Übersicht der Vorlesung
|
|
- Kristian Martin
- vor 7 Jahren
- Abrufe
Transkript
1 Übersicht der Vorlesung 1. Einführung 2. Bildverarbeitung 3. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse aus Bildfolgen 9. PCA (Hauptkomponentenanalyse) 10.ICA (Independent Component Analysis Unabhängigkeitsanalyse)
2 3 Morphologische Operationen
3 Bezeichnungen n Z Z1 4Z 4 2Z 4L 4 3Z = Z - Menge der ganzen Zahlen n - mal Wir betrachten zunächst nur Binärbilder n = 2 Z 2 Ortskoordinaten der 1-Werte
4 Bezeichnungen Z n h Z n { n d Z x d = x h} h = mit + : Verschiebung um h ~ { x x } = : Spiegelung am Punkt (0,0) C = Z n \
5 3. Morphologische Operationen 3.1 Dilation 3.2 Erosion 3.3 Opening und Closing 3.4 Anwendungen 3.5 Morphologische Operationen für Grauwertbilder
6 3.1 Dilation
7 Dilation, B n Z B = { } d Z n : x, b B mit d = x+ b Bild Strukturelement (wesentlich kleiner als )
8 Beispiel 1 B = B= {(0,1),(1,1),(2,1),(2,2),(3,0),(3,2),(4,0) } {(0,0),(0,1) } B={(0,1),(0,2),(1,1),(1,2),(2,1),(2,2), (2,3),(3,0),(3,1),(3,2),(3,3),(4,0),(4,1)} B
9 Beispiel 2 = B= {(1,1),(2,1),(3,1),(4,2) } {( 0, 1),(0,1) } B B={( 1,0),(2,0),(3,0),(1,2),(2,2) (3,2),(4,1),(4,3)} B Hier gehört der Punkt (0,0) nicht zum Strukturelement B
10 Beispiel infolge einer Dilation entsteht eine Verstärkung bzw. eine Verdickung des Bildes bezüglich des Strukturelementes B insbesondere ist es möglich, Pixelgruppen zu vereinigen, Löcher zu füllen oder Risse zu schließen
11 Kantendetektion einfache Möglichkeit zur Kantendetektion (Finden von Kanten) ist die Operation: ( B) \ Ergebnis enthält aber keine Elemente aus
12 Eigenschaft B = U b B b Beispiel: = (0,0) (0,1 ) B= {(0,0),(0,1) } B
13 Weitere Eigenschaften n n, Y, B, D Z h Z B = B ( B D) = ( B) D B = ( B) h h
14 3.2 Erosion
15 Erosion, B n Z { } d Z n b B d + b B= : { } d Z n B B = : d
16 Beispiel 1 ={(0,1),(1,1),(1,3),(2,1),(3,0),(3,1), (3,2),(3,3),(4,1)} B={(0,0),(0,1)} B B={(3,0),(3,1),(3,2)} B
17 Beispiel 2 B ={(0,1),(0,2),(0,3),(0,4),(1,1),(1,3),(1,4), (1,5),(2,0),(2,1),(2,2),(2,3),(2,4),(3,1), (3,3),(3,4),(4,1),(4,2),(4,3),(4,4),(4,5),(5,4)} B= {( 1, 1),( 1,0),( 1,1),(0, 1),(1, 1),(1,0),(1,1)} B={( 1,2),(3,2)} B
18 Beispiel bei der Erosion werden schmale Stellen und kleine Objekte, deren geometrische Ausdehnungen kleiner als die des Strukturelementes sind, völlig eliminiert
19 Kantendetektion einfache Möglichkeit zur Kantendetektion (Finden von Kanten) ist die Operation: \( B)
20 Eigenschaft B = I b B b Beispiel: = (0,0) (0,1) B={(0,0),(0,1)} B
21 Weitere Eigenschaften ( 0,0, K,0) B B ( ) C Y = Y C ~ ( ) C Y = Y C ~
22 Mehrere Strukturelemente
23 Mehrere Strukturelemente Die Dilation bzw. die Erosion mit einem komplexen Strukturelement B = B B L 1 2 B k kann auf die Hintereinanderausführung einfacher Elemente zurückgeführt werden
24 3.3 Opening und Closing
25 Opening und Closing, B n Z Opening: o B= ( B) B Closing: B= ( B) B
26 Closing Beispiel 1 B ={( 1,1),(1,2),(1,3),(1,4),(2,3),(3,1), (3,2),(3,3),(4,1),(4,2),(4,4)} B= {( 1, 1),..., (1,1)} B={( 1,1),..., (1,4),(2,1),...,(2,4), (3,1),...,(3,4),(4,1),...,(4,4)} B
