Proseminar Grundlagen der Bildverarbeitung Thema: Bildverbesserung Konstantin Rastegaev
|
|
- Gotthilf Kolbe
- vor 7 Jahren
- Abrufe
Transkript
1 Proseminar Grundlagen der Bildverarbeitung Thema: Bildverbesserung Konstantin Rastegaev 1
2 Inhaltsverzeichnis: 1.Pixelbasierte Bildverbesserung Monotone Grauwertabbildung Maximierung des globalen Kontrasts Verbesserung des lokalen Kontrasts Maximierung der Entropie Nicht monotone Grauwertabbildung Abbildung der Grauwerte auf Farbwerte Lineare Filterung Unterdrückung von Rauschen Integration über eine zeitliche Folge Integration über eine homogene Fläche Die Hervorhebung von Kanten Nichtlineare Filterung Verwendete Literatur
3 Bildverbesserung. Intro: Der amerikanische Maler Edward Hopper (geboren 1882 in Nyack/New York) war schon damals fasziniert vom Spiel von Licht und Schatten. Er verfälschte bewusst die physikalisch messbare Intensität der Lichtreflexion an Objekten, um mit den begrenzten Möglichkeiten eines Bildes eine vergleichbare Impression der realen Szene yu schaffen. Das umschreibt ein wesentliches Ziel der Bildverbesserung. Es gibt drei Gruppen von Methoden der Bildverbesserung (BV) : 1) Pixelbasierte Verfahren (Punktbasierte Methode) 2) BV durch lineare Filterung (Flächenbasierte BV) 3) Nichtlineare Filterung (Flächenbasierte BV) 1.Pixelbasierte BV Diese Verfahren erzielen eine Kontrastverbesserung durch Steigerung des Abstands zwischen Grauwerten. Es gibt 3 Methoden für die Pixelbasierte BV: Monotone Abbildung der Grauwerte Nicht monotone Grauwertabbildung Falschfarbdarstellung 1.1 Monotone Grauwertabbildung Wir führen solche Begriffe wie globaler und lokaler Kontrast,Entropie ein: Globaler Kontrast ist der größte Grauwertunterschied im Bild: mit grange - Grauwertbereich und f(m,n)-funktion in einer definierten Nachbarschaft um (m,n). Lokaler Kontrast ist z.b. durchschnittlicher Grauwertunterschied zwischen benachbarten Pixeln: mit fnb(m,n) durchschnittlicher Grauwert in der Umgebung von (m,n). 3
4 Maximierung des globalen Kontrasts: Der globale Kontrast kann durch Grauwertspreizung vergrössert werden: man verwendet die Abbildung g -> g : mit wmin und wmax dem kleinsten bzw.grössten repräsentierbaren Grauwert(0..255) - z.b. für Eingaben wmin = 0, wmax = 255, gmin = 100, gmax = 115 : Cglobal = 0,08 Histogramm Transferfunktion Cglobal = 1,00 4
5 1.1.2.Verbesserung des lokalen Kontrasts: Der lokale Kontrast kann durch Gamma-Korrektur verbessert werden: mit = const Falls das Bild zu hell ist, mit der Hilfe dieser Korrektur bekommt man: Сglobal = 1,00 Сlocal = 7,85 Histogramm Transferfunktion mit = 2 Сglobal = 1,00 Сlocal = 9,55 Histogramm nach Korrektur 5
6 1.1.3.Maximierung der Entropie(des Informationsgehalts) Entropie ist neben globalem und lokalem Kontrast ein drittes Maß für den Kontrast. Zur Maximierung der Entropie brauchen wir eine Histogrammtransformation: Entropie ist dann maximal, wenn H(gi) = const ( => Histogrammlinearisierung ), das bedeutet, dass die Häufigkeit des Vorkommens jedes Grauwerts gleich ist. Die Transferfunktion für die Histogrammlinearisierung (HL) ist: z.b. mit Ng Anzahl der Grauwerte 6
7 Beispiel für HL: vor HL nach HL Nachteilig an der Histogrammlinearisierung ist, dass die Konstrastanhebung unabhängig vom Bildinhalt ist: Das Unwichtige wurde verstärkt, das Wichtige abgeschwächt! Deswegen braucht man solche Verfahren wie Adaptive HL (AHL) und Kontrastlimitierte adaptive HL (CLAHE): AHL funktioniert so, für jedes Pixel wird aus einer vorgegeben lokalen Nachbarschaft ein lokales Histogram erzeugt und dieses wird für die Berechnung einer Pixel-Transferfunktion verwendet. Die Nachteile dieses Verfahrens ist die extreme Anhebung des Kontrasts in sehr homogenen Bildbereichen. Hier hilft CLAHE: normales Bild CLAHE AHL 7
