Ergänzungen zu Methoden zur Untersuchung und Beurteilung der Seen Ergänzungen zu Methoden zur Untersuchung und Beurteilung der Seen PR et al./23.01.2017 Niederberger, K, Rey, P., Reichert, P., Schlosser, J., Helg, U., Haertel-Borer, S., Binderheim, E. 2016: Methoden

Mehr

Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten

Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Protokoll Grundpraktikum: F0: Auswertung und Präsentation von Messdaten Sebastian Pfitzner 19. Februar 013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (5589) Betreuer: N. Haug Versuchsdatum:

Mehr

Untersuchung von Wurfbewegungen mit VIANA

Untersuchung von Wurfbewegungen mit VIANA Universität Duisburg-Essen Campus Essen Fachbereich Physik Schulphysik auf den 2. Blick Untersuchung von Wurfbewegungen mit VIANA erstellt von: Kay-Patrick Wittbold, Andreas Röder Inhaltsverzeichnis 1

Mehr

3 Häufigkeitsverteilungen

3 Häufigkeitsverteilungen 3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal

Mehr

PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen

PRAKTIKUM Grundlagen der Messtechnik. VERSUCH GMT 01 Auswertung von Messreihen 1 Fachbereich: Fachgebiet: Maschinenbau Mess-, Steuerungs- und Regelungstechnik Prof. Dr.-Ing. habil. Michael Kaufmann PRAKTIKUM Grundlagen der Messtechnik VERSUCH GMT 01 Auswertung von Messreihen Version

Mehr

Umkehrfunktionen 1-E. Ma 1 Lubov Vassilevskaya

Umkehrfunktionen 1-E. Ma 1 Lubov Vassilevskaya Umkehrfunktionen 1-E Wiederholung: Funktion als eine Abbildung Abb. 1-1: Darstellung einer Abbildung Eine Funktion f (x) beschreibt eine Abbildung von X nach Y f X Y, x f x Der erste Ausdruck charakterisiert

Mehr

Versuch C: Auflösungsvermögen Einleitung

Versuch C: Auflösungsvermögen Einleitung Versuch C: svermögen Einleitung Das AV wird üblicherweise in Linienpaaren pro mm (Lp/mm) angegeben und ist diejenige Anzahl von Linienpaaren, bei der ein normalsichtiges Auge keinen Kontrastunterschied

Mehr

Mittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent)

Mittelwert, Standardabweichung, Median und Bereich für alle durchgeführten Messungen (in Prozent) 3. Ergebnisse 3.1 Kennwerte, Boxplot Die Kennwerte der deskriptiven Statistik sind in der Tabelle 1 für alle Messungen, in der Tabelle 2 für die Messungen, bei denen mit der Referenzmethode eine festgestellt

Mehr

Kompetenzen und Aufgabenbeispiele Natur und Technik Check S2 / Check S3

Kompetenzen und Aufgabenbeispiele Natur und Technik Check S2 / Check S3 Institut für Bildungsevaluation Assoziiertes Institut der Universität Zürich Kompetenzen und Aufgabenbeispiele Natur und Technik Check S2 / Check S3 Informationen für Lehrpersonen und Eltern 30. Mai 2017

Mehr

unabhängigen Variablen Eine Funktion dient der Beschreibung von Zusammenhängen zwischen mehreren verschiedenen Faktoren.

unabhängigen Variablen Eine Funktion dient der Beschreibung von Zusammenhängen zwischen mehreren verschiedenen Faktoren. Funktionsbegriff 2.1 2 Funktionen mit einer unabhängigen Variablen 2.1 Funktionsbegriff Eine Funktion dient der Beschreibung von Zusammenhängen zwischen mehreren verschiedenen Faktoren. In den Wirtschaftswissenschaften

Mehr

Programmieren: Bildbearbeitung

Programmieren: Bildbearbeitung Programmieren: Bildbearbeitung Das Thema der folgenden Aufgaben ist Bildbearbeitung. Sie erhalten dazu ein Rahmenprogramm, das bereits Bilder lesen und darstellen kann. Dieses Rahmenprogramm basiert auf

Mehr

Kurzanleitung zum Röntgenprogramm DX-R

Kurzanleitung zum Röntgenprogramm DX-R Kurzanleitung zum Röntgenprogramm DX-R 1. Programmstart und Login Nach dem Programmstart erscheint die Anmeldeseite mit Benutzername und Passwort, bzw. dem Beenden Knopf, um das Programm wieder zu schliessen.

