Bildverarbeitung und Mustererkennung

Transkript

1 Bildverarbeitung und Mustererkennung Prüfung im Modul ET510 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2014 Hinweise zur Bearbeitung der Klausur Die Klausur besteht aus zwei Teilen. Teil I besteht aus 40 Fragen und ist ohne Hilfsmittel in maximal 40 Minuten zu beantworten. Teil II enthält 5 Aufgaben und ist in maximal 60 Minuten zu bearbeiten. Außer Schreib- und einfachen Zeichengeräten sind keine weiteren Hilfsmittel zugelassen. Die en der Aufgaben sind gegebenenfalls in dem jeweils dafür vorgesehenen Raum (Bilder, Textlücken, Tabellen) auf den Aufgabenblättern einzutragen. Die en sind in einer dem Beruf des Ingenieurs angemessenen Form zu erstellen. Dies betrifft insbesondere Formelzeichnungen und Gleichungen. Skizzen und Diagramme sind zu beschriften, physikalische und technische Größen zu benennen und mit ihren Dimensionen zu versehen. Die en müssen eindeutig erkennbar sein. Nicht zu wertende Teile sind durch einfaches Durchstreichen kenntlich zu machen. Verwenden von Tintenkillern und Korrekturrollern ist nicht zulässig. Nichtbeachtung der Regeln kann zu Punktabzug oder Nichtbewertung der Aufgabe führen! Bevor Sie beginnen füllen Sie bitte den untenstehenden Identifikationsteil vollständig aus. Prüfungsteilnehmer Vor- und Nachname : Matrikelnummer : Fulda, Juli 2014 : Unterschrift Viel Erfolg bei der Bearbeitung der Klausur! Aufbau und Bewertung der Klausur Teil I II Aufgabe Summe Note Maximal erreichbare Punktzahl Erreichte Punktzahl Martin Werner, , B&M_Teil_I_Juli2014 Seite 1 von 4

2 Aufgabe 1 Maximale Punktzahl 40 Welche der folgenden Aussagen sind richtig? Kreuzen () Sie nur richtige Aussagen an. Oder ergänzen Sie die Textlücke (_) sinngemäß. Hinweis: Markieren bzw. Nicht-Markieren aller Fragen wird nicht gewertet. Beispiele Bei CMOS-Kameras kann jedes Pixel einzeln ausgelesen werden. Das Histogramm der Grauwerte lässt auf die einzelnen Bildobjekte schließen. richtig falsch Das verstecken von Informationen in Bildern nennt man Steganografie. Prüfungsfragen 1 Je größer die Blendenzahl ist, umso größer ist die Schärfentiefe. 2 Die Brennweite ist gleich der Summe der Kehrwerte von Gegenstandsweite und Bildweite 3 Gegenstände jenseits des hyperfokalen Abstandes werden dargestellt. Wird nur die Helligkeit der Pixel codiert, spricht man von 4 Bildern. 5 6 Das Format uint8 stelle Integerzahlen im Bereich von 0 bis 255 dar, wobei 0 als schwarz und 255 als weiß interpretiert werden. Informationen über die Häufigkeit der Grauwerte im Bild liefert der Befehl. 7 Die lineare Grauwertspreizung ist ein homogener Punktoperator. Geräte wie Kameras, Scanner, Bildschirme und Drucker besitzen spezifische 8. 9 Die Methode von Otsu führt eine optimale Schwellenwertberechnung durch. 10 Den augenfälligsten Postereffekt erzielt man durch weglassen der niedrigsten Bitebene. Martin Werner, , B&M_Teil_I_Juli2014 Seite 2 von 4

3 11 Vor der Anwendung eines Kantenfilters kann sinnvoll sein. 12 Ein Frame-Grabber digitalisiert das von einer Kamera aufgenommene Bild im gewünschten Format des Bildverarbeitungssystems. 13 Mit A=imfilter(I,m,'full') hat A die gleiche Größe wie I. 14 Gilt h[n 1,n 2 ] = h[n 1 ] h[n 2 ], ist das System. 15 CCD-Sensoren beruhen auf den Photoeffekt. 16 Das planksche Strahlungsgesetz beschreibt die Strahlungsenergiedichte in Abhängigkeit von der Temperatur des Körpers und seiner Größe. 17 Das Akronym ROI steht in der Bildverarbeitung für englisch Region Of Interaction Je kleiner die Varianz des Gauß-Filters im Ortsbereich ist, umso größer ist seine glättende Wirkung. Je größer die Varianz des Gauß-Filters im Ortsbereich ist, umso stärker wird das Bildrauschen unterdrückt. 20 Lineare Bewegungsverzerrungen lassen sich durch modellieren 21 Regularisierte Kantenfilter werden in MATLAB im uint8-format realisiert. 22 Kompassoperatoren liefern zu den Bildpunkten die Kantenstärke und. 22 Glättung und Differenzbildung können in einen Verarbeitungsschritt kombiniert werden. 23 Bei der Canny-Methode folgt auf das glättende Differenzenfilter. 25 Die Maske des Laplace-Filters besitzt genau ein negatives Element im Zentrum. 26 Die Eigenschaften der 2. Ableitung einer stetigen Funktion liefern die Grundlagen für die. Martin Werner, , B&M_Teil_I_Juli2014 Seite 3 von 4