8 1.2.Nicht monotone Grauwertabbildung Obwohl der Kontrast durch diese Abbildung vergrössert werden kann, kann die Änderung der Ordnung der Grauwerte zu schwer interpretierbaren Bildern führen. Eine Zuordnung zwischen Helligkeit und ursprünglichem Grauwert ist nicht mehr herstellbar. hier sind schon zwei Grauwertfenster in einem Bild...schon komplizierter abzulesen Abbildung der Grauwerte auf Farbwerte. Die Kontrastverstärkung ist durch drei nicht-lineare, nicht-monotone Abbildungsfunktionen der Grauwerte: redi(g), greeni(g) bluei(g) zu bekommen: 8
9 Die Darstellung erhöht den wahrnehmbaren Kontrast...aber diese Darstellung hat einige Nachteile: ein von denen ist, dass es nicht gelungen ist, eine Farbskala zu definieren, bei der der Abstand zwischen je zwei benachbarten Farben über die gesamte Skala als gleich empfunden wird. Ein weiterer Nachteil: nichtlineare Transformationen erzeugen künstliche Kanten, die die Informationsvermittlung durch das Bild behindern können: z.b. 9
10 Jetzt werden wir die flächenbasierten Bildverbesserungen betrachten... 2.Lineare Filterung Die Konstrastverstärkung erfolgt hier durch Unterdrückung von Rauschen oder durch die Hervorhebung von Kanten Unterdrückung von Rauschen Integration über eine zeitliche Folge. Integration über eine homogene Fläche Wir wissen, Rauschen wurde als stochastischer Prozess definiert, welcher der ungestörten Bildfunktion überlagert ist, wobei angenommen wird, dass der Erwartungswert der Rauschfunktion 0 ist Integration über eine zeitliche Folge Hier nehmen einfach mehrere Bilder gi über einen gegebenen Zeitraum auf, dabei bleibt das Bild unverändert,also keine Beleuchtungsänderung usw. Um ein Verfahren zur Rauschunterdrückung zu entwickeln, benötigen wir eine Näherung an die unverrauschte Funktion f : wo das verrauschte Bild g durch g(m,n)=f(m,n)+ n(m,n) gegeben ist und ein Erwartungswert der ungestörten Bildfunktion f ist. Dabei entstehen solche Bilder: bei einigen Aufnahmen... bei mehreren Aufnahmen.. 10
11 2.1.2 Integration über eine homogene Fläche Für die Reihe von Bildpunkten po...pn (f(pi)) kann das Rauschen durch Addition der gemessenen Funktionswerte g(pi) reduziert werden: wir nehmen an, dass das Bild aus homogenen Bereichen besteht und benachbarte Punkte den gleichen Grauwert haben. Dann ist die Rauschunterdrückung eine Mittelwertbildung über vorgegebene Nachbarschaft. Es gibt viele Filter, mit deren Hilfe Rauschen unterdrückt werden kann. Ein von denen ist Mittelwertfilter (a.k.a. 3x3 Boxcar-Filter): oder 5x5 Boxcar-Filter: Um das Verhalten des Mittelwertfilters genauer zu beurteilen, kann man die Filterfunktion in den Frequenzbereich transformieren und untersuchen, wie sich die Amplitude des Bildsignals in Abhängigkeit von der Frequenz verändert. Dafür werden Tiepassfilter benutzt: bei diesen Filtern enstehen Artefakte: Artefakt 11
12 Bei Idealem Tiefpassfilter wird eine Frequenzgrenze Fmax bestimmt: Fmax Cut-Off-Frequenz Bei diesem Filter entstehen Ringing-Artefakte: Cut-off- Frequenz = 50 Ringing-Artefakt Ringing-Artefakte des idealen Tiefpassfilters (Bild 1) entstehen wegen des wellenförmigen Verhaltens im Ortsbereich (Bild 2): Bild 1 Bild 2 Bei Butterworth-Tiefpassfilter werden die Frequenzen gelöscht, sondern nur abgeschwächt: 12
13 Frequenzraum Ortsraum Nach der Filterung treten keine Ringing-Artefakte. Der andere Filter ist ein Binomial-Filter: Binomialfilter werden zunächst als eindimensionale Filter entwickelt und dann zweidimensional erweitert: Eindimensionaler Binomialfilter p-mal: Zweidimensionaler Binomialfilter Die Filterung mit Binomialfilter führt nicht zu Artefakten. Die Binomialfilter nähern ein optimales Rauschfilter aus Sicht einer Operation im Ortsbereich an, während das ButterworthßFilter das Ergebnis einer Suche nach dem optimalen Verhalten im Frequenzbereich ist. 13
14 2.2. Die Hervorhebung von Kanten Die Auswertung von Kantenmerkmalen ermöglicht die bessere Betonung von Grenzen zwischen Objekten. Zur Extraktion von Kanteneigenschaften benutzt man das Ideale Hochpassfilter: mit Grenzfrequenz Fmax Bei Butterworth-Hochpassfilter: 14
