Advanced Topics in Computer Graphics: Transferfunktionen
|
|
- Margarete Meissner
- vor 7 Jahren
- Abrufe
Transkript
1 Advanced Topics in Computer Graphics: Transferfunktionen Markus Happe und Tobias Kenter Universität Paderborn Markus Happe, Tobias Kenter / 40
2 Motivation (1/2) Wie stelle ich Volumendaten grasch da? Direct Volume Rendering Bisher: Farbwerte (RGBA) für jeden Punkt fest vorgegeben Ziel: Zuweisung der Farbwerte mit einer Transferfunktion Universität Paderborn Markus Happe / 40
3 Motivation (2/2) Problem: Zu untersuchendes Organ ist durch z.b. Knochen verdeckt Lösung 1: Soweit möglich den Datensatz beschneiden Nachteile: Hoher Aufwand für den Benutzer Möglicher Informationsverlust Lösung 2: Knochen über Transferfunktion durchsichtig machen. Universität Paderborn Markus Happe / 40
4 Transferfunktion gegeben: Volumendaten aus CT / PET Datum: Dichtewert Vorverarbeitung Skalieren der Werte auf ein bestimmtes Intervall Zuweisung der RGBA-Werte In der Regel über 4 Look-Up Tabellen Eine Tabelle pro Koezienten (RGBA) f T (f ) := (η r (f ), η g (f ), η b (f ), χ(f )) Vorteile sehr schnell auch auf Grakkarte möglich Universität Paderborn Markus Happe / 40
5 Transferfunktion vor/nach Interpolation 2 mögliche Positionen der Transferfunktion vor der Interpolation (Pre-Interpolative Transferfunktion) nach der Interpolation (Post-Interpolative Transferfunktion) Universität Paderborn Markus Happe / 40
6 Pre-Interpolative Transferfunktionen Zuweisung von Datenwerten zu Farbwerten vor der Interpolation (diskrete Werte) Interpolation über Farbwerte der Nachbarfelder C pre (x) = I color (T f p 0,...p n )(x) Universität Paderborn Markus Happe / 40
7 Post-Interpolative Transferfunktionen Zuweisung von Datenwerten zu Farbwerten nach der Interpolation (kontinuierliche Werte) Interpolation über Datenwerte der Nachbarfelder C pre (x) = T I data (f p 0,...p n )(x) Universität Paderborn Markus Happe / 40
8 Übung Universität Paderborn Markus Happe / 40
9 Lösung Universität Paderborn Markus Happe / 40
10 Vergleich: Pre/Post-Interpolative Transferfunktionen (1/3) Pre-Interpolative Transferfunktion Vorteil auf vielen Grakkarten verfügbar Nachteil weist allen diskreten Datenwerten einen Farbwert zu und interpoliert zwischen den Farbwerten. Spitzen in der Transferfunktion werden verpasst schlechtere Ergebnisse Post-Interpolative Transferfunktion Vorteil rekonstruiert zuerst das kontinuierliche Signal bessere Ergebnisse Nachteil (veraltet) früher nur auf wenigen Grakkarten verfügbar Universität Paderborn Markus Happe / 40
11 Vergleich: Pre/Post-Interpolative Transferfunktionen (2/3) Universität Paderborn Markus Happe / 40
12 Vergleich: Pre/Post-Interpolative Transferfunktionen (3/3) Universität Paderborn Markus Happe / 40
13 Histogramm in der Bildverarbeitung statistische Häugkeit der Grau/Farbwerte visualisiert Helligkeitsverteilung keine Aussage über räumliche Verteilung Universität Paderborn Markus Happe / 40
14 Histogramm: Übung Bild: Histogramm: Universität Paderborn Markus Happe / 40
15 Histogramm: Lösung Bild: Histogramm: Universität Paderborn Markus Happe / 40
16 Histogramm in der Computermedizin Problem: In der Realität ist die Klassikation nicht eindeutig Universität Paderborn Markus Happe / 40
17 1D - Histogramm: Regionen nden Anzahl der Datenwerte: schwarz lineare Skala grau logarithmische Skala Problem: Überlappungen zwischen verschiedenen Materialien Lösung: Hinzunahme der Gradienten Universität Paderborn Markus Happe / 40
18 1D - Histogramm: Regionen nden Anzahl der Datenwerte: schwarz lineare Skala grau logarithmische Skala Problem: Überlappungen zwischen verschiedenen Materialien Lösung: Hinzunahme der Gradienten Universität Paderborn Markus Happe / 40
19 Gradientenberechnung Siehe Vorlesung: Texture-Based DVR Annäherung der Gradienten durch zentrale Dierenzen Vorberechnete Gradienten Berechnung der Gradienten On-the-Fly Universität Paderborn Markus Happe / 40
20 2D - Histogramm: Regionen nden (1/2) Achsen: x-achse: Datenwerte / Dichtewerte y-achse: Gradient Helligkeit: Anzahl der Datenwerte x i mit Dichtwert y j Universität Paderborn Markus Happe / 40
21 2D - Histogramm: Regionen nden (2/2) Helligkeit: Anzahl der Datenwerte Materialübergänge: D: Luft weiches Gewebe E: weiches Gewebe Knochen F: Luft Knochen Materialien: A: Luft B: weiches Gewebe C: Knochen Universität Paderborn Markus Happe / 40