Mehr

Funktionen und andere Zuordnungen

Funktionen und andere Zuordnungen Funktionen und andere Zuordnungen Rainer Hauser November 2011 1 Allgemeine Zuordnungen 1.1 Pfeildarstellung von Zuordnungen Sätze wie Das ist der Schlüssel zu diesem Schloss und Hänsel ist der Bruder von

Mehr

Mod. 2 p. 1. Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur

Mod. 2 p. 1. Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur Histogramme der Grauwerte der TM Kanäle 1-7 für das Beispielsbild. - Kanäle 4 und 5 zeigen mehr Differenzierung als die anderen (Kontrast=das Verhältnis der hellsten zur dunkelsten Fläche in der Landschaft).

Mehr

Grundlagen der Bildbearbeitung

Grundlagen der Bildbearbeitung Grundlagen der Bildbearbeitung Voraussetzungen zur Bildbearbeitung Eingabegeräte Scanner Digitale Kameras Ausgabegeräte Speichermedien Index Voraussetzungen zur Bildbearbeitung Um Bilder auf elektronischem

Mehr

Seminar: Multi-Core Architectures and Programming. Viola-Jones Gesichtsdetektor

Seminar: Multi-Core Architectures and Programming. Viola-Jones Gesichtsdetektor Seminar: Multi-Core Architectures and Programming Viola-Jones Gesichtsdetektor Hardware-Software-Co-Design Universität Erlangen-Nürnberg 1 Übersicht Einleitung Viola-Jones Gesichtsdetektor Aufbau Blockmerkmale

Mehr

Relationen und Graphentheorie

Relationen und Graphentheorie Seite Graphentheorie- Relationen und Graphentheorie Grundbegriffe. Relationen- und Graphentheorie gehören zu den wichtigsten Hilfsmitteln der Informatik, die aus der diskretenmathematik stammen. Ein Graph

Mehr

Zu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen

Zu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen Zu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen Kennen Sie das? Ihr Bild wirkt flau oder in dem dunklen, kontrastarmen Bild können Sie die aufgenommenen Objekte nicht unterscheiden. In diesem

Mehr

Der Weg eines Betrunkenen

Der Weg eines Betrunkenen Der Weg eines Betrunkenen 2 Hätte es damals schon Computer gegeben, wäre es für unseren Mathematiker um einiges leichter gewesen, den Weg des Betrunkenen zu bestimmen. Er hätte nicht nur eine beliebige

Mehr

Mathematik für Naturwissenschaftler II SS 2010

Mathematik für Naturwissenschaftler II SS 2010 Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren

Mehr

5 Nachuntersuchung und Ergebnisse

5 Nachuntersuchung und Ergebnisse Therapie bei ipsilateraler Hüft- u. Knie-TEP Anzahl n HTEP-Wechsel Femurtotalersatz konservative Therapie Diagramm 4: Verteilung der Therapieverfahren bei ipsilateraler HTEP und KTEP 4.7. Komplikationen

Mehr

Exemplar für Prüfer/innen

Exemplar für Prüfer/innen Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Oktober 2015 Mathematik Kompensationsprüfung Angabe für Prüfer/innen Hinweise zur

Mehr

Protokoll Grundpraktikum: O1 Dünne Linsen

Protokoll Grundpraktikum: O1 Dünne Linsen Protokoll Grundpraktikum: O1 Dünne Linsen Sebastian Pfitzner 22. Januar 2013 Durchführung: Sebastian Pfitzner (553983), Jannis Schürmer (552892) Arbeitsplatz: 3 Betreuer: A. Ahlrichs Versuchsdatum: 16.01.2013

