Prof. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004
|
|
- Lieselotte Lehmann
- vor 7 Jahren
- Abrufe
Transkript
1 Universität Hamburg AB Technische Aspekte Multimodaler Systeme
2 Inhaltsverzeichnis 6. Bildverarbeitung Aufbau eines Bildverarbeitungssystems Bildaufnahme Bildvorverarbeitung Lokale Operatoren Symmetrie Merkmale Mustererkennung Binäre Bildverarbeitung
3 Bildverarbeitung Grundlage für alle Verfahren mit Sichtsystemen Bildverarbeitung schwierig: Mensch nutzt Kontext und Weltwissen. In der Vorverarbeitung schon Nutzung von präattentiven Effekten (Gestaltgesetze). Im Folgenden nur ein kurzer Einblick in die Bildverarbeitung. Details in entsprechenden Vorlesungen. Seite 415
4 Abschnitt: Aufbau eines Bildverarbeitungssystems Aufbau eines Bildverarbeitungssystems Bildaufnahme Bildverarbeitung Segmentierung Aufnahme Abbildung Digitalisierung Normierung Filterung Kanten Regionen Symmetrie Interpretation Symbolische Beschreibung der Szene Klassifikation Symbolische Beschreibung der Bildprimitive Merkmalsextraktion Kennzahlen Merkmale Textur Seite 416
5 Abschnitt: Bildaufnahme Bildaufnahme Ziel: Abbildung einer dreidimensionalen Szene in ein digitales Bild. Sichtbarmachung: Nutzung physikalischer Prozesse Reflexion (Photographie) Absorbtion (Röntgenaufnahme) Emmission (Radioastronomie) Sichtbares Licht: 400 nm bis 800 nm (kontinuierliches Spektrum) Farbräume: RGB, HSI, YUV, etc. Abbildung: Kameramodelle (z.b. Lochkameramodell) Digitalisierung: Abtastung und Quantisierung Seite 417
6 Abschnitt: Bildaufnahme RGB-Farbraum/CMY-Farbraum Seite 418
7 Abschnitt: Bildaufnahme HSV-Farbraum Seite 419
8 Abschnitt: Bildaufnahme HLS-Farbraum Seite 420
9 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (1) Bildverbesserung: Variierende Parameter werden auf Normwert transformiert. Intensität z.b. Normierung der Gesamtintensität E auf Normwert E n : E = M 1 i=0 N 1 j=0 f ij wobei f ij 0 i, j (Intensität eines Pixels) h ij = f ij E n E Größe wobei h ij neuer Intensitätswert für Pixel Lage von Objekten (Nutzung von Bildmomenten) Seite 421
10 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (2) Definition: Moment eines Bildes: m pq := M 1 x=0 N 1 y=0 f xy x p y p mit p, q 0 Seite 422
11 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (3) Schwerpunkt: x s = m 10 m 00 und y s = m 01 m 00 Seite 423
12 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (4) Winkel der Hauptträgheitsachse: tan 2α = 2m 11 m 20 m 02 mit α [0, 2π] Seite 424
13 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (5) Y Y X X Seite 425
14 Abschnitt: Bildvorverarbeitung Bildvorverarbeitung (6) Segmentierung: Unterteilung von Bildern in bedeutungsvolle Bereiche etablierte Primitiva: Konturen lokale Diskontinuitäten - Kanten - Ecken - Symmetrien Regionen homogene Bildbereiche Faltungsmasken zur Bestimmung lokaler Diskontinuitäten Seite 426
15 Abschnitt: Lokale Operatoren Lokale Operatoren Seite 427
16 Abschnitt: Lokale Operatoren Kantenoperatoren (1) Gradient: Vertikale und horizontale Faltungsmasken zur Bestimmung des Gradientenbildes (Prewitt-Operator). 1. Ableitung des Bildes Diskrete Differenz erster Ordnung. Seite 428
17 Abschnitt: Lokale Operatoren Kantenoperatoren (2) Glättung: Diskrete Gaussglocke als 3 3-Glättungsmaske. Ableitungsmasken auf Bilder sind störanfällig. Häufig vorherige Glättung mit diskreter Gaussglocke. Auch: Direkte Kombination der Filtermasken Sobel-Operator. Seite 429
18 Abschnitt: Lokale Operatoren Kantenoperatoren (3) Sobel-Operator: Vertikaler und horizontaler Sobel-Operator. 1. Ableitung des Bildes + Glättung Seite 430
19 Abschnitt: Lokale Operatoren Kantenoperatoren (4) Laplace-Operator: Laplace-Operator. 2. Ableitung des Bildes. Diskrete Differenz zweiter Ordnung. Breite Kanten können unterdrückt werden. Störanfällig, daher meist in Verbindung mit einer Glättung. Seite 431