22 Übung: Zahnmedizin - Aufgabe Aufgabe: Markieren Sie alle Materialien und die Materialübergänge im Histogramm! Vier Materialien (aufsteigend nach Dichtwert sortiert) A: Zahnmark B: Zahneisch C: Zahnbein D: Zahnschmelz Universität Paderborn Markus Happe / 40
23 Übung: Zahnmedizin - Aufgabe Aufgabe: Markieren Sie alle Materialien und die Materialübergänge im Histogramm! Vier Materialien (aufsteigend nach Dichtwert sortiert) A: Zahnmark B: Zahneisch C: Zahnbein D: Zahnschmelz Universität Paderborn Markus Happe / 40
24 Übung: Zahnmedizin - Lösung Probleme: Materialübergänge überschneiden sich. Visualisierung der Materialübergänge E und H sind hier unerwünscht. Materialien: A: Zahnmark B: Zahneisch C: Zahnbein D: Zahnschmelz Universität Paderborn Markus Happe / 40
25 Problem: Überschneidung von Bereichen Tafelbeispiel Universität Paderborn Tobias Kenter / 40
26 Ausweg: zweite Ableitung Universität Paderborn Tobias Kenter / 40
27 Multivariate Daten Mehrere Skalare Datensätze Kombination aus CT und PET Visible Male Datensatz: RGB Meteorologie: Temperatur und Luftfeuchtigkeit Ziel: Bereiche mit Auälligkeiten in allen Datensätzen nden gemeinsame Ableitung der Datensätze wichtig: Datensätze normieren Universität Paderborn Tobias Kenter / 40
28 Ableitung multivariater Daten f1 x f1 y f1 z f2 f2 f2 x y z Df = fm fm fm x y z f i : m Datensätze f : partielle Ableitung in x-richtung x f 1 (f (x + h, y, z) f (x h, y, z)) x 2h G = Df T Df L2-Norm: G = (G(1, 1)) (G(3, 3)) 2 Universität Paderborn Tobias Kenter / 40
29 Aufgabe: multivariate Daten t = x1 x2 x3 x4 y y y h = x1 x2 x3 x4 y y y Aufgabe: G für die beiden mittleren Felder berechnen f x 1 (f (x + 1, y) f (x 1, y)) 2 Df = t x h x t y h y Df T = t x t y h x h y G = Df T Df G = (G(1, 1)) (G(2, 2)) 2 Universität Paderborn Tobias Kenter / 40
30 Vergleich t = x1 x2 x3 x4 y y y h = x1 x2 x3 x4 y y y Vergleich: G gegenüber einzelnen Gradienten G(2, 2) = 8 G(3, 2) = 4 2 Grad(2, 2)(t) = 4 Grad(2, 2)(h) = 4 Grad(3, 2)(t) = 4 Grad(3, 2)(h) = 4 Universität Paderborn Tobias Kenter / 40
31 Ergebnis multivariate Daten Bild 1: 2D Transferfunktion (t und h) Bild 2: 3D Transferfunktion: Werte mit kleinem G werden ausgeblendet Universität Paderborn Tobias Kenter / 40
32 Motivation Benutzerinterfaces Notwendigkeit von guten Benutzerinterfaces: Flexibilität: Benutzer: Jeder Datensatz ist anders relevante Bereiche sollen deutlich dargestellt werden Experte auf seinem Anwendungsgebiet genaue Vorstellungen, was dargestellt werden soll überwiegend unerfahren in Computergrak Universität Paderborn Tobias Kenter / 40
33 Manuelle Transferfunktionen Mehrdimensionale Transferfunktionen schwer zu steuern Beschränkung auf 2D-Transferfunktionen Hauptwerkzeug: Geometrieobjekte in 2D Histogramm Demo: MediTool gute Flexibilität zeitintensive Bedienung erfordert Expertenwissen Universität Paderborn Tobias Kenter / 40
34 Manuelle Transferfunktionen Mehrdimensionale Transferfunktionen schwer zu steuern Beschränkung auf 2D-Transferfunktionen Hauptwerkzeug: Geometrieobjekte in 2D Histogramm Demo: MediTool gute Flexibilität zeitintensive Bedienung erfordert Expertenwissen Universität Paderborn Tobias Kenter / 40
35 Weitere Werkzeuge in Benutzerinterfaces (1/2) andere Dimensionen der 2D Transferfunktion weitere geometrische Formen: Universität Paderborn Tobias Kenter / 40
36 Weitere Werkzeuge in Benutzerinterfaces (2/2) Datenauswahl im Volumen, Markierung in Transferfunktion Clipping Plane um in das Volumen hineinzusehen Beleuchtung Universität Paderborn Tobias Kenter / 40
37 Automatisierte Ansätze Bildbasierte Ansätze automatische Maximierung von Bildeigenschaften (z.b. Entropie, Kantenenergie, Histogrammvarianz) Benutzergeleitet (Auswahl aus Thumbnails) Datenbasierte Ansätze Klassikations- oder Segmentierungsaufgabe Grenzen zwischen Materialien nden z.b. Wasserscheiden-Transformation Universität Paderborn Tobias Kenter / 40
38 Halbautomatische Transferfunktionen: semantische Modelle Denition von semantischen Typen (z.b. Knochen, Haut, Gehirn, Blutgefäÿe) Optimierung von Transferfunktionen auf Testdatenset (Geometrieobjekte in 2D Histogramm) Analyse der Kontrollpunkte Mittelwert Varianzmatrix Feststellung: Varianzmatrix hat einen bestimmenden Eigenvektor Universität Paderborn Tobias Kenter / 40
39 Halbautomatische Transferfunktionen: semantische Modelle Anpassung an Datensatz: Verschiebung der Kontrollpunkte entlang des bestimmenden Eigenvektors Universität Paderborn Tobias Kenter / 40
