Signalverarbeitung g für audiovisuelle Kommunikation
|
|
- Ulrike Kalb
- vor 5 Jahren
- Abrufe
Transkript
1 University of Applied Science Signalverarbeitung g für audiovisuelle Kommunikation 3. Segmentierung - Morphologische Operationen
2 Morphologische Operationen Morphologie: die Gestalt betreffend Gestalt in Form eines Segmentes (z.b. Binärbild) wird vorausgesetzt tt Meistens angewendet auf Binärbildern Ziel: Veränderung der Gestalt, um Störungen nach einer Segmentierung zu beseitigen Berechnung von Formmerkmalen Suche nach bestimmten Formen (also: Analyse) Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 2
3 University of Applied Science Signalverarbeitung für audiovisuelle Kommunikation 3. Segmentierung - Nachverarbeitung mittels morphologischen Basis-Operationen
4 Morphologische Operationen Prinzipielle Funktionsweise: Operation innerhalb einer Maske (Strukturelement) Verschiebung der Maske Ergebnis wird in zu definierende Pixelposition relativ zur Maske (Ankerpunkt) geschrieben ebe Strukturelement s Ergebnis der Operation Ankerpunkt x(m,n) y(m,n) Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 4
5 Dilatation Dilatation: Ausweitung (Maximum-Operator) Vereinigung (Oder-Verknüpfung) über alle Pixel des Binärbildes innerhalb des Strukturelementes s (Pixel außerhalb des Bildes werden auf 0 (Minimum) gesetzt.) y ( m n) x( m, n) s = ( ) x( m + m, n n ), = mk, nk s k + k Weiß: log. 0 Grün: log. 1 Ankerpunkt [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 5
6 Dilatation Ergebnis: Vergrößertes (ausgeweitetes) Bild Strukturen werden verbunden Lücken werden gefüllt [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 6
7 Dilatation Ein Strukturelement einer morphologischen Operation entspricht dem Faltungskern bei einer Konvolution. Mit einem gezielt geformten Strukturelement können genau definierte i Formveränderungen erzeugt werden. Strukturelement Dilatation [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 7
8 Dilatation Original Streifenstörung Eliminierung des Streifens Strukturelement zum Schließen des Streifens [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 8
9 Erosion Erosion: Abtragung (Minimum-Operator) Schnittmenge (UND-Verknüpfung) über alle Pixel des Binärbildes innerhalb des Strukturelementes s (Pixel außerhalb des Bildes werden auf 1 (Maximum) gesetzt.) y ( m n) x( m, n) s = ( ) x( m + m, n n ), = mk, nk s k + k Weiß: log. 0 Grün: log. 1 Ankerpunkt [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 9
10 Erosion Ergebnis: Verkleinertes (abgetragenes) Bild Strukturen werden aufgelöst Details werden entfernt 1 -? 0 Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 10
11 Erosion Bild nach Eliminierung des Streifens Erodieren der Linieni Strukturelement zur Erosion des zu breiten Schriftzugs [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 11
12 Erosion und Dilation (Dualität) Dualität von Erosion und Dilation: (X S) c = X c - S (X - S) c = X c S S : am Ankerpunkt punktgespiegeltes Strukturelement X c : Komplementärmenge von X -? Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 12
13 Erosion und Dilation Anwendung auf Grauwertbildern: y( m, n) = max ( m n ) s ( x( m + mk n + nk )) k, k, Erosion: y ( m, n ) = min ( m, n ) s ( x ( m + m k, n + n k ) ) Dilatation: Erosion: k k, Erosion Dilatation [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 13
14 Opening Kombination von Erosion und anschließ. Dilatation: X o S = (X - S) S S : S: am Ankerpunkt punktgespiegeltes Strukturelement Ziel: Erosion - Entfernung aller (Teil-)strukturen, die kleiner als das Strukturelement sind Dilatation ti - Wiederherstellung der ursprünglichen Größe des Objekts mit Ausnahme der vollständig entfernten Teilstrukturen Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 14
15 Opening Erosion (2x2) original Dilatation (2x2) Subtraktion Bild1 - Bild3 [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 15
16 Closing Kombination von Dilatation und anschließ. Erosion: X S = (X S) - S S : S: am Ankerpunkt punktgespiegeltes Strukturelement Ziel: Dilatation - Schließen von kleinen Löchern (kleiner als das Strukturelement) Erosion - Wiederherstellung der ursprünglichen Größe des Objekts Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 16
17 Opening und Closing Opening Closing [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 17
18 Hit-or-Miss Basiert auf zweimaliger Erosion Einsatz zur Formdetektion und Pixelmustererkennung 1 HIT 0 Ankerpunkt Erodieren X * (S1,S2) S2) = X * S1 mit S1 Erodieren mit MISS X * (S1,S2) = (X - S1) (X c - S2) S2 [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 18
