Verarbeitung von Volumenbildern wichtige Werkzeuge
|
|
- Bettina Dieter
- vor 7 Jahren
- Abrufe
Transkript
1 Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen 4. Wasserscheidentransformation Nickelschaum, IZFP, Auflösung 0µm
2 Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen 4. Wasserscheidentransformation Nickelschaum, IZFP, Auflösung 0µm Seite Problem : Dünne und dicke Fasern in Filz Ziel: geometrische Charakterisierung der Systeme der dünnen und der dicken Fasern als Phasen Faserfilz, European Synchrotron Radiation Facility (ESRF), Auflösung 7µm Seite 5
3 Problem : Korundeinschlüsse in Feuerbeton Ziel: geometrische Charakterisierung der Einschlüsse als einzelne Objekte Feuerbeton, TU Freiberg, XCT Fraunhofer IZFP, Saarbrücken Seite 6 Problem : Offenporiger Schaum Ziel: geometrische Charakterisierung der rekonstruierten Zellen Seite 7
4 Problem 4: Poren in Keramikkörnern Ziel: geometrische Charakterisierung der Poren Keramikkorn, RJL Micro&Analytic, Auflösung µm Seite 8 Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen 4. Wasserscheidentransformation Nickelschaum, IZFP, Auflösung 0µm Seite 9 4
5 Distanztransformation Bild mit Objekten Bild mit Abständen Pixelwert = Abstand zum Vordergrund im Ausgangsbild Seite 0 Distanztransformation: Beispiel Ein Objekt Seite 5
6 Distanztransformation: Beispiel Abstand Pixel Seite Distanztransformation: Beispiel Abstand Pixel Seite 6
7 Distanztransformation: Beispiel Abstand Pixel Seite 4 Distanztransformation,4,4,4,4 Ergebnis abhängig von gewähltem Abstand Euklidische Distanztransformation exakt oder approximativ (Chamfer-Metrik),4,4,4,4 Seite 5 7
8 Distanztransformation: Anwendungen Morphologie: Dilatation Segmentierung: Trennung zusammenhängender Objekte und Zellrekonstruktion Analyse: sphärische Kontaktverteilung Image: Soille. Morphological Image Analysis. Springer. Seite 6 Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen 4. Wasserscheidentransformation Nickelschaum, IZFP, Auflösung 0µm Seite 7 8
9 Einfache morphologische Transformationen Dilatation Ankleben des strukturierenden Elements an jedes Vordergrundpixel (Minkowski-Summe) Erosion Entfernen aller Vordergrundpixel, für die in diesem Pixel zentriertes strukturierendes Element nicht vollständig im Vordergrund liegt (Minkowski-Differenz) Image: Soille. Morphological Image Analysis. Springer. Seite 8 Einfache morphologische Transformationen Dilatation Ankleben des strukturierenden Elements an jedes Vordergrundpixel (Minkowski-Summe) Erosion Entfernen aller Vordergrundpixel, für die in diesem Pixel zentriertes strukturierendes Element nicht vollständig im Vordergrund liegt (Minkowski-Differenz) Beispiel: strukturierendes Element Segment in x-richtung Links: Erosion, Mitte: Original, Rechts: Dilatation Seite 9 9
10 Morphologische Transformationen auf Grauwertbildern Erosion Minimumfilter mit strukturierendem Element als Filtermaske (Ergebnisbild ist dunkler) Dilatation Maximumfilter mit strukturierendem Element als Filtermaske (Ergebnisbild ist heller) Beispiel: Links: Erosion, Mitte: Original, Rechts: Dilatation Seite 0 Kombination morphologischer Transformationen Abschließung Dilatation gefolgt von Erosion schließt Objekte in Form und Größe des strukturierenden Elements Öffnung Erosion gefolgt von Dilatation entfernt Rauschpartikel, Stacheln, / reduziert Rauschen, erhöht Kontrast Image: Soille. Morphological Image Analysis. Springer. Seite 0