15 Zur Berechnung von Ort und Richtung einer Kante ist es hilfreich,zu einer Betrachtung von Kanten und Kantenmerkmalen im Ortsraum zurückzukehren. Die Stärke einer Kante lässt sich über die Steilheit der Grauwertfunktion, also den Betrag des Gradienten, bestimmen. Ein Gradient im N-dimensionalen Raum ist ein N-dimensionaler Vektor aus N partiellen Ableitungen und jede partielle Ableitung kann durch eine Differenz abgeschätzt werden, die durch Konvolution berechnet werden kann. Die bekanntesten Gradienten sind Robert s Gradient: und und Sobel-Operator: und Die Differenzen für den Robert s Gradient werden von aktuellen Pixel zu den Nachfolgerpixeln gebildet. Die Ableitungen werden nicht in m- oder n- Richtung, sondern entlang der beiden Diagonalen gebildet. Der Sobel-Operator ist ähnlich zu den Binomialfiltern. Vergleicht man das Amplitudenbild der Fourier-Transformation des einfachen Differenzfilters mit dem des Sobel-Operators und mit der partiellen Ableitung der Gauss-Funktion, dann erkennt man, dass das Sobel-Filter orthogonal zur Differentiationsrichtung wie ein Tiefpassfilter wirkt: Differenz Sobel Gauss 15
16 Laplace-Operators: es gibt zwei Versionen des Laplace-Operators: oder Dunkle Pixel bezeichnen negative,helle Pixel bezeichnen positive Werte. Der Laplace-Operator ist wegen der zweimaligen Differentiation sehr rauschempfindlich, deswegen verbindet man die Laplace-Filterung mit einer Glättung. Der bekannteste Operator für diesen Vorgang ist das Laplacian-of- Gaussian-Filter (a.k.a. LoG-Filter): Es gibt noch ein weiteres Filter : Difference-of-Gaussian-Filter: Das Bild wird durch zwei Gauss-Filter mti unterschiedlicher Standardabweichung geglättet und diese beiden Bilder werden voneinander subtrahiert. 16
17 3.Nichtlineare Filterung Diese Filter heben die Nachteile von linearen Filtern bei der Unterscheidbarkeit von Rauschen und Kanten auf. Leider haben Kanten und Rauschen im Frequenzbereich ähnliche Attribute. Um dir Trennung effizienter zu gestalten, benutzt man Median- und Diffusionsfilter. Medianfilter gehört zur Gruppe der Rangordnungsfilter. Rangordnungsfilter: Sein Vorgehen: Sortierung der Elemente in einer Filtermaske Auswahl des an einer bestimmten Stelle einsortierten Werts Eintragung des ausgewählten Werts in die zentrale Position Seine Eigenschaften: Es entstehen keine neuen Werte Filter ist nichtlinear, nicht kommutativ, nicht assoziativ Der Medianfilter ist quadratisch mit ungerader Seitenlänge. Das Kantensignal ist größer als das Rauschsignal und die Kante verläuft über die Fläche des Medianfilters gerade. Der Grauwert ist konstant in einer Umgebung von der Größe des Filters. Falls die Kante durch Filterbereich verläuft: Der Mittelpunkt des Filters liegt auf der gleichen Seite der Kante wie die Mehrzahl der Pixel (z.b. rechts von der Kante). Pixel von dieser Seite (z.b. rechts) wird selektiert (kantenerhaltend). Falls keine Kante im Filterbereich gibt: Median nähert sich dem Erwartungswert mit Anzahl der Stichproben (rauschunterdrückend). 17
18 7x7-Mittelwertfilter 7x7-Medianfilter Durch Diffusionsfilter wird der physikalische Diffusionsprozess zum Austausch von Konzentrationsunterschieden simuliert. Es gibt drei Arten von Diffusion: Homogene Diffusion: Szene besteht aus einem einzigen Material und die Diffusion ist proportional zum Dichtegradienten dieses Materials. Inhomogene Diffusion: Szene enthält Barrierematerialien, wo die Diffusion erschwert wird. Anisotrope, inhomogene Diffusion: Diffusion an Barrierematerialien ist richtungsabhängig. Homogene Diffusion: Isotrope inhomogene Diffusion: 18
19 Anisotrope Diffusion: Bei der homogenen Diffusion passiert eine vollständige Homogenisierung. Eine isotrope inomogene Diffusion erhält Kanten, aber dort auch Rauschen. Die anisotrope Diffusion unterdrückt Rauschen auch an Kanten. 4.Verwendete Literatur: 1. Klaus D. Tönnies: "Grundlagen der Bildverarbeitung" 2. S.E.Umbaugh. Computer Vision and Image Processing 3. E.R.Dougherty, J.T.Astola. Nonlinear Filters for Image Processing 4. R.Klette,P.Zamparoni. Handbuch für die Operatoren der Bildverarbeitung 19