19 Hit-or-Miss Hit-or-Miss-Operator bei variabler Strukturgröße Erodieren mit X * (S1,S2) S1 Erodieren mit S2 Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 19
20 Hit-or-Miss Beispiel: Hit-or-Miss Kreise mit festem und variablem Radius Bild Kreise mit Radius von 6 Pixel Kreise mit Radius 6-7 Pixel [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 20
21 Hit-or-Miss Darstellung des Hit-or-Miss-Operators als Matrix: Hit-Step Miss-Step S = S = x Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 21
22 Hit-or-Miss Detektion von speziellen Pixelmustern: S Pixel = Nur diese Pixel würden detektiert. S Ecke = x Beide Ecken würden detektiert. Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 22
23 Thinning Gezielte Verdünnung einer Form an einer Seite Basis: Hit-or-Miss Thinning: X S = X (X * S) = X (X * S) c Beispiel: X S * X S X S (X S) c * Pixelmuster: Drei benachbarte Pixel, über denen noch mindestens ein weiterer liegt. Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 23
24 University of Applied Science Signalverarbeitung g für audiovisuelle Kommunikation 3. Segmentierung - Bestimmung von Formmerkmalen mittels morphologischer h Operationen
25 Formmerkmale Formmerkmale dienen der Erleichterung der Klassifizierung von Segmenten in dem die nicht für die Klassifizierung notwendigen Merkmale beseitigt werden. Zur Bestimmung von Formmerkmalen können morphologische Operatoren eingesetzt werden. Einfache Formmerkmale: Rand von Segmenten Skelett von Segmenten Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 25
26 Formmerkmale Rand und Skelett Rand Unabhängig von der konkreten Abbildung einer Form enthält das Skelett ihre Skelett (medial axis): wesentlichen Merkmale. Mittelpunkte von maximal eingeschriebenen Kreisen Beispiel: Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 26
27 Randerzeugung Erosion mit S b4 bzw. S b8 entfernt aus einem Binärbild X alle Objektpixel, in deren 4- bzw. 8-Nachbarschaft sich Hintergrundpixel befinden S b4 = S b8 = [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 27
28 Randerzeugung Der Rand kann nun durch Differenzbildung zwischen Ursprungsbild und erodiertem Bild erzeugt werden: G = G - (G - S b ) Gradient in - [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 28
29 Randerzeugung Alternative: Der Rand kann auch durch Differenzbildung zwischen dilatiertem und Ursprungsbild erzeugt werden: G = (G S b ) - G Gradient out - [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 29
30 Randerzeugung Verwendung der Kantenpixel beispielsweise als potentielle Instanzen für Geraden oder Kreismodelle. [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 30
31 Skeletterzeugung 1. Alternative: Abstandstransformation Resultat der 1. Randoperation: G 1 = G (G - Sb) Menge aller Pixel, die den Abstand 0 zum Rand haben Resultat einer 2. Randoperation: G 2 = (G - Sb) (G - Sb - Sb) Menge aller Pixel, die den Abstand 1 zum Rand haben Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 31
32 Skeletterzeugung Fortgesetzte Extraktion von immer weiter vom Rand entfernten t Linien i und Multiplikation lik der jeweiligen Resultate mit der aktuellen Entfernung liefert Abstandsbild D. Beispiel: Originalbild Objektinneres (nach fortgesetzter Erosion) Randpixel nach der n-ten Erosion einschließlich Distanz [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 32
33 Skeletterzeugung Abstandsbilder Innen Außen und Innen Skelettkämme [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 33
34 Skeletterzeugung [Quelle: Grundlagen der Bildverarbeitung, Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 34
35 Skeletterzeugung 2. Alternative: Iteratives Thinning x 1 x x x x 1 x x x 1 x x 1 1 x x 0 0 x x 0 0 x x 1 1 O / RO R / RU U / LU L / LO [Quelle: Grundlagen der Bildverarbeitung, it Tönnies] Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 35
36 Skeletterzeugung O RO R RU U LU L LO Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 36
37 Skeletterzeugung Prof. Dr.-Ing. Marcus Purat,, FB VII Segmentierung_04, Seite 37
Computergrafik 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
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
MehrComputergrafik 2: Übung 9. Morphologische Operationen
Computergrafik 2: Übung 9 Morphologische Operationen Organisation KLAUSURANMELDUNG (UNIWORX) NICHT VERGESSEN! Computergrafik 2 SS2012 2 Besprechung Übung 8 Anmerkungen? Computergrafik 2 SS2012 3 Quiz Watershed-Algorithmus
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
Mehr2D Graphik: Modellbasierte und interaktive Segmentierung
LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 13.01.2006 Folie 1 2D Graphik: Modellbasierte und interaktive Segmentierung Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 13.