27 Closing Beispiel 2 Closing Dilation Erosion Die Menge ist hell dargestellt. beim Closing werden kleine Einschnitte und Zwischenräume geschlossen
28 Opening Beispiel 1 B ={(0,0),..., (0,3),(1,0),...,(1,4),(2,0),...,(2,3), (3,0),...,(3,5),(5,3),(5,4),(5,5)} B= {( 1, 1),..., (1,1)} B={( 1,1),(1,2),(2,1),(2,2)} B ob={(0,0),..., (0,3),(1,0),...,(1,3), (2,0),...,(2,3),(3,0),...,(3,3)} ob
29 Opening Beispiel 2 Opening Erosion Dilation Die Menge ist hell dargestellt. Opening bewirkt eine Eliminierung von im Verhältnis zum Strukturelement B kleinen Teilmengen des Bildes, d.h., schmale Verbindungen oder auch alleinstehende Mengenelemente werden gelöscht
30 Eigenschaft o B
31 Eigenschaft B
32 Weitere Eigenschaften C ( B) = o B C ~ C ( o B) = B C ~ o B = ( o B) o B B = ( B) B
33 3.4 Anwendungen
34 Detektion von Bildanteilen mit bekannter Form Mit Opening kann man bestimmte Formen im Bild detektieren oder beseitigen Mit Hilfe von 2 aufeinanderfolgenden Openings mit verschiedenen Strukturelementen kann der kleine Winkel entfernt werden (im Bild links). Das große Objekt wird nicht exakt erhalten. Die Detektion des kleinen Winkels geschieht danach im Bild rechts.
35 Füllen von Löchern Wir wollen im Bildobjekt A alle Löcher füllen. 0 ist eine Menge, die aus jedem Loch einen Punkt enthält Iteration: k C ( B) A, 1,2,3,... k k 1 = Strukturelement: B= {( 1,0),(0,0),(1,0),(0, 1),(0,1)} Terminierung: n = n Ergebnis: n A
36 Zusammenhängende Komponenten zusammenhängende Komponenten (exakte Def. erfolgt später) eines Bildobjektes A 0 ist eine Menge, die aus jeder Komponente einen Punkt enthält Iteration: k ( B) A, 1,2,3,... k k 1 = Strukturelement: B= {( 1, 1),( 1,0),( 1,1),(0, 1),(0,0),(0,1),(1, 1),(1,0),(1,1)} Terminierung: Ergebnis: n = n 1 n
37 Alles oder Nichts Transformation B n 1, B2, Z B 1 B 2 = B= ( B 1, B2 ) B C = ( B ) ( B ) 1 2 Ein Punkt gehört zu B, wenn an dieser Stelle B 1 in und B 2 in C enthalten ist. Spezialfall: B 2 = C B 2 = Z n B= ( B ) 1
38 Beispiel: B 1 ={(0,0)} B2 = {( 1,0),(1,0),(0, 1),(0,1)} C B= ( B1 ) ( B2 ) (0,0) wird auf die Punkte von gelegt innerhalb von außerhalb von isolierte Punkte (bezüglich der 4-er Nachbarschaft) von
39 Anwendung Konvexe Hülle 4 Strukturelemente: ( i i B B ) i B =, 1 2 Konvexe Hülle von : i B 2 i B 1 ( 1) ( 2 ) ( 3 ) ( 4 B B B B ) (Wiederholung auf das entstehende Element)
40 Abmagerung B n, B, 1 2 Z ( B, B 1 2) B= B B = B= \( B)
41 Skelettierung In einigen Anwendungen (Formbeschreibung, Trennung von Objekten) müssen aus flächenhaften Objekten durch Skelettierung linienhafte Objekte erzeugt werden. Unter Skelettierung versteht man dabei die Abtragung des Objektes vom Objektrand bis auf die in der Mitte des Objektes verlaufende Skelettlinie (aus flächenhaften Objekten linienhafte Objekte erzeugen). Mit einer reinen Erosion kann man Skelettierung nicht erreichen. Es gibt viele Verfahren, die zu unterschiedlichen Ergebnissen führen.