Mehr

Lösung: a) b = 3, 08 m c) nein

Lösung: a) b = 3, 08 m c) nein Phy GK13 Physik, BGL Aufgabe 1, Gitter 1 Senkrecht auf ein optisches Strichgitter mit 100 äquidistanten Spalten je 1 cm Gitterbreite fällt grünes monochromatisches Licht der Wellenlänge λ = 544 nm. Unter

Mehr

FARBKORREKTUR. Überlegungen vor der Farbkorrektur. Bevor mit der Korrektur von Farb- und Tonwerten begonnen wird, sollte Folgendes beachtet werden:

FARBKORREKTUR. Überlegungen vor der Farbkorrektur. Bevor mit der Korrektur von Farb- und Tonwerten begonnen wird, sollte Folgendes beachtet werden: FARBKORREKTUR Überlegungen vor der Farbkorrektur Bevor mit der Korrektur von Farb- und Tonwerten begonnen wird, sollte Folgendes beachtet werden: Eigentlich sollte stets ein kalibrierter Monitor mit Farbprofil

Mehr

Analysis II 14. Übungsblatt

Analysis II 14. Übungsblatt Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau

Mehr

Funktionalitäten und Bedienung der JavaScript-Version

Funktionalitäten und Bedienung der JavaScript-Version Funktionalitäten und Bedienung der JavaScript-Version Bei der Programmierung der vorliegenden Applikation wurde großen Wert darauf gelegt, die Bedienung so intuitiv und benutzerfreundlich wie möglich zu

Mehr

1 Praktische Ergebnisse zur n-periodizität und Attraktion

1 Praktische Ergebnisse zur n-periodizität und Attraktion 1 Praktische Ergebnisse zur n-periodizität und Attraktion Im Text habe ich zwei entscheidende Gleichungen für das Verhalten des Orbits {b i } einer Iteration angegeben: n N, x [a, b] g n (x ) = x für die

Mehr

Funktionen: Einleitung

Funktionen: Einleitung Funktionen: Einleitung Funktionen sind fundamentale Instrumente der Mathematik zur Beschreibung verschiedener Zusammenhänge. E 1 E 2 E 3 Der Abbildungsbegriff Abb. 1 1: Darstellung einer Abbildung Oft

Mehr

Feldlinienbilder: nur die halbe Wahrheit! H. Hauptmann, F. Herrmann Abteilung für Didaktik der Physik, Universität, Karlsruhe

Feldlinienbilder: nur die halbe Wahrheit! H. Hauptmann, F. Herrmann Abteilung für Didaktik der Physik, Universität, Karlsruhe Feldlinienbilder: nur die halbe Wahrheit! H. Hauptmann, F. Herrmann Abteilung für Didaktik der Physik, Universität, 76128 Karlsruhe Einleitung Ein Feldlinienbild ist wohl die am häufigsten benutzte Methode

Mehr

Anleitung: Standardabweichung

Anleitung: Standardabweichung Anleitung: Standardabweichung So kann man mit dem V200 Erwartungswert und Varianz bzw. Standardabweichung bei Binomialverteilungen für bestimmte Werte von n, aber für allgemeines p nach der allgemeinen

Mehr

Technische Universität Dresden

Technische Universität Dresden Technische Universität Dresden Institut für Photogrammetrie und Fernerkundung Übung 1 Entzerrung von digitalen Bildern Bearbeiter: Janin Wach Anke Heidenreich Seminargruppe: Geodäsie 99/1 Datum: 10.05.01

Mehr

CSCB - Fotoclub Workshop. TIPS und Grundlagen für gute Bilder

CSCB - Fotoclub Workshop. TIPS und Grundlagen für gute Bilder CSCB - Fotoclub Workshop TIPS und Grundlagen für gute Bilder Themen Übersicht Einführungs-Workshop / Kurs Fokussierung Belichtungsmessung Weitwinkel vs. Tele wie wird scharf gestellt wie wird das Licht