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
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
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
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
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrMorphologische Bildoperationen
Morphologische Bildoperationen Frank Stanek Technische Universität München 09.12.2005 Contents I. Einleitung - Morphologische Operationen 2 II. Grundlagen 2 a. Grundoperationen und deren Funktion....................
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
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
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
MehrMorphologische Bildverarbeitung I
Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften Abteilung Stochastik Abteilung Angewandte Informationsverarbeitung SS 03 Morphologische Bildverarbeitung I Vortrag mit Programmvorstellung
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,
MehrModul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt
Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt im Juni 2016 Themen: Digitale Bilder, Eigenschaften
MehrKapitel 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
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 Bildverarbeitung II
FAKULTÄT FÜR MATHEMATIK UNIVERSITÄT ULM ABT. STOCHASTIK ABT. ANGEWANDTE INFORMATIONSVERARBEITUNG Seminar Simulation und Bildanalyse mit Java Morphologische Bildverarbeitung II BETREUER: JOHANNES MAYER
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
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
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 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
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Konvolutionen Morphologische Operationen Hough-Transformation
Mehr6. Texterkennung in Videos Videoanalyse
6. Texterkennung in Videos Videoanalyse Dr. Stephan Kopf 1 Übersicht Motivation Texterkennung in Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben 3. Auswahl der Buchstabenpixel
MehrGrundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis
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,
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
MehrDistributed Algorithms. Image and Video Processing
Chapter 6 Optical Character Recognition Distributed Algorithms for Übersicht Motivation Texterkennung in Bildern und Videos 1. Erkennung von Textregionen/Textzeilen 2. Segmentierung einzelner Buchstaben
MehrEn Theoriefragen LU GDBV
En Theoriefragen LU GDBV 1. Cooccurrence Matrix Die Cooccurrence Matrix wird auch als Gray-Tone Spatial- Dependence Matrices oder als Grauwertpaarhäufigkeitsmatrix (GPM) bezeichnet. Wir gehen von einem
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 8:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer
MehrGrundlagen der Bildverarbeitung Klaus D. Tönnies
Grundlagen der Bildverarbeitung Klaus D. Tönnies ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Grundlagen der Bildverarbeitung
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
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
MehrWas bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col
Was bisher geschah digitale Bilder: Funktion B : pos col Matrix B col pos mit den Mengen pos von Positionen (Adressen) col von Farben, Intensitäten Aufgaben maschineller Bildverarbeitung: Erzeugung, Wiedergabe,
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
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
Mehr1.3. Beträge, Gleichungen und Ungleichungen
1.3. Beträge, Gleichungen und Ungleichungen Das Maximum zweier Zahlen a, b wird mit max(a,b) bezeichnet, ihr Minimum mit min(a,b). Der Absolutbetrag einer reellen Zahl a ist a = max ( a, a ) oder auch
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
MehrSegmentierung. Vorlesung FH-Hagenberg SEM. Digitale Bildverarbeitung in der Medizin. Schwellenwerte
Segmentierung g Vorlesung FH-Hagenberg SEM Schwellenwerte Globaler Schwellenwert Lokale Schwellenwerte Mehrfache Schwellenwerte Semi-Schwellenwerte Optimale Schwellenwerte 1 Optimal Threshold optimal zu
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
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
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
Mehr1.3. Beträge, Gleichungen und Ungleichungen
.3. Beträge, Gleichungen und Ungleichungen Das Maimum zweier Zahlen a, b (also die größere von beiden) wird mit ma(a,b) bezeichnet, ihr Minimum (also die kleinere von beiden) mit min(a,b). Der Absolutbetrag