42 Skelettierung i 8 Strukturelemente: = ( i i B B ) B, 1 2 entstehen durch Drehung um 90 Die schwarzen Elemente müssen im Objekt liegen, die grauen Elemente außerhalb des Objektes. Dann wird der Punkt an der Stelle (0,0) vom Objekt entfernt.
43 Skelettierung Anwendung der Operationen hintereinander i \ ( B ) i = 1, K,8 Die Anwendung der 8 Operationen muss in mehreren Durchläufen geschehen, bis keine Punkte mehr wegfallen. Das Ergebnis hängt von der Anwendungsreihenfolge der 8 Operationen ab.
44 3.5 Morphologische Operationen für Grauwertbilder
45 Grauwertdilation Bild: G= ( g( i, j)), i = 0, K, I 1, j = 0, K, J 1 B = ( b( u, v)), u, v = M, K,0, K, M reelle Zahlen ( G B)( i, j) = max M u, v M { g( i+ u, j + v) + b( u, v)}
46 Grauwerterosion Bild: G= ( g( i, j)), i = 0, K, I 1, j = 0, K, J 1 B = ( b( u, v)), u, v = M, K,0, K, M reelle Zahlen ( G B)( i, j) = min M u, v M { g( i+ u, j + v) b( u, v)}
Übersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. 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
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
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
MehrBildverstehen. Vorlesung an der TU Chemnitz SS 2013
Bildverstehen Vorlesung an der TU Chemnitz SS 2013 Johannes Steinmüller 1/B309 Tel.: 531 35198 stj@informatik.tu-chemnitz.de Seite zur Vorlesung: http://www.tu-chemnitz.de/informatik/ki/edu/biver/ Buch
MehrBinärbildverarbeitung
Prof. Dr.-Ing. Thomas Zielke " Binärbildverarbeitung SS 2013 3.1 Anwendungen von Binärbildern" Ein Bild mit nur zwei Grau/Farb-Stufen nennt man Binärbild. In der Regel werden Bildpunkte mit dem Wert Null
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
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
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
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
Mehr2. Optimierungsprobleme 6
6 2. Beispiele... 7... 8 2.3 Konvexe Mengen und Funktionen... 9 2.4 Konvexe Optimierungsprobleme... 0 2. Beispiele 7- Ein (NP-)Optimierungsproblem P 0 ist wie folgt definiert Jede Instanz I P 0 hat einen
MehrGeometrische Algorithmen
Geometrische Algorithmen Thomas Röfer Motivation Scan-line-Prinzip Konvexe Hülle Distanzprobleme Voronoi-Diagramm Rückblick Manipulation von Mengen Vorrangwarteschlange Heap HeapSort swap(a, 0, 4) 1 5
MehrMerkmale von Bildregionen, Einführung in Spektraltechniken
Merkmale von Bildregionen, Einführung in Spektraltechniken Industrielle Bildverarbeitung, Vorlesung No. 10 1 M. O. Franz 12.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger
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
MehrThema: Ein Ausblick auf die Möglichkeiten durch den Software-Einsatz im Mathematikunterricht.
Vorlesung 2 : Do. 10.04.08 Thema: Ein Ausblick auf die Möglichkeiten durch den Software-Einsatz im Mathematikunterricht. Einführung in GeoGebra: Zunächst eine kleine Einführung in die Benutzeroberfläche
MehrUnterrichtsreihe zur Parabel
Unterrichtsreihe zur Parabel Übersicht: 1. Einstieg: Satellitenschüssel. Konstruktion einer Parabel mit Leitgerade und Brennpunkt 3. Beschreibung dieser Punktmenge 4. Konstruktion von Tangenten 5. Beweis
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
MehrMathematik für Ökonomen 1
Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Herbstemester 2008 Mengen, Funktionen und Logik Inhalt: 1. Mengen 2. Funktionen 3. Logik Teil 1 Mengen
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.1 Einführung
Mathematik II Frühlingsemester 2015 Kap 9: Funktionen von mehreren Variablen 91 Einführung wwwmathethzch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof Dr Erich Walter Farkas http://wwwmathethzch/