Mehr

Einführung in die linearen Funktionen. Autor: Benedikt Menne

Einführung in die linearen Funktionen. Autor: Benedikt Menne Einführung in die linearen Funktionen Autor: Benedikt Menne Inhaltsverzeichnis Vorwort... 3 Allgemeine Definition... 3 3 Bestimmung der Steigung einer linearen Funktion... 4 3. Bestimmung der Steigung

Mehr

Logarithmische Skalen

Logarithmische Skalen Logarithmische Skalen Arbeitsblatt Logarithmische Skalen ermöglichen dir eine übersichtlichere Darstellung von Kurvenverläufen vor allem dann, wenn sie sich über sehr große Zahlenbereiche erstrecken. 1

Mehr

Bildverarbeitung Herbstsemester Punktoperationen

Bildverarbeitung Herbstsemester Punktoperationen Bildverarbeitung Herbstsemester 2012 Punktoperationen 1 Inhalt Histogramm und dessen Interpretation Definition von Punktoperationen Änderungen der Bildintensität Linearer Histogrammausgleich Gammakorrektur

Mehr

P2-55: Franck-Hertz-Versuch

P2-55: Franck-Hertz-Versuch Physikalisches Anfängerpraktikum (P2) P2-55: Franck-Hertz-Versuch Auswertung Matthias Faulhaber Karlsruhe, den 16.12.2009 Durchführung: 16.12.2009 1 Franck-Hertz-Versuch mit Quecksilber-Röhre 1.1 Aufbau

Mehr

5 Grundlagen der Differentialrechnung

5 Grundlagen der Differentialrechnung VWA-Mathematik WS 2003/04 1 5 Grundlagen der Differentialrechnung 5.1 Abbildungen Unter einer Abbildung f, f:d W, y= f( ) von einer Menge D (Definitionsbereich) in eine Menge W (Wertemenge) versteht man

Mehr

Rendering-Intents gibt es Unterschiede?

Rendering-Intents gibt es Unterschiede? Rendering-Intents gibt es Unterschiede? Für Farbumrechnungen mit ICC-Colormanagement stehen vier verschiedene Rendering-Intents zur Auswahl. Wie sich welcher Rendering Intent bei der Anwendung auswirkt

Mehr

Abb. 5.10: Funktion und Tangentialebene im Punkt ( ) ( ) ( ) 3.) Die Zahlenwerte und in Gleichung (Def. 5.11) berechnen sich durch ( ) ( )

Abb. 5.10: Funktion und Tangentialebene im Punkt ( ) ( ) ( ) 3.) Die Zahlenwerte und in Gleichung (Def. 5.11) berechnen sich durch ( ) ( ) Abb. 5.0: Funktion und Tangentialebene im Punkt Aus der totalen Differenzierbarkeit folgt sowohl die partielle Differenzierbarkeit als auch die Stetigkeit von : Satz 5.2: Folgerungen der totalen Differenzierbarkeit

Mehr

Beleg Getriebelehre II

Beleg Getriebelehre II Beleg Getriebelehre II Name, Vorname: Thön, Fabian Matrikelnummer: 631387 Studiengang: Maschinenbau (Master) Semester: Wintersemester 2009/2010 Einrichtung: Fachhochschule Jena Lehrbeauftragter: Herr Prof.

Mehr

Speicherkonzepte von Pixel- und Vektorgrafik

Speicherkonzepte von Pixel- und Vektorgrafik Speicherkonzepte von Pixel- und Vektorgrafik Jahrgangsstufen Lernbereich 1: Modul 1.5 Stand: 20.01.2016 Fach/Fächer Zeitrahmen Benötigtes Material Informationstechnologie 1 Unterrichtsstunde Legoplatten

Mehr

Abschnitt 1.2. Rechnen mit reellen Zahlen

Abschnitt 1.2. Rechnen mit reellen Zahlen Abschnitt 1.2 Rechnen mit reellen Zahlen Addition und Multiplikation Zwei reelle Zahlen a und b kann man zu einander addieren, d. h., den beiden Zahlen wird eine dritte Zahl, a + b, zugeordnet, welche