Nichtmonotone Grauwertabbildung
LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 02.12.2005 Folie 1 Nichtmonotone Grauwertabbildung Zwei Grauwertfenster in einem Bild. g (g) 0 511 2100 g Erzeugt künstliche Kanten. Grenzen
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Bildanalyse Literatur David A. Forsyth: Computer Vision i A Modern Approach. Mark S. Nixon und Alberto S. Aguado: Feature Extraction and Image Processing. Ulrich Schwanecke:
MehrFILTER UND FALTUNGEN
Ausarbeitung zum Vortrag von Daniel Schmitzek im Seminar Verarbeitung und Manipulation digitaler Bilder I n h a l t. Der Begriff des Filters 3 2. Faltungsfilter 4 2. Glättungsfilter 4 2.2 Filter zur Kantendetektion
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrPraktikum-Meßtechnik Verfasser: Dr. H. Bergelt
TU Bergakademie Freiberg Praktikum-Meßtechnik Verfasser: Dr. H. Bergelt Filter in der Bildverarbeitung. Einleitung Digitale Filter gehören zu den wirkungsvollsten Methoden der Bildverarbeitung. Wir können
MehrComputergrafik 2: Digitale Bilder & Punktoperationen
Computergrafik 2: Digitale Bilder & Punktoperationen 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.
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
MehrBildverarbeitung und Mustererkennung
Bildverarbeitung und Mustererkennung Prüfung im Modul ET5030 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2013 Hinweise zur Bearbeitung der Klausur
MehrHauptseminar Autofokus
Hauptseminar Autofokus Hans Dichtl 30. Januar 2007 Wann ist ein Bild fokussiert? Wann ist ein Bild fokusiert? Welche mathematischen Modelle stehen uns zur Verfügung? Wie wird das elektronisch und mechanisch
MehrGrundlagen der digitalen Bildverarbeitung / Fortsetzung
Grundlagen der digitalen Bildverarbeitung / Fortsetzung Wir haben bereits zwei Beispiele digitaler Bildfilter gesehen. Es gibt eine große Menge von Filtern mit ganz unterschiedlicher Auswirkung auf das
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
MehrPraktikum 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
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung 01a: Einführung und Motivation Prof. Dr. Gudrun Socher Dozentin Dozentin Prof. Dr. Gudrun Socher (gudrun.socher@hm.edu) Sprechstunde Donnerstag 9:15-10:00 Uhr Anmeldung per E-Mail
MehrElementare Bildverarbeitungsoperationen
1 Elementare Bildverarbeitungsoperationen - Kantenerkennung - 1 Einführung 2 Gradientenverfahren 3 Laplace-Verfahren 4 Canny-Verfahren 5 Literatur 1 Einführung 2 1 Einführung Kantenerkennung basiert auf
MehrEinfluss 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
MehrGrundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1. Histogramm & Histogrammäqualisierung
Grundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1 Histogramm & Histogrammäqualisierung Histogramm: Häufigkeiten der Grauwerte eines Bildes geordnet nach Helligkeit: oft relative Häufigkeit
MehrBilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)
Grundlagen der digitalen Bildverarbeitung Bilder im Zusammenhang mit Geoinformatik sind u.a.: Luftbilder, Satellitenbilder Synthetische Bilder (z.b. digitale Oberflächenmodelle)... dagegen weniger Fotos
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
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
MehrKapitel 7. Bildverarbeitung im Frequenzraum
Kapitel 7 Bildverarbeitung im Frequenzraum Durchführung von Faltungen im Frequenzraum Filterung im Frequenzraum: Tiefpass- und Hochpass-Filter, etc. Bildrestaurierung Notch-Filter: Entfernung periodischer
MehrGrundlagen der Computer-Tomographie
Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrPraktikum 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
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrSuche nach korrespondierenden Pixeln in zwei Bildern
Suche nach korrespondierenden Pixeln in zwei Bildern Seminar Algorithmen zur Erzeugung von Panoramabildern von Philip Mildner April 2008 Universität Mannheim Lehrstuhl Praktische Informatik IV Prof. Dr.