MehrReguläre Polyeder und ihre Symmetriegruppen. Teilnehmer: Gruppenleiter: Humboldt-Universität zu Berlin
Reguläre Polyeder und ihre Symmetriegruppen Teilnehmer: Anna Bobenko Aymara Fehéri Mehdi Hassan Hamzé Pascal Gussmann Tuyen Vu Xuan Herder-Oberschule Heinrich-Hertz-Oberschule Herder-Oberschule Heinrich-Hertz-Oberschule
MehrÜbung zur Vorlesung Algorithmische Geometrie
Übung zur Vorlesung Algorithmische Geometrie Dipl.-Math. Bastian Rieck Arbeitsgruppe Computergraphik und Visualisierung Interdisziplinäres Zentrum für Wissenschaftliches Rechnen 8. Mai 2012 B. Rieck (CoVis)
MehrMengen, Funktionen und Logik
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Mengen, Funktionen und Logik Literatur Referenz: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Eine praktische Einführung von Thorsten Hermes 1. Auflage Hanser München 2004 Verlag C.H. Beck im Internet: www.beck.de ISBN 978 3 446 22969 3 Zu Leseprobe schnell und portofrei
MehrBildverarbeitung/Mustererkennung: Zusammenfassung und Ausblick
Bildverarbeitung/Mustererkennung: Zusammenfassung und Ausblick D. Schlesinger TUD/INF/KI/IS D. Schlesinger () BV/ME: Zusammenfassung 1 / 6 Organisatorisches Es gibt keine Scheine und keine bestanden Abschlüsse
MehrMusterlösung zur 3. Hausaufgabe - Unterrichtsanalyse -
1) Vorkenntnisse: Musterlösung zur 3. Hausaufgabe - Unterrichtsanalyse - Im Rahmen der aktuellen Einheit wurden die folgenden Themen im Unterricht behandelt. Grundkonstruktionen mit Zirkel und Lineal;
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
Mehr5. Gruppen, Ringe, Körper
5. Gruppen, Ringe, Körper 5.1. Gruppen Die Gruppentheorie, als mathematische Disziplin im 19. Jahrhundert entstanden, ist ein Wegbereiter der modernen Mathematik. Beispielsweise folgt die Gruppe, die aus
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
MehrSymmetrie als fundamentale Idee
Symmetrie als fundamentale Idee "Ideen, die starke Bezüge zur Wirklichkeit haben, verschiedene Aspekte und Zugänge aufweisen, sich durch hohen inneren Beziehungsreichtum auszeichnen und in den folgenden
MehrC 6 der unbekannte Korrekturfaktor?
C 6 der unbekannte Korrekturfaktor? am Beispiel eines Linienlaser mit Bewertung nach DIN EN 60825-1 Bestimmung von C6 Kerkhoff.Thomas@bgetem.de // Stand: 2012-09 Beispiel eines Linienlasers Seite 2 Vor
MehrZusammenfassung Verallgemeinerungen VD Segmente/Pledge Algorithmus
Zusammenfassung Verallgemeinerungen VD Segmente/Pledge Algorithmus Elmar Langetepe University of Bonn Algorithmische Geometrie VD Segmente/Pledge 29.06.11 c Elmar Langetepe SS 11 1 Voronoi Diagramm von
MehrRegionen in Binärbildern
Regionen in Binärbildern Industrielle Bildverarbeitung, Vorlesung No. 9 1 M. O. Franz 05.12.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 Auffinden
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
MehrMorphologische Operationen (12 Punkte)
05.10.2015 186.822 VU Einführung in Visual Computing 3. Test Gruppe A Matrikelnummer: Nachname: Punkte Studienkennzahl: Vorname: Bitte tragen sie Ihre Matrikelnummer, Studienkennzahl sowie Vor- und Nachname
MehrKapitel 2.1: Die stochastische Sicht auf Signale Georg Dorffner 67
Kapitel 2.1: Die stochastische Sicht auf Signale 215 Georg Dorffner 67 Stochastische Prozesse Stochastische Prozesse sind von Zufall geprägte Zeitreihen x n f x, n 1 xn2,... n vorhersagbarer Teil, Signal
MehrGeometrie I. Sebastian Redinger Informatik 2 Programmiersysteme Martensstraße Erlangen
Geometrie I Sebastian Redinger 01.07.2015 Informatik 2 Programmiersysteme Martensstraße 3 91058 Erlangen Gliederung Grundlagen CCW Polygone Picks Theorem Konvexe Hülle - Graham Scan - Jarvis March 2 Gliederung
MehrGRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen
GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG Übungen Otto-von-Guericke-Universität Magdeburg Fakultät für Elektrotechnik und Informationstechnik Institut für Elektronik, Signalverarbeitung
MehrÄhnlichkeitsabbildungen und Ähnlichkeitslehre
Ähnlichkeitsabbildungen und Ähnlichkeitslehre Lisa Laudan, Christopher Wolf 1 Rahmenlehrplan Sek I Berlin Klasse 9/10 Standards für das Ende der Klasse 10: Die SuS berechnen Streckenlängen und Winkelgrößen
MehrPolygone - Bausteine der Computergrafik
Polygone - Bausteine der Computergrafik Schülerseminar Florian Buchegger Johannes Kepler Universität Linz Dez 12, 2014 Wo werden Polygone verwendet? Welche wichtige Algorithmen gibt es? Outline Wo werden
MehrDigital e Bildverarbeitun g
Wilhelm Burger Mark James Burg e Digital e Bildverarbeitun g Eine Einführung mit Java und Image) 1 Crunching Pixels 1 1.1 Programmieren mit Bildern 2 1.2 Bildanalyse und intelligente" Verfahren 3 2 Digitale
MehrPhysik für Mediziner im 1. Fachsemester
Physik für Mediziner im 1. Fachsemester #22 27/11/2008 Vladimir Dyakonov dyakonov@physik.uni-wuerzburg.de Optische Instrumente Allgemeine Wirkungsweise der optischen Instrumente Erfahrung 1. Von weiter
MehrGestenerkennung. Yannick Jonetzko Yannick Jonetzko
30.04.2015 Inhalt Motivation Definition Geste Historie / Anwendungsbereiche Arten der Funktionsweise anhand eines Papers Alternativen Fazit Seite 2 Motivation Human Computer Interaction Gesten sind in
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Clippen in 2D und 3D Graphische DV und BV, Regina Pohle, 19. Clippen in 2D und 3D 1 Einordnung in die Inhalte der Vorlesung Einführung
Mehr1 Analytische Geometrie
Analytische Geometrie. Grundlagen, Begriffe, Schreibweisen Achsenkreuz Die Achsen heißen in dieser Darstellung x und -Achse. Punkte Punkte werden weiterhin mit großen, lateinischen Buchstaben bezeichnet
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:
MehrProfessur Konstruktionslehre
Professur Konstruktionslehre Prof. Dr. -Ing. E. Leidich / Dipl.- Ing. M. Curschmann / Dipl.- Ing. B. Fischer Lehrgebiet CAE-Systeme CATIA V5 CATIA V5 Grundkurs Diese Anleitung stellt eine grundlegende
MehrWeitere geometrische Abbildungen
Weitere geometrische Abbildungen Anna Wegener, Matthias Wegen, Daniel Kretschmer 15.01.2015 1 / 38 Affinitätsabbildungen - Motivation Kongruenzabbildungen Ähnlichkeitsabbildungen Affinitätsabbildungen
MehrVorlesung Diskrete Strukturen Gruppe und Ring
Vorlesung Diskrete Strukturen Gruppe und Ring Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2009/10 1 Bernhard Ganter, TU Dresden Modul Einführung in
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
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!
MehrHS Heilbronn - Prof. Dr. P. Fleischmann CAD-K2 10/2010 2/1. Definitionen
HS Heilbronn - Prof. Dr. P. Fleischmann CAD-K2 10/2010 2/1 2 3D-Modellierung 2.1 Modellerzeugung 2.2 Volumenspeicherung beim Solid Model: 2.3 Volumenmodellierung 2.3.1 Verschiebe-Operationen - Sketcher
MehrKapitel 4: Minimal spannende Bäume Gliederung der Vorlesung
Kapitel : Minimal spannende Bäume Gliederung der Vorlesung. Fallstudie Bipartite Graphen 2. Grundbegriffe. Elementare Graphalgorithmen und Anwendungen. Minimal spannende Bäume. Kürzeste Wege. Traveling
MehrINHALTSVERZEICHNIS... 1 ABBILDUNGSVERZEICHNIS... 3 TABELLENVERZEICHNIS... 4 AUFGABENSTELLUNG... 5 1 EINLEITUNG... 6. 1.1 Motivation...
Inhaltsverzeichnis INHALTSVERZEICHNIS... 1 ABBILDUNGSVERZEICHNIS... 3 TABELLENVERZEICHNIS... 4 AUFGABENSTELLUNG... 5 1 EINLEITUNG... 6 1.1 Motivation... 6 1.2 Gliederung der Arbeit... 7 2 GRUNDLAGEN...