11 Kombination morphologischer Transformationen Abschließung Dilatation gefolgt von Erosion schließt Objekte in Form und Größe des strukturierenden Elements Öffnung Erosion gefolgt von Dilatation entfernt Rauschpartikel, Stacheln, / reduziert Rauschen, erhöht Kontrast Beispiel: Links: Abschließung, Mitte: Original, Rechts: Öffnung Seite 4 Kombination morphologischer Transformationen () BlackTopHat Ausgangsbild wird vom Ergebnis der Abschließung subtrahiert hebt kleine Poren hervor WhiteTopHat Ergebnis der Öffnung wird vom Ausgangsbild subtrahiert entfernt große Objekte bzw. dicke Teile der Struktur Seite 6
12 Kombination morphologischer Transformationen () BlackTopHat Ausgangsbild wird vom Ergebnis der Abschließung subtrahiert hebt kleine (dünne) Strukturen hervor WhiteTopHat Ergebnis der Öffnung wird vom Ausgangsbild subtrahiert entfernt große Objekte bzw. dicke Teile der Struktur Beispiel: Links: BlackTopHat, Mitte: Original, Rechts: WhiteTopHat Seite 7 Komplexe Grauwertmorphologie Wasserscheidentransformation geodätische Transformationen: Hmin/Hmax-Transformation Seite 9
13 Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen 4. Wasserscheidentransformation Nickelschaum, IZFP, Auflösung 0µm Seite 0 Wasserscheidentransformation (WST) Interpretation des Bilds als topographisches Relief (Grauwert = Höhe) Fluten des Reliefs (Start in lokalen Minima) treffen zwei Wassermassen zusammen, wird ein Damm errichtet eine Wasserscheide Ergebnis: Segmentierung des Bildes Seite
14 Probleme bei WST detektierte Becken entsprechen nicht immer gewünschten Bildregionen Wasserscheidentransformation tendiert zu Übersegmentierung (jedes lokale Minimum erzeugt eine Region) Seite Probleme bei WST Vermeidung der Übersegmentierung: Vorverarbeitung Entfernen regionaler Minima Nachbearbeitung Entfernen von Wasserscheiden Anpassung des Wasserscheiden-Verfahrens Ändern des Flutungsvorgangs Seite 4
15 Probleme bei WST Vermeidung der Übersegmentierung: Vorverarbeitung: Filter Seite 5 Probleme bei WST Vermeidung der Übersegmentierung: Vorverarbeitung: Morphologie Seite 6 5
16 Probleme bei WST Vermeidung der Übersegmentierung: Anpassung des Wasserscheiden-Verfahrens: bedingtes Fluten Seite 7 6
Segmentierung 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
MehrWasserscheiden-Ansätze zur Bildsegmentierung I
Seminar Bildsegmentierung und Computer Vision Wasserscheiden-Ansätze zur Bildsegmentierung I Stefan Sugg 19.12.2005 Gliederung 1. Einführung 2. Morphologische Grundlagen 3. Simulation durch Überflutung
MehrGeometrische Charakterisierung von Mikrostrukturen in Volumenbildern
Geometrische Charakterisierung von Mikrostrukturen in Volumenbildern Ziele der Mikrostrukturanalyse geometrische Charakterisierung für - Qualitätssicherung - Auswahl und Vergleich von Materialien Aufbereitung
MehrGeometrische Charakterisierung von Objekten und Komponenten in Volumenbildern
Geometrische Charakterisierung von Objekten und Komponenten in Volumenbildern Geometrische Charakterisierung Katja Schladitz, Fraunhofer ITWM Überblick: 1. Grundlagen: Volumenbilder, diskreter Zusammenhang
MehrErkennung von Olivenhainen im Luftbild
Erkennung von Olivenhainen im Luftbild Gliederung 1. Morphologische Grundlagen Erosion / Dilatation Öffnung / Schließung Zylinderhut-Transformationen 2. Motivation / Gründe für die Anwendung 3. Datenbeschreibung
Mehr9. Kombination von Vektor- und Rasterdaten
9. Kombination von Vektor- und Rasterdaten 1. Vergleich von Vektor- und Rasterdaten 2. Morphologische Operationen 3. Transformationen des Formats 4. Kombinierte Auswertungen Geo-Informationssysteme 224
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Morphologische Operatoren Graphische DV und BV, Regina Pohle, 5. Morphologische Operatoren Einordnung in die Inhalte der Vorlesung