40 Halbautomatische Transferfunktionen: semantische Modelle Universität Paderborn Tobias Kenter / 40
41 Implementierung Implementierung im Shader einfach 1D/2D/3D-Transferfunktion in 1D/2D/3D-Textur speichern Datenwert an Volumenposition auslesen Interpolation durch Hardware Gradient, etc. berechnen/auslesen Datenwert (Gradient) wird Texturkoordinate der Transferfunktion Universität Paderborn Tobias Kenter / 40
42 Literatur Engel, Hadwiger, Kniss, Rezk-Salama, Weiskopf: Real-Time Volume Graphics, (Kapitel 4: Transfer Functions, Seite )] Kniss: Transfer Functions, Real Time Volume Graphics, Course Notes Tutorial 7, Seite Kniss, Kindlmann, Hansen: Multi-Dimensional Transfer Functions for Interactive Volume Rendering Salama, Keller, Kohlmann: High-Level User Interfaces for Transfer Function Design with Semantics, IEEE Transaction on Visualisation and Computer Graphics, Vol. 12 No. 5, September/Oktober 2006 Universität Paderborn Tobias Kenter / 40
43 Gliederung Einleitung Pre/Post Interpolation Histogramme 2D-Transferfunktion Dimensionen Benutzerinterfaces Implementierung Universität Paderborn Tobias Kenter / 40
Seminar Ausgewählte Themen der medizinischen Visualisierung
1 Ausgewählte Themen der medizinischen Visualisierung Institut für Informatik 08.07.2011 Arbeitsgruppe Visualisierung und Computergrafik (VisCG) Organisatorisches Veranstalter: Prof. Dr. Klaus Hinrichs,
MehrTexture Based Direct Volume Rendering
Texture Based Direct Volume Rendering Vorlesung: "Advanced Topics in Computer Graphics" cbrak@upb.de 1 Agenda 1. Einleitung Volume Rendering 1.1. Volumendatensatz 1.2. Volumenintegral 1.3. Image order
MehrThe Transfer Function Bake- Off
The Transfer Function Bake- Off Hanspeter Pfister Bill Lorensen Chandrajit Bajaj Gordon Kindlmann Will Schroeder Christopher Adrigan - Mat.Nr.: 1046140 - Anmerkungen zum Paper Zusammenfassung einer Panel-Diskussion
MehrVolume Rendering & Transferfunktionen
Kardiologie Von der Bildgebung zur Diagnose Volume Rendering & Transferfunktionen 21.12.2007 Elmar Brendel TU Darmstadt Graphisch-Interaktive Systeme Inhalt [1] Volume Rendering 1.1 Übersicht über die
MehrMarching Cubes - Erstellung von Polygonmodellen aus Voxelgittern
Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias Kirschner Advanced Topics in Computer Graphics - WS06/07 Marching Cubes - Erstellung von Polygonmodellen aus Voxelgittern Matthias
MehrVolumenverarbeitung und Optimierung II
Volumenverarbeitung und Optimierung II Praktikum Medizinische GPU Verfahren Susanne Fischer sanne@uni-koblenz.de Institut für Computervisualistik Universität Koblenz-Landau 9. Dezember 2006 Susanne Fischer
MehrInteraktive Exploration und Quantifizierung von Ungänzen in komplexen Bauteilen
Interaktive Exploration und Quantifizierung von Ungänzen in komplexen Bauteilen Georg Geier 1, Markus Hadwiger 2, Thomas Höllt 2, Laura Fritz 2, Thomas Pabel 1 1 Österreichisches Gießerei-Institut Parkstraße
Mehr5. Gitter, Gradienten, Interpolation Gitter. (Rezk-Salama, o.j.)
5. Gitter, Gradienten, Interpolation 5.1. Gitter (Rezk-Salama, o.j.) Gitterklassifikation: (Bartz 2005) (Rezk-Salama, o.j.) (Bartz 2005) (Rezk-Salama, o.j.) Allgemeine Gitterstrukturen: (Rezk-Salama, o.j.)
Mehr0 Einführung. Computergrafik. Computergrafik. Abteilung für Bild- und Signalverarbeitung
F1 Inhaltsverzeichnis 1 Hardwaregrundlagen 2 Transformationen und Projektionen 3 Repräsentation und Modellierung von Objekten 4 Rasterung 5 Visibilität und Verdeckung 6 Rendering 7 Abbildungsverfahren
Mehr(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
MehrGPU-basiertes Volumenrendering von multimodalen medizinischen Bilddaten in Echtzeit
GPU-basiertes Volumenrendering von multimodalen medizinischen Bilddaten in Echtzeit Ingrid Scholl 1, Nicole Schubert 1, Pascal Ziener 1, Uwe Pietrzyk 2 1 Fachbereich für Elektrotechnik und Informationstechnik,
MehrEchtzeitfähige hige Verfahren in der Computergrafik. Lehrstuhl für f r Informatik Computer Grafik und Visualisierung TUM
Echtzeitfähige hige Verfahren in der Computergrafik Prof. Dr. Rüdiger R Westermann Lehrstuhl für f r Informatik Computer Grafik und Visualisierung TUM Lehr- und Forschungsinhalte Visualisierung Darstellung
MehrEinleitung. Komplexe Anfragen. Suche ist teuer. VA-File Verfeinerungen. A0-Algo. GeVAS. Schluß. Folie 2. Einleitung. Suche ist teuer.