Mehr

Aufgabe A2 1.1 Die Funktion ist gegeben durch 3P 21 mit Berechne die Gleichung der Tangente an das Schaubild von im Schnittpunkt mit der -Achse. 1.2 E

Aufgabe A2 1.1 Die Funktion ist gegeben durch 3P 21 mit Berechne die Gleichung der Tangente an das Schaubild von im Schnittpunkt mit der -Achse. 1.2 E Aufgabe A1 1.1 Erläutere anhand einer Skizze, ob das Integral 3P größer, kleiner oder gleich Null ist. 1.2 Für eine Funktion gilt: (1) 0 für 2 und 1 (2) 23 (3) 13 (4) 2 (5) 1 6 Welche Aussagen lassen sich

Mehr

Bayern Teil 1. Aufgabe 1. Abitur Mathematik: Musterlösung. Der Term unter der Wurzel darf nicht negativ werden. Es muss also gelten:

Bayern Teil 1. Aufgabe 1. Abitur Mathematik: Musterlösung. Der Term unter der Wurzel darf nicht negativ werden. Es muss also gelten: Abitur Mathematik: Bayern 2013 Teil 1 Aufgabe 1 a) 1. SCHRITT: DEFINITIONSMENGE BESTIMMEN Der Term unter der Wurzel darf nicht negativ werden. Es muss also gelten: 3x + 9 0 x 3 2. SCHRITT: NULLSTELLEN

Mehr

Physikalisches Grundpraktikum I

Physikalisches Grundpraktikum I INSTITUT FÜR PHYSIK DER HUMBOLDT-UNIVERSITÄT ZU BERLIN Physikalisches Grundpraktikum I Versuchsprotokoll P2 : F7 Statistik und Radioaktivität Versuchsort: Raum 217-2 Versuchsbetreuer: E. von Seggern, D.

Mehr

7 Ergebnisse der Untersuchungen zur Sprungfreudigkeit der Rammler beim Absamen und zu den spermatologischen Parametern

7 Ergebnisse der Untersuchungen zur Sprungfreudigkeit der Rammler beim Absamen und zu den spermatologischen Parametern Ergebnisse 89 7 Ergebnisse der Untersuchungen zur Sprungfreudigkeit der Rammler beim Absamen und zu den spermatologischen Parametern 7.1 Einfluß des Lichtregimes 7.1.1 Verhalten der Rammler beim Absamen

Mehr

1 Relaxationskinetik der Neutralisationsreaktion in Wasser

1 Relaxationskinetik der Neutralisationsreaktion in Wasser Physikalische Chemie II Lösung 6 28. Oktober 206 Relaxationskinetik der Neutralisationsreaktion in Wasser. Für die Reaktion A + B definiert man die Auslenkungsvariable x so, dass gilt k a kb 2P [A] = [A]

Mehr

Versuchsprotokoll. Mathematisch-Naturwissenschaftliche Fakultät I Institut für Physik. Versuch O8: Fraunhofersche Beugung Arbeitsplatz Nr.

Versuchsprotokoll. Mathematisch-Naturwissenschaftliche Fakultät I Institut für Physik. Versuch O8: Fraunhofersche Beugung Arbeitsplatz Nr. Mathematisch-Naturwissenschaftliche Fakultät I Institut für Physik Physikalisches Grundpraktikum I Versuchsprotokoll Versuch O8: Fraunhofersche Beugung Arbeitsplatz Nr. 1 0. Inhaltsverzeichnis 1. Einleitung.