4 27 Die SHT-Methode wird zum Erkennen von Kreisen und Ellipsen verwendet. 28 Im Befehl [H,T,R] = hough(i, Theta,90:89, RhoResolution,1) steht die Programmvariable H für. 29 Das Symbol steht für die morphologische Operation. 30 Die morphologische Operation lässt Objekte wachsen. 31 Die morphologische Rekonstruktion basiert auf einen iterativen Algorithmus, der selbstständig endet. 32 Eine der Bedingungen an die Skelettierung ist maximal dünn. 33 Die 2D-DFT ist eine informationserhaltende Operation. 34 Um das Abtasttheorem für Bilder einzuhalten, müssen die Grauwerte mit mindestens 8 Bit pro Pixel quantisiert werden. 35 Moiré-Muster sind Artefakte, die durch entstehen Der Einsatz der Fensterfunktion für die 2D-DFT erfolgt im. Die Bildverzerrungen durch eine PSF werden im Frequenzbereich auf Frequenzgang zurückgeführt. 38 Mit Ringing bezeichnet man das Phänomen von Schattenkanten nach der Filterung von Bildern. 39 Inverse Filter erhält man, indem man die Masken um 180 rotiert. 40 Eine Schätzung der PSF wird bei der Entfaltung vorgegeben. Martin Werner, , B&M_Teil_I_Juli2014 Seite 4 von 4

5 Bildverarbeitung und Mustererkennung Prüfung im Modul ET510 für den Masterstudiengang Systems Design & Production Management Professor Dr.-Ing. Martin Werner Juli 2014 Teil II Teil II enthält 5 Aufgaben und ist in maximal 60 Minuten zu bearbeiten. Außer Schreib- und einfachen Zeichengeräten sind keine weiteren Hilfsmittel zugelassen. Die en der Aufgaben sind gegebenenfalls in dem jeweils dafür vorgesehenen Raum (Bilder, Textlücken, Tabellen) auf den Aufgabenblättern einzutragen. Die en sind in einer dem Beruf des Ingenieurs angemessenen Form zu erstellen. Dies betrifft insbesondere Formelzeichnungen und Gleichungen. Skizzen und Diagramme sind zu beschriften, physikalische und technische Größen zu benennen und mit ihren Dimensionen zu versehen. Die en müssen eindeutig erkennbar sein. Nicht zu wertende Teile sind durch einfaches Durchstreichen kenntlich zu machen. Verwenden von Tintenkillern und Korrekturrollern ist nicht zulässig. Nichtbeachtung der Regeln kann zu Punktabzug oder Nichtbewertung der Aufgabe führen! Bevor Sie beginnen füllen Sie bitte den untenstehenden Identifikationsteil vollständig aus. Prüfungsteilnehmer Vor- und Nachname : Matrikelnummer : Fulda, Juli 2014 : Unterschrift Viel Erfolg bei der Bearbeitung der Klausur! Aufbau und Bewertung der Klausur Teil I II Aufgabe Maximal erreichbare Punktzahl Martin Werner, , B&M_Teil_II_Juli2014 Seite 1 von 14

6 Aufgabe 2 Maximale Punktzahl 12 = Gegeben ist das zweidimensionale Signal in Matrixform (MATLAB-Syntax) A = [ ; ; ; ; ; ]; a) Es soll eine Medianfilterung mit B = medfilt2(a,[3 3]); durchgeführt werden. Berechnen Sie im Ergebnis das Element B(4,3). b) Mit der Maske m = [1 0 1; 0 1 0; 1 0 1]; soll die Filterung C = imfilter(a,m); durchgeführt werden. Berechnen Sie im Ergebnis das Element C(3,3). en Martin Werner, , B&M_Teil_II_Juli2014 Seite 2 von 14