Anwendung Input: Query-Bild, Ergebnis: Menge ähnlicher Bilder. Kapitel 8: Ähnlichkeitsanfragen und ihre effiziente Evaluierung Wie zu finden? Corbis, NASA: EOS Bilddatenbank Folie Folie 2 Ähnlichkeitssuche
Mehr3D-Rekonstruktion aus Bildern
Allgemeine Nachrichtentechnik Prof. Dr.-Ing. Udo Zölzer 3D-Rekonstruktion aus Bildern Dipl.-Ing. Christian Ruwwe 41. Treffen der ITG-Fachgruppe Algorithmen für die Signalverarbeitung HSU Hamburg 24. Februar
MehrInteraktive Visualisierung zeitabhängiger Volumendaten
Interaktive Visualisierung zeitabhängiger Volumendaten Diplomarbeit von Dario Kardas graphische datenverarbeitung, universität erlangen-nürnberg Skalare Volumendaten Volumen besteht aus Schichtbildern
MehrSegmentierung des Aterienbaums
Segmentierung des Aterienbaums Christoph Schaefer Seminar: Bildverarbeitung für die Medizin Universität Koblenz-Landau 27.01.2007 1 Anwendungsgebiete 2 Segmentierung Überblick Deformierbare Modelle Snake
Mehrgroße Vielfalt von Daten für die Visualisierung möglich
4. Charakterisierung von Datensätzen und Darstellungsformen 4.1 Charakterisierung von Datensätzen große Vielfalt von Daten für die Visualisierung möglich Überblick Typisierungen von Daten: hierin nicht
MehrAutomatisches Layout von Graphen
Fakultät Informatik» Institut für Angewandte Informatik» Professur für Technische Informationssysteme Automatisches Layout von Graphen Mabel Joselin Brun Chaperon Dresden, 10.06.2011 Inhalt Vortragsübersicht:
MehrTotale Ableitung und Jacobi-Matrix
Totale Ableitung und Jacobi-Matrix Eine reelle Funktion f : R n R m ist in einem Punkt x differenzierbar, wenn f (x + h) = f (x) + f (x)h + o( h ) für h 0. Totale Ableitung 1-1 Totale Ableitung und Jacobi-Matrix
MehrAdaptives Displacement Mapping unter Verwendung von Geometrieshadern
Fakultät Informatik Institut für Software- und Multimediatechnik, Professur für Computergraphik und Visualisierung Adaptives Displacement Mapping unter Verwendung von Geometrieshadern Diplomarbeit Timo
MehrKapitel 4: Schattenberechnung
Kapitel 4: Schattenberechnung 1 Überblick: Schattenberechnung Motivation Schattenvolumen Shadow Maps Projektive Schatten 2 Motivation Wesentlich für die Wahrnehmung einer 3D-Szene Eigentlich ein globaler
MehrAngewandte Statistik mit R
Reiner Hellbrück Angewandte Statistik mit R Eine Einführung für Ökonomen und Sozialwissenschaftler 2., überarbeitete Auflage B 374545 GABLER Inhaltsverzeichnis Vorwort zur zweiten Auflage Tabellenverzeichnis
MehrKapitel 1 - Einführung
Vorlesung Graphische Datenverarbeitung Kapitel 1 - Einführung Prof. Dr.-Ing. Wolfgang Reinhardt AGIS/INF4 http://www.agis.unibw-muenchen.de UniBw München Überblick Kap. 1: Einführung (Überblick, Begriffe,
MehrEinführung in die medizinische Bildverarbeitung WS 12/13
Einführung in die medizinische Bildverarbeitung WS 12/13 Stephan Gimbel Kurze Wiederholung Pipeline Pipelinestufen können sich unterscheiden, beinhalten aber i.d.r. eine Stufe zur Bildvorverarbeitung zur
MehrDirekte Volumenvisualisierung
Universität Stuttgart Direkte Volumenvisualisierung Seminar Medizinische Visualisierung SS06 Alexander Lauser Struktur des Vortrags Motivation Grundlagen Volume Render-Algorithmen Raycasting Volume-slicing
MehrÜbungsstunde 8 zu Computergrafik 1
Institut für Computervisualistik Universität Koblenz 14. und 15. Januar 2013 Inhaltsverzeichnis 1 Wiederholung - Beleuchtung Gouraud-Shading Phong-Shading Flat-Shading Vergleich 2 - Idee in OpenGL Texturfilterung
MehrVorlesung Wissensentdeckung in Datenbanken
Gliederung Vorlesung Wissensentdeckung in Datenbanken Data Cube Katharina Morik, Claus Weihs 14.07.2009 1 Einführung 2 Aggregation in SQL, GROUP BY 3 Probleme mit GROUP BY 4 Der Cube-Operator 5 Implementierung
Mehrkünstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten).