MehrMorphologische Filter
Morphologische Filter Industrielle Bildverarbeitung, Vorlesung No. 8 1 M. O. Franz 28.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Morphologische
MehrKapitel 9 Kombination von Vektor- und Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15
MehrComputergrafik 2: Morphologische Operationen
Computergrafik 2: Morphologische Operationen Prof. Dr. Michael Rohs, Dipl.-Inform. Sven Kratz michael.rohs@ifi.lmu.de MHCI Lab, LMU München Folien teilweise von Andreas Butz, sowie von Klaus D. Tönnies
MehrDigitale Bildverarbeitung Einheit 9 Morphologische Operationen
Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag SS 2007 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrDigitale Bildverarbeitung Einheit 9 Morphologische Operationen
Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 2007/2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrMorphologische Filter. Vorlesung FH-Hagenberg DSB
Morphologische Filter Vorlesung FH-Hagenberg DSB Mathematische Morphologie Binäre Morphologie Strukturelement Grundlegende Operatoren Erosion, Dilation Abgeleitete Operatoren Open, close Grauwert-Morphologie
MehrSegmentierung mit einem KurvenAdjazenzgraphen, basierend auf. der Wasserscheidentransformation
Seminar Mustererkennung in Bildern und 3D-Daten bei Prof. Dr. Kurth, Lehrstuhl Grafische Systeme Segmentierung mit einem KurvenAdjazenzgraphen, basierend auf der Wasserscheidentransformation (nach Thierry
Mehr3D-Lungenlappen- Segmentierung mit der IWT
3D-Lungenlappen- Segmentierung mit der IWT Daniel Stöbel 8..7 Gliederung. Anatomie der Lunge. Motivation / Ziel 3. Maskierung der Lunge 4. Lungenlappensegmentierung. Gefäßsegmentierung. Distanzbild 3.
MehrDigitale Bildverarbeitung Einheit 9 Morphologische Operationen
Digitale Bildverarbeitung Einheit 9 Morphologische Operationen Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrMorphologische Bildverarbeitung I
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Abteilung Stochastik Abteilung Angewandte Informationsverarbeitung SS 03 Morphologische Bildverarbeitung I Vortrag mit Programmvorstellung
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
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
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
MehrLU Grundlagen der digitalen Bildverarbeitung Abgabe 2. Gruppe 25 peter holzkorn andreas bretschneider martin tintel
LU Grundlagen der digitalen Bildverarbeitung Abgabe 2 Gruppe 25 peter holzkorn 0426262 andreas bretschneider 0327444 martin tintel 0402913 Beispiel 6 Texturanalyse und Texturklassifikation Texturklassen
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
MehrMorphologische BV. Morphological Image Processing. M. Thaler, TG208 Bildverarbeitung ZHAW, BV HS17, M. Thaler.
Morphologische BV Morphological Image Processing M. Thaler, TG208 tham@zhaw.ch Juni 7 Um was geht es? threshold Binärbild region fill egdes Juni 7 2 2 ... um was geht es? Morphologie in der Biologie Beschäftigung
MehrSpezialgebiet: "mathematische Morphologie" (Begr. v. G. Matheron & J. Serra in Frankreich, Analyse poröser Materialien)
Fortsetzung zu Kap. 3: Bildoperationen 3.5 Morphologische Operationen Morphologie = Formenlehre Idee: über flexible Festlegung eines strukturierenden Elements (Maske) Einfluss auf zu extrahierende Formen
MehrFilter. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz
Filter Industrielle Bildverarbeitung, Vorlesung No. 5 1 M. O. Franz 07.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Lineare Filter 2 Formale
Mehr1 Einleitung Einordnung des Gebietes Aufbau des Buches Philosophie Inhalte Einige Lehrbücher...