Mehr

AUSWERTUNG: POLARISATION

AUSWERTUNG: POLARISATION AUSWERTUNG: POLARISATION TOBIAS FREY, FREYA GNAM 1. POLARISIERTES LICHT Linear polarisiertes Licht. Die linear polarisierte Welle wurde mit Hilfe eines Polarisationsfilters erzeugt, wobei weißes Licht

Mehr

Monate Präop Tabelle 20: Verteilung der NYHA-Klassen in Gruppe 1 (alle Patienten)

Monate Präop Tabelle 20: Verteilung der NYHA-Klassen in Gruppe 1 (alle Patienten) Parameter zur Beschreibung der Leistungsfähigkeit Klassifikation der New-York-Heart-Association (NYHA) Gruppe 1 (alle Patienten): Die Eingruppierung der Patienten in NYHA-Klassen als Abbild der Schwere

Mehr

Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten

Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten Einfluss der Bildverarbeitung - Artefakte und Korrekturmöglichkeiten Karl-Friedrich Kamm Norderstedt Karl-Friedrich Kamm 29/07/2013 1 Mögliche Fehler bei digitalen Röntgenaufnahmen flaue Bilder fehlender

Mehr

Microsoft Office Word Inhaltsverzeichnis I: Erstellen eines automatischen Inhaltsverzeichnisses

Microsoft Office Word Inhaltsverzeichnis I: Erstellen eines automatischen Inhaltsverzeichnisses Microsoft Office Word 2007 Inhaltsverzeichnis I: Erstellen eines automatischen Inhaltsverzeichnisses Inhalt der Schulung Übersicht: Schnelles und einfaches Inhaltsverzeichnis Lektion: Erste Schritte für

Mehr

Auswertung: Franck-Hertz-Versuch

Auswertung: Franck-Hertz-Versuch Auswertung: Franck-Hertz-Versuch Christine Dörflinger und Frederik Mayer, Gruppe Do-9 10. Mai 2012 1 Inhaltsverzeichnis 1 Erste Anregung von Quecksilber 3 1.1 Aufbauen der Schaltung der Quecksilber-Franck-Hertz-Röhre................

Mehr

1 Lineare Gleichungssysteme und Matrizen

1 Lineare Gleichungssysteme und Matrizen 1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe

Mehr

Übungen mit dem Applet Wahrscheinlichkeitsnetz

Übungen mit dem Applet Wahrscheinlichkeitsnetz Wahrscheinlichkeitsnetz 1 Übungen mit dem Applet Wahrscheinlichkeitsnetz 1 Statistischer Hintergrund... 1.1 Verteilungen... 1. Darstellung von Daten im Wahrscheinlichkeitsnetz...4 1.3 Kurzbeschreibung

Mehr

Spezielle Eigenschaften der Binomialverteilung

Spezielle Eigenschaften der Binomialverteilung Spezielle Eigenschaften der Binomialverteilung Wir unterscheiden: 1) die Wahrscheinlichkeitsfunktion einer diskreten Variablen 2) die Verteilungsfunktion einer diskreten Variablen. 1) Die Wahrscheinlichkeitsfunktion

Mehr

HOW TO Abfragen erstellen

HOW TO Abfragen erstellen HOW TO Abfragen erstellen Ihr Ziel ist es, Datensätze mit bestimmten Merkmalen aus Ihren Tabellen zu filtern oder Informationen verschiedener Tabellen miteinander zu verbinden? Dieses HOW TO wird Sie dabei

Mehr

k np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr

k np g(n, p) = Pr p [T K] = Pr p [T k] Φ. np(1 p) DWT 4.1 Einführung 359/467 Ernst W. Mayr Die so genannte Gütefunktion g gibt allgemein die Wahrscheinlichkeit an, mit der ein Test die Nullhypothese verwirft. Für unser hier entworfenes Testverfahren gilt ( ) k np g(n, p) = Pr p [T K] = Pr p

Mehr

KAPITEL 9 Splinefunktionen

KAPITEL 9 Splinefunktionen KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge

Mehr

6. Tonwertkorrektur. HBS Gimp 2

6. Tonwertkorrektur. HBS Gimp 2 6. Tonwertkorrektur Im vorigen Kapitel wurde gezeigt, wie man Bild vom Scanner oder der Digitalkamera grob korrigiert. In Kapitel 6 beschäftigen wir uns mit den anschließend durchzuführenden Arbeiten,