Computergrafik / Animation künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Punkte, werden auch "Kontrollpunkte" genannt Wesentlicher Punkt:
MehrTexturkomprimierung. Philipp Klaus Krause. 6. November 2007
Texturkomprimierung Philipp Klaus Krause 6. November 2007 Gliederung 1 Einleitung 2 Verfahren Indizierte Farben S3TC ETC/iPACKMAN 3 Vergleich 4 Bibliographie Gliederung 1 Einleitung 2 Verfahren Indizierte
MehrMultitexturbasierte Volumenvisualisierung in der Medizin
Multitexturbasierte Volumenvisualisierung in der Medizin Christof Rezk-Salama, Michael Scheuering Graphische Datenverarbeitung, Universität Erlangen-Nürnberg Am Weichselgarten 9, 91058 Erlangen Email:
MehrBildverbesserung (Image Enhancement)
Prof. Dr. Wolfgang Konen, Thomas Zielke Bildverbesserung (Image Enhancement) WS07 7.1 Konen, Zielke Der Prozess der Bildverbesserung (1) Bildverbesserung wird häufig dafür eingesetzt, die für einen menschlichen
MehrData Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt
Data Mining und Maschinelles Lernen Lösungsvorschlag für das 7. Übungsblatt Knowledge Engineering Group Data Mining und Maschinelles Lernen Lösungsvorschlag 7. Übungsblatt 1 Aufgabe 1a) Auffüllen von Attributen
MehrDie Welt der Shader. Fortgeschrittene Techniken III
Die Welt der Shader Fortgeschrittene Techniken III Universität zu Köln WS 14/15 Softwaretechnologie II (Teil 1) Prof. Dr. Manfred Thaller Referent: Lukas Kley Gliederung 1. Was ist ein Shader? 2. Verschiedene
MehrPRIP-Preis. Effizientes Object Tracking durch Programmierung von Mehrkernprozessoren und Grafikkarten
Masterarbeit @ PRIP-Preis Effizientes Object Tracking durch Programmierung von Mehrkernprozessoren und Grafikkarten Michael Rauter Pattern Recognition and Image Processing Group Institute of Computer Aided
MehrMathematische Probleme lösen mit Maple
Mathematische Probleme lösen mit Maple Ein Kurzeinstieg Bearbeitet von Thomas Westermann überarbeitet 2008. Buch. XII, 169 S. ISBN 978 3 540 77720 5 Format (B x L): 15,5 x 23,5 cm Weitere Fachgebiete >
MehrPartikelsysteme. Lehrstuhl Computergrafik und Visualisierung Fakultät Informatik TU Dresden. Proseminar Computergrafik.
58 Partikelsysteme Lehrstuhl Computergrafik und Visualisierung Fakultät Informatik TU Dresden Proseminar Computergrafik Robert Stelzmann Gliederung 1. Einleitung und Motivation 2. Begriffsklärung 3. Einfache
MehrVirtuelle Endoskopie. Seminar medizinische Visualisierung Tobias Pirk
Virtuelle Endoskopie Seminar medizinische Visualisierung Tobias Pirk Inhalt 1. Geschichte der Endoskopie 2. Was ist virtuelle Endoskopie 3. Pathfinding 4. Quicktime Ansatz von Ulf Tiede 5. andere Ansätze
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
MehrStatistik und Wahrscheinlichkeitsrechnung
Statistik und Wahrscheinlichkeitsrechnung Übung 3 1 Inhalt der heutigen Übung Vorrechnen der Hausübung B.7 Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben C.1: Häufigkeitsverteilung C.2: Tukey
MehrMaschinelles Lernen: Symbolische Ansätze. Wintersemester 2013/2014 Musterlösung für das 7. Übungsblatt
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2013/2014 Musterlösung für das 7. Übungsblatt 1 Aufgabe 1 Nearest Neighbour Gegeben sei folgende Beispielmenge: Day Outlook Temperature Humidity
MehrVolumen Visualisierung
Volumen Visualisierung Seminar Interaktive Visualisierung (WS 06/07) Fabian Spiegel und Christian Meß Fabian Spiegel und Christian Meß 1 Übersicht Anwendungsbeispiele Volumendaten Entstehung Repräsentation
MehrALM Test Management Cockpit. Tobias Fickinger, SAP Consulting April 2016
ALM Test Management Cockpit Tobias Fickinger, SAP Consulting April 2016 Einleitung Welche Auswertungen sind während der Testphasen wichtig? Test Planung & Design Test Durchführung & Defect Handling Test
MehrStatistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg
Statistische Methoden der Datenanalyse Wintersemester 2012/2013 Albert-Ludwigs-Universität Freiburg Prof. Markus Schumacher, Dr. Stan Lai Physikalisches Institut Westbau 2 OG Markus.Schumacher@physik.uni-freiburg.de
MehrComputergrafik / Animation. künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten).