MehrVorlesung. Vollständige Induktion 1
WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen
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
MehrQuantenphysik. Teil 3: PRAKTISCHE AKTIVITÄTEN
Praktische ktivität: Bestimmung der Dicke eines Haars mittels Beugung von Licht 1 Quantenphysik Die Physik der sehr kleinen Teilchen mit großartigen nwendungsmöglichkeiten Teil 3: PRKTISCHE KTIVITÄTEN
MehrKapitel 4: Minimale spannende Bäume Gliederung der Vorlesung
Kapitel : Minimale spannende Bäume Gliederung der Vorlesung. Grundbegriffe 2. Elementare Graphalgorithmen und Anwendungen. Kürzeste Wege. Minimale spannende Bäume. Färbungen und Cliquen. Traveling Salesman
Mehr(Man sagt dafür auch, dass die Teilmenge U bezüglich der Gruppenoperationen abgeschlossen sein muss.)
3. Untergruppen 19 3. Untergruppen Nachdem wir nun einige grundlegende Gruppen kennengelernt haben, wollen wir in diesem Kapitel eine einfache Möglichkeit untersuchen, mit der man aus bereits bekannten
MehrGraphen. Leonhard Euler ( )
Graphen Leonhard Euler (1707-1783) 2 Graph Ein Graph besteht aus Knoten (nodes, vertices) die durch Kanten (edges) miteinander verbunden sind. 3 Nachbarschaftsbeziehungen Zwei Knoten heissen adjazent (adjacent),
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrMaterialien für die konstruktive Analogisierung ebener Geometrie im virtuellen Raum (2)
Heinz Schumann Materialien für die konstruktive Analogisierung ebener Geometrie im virtuellen Raum (2) Analoge Dinge stimmen in gewissen Beziehungen zwischen ihren entsprechenden Teilen miteinander überein.
MehrB3. Bilderkennung mit Java
B3. Bilderkennung mit Java B3.3 HIPR Framework B3.4 Praktisches Beispiel und weitere Operationen auf Bildern - thresholding - morphologische Operationen - region labeling Literatur: The Hypermedia Image
MehrÜbersicht. Rot-schwarz Bäume. Rot-schwarz Bäume. Beispiel. Eigenschaften. Datenstrukturen & Algorithmen. Rot-schwarz Bäume Eigenschaften Einfügen
Datenstrukturen & Algorithmen Übersicht Rot-schwarz Bäume Eigenschaften Einfügen Matthias Zwicker Universität Bern Frühling 2009 2 Rot-schwarz Bäume Binäre Suchbäume sind nur effizient wenn Höhe des Baumes
MehrFormale Grundlagen 2008W. Vorlesung im 2008S Institut für Algebra Johannes Kepler Universität Linz
Formale Grundlagen Institut für Algebra Johannes Kepler Universität Linz Vorlesung im 2008S http://www.algebra.uni-linz.ac.at/students/win/fg Inhalt Vektoren in der Ebene Zwei Punkten P, Q in der Ebene
MehrFRAKTALE. Eine Dokumentation von Dominik Assmann, Philipp Gewessler und Paul Maier
FRAKTALE Eine Dokumentation von Dominik Assmann, Philipp Gewessler und Paul Maier I. Fraktale allgemein a. Mathematischer Algorithmus i. Komplexe Zahlen b. Konvergieren und Divergieren i. Bei Mandelbrotmengen
MehrBezeichnung: F F Jede Kongruenzabbildung lässt sich durch Hintereinander Ausführen von höchstens drei Geradenspiegelungen darstellen
3 6. Ähnlichkeitsabbildungen Bilde eine Figur durch Hintereinander Ausführen von Kongruenzabbildungen (Geradenspiegelungen, Drehungen, Translationen, Punktspiegelungen) und zentrischen Streckungen in eine
MehrGestaltungsrichtlinien der Zaunteam Franchise AG
Starke Zäune. Starkes Team. Gestaltungsrichtlinien der Zaunteam Franchise AG Stand September 2015 Gestaltungsrichtlinien 1 Basiselemente Bildmarke Logo Zaunteam Mit der neuen Bild- und Wortmarke erhält
MehrErgänzung zu komplexe Zahlen
Juli 2015 Übersicht 1 Ortskurven 2 Wechselstromkreis mit ohmschem und kapazitivem Widerstand (Parallelschaltung) i(t) u(t) R C Bei festen Werten für den ohmschen Widerstand R und die Kapazität C ergibt
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
Mehr1 Funktionen. 1.1 Definitionen und Bezeichnungen
1 1 Funktionen 1.1 Definitionen und Bezeichnungen Eine Funktion f ist eine eindeutige Abbildung einer Menge X in eine andere Y. Ist x X, dann ist f(x) y Y das Bild des Elementes x. x heißt das Urbild des
Mehr3 Abbildungen von Funktionsgraphen
27 3 Abbildungen von Funktionsgraphen In Kapitel 1 dieses Workshops haben wir uns mit der Transformation von geometrischen Figuren im Achsenkreuz beschäftigt: mit Verschiebungen, Spiegelungen, Achsenstreckungen
MehrGruppentheorie und Symmetrie in der Chemie
Gruppentheorie und Symmetrie in der Chemie Martin Schütz Institut für theoretische Chemie, Universität Stuttgart Pfaffenwaldring 55, D-70569 Stuttgart Stuttgart, 26. April 2002 Mathematische Definition
MehrDer fertige Solarofen besteht aus einem Unterbau, einem Deckel und dem Reflektor. Bauen Sie zuerst das Unterteil.