MehrBildverarbeitung in der Robotik
Bildverarbeitung in der Robotik Thomas Röfer (Folien z.t. von Rolf Müller) Bildaufnahme Filter Kantenfindung Farbverarbeitung Landmarkenerkennung Einsatzgebiete Industrie Qualitätskontrolle Lageerkennung
MehrFortgeschrittene Schärfemethoden, Schärfemethoden die dem Bild mehr Brillanz verleihen
Fortgeschrittene Schärfemethoden, Schärfemethoden die dem Bild mehr Brillanz verleihen In der klassischen Bilderbearbeitung werden viele Schärfemethoden benutzt die zwar Effektiv sind, aber nach deren
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrMorphologische Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Thorsten Hermes Eine praktische Einführung ISBN 3-446-22969-8 Leseprobe Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-22969-8 sowie im Buchhandel Kapitel
MehrPartielle Ableitungen & Tangentialebenen. Folie 1
Partielle Ableitungen & Tangentialebenen Folie 1 Bei Funktionen mit einer Variable, gibt die Ableitung f () die Steigung an. Bei mehreren Variablen, z(,), gibt es keine eindeutige Steigung. Die Steigung
MehrFakultät für Informatik. Professur Medieninformatik. Studienarbeit. Möglichkeiten der Indentifikation und Entfernung von Bildstörungen.
Fakultät für Informatik Professur Medieninformatik Studienarbeit Möglichkeiten der Indentifikation und Entfernung von Bildstörungen Janina Bär Chemnitz, den 12. Februar 2006 Betreuer: Dr. Maximilian Eibl
MehrObjekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung
Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges
MehrFiles 1 Grundlagen ... 3 2 Tiefpassfilter ... 5 3 Hochpassfilter. ...8 4 Rangordnungsfilter ... 15 5 Quellenverzeichnis. ... 22
Tutorial Files 1 Grundlagen... 3 2 Tiefpassfilter... 5 3 Hochpassfilter...8 3.1 Richtungsunabhängige Hochpassfilter... 8 3.2 Richtungsabhängige Hochpassfilter... 10 3.2.1 Sobel-... 10 3.2.2 Prewitt-...13
MehrM13 Übungsaufgaben / pl
Die Histogramme von Binomialverteilungen werden bei wachsendem Stichprobenumfang n immer flacher und breiter. Dem Maximum einer solchen Verteilung kommt daher keine allzu große Wahrscheinlichkeit zu. Vielmehr
MehrKantenextraktion. Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften. Klassische Verfahren
CURANDO Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften UNIVERSITÄT ULM SCIENDO DOCENDO Kantenextraktion Klassische Verfahren Seminar Bildsegmentierung und Computer Vision WS 2005/2006
MehrComputergrafik 2: Klassifikation
Computergrafik 2: Klassifikation 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 (Grundlagen
MehrStatistik eindimensionaler Größen
Statistik eindimensionaler Größen Michael Spielmann Inhaltsverzeichnis 1 Aufgabe der eindimensionalen Statistik 2 2 Grundbegriffe 2 3 Aufbereiten der Stichprobe 3 4 Die Kennzahlen Mittelwert und Streuung,
MehrDigitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies
Digitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies Technische Universität Ilmenau Fachgebiet Qualitätssicherung Dr.-Ing. Maik Rosenberger 1 Inhalt 1 Grundbegriffe der Bildverarbeitung
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrModulares ZBS - Weiterbildungsprogramm Industrielle Bildverarbeitung für die Automatisierung und Qualitätssicherung Modul 1
Modul 1 Lichttechnik / Beleuchtungstechnik Licht- und strahlungstechnische Grundlagen (spektrale und integrale Strahlungsgrößen, lichttechnische Grundgrößen, lichttechnische Stoffkennzahlen und Wirkungsgrade,
MehrEine zweidimensionale Stichprobe
Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Inhaltsverzeichnis 1 Einführung 2 FFT 3 Anwendungen 4 Beschränkungen 5 Zusammenfassung Definition Fouriertransformation
MehrKapitel 2. Grundlagen Computer Vision. ,,Even a journey of a thousand miles begins with a small step
Kapitel 2 Kapitel 2 Grundlagen p. 1/40 Grundlagen Computer Vision,,Even a journey of a thousand miles begins with a small step Bildtypen Beleuchtung Bildentstehung Digitale Topologie Globale Charakterisierung
MehrBildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrDigitale Bildverarbeitung Einheit 5 Bilder und Statistik
Digitale Bildverarbeitung Einheit 5 Bilder und Statistik Lehrauftrag SS 2007 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, welche
MehrTechnische Universität
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Filter im Frequenzraum Proseminar Jakob Külzer Betreuer: Abgabetermin: 16.02.2005 Dipl.-Inform. Heiko Gottschling
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
Mehr1. EINFÜHRUNG. Eingang (Bild) -> Operation(en) -> Ausgang (Bild und/oder extrahierte geometrische und semantische Informationen)
1. EINFÜHRUNG 1.1. DEFINITIONEN UND ÜBERBLICK Bildverarbeitung Eingang (Bild) -> Operation(en) -> Ausgang (Bild) Bildanalyse Eingang (Bild) -> Operation(en) -> Ausgang (Bild und/oder extrahierte geometrische
MehrObjektorientierte Bildverarbeitung Methodische Grundlagen
ARC GmbH Objektorientierte Bildverarbeitung Methodische Grundlagen Klaus Steinnocher, Florian Kressler klaus.steinnocher@arcs.ac.at Geschäftsfeld Umweltplanung ARC http://www.arcs.ac.at/s 1 ARC GmbH Einleitung!