Computergrafik / Animation künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Punkte, werden auch «Kontrollpunkte» genannt Wesentlicher Punkt:
MehrRabea Haas, Kai Born DACH September 2010
Rabea Haas, Kai Born rhaas@meteo.uni-koeln.de DACH2010 21. September 2010 Motivation Niederschlagsdaten aus dem Gebiet des Hohen Atlas in Marokko Starke Gradienten des Niederschlags und der Höhe Komplexe
MehrAnalysis II. Mehrdimensionale Differenzialund Integralrechnung
Übungen zur Vorlesung Analysis II Aufgaben Mehrdimensionale Differenzialund Integralrechnung gelesen von Prof. Dr. Heinrich Freistühler Martin Gubisch Konstanz, Sommersemester 28 Übungsaufgaben. Aufgabe
Mehrcomputer graphics & visualization
Entwicklung und Implementierung echtzeitfähiger Verfahren zur Darstellung von reflektierenden Objekten auf GPUs echtzeitfähiger Verfahren zur Darstellung von reflektierenden Objekten auf GPUs Motivation
MehrVisual Servoing using Mutual Information
Visual Servoing using Mutual Information Christian Rupprecht Robotics and Embedded Systems Technische Universität München Outline 1 Visual Servoing Was ist Visual Servoing? Typische Lösungsansätze 2 Mutual
MehrMorphing. von Tim Sternberg. Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder
von Tim Sternberg Im Rahmen des Seminars Manipulation und Verarbeitung digitaler Bilder Einleitung Mit Morphing wird der fließende Übergang eines Bildes in ein anderes bezeichnet. Zwei digitale Bilder
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrPreisausschreibung/Preisverleihung Heute 17 Uhr. Heutiges Programm. Nächstes Treffen
Preisausschreibung/Preisverleihung Heute 17 Uhr Heutiges Programm Matthias Schlüter, MeVis, Diffusion Tensor, 13:55 Bernhard Preim, Illustratives Rendering, 14:10 Zein Salah, Illustratives Rendering, 14:20
MehrVorlesung Wissensentdeckung in Datenbanken
Vorlesung Wissensentdeckung in Datenbanken Data Cube Katharina Morik, Uwe Ligges Informatik LS 8 22.04.2010 1 von 26 Gliederung 1 Einführung 2 Aggregation in SQL, GROUP BY 3 Probleme mit GROUP BY 4 Der
MehrSupport Vector Machines, Kernels
Support Vector Machines, Kernels Katja Kunze 13.01.04 19.03.2004 1 Inhalt: Grundlagen/Allgemeines Lineare Trennung/Separation - Maximum Margin Hyperplane - Soft Margin SVM Kernels Praktische Anwendungen
MehrAlgorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester
MehrProbelektion zum Thema. Shadow Rendering. Shadow Maps Shadow Filtering
Probelektion zum Thema Shadow Rendering Shadow Maps Shadow Filtering Renderman, 2006 CityEngine 2011 Viewport Real reconstruction in Windisch, 2013 Schatten bringen viel Realismus in eine Szene Schatten
MehrNachteile Boolesches Retrieval
Nachteile Boolesches Retrieval Komplizierte Anfragen Häufigkeit bzw. Relevanz der Terme in den Dokumenten nicht berücksichtigt 2 von 3 UND-verknüpften Termen im Dokument so schlecht wie 0 Terme Keine Rangfolge
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,
MehrComputer Graphics Shader
Computer Graphics Shader Sven Janusch Inhalt Fixed Function Pipeline Programmable Pipeline Implementierung Applikation Beispiel Sven Janusch 2 Fixed Function Pipeline T&L Pipeline (Transformation and Lighting)
MehrDr. Quapp: Statistik für Mathematiker mit SPSS. Lösungs Hinweise 1. Übung Beschreibende Statistik & Verteilungsfunktion
Dr. Quapp: Statistik für Mathematiker mit SPSS Lösungs Hinweise. Übung Beschreibende Statistik & Verteilungsfunktion. Die folgende Tabelle enthält die Pulsfrequenz einer Versuchsgruppe von 39 Personen:
MehrEinführung in das Visualization ToolKit. Institut für Simulation und Graphik, Otto-von-Guericke Universität Magdeburg
Einführung in das Visualization ToolKit VTK Einführung: Gliederung Was ist VTK? VTK-Konzept Vorstellung MeVisLab VTK Beispiel in MeVisLab 2/26 Was ist VTK? Freie Software-Bibliothek für 3D Graphik und
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
MehrInhaltsverzeichnis. Vorwort. Abbildungsverzeichnis. Tabellenverzeichnis. 1 Einleitung Gegenstand Aufbau 4
Inhaltsverzeichnis Vorwort Abbildungsverzeichnis Tabellenverzeichnis v xv xvii 1 Einleitung 1 1.1 Gegenstand 1 1.2 Aufbau 4 2 Datenerhebung - ganz praktisch 7 2.1 Einleitung 7 2.2 Erhebungsplan 7 2.2.1
MehrDatenbanken. Seminararbeit. Einführung in das wissenschaftliche Arbeiten
Seminararbeit vorgelegt von: Gutachter: Studienbereich: Christian Lechner Dr. Georg Moser Informatik Datum: 6. Juni 2013 Inhaltsverzeichnis Inhaltsverzeichnis 1 Einführung in Datenbanken 1 1.1 Motivation....................................