Mehr

Bildbearbeitung ganz praktisch

Bildbearbeitung ganz praktisch Bildbearbeitung ganz praktisch Karl-Friedrich Kamm Hamburg - Norderstedt 1 Um welche Kernfrage geht es in der digitalen Bildbearbeitung? Wie kann ich aus der Fülle der aufgenommenen Bildinformationen das

Mehr

Versuch 33: Messung mit einer Vakuum-Photozelle Seite 1

Versuch 33: Messung mit einer Vakuum-Photozelle Seite 1 Versuch 33: Messung mit einer Vakuum-Photozelle Seite Aufgabe: Messverfahren: Vorkenntnisse: Lehrinhalt: Bestimmung der Charakteristik einer Photozelle Messung des Photostroms mit Hilfe eines Galvanometers

Mehr

3 Häufigkeitsverteilungen

3 Häufigkeitsverteilungen 3 Häufigkeitsverteilungen 3.1 Absolute und relative Häufigkeiten 3.2 Klassierung von Daten 3.3 Verteilungsverläufe 3.1 Absolute und relative Häufigkeiten Datenaggregation: Bildung von Häufigkeiten X nominal

Mehr

1 EINLEITUNG MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7

1 EINLEITUNG MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7 Property-Based Measurement Inhaltsverzeichnis 1 EINLEITUNG... 3 2 GRUNDLEGENDE DEFINITIONEN... 4 2.1 SYSTEME UND MODULE... 4 2.2 MODULARE SYSTEME...6 3 MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7 3.1 GRÖSSE...

Mehr

Probeklausur zur Analysis II

Probeklausur zur Analysis II Probeklausur zur Analysis II Prof. Dr. C. Löh/M. Blank 3. Februar 2012 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten

Mehr

Behandlung von hohen Kontrasten

Behandlung von hohen Kontrasten Behandlung von hohen Kontrasten Hell und Dunkel richtig einsetzen Günther Keil; Ergebnis Foto-Ecke, 11.September 2012 Schwerpunkte Einführung Bei der Aufnahme Am PC HDR-Software Nächster Termin: 9. Oktober:

Mehr

UV/ BLAU. DATENBLATT Agfa Film Folien Systeme. Curix Ultra UV G Curix Ultra UV L Curix Ultra UV C. Curix HC G Curix HC L Curix HC 500 G

UV/ BLAU. DATENBLATT Agfa Film Folien Systeme. Curix Ultra UV G Curix Ultra UV L Curix Ultra UV C. Curix HC G Curix HC L Curix HC 500 G Medical Imaging DATENBLATT Agfa Film Folien Systeme UV/ BLAU UV G UV L UV C HC 1.000 G HC 1.000 L HC 500 G Cronex 5 Cronex 10 T Cronex 10 TL Medizinische Röntgenfilme zur Verwendung mit UV- und emittierenden

Mehr

Schritt-für-Schritt - Anleitung zur Erstellung von Expositionsszenarien:

Schritt-für-Schritt - Anleitung zur Erstellung von Expositionsszenarien: Schritt-für-Schritt - Anleitung zur Erstellung von Expositionsszenarien: Die in dieser Beschreibung gezeigten Beispiele dienen nur zu Informationszwecken und sind daher sehr vereinfacht. 1. Zuerst müssen

Mehr

i j m f(y )h i h j h m

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

Messverstärker und Gleichrichter

Messverstärker und Gleichrichter Mathias Arbeiter 11. Mai 2006 Betreuer: Herr Bojarski Messverstärker und Gleichrichter Differenz- und Instrumentationsverstärker Zweiwege-Gleichrichter Inhaltsverzeichnis 1 Differenzenverstärker 3 1.1

Mehr

Tools und Techniken. Gängige Arbeitsabläufe. Ein Gesicht formen

Tools und Techniken. Gängige Arbeitsabläufe. Ein Gesicht formen 1 1 1 1 1 1 1 1 Tools und Techniken Gängige Arbeitsabläufe Ein Gesicht formen In diesem Kapitel gebe ich besonders Einsteigern einen Überblick über den Einsatz gängiger Softwarewerkzeuge. Anhand von kurzen

Mehr

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

Was bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,

Mehr