Mehrdie Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering
Farbreduktion die Kunst, mit wenig Farbklexen bunte Bilder zu machen Halftoning, Dithering zwei Schritte: geeignete Farben (Repäsentanten) finden Farbreduktion alle Bildfarben den Repräsentanten zuordnen
MehrIm Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω)
4 Systeme im Frequenzbereich (jω) 4.1 Allgemeines Im Frequenzbereich beschreiben wir das Verhalten von Systemen mit dem Komplexen Frequenzgang: G (jω) 1 4.2 Berechnung des Frequenzgangs Beispiel: RL-Filter
MehrExemplar für Prüfer/innen
Exemplar für Prüfer/innen Kompensationsprüfung zur standardisierten kompetenzorientierten schriftlichen Reifeprüfung AHS Juni 2016 Mathematik Kompensationsprüfung 3 Angabe für Prüfer/innen Hinweise zur
MehrPartielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung
Partielle Ableitungen, Gradient, Lineare Näherung, Extrema, Fehlerfortpflanzung Jörn Loviscach Versionsstand: 29. Juni 2009, 18:41 1 Partielle Ableitungen, Gradient Die Ableitung einer Funktion f an einer
MehrHauptseminar im Sommersemester 2012 Mathematische Bildverarbeitung (Vorbesprechung)
Hauptseminar im Sommersemester 2012 Mathematische Bildverarbeitung (Vorbesprechung) Juniorprof. Dr. Thorsten Raasch Johannes Gutenberg-Universität Mainz 21.02.2012 Inhalt der Vorbesprechung: Terminplanung
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
MehrBildbearbeitung 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
MehrPunktoperationen / Grauwerttransformationen
Fortsetzung zu Kapitel 4: Bildoperationen Punktoperationen / Grauwerttransformationen Zusammenfassung: wirken unabhängig von der Position im Bild Transformation T der Originalhelligkeit p in die Helligkeit
MehrPraktikum 1. Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_01 ImageJ.doc Praktikum 1 Digitale Bildverarbeitung Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
MehrDigitalfotos bearbeiten mit Photoshop Elements 7.0
Das große Buch Digitalfotos bearbeiten mit Photoshop Elements 7.0 Pavel Kaplun Dr. Kyra Sänger DATA BECKER Unauffällige Methoden der Rauschunterdrückung 6.3 Unauffällige Methoden der Rauschunterdrückung
Mehr6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum
6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte
MehrImplementierung und Evaluierung von Video Feature Tracking auf moderner Grafik Hardware
Implementierung und Evaluierung von Video Feature Tracking auf moderner Diplomarbeit vorgelegt von Sebastian Heymann Betreut von Prof. Dr. Bernd Fröhlich Bauhaus Universität t Dr. Aljoscha Smolic Fraunhofer
Mehr9th NEMO-SpectroNet Collaboration Forum
9th NEMO-SpectroNet Collaboration Forum Jena, 15.12.2010 Color and Multi Spectral Imaging An Overview Dr. Ing. Thomas Fahlbusch, PhotonicNet GmbH, Hannover Farbaufnahme 1-Chipkamera Bayer Farbmosaik Chips
MehrAdvanced Rendering Interior Szene
Advanced Rendering Interior Szene in Cinema 4D 11-11.5 Als erstes, sollten Sie ihre Szene in Cinema 4D öffnen. vergewissern sie sich, ob alle Licht quellen die evtl. mit importiert wurden, aus der Szene
MehrEinführung in die Physik II für Studierende der Naturwissenschaften und Zahnheilkunde. Sommersemester 2007
Einführung in die Physik II für Studierende der Naturwissenschaften und Zahnheilkunde Sommersemester 2007 VL #45 am 18.07.2007 Vladimir Dyakonov Erzeugung von Interferenzen: 1) Durch Wellenfrontaufspaltung
MehrCorinne Schenka Vorkurs Mathematik WiSe 2012/13
4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:
MehrStatistische Kenngrößen. Histogramm. Grundlagen zur statistischen Signalverarbeitung. Statistische Beschreibung von Audio