Bauanleitung für einen Solarofen Backen und kochen ohne Strom oder Gas? Mit einem Solarofen ist das kein Problem! Quarks & Co hat dafür in Zusammenarbeit mit dem Diplom-Ingenieur Armin Furkert die folgende
MehrEine solche Anordnung wird auch Fabry-Pérot Interferometer genannt
Interferenz in dünnen Schichten Interferieren die an dünnen Schichten reflektierten Wellen miteinander, so können diese sich je nach Dicke der Schicht und Winkel des Einfalls auslöschen oder verstärken
MehrImpulserhaltung in zwei Dimensionen (M5)
Impulserhaltung in zwei Dimensionen (M5) Ziel des Versuches Der elastische Stoß zweier Scheiben mit sowohl gleicher als auch unterschiedlicher Masse, die sich auf einem Luftkissentisch nahezu reibungsfrei
MehrBeispiel 2 ([1], Ex ) Sei jxj = m, jy j = n. Wieviele Funktionen f : X! Y
Kombinatorik Nach [1], Chap.4 (Counting Methods and the Pigeonhole Principle). Multiplikationsprinzip Beispiel 1 Wieviele Wörter der Länge 4 kann man aus den Buchstaben A,B,C,D,E bilden,... 1. wenn Wiederholungen
MehrFachartikel. Telezentrische Objektive für Kameras größer 1 Zoll
Vision & Control GmbH Mittelbergstraße 16 98527 Suhl. Germany Telefon: +49 3681 / 79 74-0 Telefax: +49 36 81 / 79 74-33 www.vision-control.com Fachartikel Telezentrische Objektive für Kameras größer 1
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrDidaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra
A. Filler Folie 1 /15 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 2. Die reellen Zahlen A. Filler Humboldt-Universität zu Berlin, Institut für Mathematik Sommersemester 2016
MehrNeuheiten PROfirst CAD Version 6
Neuheiten PROfirst CAD Version 6 www.profirst-group.com Neuheiten PROfirst CAD Version 6 ab 5.0.34 1/8 Neuheiten PROfirst CAD Version 6 ab Version 5.0.34 Neuheiten PROfirst CAD Version 6 ab Version 5.0.34...2
MehrPrincipal Component Analysis (PCA)
Principal Component Analysis (PCA) Motivation: Klassifikation mit der PCA Berechnung der Hauptkomponenten Theoretische Hintergründe Anwendungsbeispiel: Klassifikation von Gesichtern Weiterführende Bemerkungen
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
MehrSpiegeln. Das Dokument NEWMirror01.CATPart öffnen. Auf der Wand werden eine Aussparung und ein neu begrenzter Flansch (Schulter) angezeigt
Seite 1 von 6 Spiegeln Komponente spiegeln In dieser Übung wird eine Komponente gespiegelt, d. h., sie wird bezüglich einer Ebene sym Folgende Komponenten können gespiegelt werden: Bohrungen, Wände, Wände
MehrDer Einbau im Auto. Stereo: Beispiel Fahrzeug. Einbau im Rückspiegel Erfassung von. Reichweite: bis 30 m
Der Einbau im Auto Sichtbereich Sichtbereich Kameras Einbau im Rückspiegel Erfassung von anderen Fahrzeugen (Pkw,Lkw) Zweiradfahrern Fußgängern und Kindern Reichweite: bis 30 m Digitale Bildverarbeitung
MehrVektor-Multiplikation Vektor- Multiplikation
Vektor- Multiplikation a d c b Thema: Schultyp: Vorkenntnisse: Bearbeitungsdauer: Vektor-Multiplikation: Vektorprodukt Mittelschule, Berufsschule, Fachhochschule Elementare Programmierkenntnisse, Geometrie,
MehrKompetenzmodell. Geometrisches Zeichnen. Arbeitsblätter