Inhaltsverzeichnis 1 Einleitung... 1 1.1 Einordnung des Gebietes... 1 1.2 Aufbau des Buches... 3 1.2.1 Philosophie... 3 1.2.2 Inhalte... 5 1.3 Einige Lehrbücher... 6 2 Allgemeine Begriffe... 11 2.1 Einige
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
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
MehrAutomatische bildanalytische Zellrekonstruktion für PMI-Hartschäume
Diplomarbeit in Wirtschaftsmathematik Automatische bildanalytische Zellrekonstruktion für PMI-Hartschäume von Gaby Schwarz Betreuer TU Kaiserslautern: Betreuer Fraunhofer ITWM: Prof. Dr. Jürgen Franke
MehrMedizinische Bildverarbeitung. FH-Campus Hagenberg
Medizinische Bildverarbeitung Campus Hagenberg 20 km nordöstlich von Linz 7 Bachelor-Studiengänge + 5 Masterstudiengänge 3 Cluster: Software / Systeme / Medien Medizin-Informatik, Bioinformatik Derzeit
MehrGehirnsegmentierung mit der Wasserscheidentransformation. Xin Zhou
Gehirnsegmentierung mit der Wasserscheidentransformation Xin Zhou 1 Gehirnsegmentierung mit der Wasserscheidentransformation (WST) Gliederung Sinn der Gehirnsegmentierung Struktur des Gehirns Wasserscheidentransformation
MehrGruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen?
Gruppen, Graphen, Symmetrie Was sind negativ gekrümmte Gruppen? MNU-Landestagung. 02/2012. Regensburg Clara Löh Fakultät für Mathematik. Universität Regensburg Überblick Zwei Paradigmen der modernen (theoretischen)
Mehr12.2 Grauwertmorphologie
12.2 Grauwertmorphologie 735 12.2 Grauwertmorphologie 12.2 12.2.1 Punktmenge eines Grauwertbildes Die Punktmenge eines Binärbildes besteht aus allen Pixeln vom Wert 1.Wie lässt sich nun ein Bild, das mehr
MehrKapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS Kapitel 9 Kombination von Vektor- und Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2011/12 Ludwig-Maximilians-Universität
MehrDigitale Bildverarbeitung Einheit 7 Bildarithmetik
Digitale Bildverarbeitung Einheit 7 Bildarithmetik Lehrauftrag SS 2007 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einsehen, dass man mit
MehrSeminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung
Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung Ingmar Gründel HAW-Hamburg 15. Dezember 2006 Ingmar Gründel Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung
MehrBildverarbeitung Herbstsemester
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Filter Filter 1 Inhalt Lineare und nichtlineare Filter Glättungsfilter (z.b. Gauss-Filter) Differenzfilter (z.b. Laplace-Filter) Lineare Faltung
MehrAnalytical Relief Shading. Topographische und Hochgebirgskartographie, SS2014 Egger Michaela a
Analytical Relief Shading Topographische und Hochgebirgskartographie, SS2014 Egger Michaela a0908356 Definition Ist der computerbasierte Prozess eine Schummerung aus einem Digitalen Höhenmodell (DHM) zu
MehrDigitale Bildverarbeitung Einheit 7 Bildarithmetik
Digitale Bildverarbeitung Einheit 7 Bildarithmetik Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einsehen, dass man mit
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrEine Erweiterung der Wasserscheidentransformation für die Farbbildsegmentierung
Eine Erweiterung der Wasserscheidentransformation für die Farbbildsegmentierung Andreas Koschan, Tobias Harms Technische Universität Berlin Fachbereich Informatik Institut für Technische Informatik email:
MehrStruktur des menschlichen Auges. Bildgebende Verfahren in der Medizin und medizinische Bildverarbeitung Bildverbesserung 2 / 99
Struktur des menschlichen Auges 2 / 99 Detektoren im Auge Ca. 100 150 Mio. Stäbchen Ca. 1 Mio. Zäpfchen 3 / 99 Zapfen Entlang der Sehachse, im Fokus Tagessehen (Photopisches Sehen) Scharfsehen Farbsehen
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
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
MehrBildverarbeitung Herbstsemester. Mustererkennung
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Mustererkennung 1 Inhalt Einführung Mustererkennung in Grauwertbildern Ähnlichkeitsmasse Normalisierte Korrelation Korrelationskoeffizient Mustererkennung
MehrSeminar: 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
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
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:
MehrSommersemester Prof. Dr. Christoph Kleinn Institut für Waldinventur und Waldwachstum Arbeitsbereich Fernerkundung und Waldinventur
Fernerkundung Grundlagen geometrischer Korrekturen und von resampling Techniken. Verschiebung der Scan-Linien bei Satellitenbildern Die Erdrotation ist einer der wesentlichen Gründe für die geometrischen
MehrMorphologische Bildoperationen
Morphologische Bildoperationen Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Gürcan Karakoc Betreuer: Suat Gedikli Abgabetermin: 10.04.2006 1 Inhaltsverzeichnis
MehrNützliche Bildverarbeitungs- Verfahren
MIN-Fakultät Fachbereich Informatik Arbeitsbereich SAV/BV (KOGS) Nützliche Bildverarbeitungs- Verfahren BV-Praktikum im Sommersemester 2016 Leonie Dreschler-Fischer, David Mosteller und Benjamin Seppke
MehrLösungsvorschlag zur 5. Übung zu Multimediale Systeme
Lösungsvorschlag zur 5. Übung zu Multimediale Systeme Dipl. Inf. Günter Robbert Universität Bayreuth Lehrstuhl für Angewandte Informatik I 20.6.2003 Lösungsvorschlag zur 5. Übung 1 AdOculos (1) AdOculos
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildbearbeitung für Rasterbilder Prof. Dr. Elke Hergenröther Übersicht Maße zur Beurteilung von Bildern: Histogramm Entropie GDV: Bildbearbeitung für Rasterbilder Punktoperationen:
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildbearbeitung für Rasterbilder Übersicht l Neu Folien:, 28 und ab 56 l Maße zur Beurteilung von Bildern: l Histogramm l Entropie l Punktoperationen: l Lineare Veränderung
MehrBild-Erkennung & -Interpretation
Kapitel I Bild-Erkennung & -Interpretation FH Aachen / Jülich, FB 9 Prof. Dr. rer.nat. Walter Hillen (Dig Img I) 1 Einführung Schritte zur Bilderkennung und Interpretation: Bild-Erfassung Vorverarbeitung
MehrQuantitative Hochauflösende Analyse Tomographischer Messdaten
Quantitative Hochauflösende Analyse Tomographischer Messdaten Prof. Dr. Astrid Haibel Möglichkeiten und Grenzen der tomographischen Analytik Was kann die Tomographie? 3D Informationen hohe räumliche Auflösung
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrWas bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch
Was bisher geschah Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch Punktoperationen (Farbtransformation) f : col1 col
MehrLeseprobe. Bildverarbeitung
Leseprobe zu Bildverarbeitung von Joachim Ohser ISBN (Buch): 978-3-446-44933-6 ISBN (E-Book): 978-3-446-45308-1 Weitere Informationen und Bestellungen unter http://www.hanser-fachbuch.de/978-3-446-44933-6
MehrKonzepte II. Netzwerkanalyse für Politikwissenschaftler
Konzepte II Netzwerkanalyse für Politikwissenschaftler Wiederholung Räumliche Distanzen und MDS Hauptkomponenten Neuere Entwicklungen Netzwerkanalyse für Politikwissenschaftler Konzepte II (1/20) Worum
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Filtern im Frequenzraum Segmentierung Organisatorisches Klausuranmeldung
MehrSegmentierung in der medizinischen Bildverarbeitung
Segmentierung in der medizinischen Bildverarbeitung Definition Die Segmentierung 1 ist ein Teilgebiet der digitalen Bildverarbeitung und des maschinellen Sehens. Sie beschäftigt sich mit der Erzeugung
MehrBeiträge zur Automatisierung und Optimierung des Entwurfs bildbasierter Erkennungssysteme
Beiträge zur Automatisierung und Optimierung des Entwurfs bildbasierter Erkennungssysteme Stefanie Peters Andreas König ITG-Fachgruppensitzung, ITG-Fachgruppensitzung, 17.11.2006 17.11.2006 Inhalt Einleitung
MehrGrundlagen der Bildverarbeitung
Grundlagen der Bildverarbeitung Inhaltsverzeichnis Vorwort 9 Kapitel 1 Einführung 13 1.1 Anwendungen der digitalen Bildverarbeitung 16 1.2 Algorithmische Verarbeitung von Bildinformation 17 1.3 Zu diesem
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
MehrEVC Repetitorium Blender
EVC Repetitorium Blender Michael Hecher Felix Kreuzer Institute of Computer Graphics and Algorithms Vienna University of Technology INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS Filter Transformationen
MehrWasserfall-Ansätze zur Bildsegmentierung
Wasserfall-Ansätze zur Bildsegmentierung von Philipp Jester Seminar: Bildsegmentierung und Computer Vision 16.01.2006 Überblick 1. Problemstellung 2. Wiederholung: Wasserscheiden-Ansätze 3. Der Wasserfall-Ansatz