7 en Martin Werner, , B&M_Teil_II_Juli2014 Seite 3 von 14

8 Aufgabe 3 Maximale Punktzahl 12 = a) Mit den folgenden MATLAB -Programmzeilen wurden die drei Abbildungen in Bild 3.1 erzeugt. Ordnen Sie die Abbildungen in der Tabelle 3.1 den Programmvariablen richtig zu. A = imadjust(i,[0 100]/255,[]); figure, imshow(a) B = imadjust(i,[ ]/255,[],2); figure, imshow(b) C = adapthisteq(i,'numtiles',[8 8],'Distribution','uniform'); figure, imshow(c) Tabelle 3.1 Zuordnung der Bildsignale in MATLAB und Bildanzeigen Bildmatrix (MATLAB ) A B C Abbildungen (Bild 3.1) Bild 3.1 Ausgabe der Bilder am Bildschirm (Ausschnitte) Martin Werner, , B&M_Teil_II_Juli2014 Seite 4 von 14

9 b) Erläutern Sie den MATLAB -Befehl adapthisteq(i,'numtiles',[8 8],'Distribution','uniform'); Martin Werner, , B&M_Teil_II_Juli2014 Seite 5 von 14

10 Aufgabe 4 Maximale Punktzahl 12 = a) Mit den folgenden MATLAB -Programmzeilen wurden drei der vier Abbildungen in Bild 4.1 erzeugt. Ordnen Sie in der Tabelle 4.1 die Abbildungen den Programmvariablen richtig zu. A = ordfilt2(i,1,true(9)); figure, imshow(a) B = ordfilt2(i,81,true(9)); figure, imshow(b) C = imsubtract(b,a); figure, imshow(c) Tabelle 4.1 Zuordnung der Bildsignale in MATLAB und Bildanzeigen Bild A B C Bildausgabe Bild 4.1 Ausgaben am Bildschirm Martin Werner, , B&M_Teil_II_Juli2014 Seite 6 von 14

11 b) Erläutern Sie den MATLAB -Befehl I = imnoise(i,'salt & pepper',.05) Martin Werner, , B&M_Teil_II_Juli2014 Seite 7 von 14

12 Aufgabe 5 Maximale Punktzahl 12 = a) Führen Sie in Bild 5.1 eine Erosion des Objektes X mit dem Strukturelement Q = {( 1, 1), ( 1, 1), ( 0, 0), (1, 1), ( 1, 1)} durch. Geben Sie das Ergebnis im Bild 5.1 grafisch an. n 2 n Erosion 6 Objekt X Objekt Y Bild 5.1 Erosion von X (Elemente mit dem Wert true sind grau dargestellt) Martin Werner, , B&M_Teil_II_Juli2014 Seite 8 von 14

13 b) In Bild 5.2 wurden vier morphologische Verfahren eingesetzt. Geben Sie in Tabelle 5.1 zu den vier Abbildungen das jeweilige Verfahren an. Tabelle 5.2 Beispiele morphologischer Verfahren Abbildung Morphologisches Verfahren Bild 5.2 Anwendung morphologischer Verfahren Martin Werner, , B&M_Teil_II_Juli2014 Seite 9 von 14

14 Aufgabe 6 Maximale Punktzahl 12 = a) Gegeben ist in Bild 6.1 links ein Bild mit regelmäßigem Streifenmuster der Größe Das Bild wurde der 2D-DFT unterworfen. Das resultierende Leistungsspektrum ist rechts in invertierter Darstellung und in zentrierter Form zu sehen. Darin heben sich fünf DFT- Koeffiizienten X[k 1,k 2 ] deutlich hervor. Geben Sie die Indizes k 1 und k 2 zu diesen fünf mit A bis E markierten DFT-Koeffizienten an. A B C D E Bild 6.1 Streifenmuster und Betrag des 2D-DFT-Spektrums in zentrierter Form (invertierte logarithmische Darstellung, Rahmen hinzugefügt, zusätzlich fünf DFT- Koeffizfienten durch Pfeile hervorgehoben) Martin Werner, , B&M_Teil_II_Juli2014 Seite 10 von 14

15 b) Gegeben ist der (DFT-)Frequenzgang eines Filters [, ] H k k H[ k1, k2] [ ] 1 = H[ k k ] H k k + K , 2 1, 2 2. Um welche Art von Filter handelt es sich? Welche Bedeutung hat der Parameter K? Martin Werner, , B&M_Teil_II_Juli2014 Seite 11 von 14

16 Martin Werner, , B&M_Teil_II_Juli2014 Seite 12 von 14

17 Martin Werner, , B&M_Teil_II_Juli2014 Seite 13 von 14

18 Martin Werner, , B&M_Teil_II_Juli2014 Seite 14 von 14