Kompetenzmodell Geometrisches Zeichnen Arbeitsblätter 4.10.2012 Inhaltsdimension Arbeitsblätter Risse Lesen und Skizzieren Bausteine Länge von Strecken Flächenmodelle Bedienung eines CAD-Programms 3D-CAD-Software:
Mehr1. Einleitung wichtige Begriffe
1. Einleitung wichtige Begriffe Da sich meine besondere Lernleistung mit dem graziösen Färben (bzw. Nummerieren) von Graphen (speziell von Bäumen), einem Teilgebiet der Graphentheorie, beschäftigt, und
MehrDas Voronoi Diagramm. 1. Definition. 2. Eigenschaften. 3. Größe und Speicherung. 4. Konstruktion. 5. Verwendung
Das Voronoi Diagramm 1. Definition 2. Eigenschaften 3. Größe und Speicherung 4. Konstruktion 5. Verwendung Das Voronoi- Diagramm Voronoi Regionen Euklidische Distanz: d(p,q) = (px-qx)^2+(py-qy)^2 Das Voronoi-Diagramm
MehrAnalysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME
Analysis II (FS 2015): ZUSAMMENHÄNGENDE METRISCHE RÄUME Dietmar A. Salamon ETH-Zürich 23. Februar 2015 1 Topologische Grundbegriffe Sei (X, d) ein metrischer Raum, d.h. X ist eine Menge und d : X X R ist
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrGeometrische Objekte im 3-dimensionalen affinen Raum oder,... wie nützlich ist ein zugehöriger Vektorraum der Verschiebungen
Geometrische Objekte im -dimensionalen affinen Raum Bekanntlich versteht man unter geometrischen Objekten Punktmengen, auf die man die üblichen Mengenoperationen wie z.b.: Schnittmenge bilden: - aussagenlogisch:
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
MehrVery simple methods for all pairs network flow analysis
Very simple methods for all pairs network flow analysis Tobias Ludes 02.07.07 Inhalt Einführung Algorithmen Modifikation der Gomory-Hu Methode Einführung Nach Gomory-Hu nur n-1 Netzwerk-Fluss- Berechnungen
MehrDidaktik der Elementargeometrie
Humboldt-Universität zu Berlin Sommersemester 2014. Institut für Mathematik A. Filler Zusammenfassende Notizen zu der Vorlesung Didaktik der Elementargeometrie 2 Konstruieren im Geometrieunterricht Konstruieren
Mehr7. Formale Sprachen und Grammatiken
7. Formale Sprachen und Grammatiken Computer verwenden zur Verarbeitung von Daten und Informationen künstliche, formale Sprachen (Maschinenspr., Assemblerspachen, Programmierspr., Datenbankspr., Wissensrepräsentationsspr.,...)
MehrGrundlagen von Rasterdaten
LUDWIG- MAXIMILIANS- UNIVERSITY MUNICH DEPARTMENT INSTITUTE FOR INFORMATICS DATABASE Kapitel 7: Grundlagen von Rasterdaten Skript zur Vorlesung Geo-Informationssysteme Wintersemester 2014/15 Ludwig-Maximilians-Universität
MehrHalbgruppen, Gruppen, Ringe
Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die
MehrSymmetrien. Verschiedene Arten von Symmetrie. Achsensymmetrie Punktsymmetrie
Symmetrien Ist ein Gesicht symmetrisch? Welches ist das von Ferdinand Hodler gezeichnete Originalbild seiner Frau erthe? Weshalb? Verschiedene rten von Symmetrie Sind Schmetterling und Propeller gleich
Mehr10.1 Geometrische Wegplanung im Konfigurationsraum
10 Pfadplanung 10.1 Geometrische Wegplanung im Konfigurationsraum Vorausetzungen Roboter bewegt sich in der Ebene, ohne sich zu drehen Hindernisse sind konvexe Polygone Beispiel Grundgedanke Problem wird
Mehr