8.3.6 Statistische Kenngrößen Grundlagen zur statistischen Signalverarbeitung Dr. Detlev Marpe Fraunhofer Institut für achrichtentechnik HHI Histogramm Wahrscheinlichkeitsdichteverteilung Mittelwert µ
Mehrgeschlossene Schachtel mit einem kleinen Loch
Kameramodellierung Lochkamera Kamerakonstante Kamerazentrum geschlossene Schachtel mit einem kleinen Loch ideale Kamera: Loch hat keine Ausdehnung die Strahlen sind ein Büschel von Geraden Abbildung erfolgt
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 6 146 2. Teil Ziele der Filteranwendung Signal-Trennung (z.b. EKG eines Kindes im Mutterleib, Spektralanalyse) Signal-Restauration (z.b. unscharfes
Mehr1. Vorlesung Partielle Differentialgleichungen
1. Vorlesung Partielle ifferentialgleichungen Wolfgang Reichel Übersee-Vorlesung aus Oaxaca, Mexiko, 19. Oktober 2010 Institut für Analysis KIT University of the State of Baden-Wuerttemberg and National
MehrÜberschrift. Titel Prognosemethoden
Überschrift Prognosemethoden Überschrift Inhalt 1. Einleitung 2. Subjektive Planzahlenbestimmung 3. Extrapolierende Verfahren 3.1 Trendanalyse 3.2 Berücksichtigung von Zyklus und Saison 4. Kausale Prognosen
MehrMerkzettel Bildverarbeitung
Merkzettel Bildverarbeitung Sven Findeiß im Sommersemester 005 Inhaltsverzeichnis Bildrepresentation 3. achbarschaften...................................... Abstandsmaße......................................
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
MehrStudienarbeit zur Still Image Segmentation
Studienarbeit zur Still Image Segmentation Studienarbeit von Susanne Krabbe aus Greifswald vorgelegt am Lehrstuhl für Praktische Informatik IV Prof. Dr. Effelsberg Fakultät für Mathematik und Informatik
MehrReal-Time High-Dynamic Range Texture Mapping
Real-Time High-Dynamic Range Texture Mapping Jonathen Cohen, Chris Tchou, Tim Hawkins and Paul Debevec Präsentiert von Daniel Wickeroth Einführung Worum geht s? Darstellung realistischer Szenen Innen -
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrDie Umsetzung der Lehrplaninhalte in Fokus Mathematik Einführungsphase auf der Basis des Kerncurriculums Mathematik in Nordrhein-Westfalen
Die Umsetzung der Lehrplaninhalte in auf der Basis des Kerncurriculums Mathematik in Nordrhein-Westfalen Schulinternes Curriculum Schülerbuch 978-3-06-041672-1 Lehrerfassung des Schülerbuchs 978-3-06-041673-8
MehrAnleitung: 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
MehrMathematik für das Ingenieurstudium
Mathematik für das Ingenieurstudium von Martin Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzeichnis schnell
MehrLaborübung: Oszilloskop
Laborübung: Oszilloskop Die folgenden Laborübungen sind für Studenten gedacht, welche wenig Erfahrung im Umgang mit dem Oszilloskop haben. Für diese Laborübung wurde eine Schaltung entwickelt, die verschiedene
Mehr2. Fraktale Geometrie
2. Fraktale Geometrie Komplexe Systeme ohne charakteristische Längenskala z.b. Risse in festen Materialien, Küstenlinien, Flussläufe und anderes.. Skaleninvariante Systeme Gebrochene Dimensionen Fraktale
MehrRotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum
Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1
MehrAktiver Tiefpass mit Operationsverstärker
Aktiver Tiefpass mit Operationsverstärker Laborbericht an der Fachhochschule Zürich vorgelegt von Samuel Benz Leiter der Arbeit: B. Obrist Fachhochschule Zürich Zürich, 17.3.2003 Samuel Benz Inhaltsverzeichnis
MehrInhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004