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
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772 Prüfer: Laubenheimer Termin: 5. Februar 2009 Beginn: 14:00 Uhr Dauer: 90 Minuten Maximal mögliche Punktzahl: 7+35+8 = 50 Name Matrikelnummer
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
MehrKognitive Systeme Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic
Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic Mittwoch, 18. Juli 2018 1 Übung 5 & 6 Wiederholung: Morphologische Operatoren Operationen auf Binärbildern (hier: Pixel sind 0 oder
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
MehrInnere Volumina und Integralgeometrie
Seminar Stochastische Geometrie und ihre Anwendungen" 19. November 2009 Inhaltsverzeichnis Grundlagen Mengenoperationen Digitale Bildbearbeitung Die Hausdor-Metrik Mengenoperationen Spiegelung\Translation
Mehr2. Schnitterkennung Video - Inhaltsanalyse
2. Schnitterkennung Video - Inhaltsanalyse Stephan Kopf Definition: Schnitt Schnitte (cut) liefern Informationen über den Produktionsprozess eines Filmes. trennen kontinuierliche Aufnahmen, die als Kameraeinstellungen
MehrVerarbeitung von Volumenbildern wichtige Werkzeuge
Verarbeitung von Volumenbildern wichtige Werkzeuge Verarbeitung von Volumenbildern Michael Godehardt, Fraunhofer ITWM Überblick:. Problemstellungen. Distanztransformation. Einfache morphologische Transformationen
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 : col 1 col
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
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
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
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
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Filterung Graphische DV und BV, Regina Pohle,. Bildverbesserung - Filterung Einordnung in die Inhalte der Vorlesung
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
MehrTutorial Laserscanning: Automatisierung der Modellierung
Tutorial Laserscanning: Automatisierung der Modellierung Dr.-Ing. Fredie Kern Univ.-Prof. Dr.-Ing. habil. Wolfgang Niemeier Dipl.-Ing. Martin Zumstrull 1 Inhaltsverzeichnis 1. Was kann modelliert werden
MehrEinführung in die medizinische Bildverarbeitung SS 2013
Einführung in die medizinische Bildverarbeitung SS 2013 Stephan Gimbel 1 Kurze Wiederholung Gradienten 1. und 2. Ableitung grad( f ( x, y) ) = f ( x, y) = f ( x, y) x f ( x, y) y 2 f ( x, y) = 2 f ( x,
MehrTechnische Universität München. Fakultät für Informatik
Techniche Univerität München Fakultät für Informatik Forchung- und Lehreinheit Informatik IX Thema: Morphologiche Operationen Proeminar: Grundlagen Bildvertehen/Bildgetaltung Johanne Michael Kohl Betreuer:
MehrEinsatz der Bildverarbeitung bei der Auswertung. von AFM-Daten. Fachgebiet Graphische Datenverarbeitung / TU-Ilmenau. PD Dr.-Ing. habil. K.-H.
Einsatz der Bildverarbeitung bei der Auswertung von AFM-Daten Dipl.-Ing. T. Machleidt PD Dr.-Ing. habil. K.-H. Franke Fachgebiet Graphische Datenverarbeitung / TU-Ilmenau SFB 622 Nanopositionier- und Nanomessmaschinen
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
MehrPraktikum Bildverarbeitung Termin 3
Praktikum Bildverarbeitung Termin 3 Bilddigitalisierung: Videos, Bildaufbereitung: Morphologische Operationen Bildanalyse: Segmentierung, Labeling, Merkmalsextration 1 Morphologische Operationen: Lösungen
MehrErkennung von Bahngleisen in Luftbildern
Erkennung von Bahngleisen in Luftbildern (Eng: Recognition of railway tracks in aerial photos) Bachelorarbeit Ann-Kristin Wittig 1961669 Geodäsie TECHNISCHE UNIVERSITAT DARMSTADT Bachelor Thesis WS14/15
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
MehrBildverarbeitung Herbstsemester. Mustererkennung
Bildverarbeitung Herbstsemester Herbstsemester 2009 2012 Mustererkennung 1 Inhalt Einführung Mustererkennung in Grauwertbildern Ähnlichkeitsmasse Normalisierte Korrelation Korrelationskoeffizient Mustererkennung
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
MehrMathematische Bildverarbeitung
Kristian Bredies Dirk Lorenz Mathematische Bildverarbeitung Übungen und Zusatzmaterial Diese PDF-Datei beinhaltet die Übungsaufgaben aus dem Buch, die die Entwicklung beziehungsweise Implementation eines
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
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