MehrAus der Vortragsreihe zum Seminar: Verarbeitung und Manipulation digitaler Bilder. Low level vision. von Romina Drees
Aus der Vortragsreihe zum Seminar: Verarbeitung und Manipulation digitaler Bilder Low level vision von Romina Drees Low level vision: Einleitung Seite 1 1. Einleitung Unter 'Low level vision' versteht
MehrPrüfung Grundlagen der digitalen Bildbearbeitung
Prüfung Grundlagen der digitalen Bildbearbeitung 14.06.2005 1) Gegeben sind 24 Bilder, die als Eingabe als auch als Ergebnis einer der 10 Bildoperationen auftreten können. (14 Punkte) 10 folgenden Bildoperationen,
MehrAktive Konturen für die robuste Lokalisation von Zellen
Aktive Konturen für die robuste Lokalisation von Zellen Marko Tscherepanow, Frank Zöllner und Franz Kummert AG Angewandte Informatik, Technische Fakultät, Universität Bielefeld, Postfach 100 131, D-33501
Mehr"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs"
"Kanten- und Linienerkennung in Grauwertbildern für Bildverarbeitungsstufen im Antikollissionssystem des Faustfahrzeugs" Ning Liu HAW-Hamburg Seminarvortrag December 15, 2006 Ning Liu Kanten- und Linienerkennung
MehrDistributed 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
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
Mehr3. Analyse der Kamerabewegung Video - Inhaltsanalyse
3. Analyse der Kamerabewegung Video - Inhaltsanalyse Stephan Kopf Bewegungen in Videos Objektbewegungen (object motion) Kameraoperationen bzw. Kamerabewegungen (camera motion) Semantische Informationen
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
MehrBildverarbeitung: Diffusion Filters. D. Schlesinger ()Bildverarbeitung: Diffusion Filters 1 / 10
Bildverarbeitung: Diffusion Filters D. Schlesinger ()Bildverarbeitung: Diffusion Filters 1 / 10 Diffusion Idee Motiviert durch physikalische Prozesse Ausgleich der Konzentration eines Stoffes. Konzentration
MehrLAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken
LAREX - Ein Werkzeug zur Layout-Analyse und Segmentierung von frühen Buchdrucken Lehrstuhl für Künstliche Intelligenz und Angewandte Informatik Universität Würzburg 17.03.2017 Motivation und Ansatz Segmentierung
MehrIndustrielle Bildverarbeitung
Industrielle Bildverarbeitung Übungen 1. Aufgabe Ein Objektiv mit der Brennweite 12.5mm kann auf Entfernungen zwischen 0.5 m und eingestellt werden. Wie gross ist dann jeweils die Bildweite? Dieses Objektiv
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
MehrWM01 - DEMO - ECDL Image Editing
Demotest Image Editing Bestanden JA NEIN Vorname Punkte [erforderlich 75%, d.h. 7 von 36] Name WM0 - DEMO - ECDL Image Editing Testlaufwerk: Testordner: WM0-demo-arbeitsdateien. Welches der folgenden ist
MehrSegmentierung. Vorlesung FH-Hagenberg SEM
Segmentierung Vorlesung FH-Hagenberg SEM Segmentierung: Definition Die Pixel eines Bildes A={a i }, i=1:n, mit N der Anzahl der Pixel, werden in Teilmengen S i unterteilt. Die Teilmengen sind disjunkt
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
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
MehrKapitel 8: Operationen auf Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 8: Operationen auf Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2015/16 Ludwig-Maximilians-Universität
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
MehrRechenverfahren und Auswertemodelle der Landesvermessung
Bernhard Heck Rechenverfahren und Auswertemodelle der Landesvermessung Klassische und moderne Methoden Herbert Wichmann Verlag Karlsruhe IX INHALT Seite TEIL I: ALLGEMEINE GRUNDLAGEN 1 Einführung 1 1.1
MehrBinärbildverarbeitung
Prof. Dr. Wolfgang Konen, Thomas Zielke Binärbildverarbeitung SS06 4.1 Konen, Zielke Anwendungen von Binärbildern Ein Bild mit nur zwei Grau/Farb-Stufen nennt man Binärbild. In der Regel werden Bildpunkte
MehrModelle und Algorithmen in der Bildverarbeitung
Modelle und Algorithmen in der Bildverarbeitung Die Abteilung MODELLE UND ALGORITH- MEN IN DER BILDVERARBEITUNG arbeitet vor allem in folgenden Bereichen Oberflächeninspektion Signalanalyse im Eisenbahnbereich
MehrInhaltsverzeichnis. Teil I: Allgemeine Grundlagen... 1
Teil I: Allgemeine Grundlagen... 1 1 Einführung... 1 1.1 Erdfigur und Schwerefeld... 1 1.2 Bezugsflächen der Geodäsie... 5 1.3 Aufgaben der Landesvermessung... 13 1.4 Aufbau der klassischen Landesvermessungen...