MehrFarbmomente. Christoph Sommer Seminar Inhaltsbasierte Bildsuche
Farbmomente Seminar Inhaltsbasierte Bildsuche Farbmomente Einleitung und Motivation Statistische Momente Geometrische Momente Macht der Momente Hu-Momente Orthogonale Basen für Momente Generalisierte Farbmomente
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Prof. Dr. Sibylle Schwarz HTWK Leipzig, Fakultät IMN Gustav-Freytag-Str. 42a, 04277 Leipzig Zimmer Z 411 (Zuse-Bau) http://www.imn.htwk-leipzig.de/~schwarz sibylle.schwarz@htwk-leipzig.de
MehrAutomatic segmentation for dental operation planning. Diplomarbeit. Nguyen The Duy
Automatic segmentation for dental operation planning Diplomarbeit Nguyen The Duy 24.02.2012 Motivation Quelle: bestbudapestdentist.com Aufgabenstellung Segmentierung des Oberkiefers (Maxilla) Detektion
MehrDiplomarbeit. Neue Möglichkeiten durch programmierbare Shader. Unter der Leitung von: Prof. Dr.-Ing. Detlef Krömker
Diplomarbeit 5HDO7LPH6SHFLDO (IIHFWV Neue Möglichkeiten durch programmierbare Shader Unter der Leitung von: Prof. Dr.-Ing. Detlef Krömker Betreut von: Paul Grimm, Ralf Dörner Beginn: 01.04.02 Abgabe: 30.09.02
Mehr3D - Modellierung. Arne Theß. Proseminar Computergraphik TU Dresden
3D - Modellierung Arne Theß Proseminar Computergraphik TU Dresden Gliederung Darstellungsschemata direkte Constructive Solid Geometry (CSG) Generative Modellierung Voxelgitter indirekte Drahtgittermodell
MehrProseminar Bernsteinpolynome Bézier-Flächen. Dana Eckhardt Matr.-Nr:
Proseminar Bernsteinpolynome Bézier-Flächen Dana Eckhardt Matr.-Nr: 4291637 Inhaltsverzeichnis 1 Einführung 2 1.1 Grundidee und Darstellung....................... 2 1.2 Satz 3.20.................................
MehrZu 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
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:
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!
MehrModellierung eines Teelöffels
Modellierung eines Teelöffels Copyright: Copyright: Ashlar Incorporated www.ashlar-vellum.com Arnold CAD GmbH www.arnold-cad.ch Version : 05.2003. In diesem Übungsbeispiel wird die einfache Modellierung
MehrVolumenakquise. Vortrag von Benjamin Gayer
10.11.11 1 Volumenakquise Vortrag von Benjamin Gayer Einführung Bildquelle: http://www.medical.siemens.com/siemens/de_de/rg_marcom_fbas/files/patienteninformationen/ct_geschichte_technologie. pdf 10.11.11
MehrComputer Graphik I Generative Computergraphik Intro
Computer Graphik I Generative Computergraphik Intro Marc Alexa, TU Berlin, 2014 Ziele Modellierung Ziele Bildgenerierung Anwendungen Ausgabe Kontakt Marc Alexa TU Berlin Computer Graphik marc.alexa@tu-berlin.de
MehrBefehl: Analysieren > Deskriptive Statistiken > Häufigkeiten. Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere Lagemasse
Grundeinstellungen Befehl: Bearbeiten >Optionen > Allgemein: Namen anzeigen Häufigkeiten Befehl: Analysieren > Deskriptive Statistiken > Häufigkeiten Unter: Statistiken: Angabe Kurtosis/ Schiefe/ andere
MehrTF-Editor. Benutzerhandbuch
TF-Editor Benutzerhandbuch Kleber Florian, 0025124 Informatikpraktikum I Inhaltsverzeichnis 1Einleitung...3 2Dateiformate......3 3Technische Voraussetzungen...3 4Installation...4 5Bedienung......5 5.1
MehrInhaltsverzeichnis. Kapitel 1: Rechnen mit Zahlen. Kapitel 2: Umformen von Ausdrücken. Kapitel 3: Gleichungen, Ungleichungen, Gleichungssysteme
Kapitel 1: Rechnen mit Zahlen 1.1 Rechnen mit reellen Zahlen 1.2 Berechnen von Summen und Produkten 1.3 Primfaktorzerlegung 1.4 Größter gemeinsamer Teiler 1.5 Kleinstes gemeinsames Vielfaches 1.6 n-te
MehrComputergrafik 2: Übung 2. Subsampling und Moiré-Effekte, Color Maps und Histogrammlinearisierung
Computergrafik 2: Übung 2 Subsampling und Moiré-Effekte, Color Maps und Histogrammlinearisierung Inhalt Besprechung von Übung 1 Subsampling und Moiré Effekte Color Maps Histogrammlinearisierung Computergrafik
Mehr4.4 Glättung von Kanten
4.4 Glättung von Kanten Es wurden verschiedene Aspekte zur Beleuchtung von Modellen und Szenen vorgestellt. Es gibt zwei Arten von Licht, das Hintergrundlicht und Licht von Lichtquellen, wobei hier zu
MehrVorlesung. Inhalt. Lineare Algebra und Wahrscheinlichkeitsrechnung für Informatik Gunter Ochs, Nico Rompos Sommersemester 2016
Vorlesung Lineare Algebra und Wahrscheinlichkeitsrechnung für Informatik Gunter Ochs, Nico Rompos Sommersemester 2016 Inhalt Polynome, Algebraische Strukturen Vektorrechnung Lineare Algebra Elementare
MehrComputergrafik. Michael Bender, Manfred Brill. Ein anwendungsorientiertes Lehrbuch ISBN Inhaltsverzeichnis