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Segmentierung Graphische DV und BV, Regina Pohle, 13. Segmentierung 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische
MehrSignalverarbeitung für audiovisuelle Kommunikation
University of Applied Science Signalverarbeitung für audiovisuelle Kommunikation 1. Digitale Multimediasignale - Bild- und Videosignale & Digitalisierung Bild- und Videosignale Bilder/Video(Bildfolgen):
MehrDigitale Bildverarbeitung
Übungsaufgaben zur Vorlesung: Digitale Bildverarbeitung Allgemeine Fragen ) Sie haben im Rahmen der Vorlesung Operatoren für die digitale Bildverarbeitung kennengelernt. a) In welche beiden Bereiche lässt
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
MehrPhasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung
Praktikum Moderne Mikroskopische Methoden Lichtmikroskopie Phasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung Protokoll von Andreas Grill & Christoph Gammer Wintersemester 2006/2007
Mehr2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen
2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen Morphologie = Formenlehre Idee: über flexible Festlegung eines strukturierenden Elements (Maske) Einfluss auf zu
MehrProseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"
Fakultät Informatik, Institut für künstliche Intelligenz, Intelligent Systems Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung" Lokale Merkmalsdeskriptoren Jens Stormberg - Dresden, 19.06.2009
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
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
MehrSegmentierung 1 Segmentation
Segmentierung Segmentation M. Thaler, TG08 tham@zhaw.ch Juni 7 Um was geht es? Bis jetzt vor allem Transformation Bild Bild Neu Transformation Bild? Feature, Aussage, etc. Bild Aussage "it's a circle"
MehrEinführung in die objektorientierte Programmierung mit C++
Prof. Dr. Thomas Klinker FB Elektrotechnik und Informatik 08. 03. 2007 Projekt im 4. Semester Elektrotechnik: Einführung in die objektorientierte Programmierung mit C++ Aufgabe 1: Schreiben Sie ein Programm,
MehrOberflächenrekonstruktion aus Punktwolken
Oberflächenrekonstruktion aus Punktwolken Betreuer: Dominik Fritz Seminar Medizinische Simulationssysteme SS 2005 Gliederung 1 2 Der - 3 Der von Hoppe 4 Der - Gliederung 1 2 Der - 3 Der von Hoppe 4 Der
Mehr5. Objekterkennung in Bildern und Videos Videoanalyse
5. Objekterkennung in Bildern und Videos Videoanalyse Stephan Kopf 1 Übersicht Motivation Anforderungen an Objekterkennungsalgorithmen Objekterkennung mittels Konturen Helligkeiten Farben Formen Objekterkennung
MehrHauptklausur zur Vorlesung Bildverarbeitung WS 2002/2003
Name:........................................ Vorname:..................................... Matrikelnummer:.............................. Bitte Studiengang ankreuzen: Computervisualistik Informatik Hauptklausur
MehrDetektion von Eckpunkten und einfachen Kurven
Detektion von Eckpunkten und einfachen Kurven Industrielle Bildverarbeitung, Vorlesung No. 7 1 M. O. Franz 21.11.2007 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005.
MehrKlausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772, I 2M54. Termin: 17. Juli bzw. 90 Minuten Maximal mögliche Punktzahl: 48
Klausuraufgaben zur Vorlesung Computer Vision Prüfung I W772, I 2M54 Prüfer: Laubenheimer Termin: 17. Juli 2008 Beginn: 8:00 Uhr Dauer: 60 bzw. 90 Minuten Maximal mögliche Punktzahl: 48 Name Matrikelnummer
MehrInhaltsverzeichnis. 3. Erläuterungen zu den Programmbeispielen 13 3.1 Arbeitsblätter 13
Inhaltsverzeichnis 1. Einführung 1 1.1 Ursprünge der Bildverarbeitung 1 1.2 Einordnung und Anwendungen der Bildverarbeitung ] 1.3 Die Bildverarbeitungskette 2 1.4 Aufbau und Inhalt des Buches 3 2. Das
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildbearbeitung für Rasterbilder Prof. Dr. Elke Hergenröther Übersicht Maße zur Beurteilung von Bildern: Histogramm Entropie GDV: Bildbearbeitung für Rasterbilder Punktoperationen:
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrMorphologische Bildverarbeitung
Praktikumsversuch Morphologische Bildverarbeitung L. Bergen und H. Burkhardt . Inhaltsverzeichnis 1 Morphologische Bildverarbeitung 5 1.1 Einleitung............................... 5 1.2 Grundlagen..............................
MehrNichtrealistische Darstellung von Gebirgen mit OpenGL
Nichtrealistische Darstellung von Gebirgen mit OpenGL Großer Beleg Torsten Keil Betreuer: Prof. Deussen Zielstellung Entwicklung eines Algorithmus, der die 3D- Daten einer Geometrie in eine nichtrealistische
Mehr