MehrInhalte. Photogram. Aufnahmesysteme. HS BO Lab. für Photogrammetrie: Digitalisierung analoger Bilder 1
Inhalte Photogram. Aufnahmesysteme Metrische Kameras (Definition der Inneren Orientierung) Analoge Messkameras Fotografische Aspekte Digitalisierung analoger Bilder Digitale Aufnahmesysteme (Messkameras)
MehrDiplomarbeit. Lokal-adaptive Morphologie für Analyse und Modellierung von Mikrostrukturen. Marc Giertzsch
Diplomarbeit Lokal-adaptive Morphologie für Analyse und Modellierung von Mikrostrukturen Marc Giertzsch Diplomarbeit Lokal-adaptive Morphologie für Analyse und Modellierung von Mikrostrukturen Abgabe:
MehrBildverarbeitung in R
Bildverarbeitung in R Tobias Klinke Proseminar R Fachbereich Informatik Fakultät für Mathematik, Informatik und Naturwissenschaften Universität Hamburg Betreuer: Jakob Lüttgau 2016-07-13 Tobias Klinke
MehrLehrveranstaltung Fernerkundung. Mod. 1 p. 1. Typische Schritte in einem Fernerkundungsprojekt. Bildgeometrie. Vorlesungs- und Übungsplan SS 2010
Lehrveranstaltung Fernerkundung Vorlesungs- und Übungsplan 07.04.10 Einführung, Strahlung, Sensoren 14.04.10 Digitale Bilder, Bildstatistik& Kontraststreckung 21.04.10 Bild Verbesserung & Indexe 28.05.10
MehrAnalyse der Kernstrukturen in zytopathologischen Mikroskopbildern
Analyse der Kernstrukturen in zytopathologischen Mikroskopbildern Thorsten Klein 1, Alexander Schega 1, Dietrich Meyer-Ebrecht 1 und Alfred Böcking 2 1 Lehrstuhl für Messtechnik und Bildverarbeitung, RWTH
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 6. Bildverarbeitung..........................415 Aufbau
MehrSegmentierung. Inhalt. Segmentierung
Segmentierung Inhalt Segmentierung Definition der Segmentierung Kantenbasierte Segmentierung Regionenbasierte Segmentierung Globaler Schwellenwert (threshold) Adaptiver Schwellenwert Region Growing Segmentierung
MehrZiel: Erkennen von Geraden allgemeiner: von einfachen parametrischen Kurven (Kreise, Ellipsen...)
6. Die Hough-Transformation (sprich: "haff") P.V.C. Hough, Patentschrift von 1962 Ziel: Erkennen von Geraden allgemeiner: von einfachen parametrischen Kurven (Kreise, Ellipsen...) Anwendung: Detektion
MehrAuflösung - Öffnungsverhältnis - Brennweite - Kontrast... einige Gedanken zu Aufnahmetechnik und Equipment
Auflösung - Öffnungsverhältnis - Brennweite - Kontrast.. einige Gedanken zu Aufnahmetechnik und Equipment Gahberg 2017 Dieter Retzl Auflösung : Die Auflösung wird nur durch den Durchmesser des Beugungszentrums
Mehr