Kantenbasierte Merkmale für die Bildsuche Inhaltsbasierte Bildsuche Matthias Spiller 17. Dezember 2004 Übersicht Übersicht Einleitung Was sind Kanten? Kantenrichtungs Histogramm Der Canny-Algorithmus Feature-Erzeugung
MehrOptische Illusionen. Ich sehe was, was Du nicht siehst... Fachbereich 3 Mathematik und Informatik. Mathias Lindemann
Optische Illusionen Ich sehe was, was Du nicht siehst... Email von Dirk Zähle die schwarzen Punkte! Überblick Optische Illusionen Wo findet man sie? Wie kann man sie erläutern? Was sieht man? Wie kann
MehrAkkurater Gammawert 2.2 und 5 voreingestellte Gamma-Einstellungen
Akkurater Gammawert 2.2 und 5 voreingestellte Gamma-Einstellungen Was ist Gamma? Gamma wurde früher in CRT- und frühen LCD-Monitoren direkt an die Spannung geknüpft und war ein wichtiger Faktor bei der
MehrMathematik für Wirtschaftswissenschaftler
Knut Sydsaeter Peter HammondJ Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 2., aktualisierte Auflage Inhaltsverzeichnis Vorwort 13 Vorwort zur zweiten Auflage 19 Kapitel 1 Einführung,
MehrDigitale Signalverarbeitung
Digitale Signalverarbeitung Mario Hlawitschka Wissenschaftliche Visualisierung, Universität Leipzig hlawit@informatik.uni-leipzig.de, http://www.informatik.uni-leipzig.de/ hlawit/ Mario Hlawitschka Digitale
MehrLinear Workflow. Linear Workflow. Version 1.0-2011-10-11
Version 1.0-2011-10-11 Verfahren, Bilder unter Rücksichtnahme ihres Farbprofils und der des Ausgabegeräts zu berechnen (3D), bzw. zu bearbeiten (Compositing), um eine mathematisch und physikalisch korrekte
MehrWie es Euch gefällt Pixelvorverarbeitung oder RAW-Format
Wie es Euch gefällt Pixelvorverarbeitung oder RAW-Format Je nach Anwendung werden an die Bilddaten unterschiedliche Anforderungen gestellt. Beim schnellen Schnappschuss möchte Sie ein fertiges Bild von
MehrVersuch 35: Speckle. F-Praktikum Versuch 35: Speckle N. Lindlein
Versuch 35: Speckle Norbert Lindlein nstitut für Optik, nformation und Photonik (Max-Planck-Forschungsgruppe) Universität Erlangen-Nürnberg Staudtstr. 7/B, D-958 Erlangen E-mail: norbert.lindlein@optik.uni-erlangen.de
MehrFotos optimieren. Helligkeit
116 Effekte Fotos optimieren Der erste Punkt im Reiter EFFEKTE, BILDOPTIMIERUNG, widmet sich den klassischen Fehlern, die bei der Aufnahme von Bildern entstehen, bietet aber auch Möglichkeiten, Bilder
Mehr6. Computer Vision. Bilder der Szene erstellen
6. Computer Vision Idee: Dem Rechner beibringen zu sehen. Prinzipielle Vorgehensweise: (i) Bild(er) der Szene erstellen (ii) Szene identifizieren: Merkmalsextraktion 1 S Bilder der Szene erstellen Probleme:
MehrInhaltsverzeichnis. 1 Lineare Algebra 12
Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer
MehrEinfärbbare Textur erstellen in GIMP (benutzte Version: 2.6.7)
Tutorial Einfärbbare Textur erstellen in GIMP (benutzte Version: 2.6.7) Vorbereiten: Ebenenfenster sichtbar Farben auf schwarz/weiß setzen (Einfach nur die Taste D drücken) Die Datei nach den Erstellen
Mehr4. Bildentrauschen: Filtertechniken 4. Bildentrauschen: Filtertechniken für additives Rauschen FILTER FILTER. B F = B + η
4. Bildentrauschen: Filtertechniken 4. Bildentrauschen: Filtertechniken für additives Rauschen FILTER FILTER Originalbild B Verrauschtes Bild B F = Filter(B) + η FILTER: Scanner, digitale Cameras, Internetübertragung...
MehrMorphologie auf Binärbildern
Morphologie auf Binärbildern WS07 5.1 Konen, Zielke WS07 5.2 Konen, Zielke Motivation Aufgabe: Objekte zählen Probleme: "Salt-&-Pepper"-Rauschen erzeugt falsche Objekte Verschmelzen richtiger Objekte durch
Mehr