Computergrafik Michael Bender, Manfred Brill Ein anwendungsorientiertes Lehrbuch ISBN 3-446-40434-1 Inhaltsverzeichnis Weitere Informationen oder Bestellungen unter http://www.hanser.de/3-446-40434-1 sowie
Mehr3D-Visualisierung. Stefan Wesarg. Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt. Fraunhoferstraße 5 64283 Darmstadt
3D-Visualisierung Stefan Wesarg Graphisch-Interaktive Systeme (GRIS) Technische Universität Darmstadt Fraunhoferstraße 5 64283 Darmstadt http://www.gris.informatik.tu-darmstadt.de Seminar Kardiologie Darmstadt,
MehrMaschinelles Lernen: Symbolische Ansätze
Maschinelles Lernen: Symbolische Ansätze Wintersemester 2008/2009 Musterlösung für das 7. Übungsblatt Aufgabe 1: Evaluierung und Kosten Gegeben sei ein Datensatz mit 300 Beispielen, davon 2 /3 positiv
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Grauwertmodifikation Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 1 Einordnung
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2017
Mehr2D Graphik: Bildverbesserung. Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005
2D Graphik: Bildverbesserung Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005 Themen heute Rauschen, Entropie Bildverbesserung Punktbasiert Flächenbasiert Kantenbasiert Was ist
MehrVorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung
Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:
MehrTeil 7: Beleuchtung Beleuchtungsmodelle, Schattierungsmodelle
Beleuchtungsmodelle, Schattierungsmodelle Einleitung Beleuchtung vs. Schattierung Beleuchtung: Modell auswerten (anschl.) global vs. lokal phsikalisch (photo-realistisch?) vs. empirisch Phong-Modell Schattierung:
MehrWas ist Statistik? CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin
CASE Center for Applied Statistics and Econometrics Institut für Statistik and Ökonometrie Humboldt-Universität zu Berlin http://ise.wiwi.hu-berlin.de http://www.xplore-stat.de http://www.md-stat.com Grundlagen
MehrDigitale Bildverarbeitung
Bernd Jahne Digitale Bildverarbeitung 6., überarbeitete und erweiterte Auflage Mit 248 Abbildungen und 155 Übungsaufgaben und CD-ROM Sy Springer Inhaltsverzeichnis I Grundlagen 1 Anwendungen und Werkzeuge
MehrSpherical Maps. 1 Selbst gestellte Aufgabe. 2 Umsetzung. 2.1 Programmstruktur
1 Selbst gestellte Aufgabe 1 Spherical Maps Bearbeitet von Andreas Petermann MNr.: 162586 Danilo Gulamhussene MNr.: 162795 Sascha Baldt MNr.: 162773 als Bildinformationstechik-Praktikum im Wintersemester
MehrProgrammierpraktikum 3D Computer Grafik
Dipl.Inf. Otmar Hilliges Programmierpraktikum 3D Computer Grafik Szenegraphen, Texturen und Displaylisten. Agenda Beleuchtungsmodelle in OpenGL Bump-Maps zur Erzeugung von Reliefartigen Oberflächen Height-Maps
MehrParallele Algorithmen in der Bildverarbeitung
Seminar über Algorithmen - SoSe 2009 Parallele Algorithmen in der Bildverarbeitung von Christopher Keiner 1 Allgemeines 1.1 Einleitung Parallele Algorithmen gewinnen immer stärker an Bedeutung. Es existieren
MehrStatistikpraktikum. Carsten Rezny. Sommersemester Institut für angewandte Mathematik Universität Bonn
Statistikpraktikum Carsten Rezny Institut für angewandte Mathematik Universität Bonn Sommersemester 2014 Mehrdimensionale Datensätze: Multivariate Statistik Multivariate Statistik Mehrdimensionale Datensätze:
MehrBeschleunigung von Bild-Segmentierungs- Algorithmen mit FPGAs
Fakultät Informatik, Institut für Technische Informatik, Professur für VLSI-Entwurfssysteme, Diagnostik und Architektur Algorithmen mit FPGAs Vortrag von Jan Frenzel Dresden, Gliederung Was ist Bildsegmentierung?
MehrVolume Rendering Techniques for General Purpose Graphics Hardware
Volume Rendering Techniques for General Purpose Graphics Hardware Christof Rezk Salama Abstract: Techniken der Volumenvisualisierung werden zur räumlichen Darstellung dreidimensionaler Skalarfelder benötigt,
MehrInteraktives Wasser in 3D. Jörn Loviscach Hochschule Bremen
Interaktives Wasser in 3D Jörn Loviscach Hochschule Bremen Ringwellen (Kapillar- und Schwerewellen) Kelvin-Schiffswellen Reflexionen von Himmel (Frensel-Effekt) und Sonne Kaustiken mit korrekten Schatten
MehrLABORÜBUNG MATLAB/OCTAVE
LABORÜBUNG MATLAB/OCTAVE 1. Riemannsche Summen mit MATLAB/Octave Riemannsche Summen lassen sich sehr einfach mit MATLAB/Octave berechnen. Das Vorgehen ist das folgende: (i) die Breite x der Teilintervallen
Mehr4. Segmentierung von Objekten Video - Inhaltsanalyse
4. Segmentierung von Objekten Video - Inhaltsanalyse Stephan Kopf Inhalt Vorgehensweise Berechnung der Kamerabewegungen zwischen beliebigen Bildern Transformation eines Bildes Hintergrundbilder / Panoramabilder
Mehr