20 Abschnitt: Lokale Operatoren Beispiel: Lenna - Miss November 1972 (1) Original- und Graustufenbild. Seite 432
21 Abschnitt: Lokale Operatoren Beispiel: Lenna - Miss November 1972 (2) Vertikaler und horizontaler Gradient (Prewitt-Operator). Seite 433
22 Abschnitt: Lokale Operatoren Beispiel: Lenna - Miss November 1972 (3) Geglättet mit Gauss-Filter. Seite 434
23 Abschnitt: Lokale Operatoren Beispiel: Lenna - Miss November 1972 (4) Vertikaler und horizontaler Sobel-Filter. Seite 435
24 Abschnitt: Lokale Operatoren Beispiel: Lenna - Miss November 1972 (3) Laplace-Filter. Seite 436
25 Abschnitt: Symmetrie Symmetrie (1) Symmetrie ist eine wichtige Eigenschaft in Bildern. Symmetrien werden von Menschen besonders gut wahrgenommen. Das Bild zeigt die Blickbewegungen eines Menschen für zwei unterschiedliche Objekte. Beim symmetrischen Objekt wird nur eine Hälfte betrachtet. Seite 437
26 Abschnitt: Symmetrie Symmetrie (2) Eine der wichtigsten Symmetrien ist die Spiegelsymmetrie. Im Folgenden Beschränkung auf horizontale und vertikale Symmetrie. Für die horizontale Symetrie werden nur Pixel einer Bildzeile, für die vertikale nur Pixel einer Bildspalte betrachtet. Harte Symmetrie: Es muß g i j = g i+j mit 0 j d für eine Umgebung E(i, d) = [p i d, p i+d ] um einen Punkt p i gelten, wobei g i der Grauwert von p i ist. Seite 438
27 Abschnitt: Symmetrie Symmetrie (3) Bei wechselnden Lichtverhältnissen oder verrauschten Bildern lassen sich kaum große symmetrische Regionen bestimmen. Weiche Symmetrie: Eine Umgebung E(i, d) ist symmetrisch, wenn gilt: 0 g i j g i+j ɛ mit 0 j d Die symmetrische Umgebung von p i ist dann: S i = arg max d E(i, d) Seite 439
28 Abschnitt: Symmetrie Symmetrie (4) Beipielbild ( Pixel) Seite 440
29 Abschnitt: Symmetrie Symmetrie (5) Erste Reihe: Horizontale Symmetrie mit ɛ = 30, ɛ = 60 und ɛ = 100 sowie d 125. Zweite Reihe: Peaks der Bilder aus der ersten Reihe. Seite 441
30 Abschnitt: Symmetrie Symmetrie (6) Üblich ist die Verwendung einer festen Maskenbreite m. Die Symmetrie einer Umgebung E(i, m) eines Punktes p i berechnet sich dann wie folgt: s(i, m) = 1 1 m σ(j, m) (g i j g i+j ) 2 C m j=1 wobei C eine vom Farbraum abhängige Konstante ist (z.b. 255 für Graustufenbilder) und σ(j, m) eine radiale Gewichtungsfunktion ist. Beispiel: Triangulare Gewichtung σ(j, m) = 1 j m Seite 442
31 Abschnitt: Symmetrie Symmetrie (7) Erste Reihe: Horizontale Symmetrie mit m = 10, m = 50 und m = 100. Zweite Reihe: Peaks der Bilder aus der ersten Reihe. Seite 443
32 Abschnitt: Merkmale Merkmale Empirische oder symbolische Beschreibung von Eigenschaften des Bildes. Merkmale können auf Bildprimitiven (z.b. Regionen, Kanten) oder auf dem ganzen Bild bestimmt werden. Beispiele: Texturen abgeleitete Texturmerkmale: Energie, Kontrast, Homogenität Bewegung, z.b. mit Hilfe des optischen Flusses Tiefe (Entfernung), z.b. mit Stereo-Bildverarbeitung Hauptkomponenten-Analyse (engl. Principal Component Analysis (PCA)), z.b. Eigenfaces (PCA auf Gesichtsbildern) weitere einfache Merkmale später... Seite 444
33 Abschnitt: Mustererkennung Mustererkennung Muster: Anordnung aus einfachen Merkmalen, die in ihrer Beziehung einen bestimmten Sinn ergeben. Musterklassifikation: Muster als Gesamtheit wird einer Klasse ω i zugeordnet (Menge der Klassen: Ω = {ω 1,..., ω k }). Musteranalyse: Komplexe Muster werden symbolisch beschrieben. Mustererkennung = Musterklassifikation + Musteranalyse Seite 445
34 Abschnitt: Binäre Bildverarbeitung Binäre Bildverarbeitung Einfachste Form der Bildverarbeitung auf Binärbildern. Einsatzgebiet vor allem in industriellen Anwendungen. Originalbilder werden über einen Schwellwert in Binärbilder umgewandelt. In industriellen Anwendungen gilt es zumeist herauszufinden: ob ein Objekt existiert, ob es an der richtigen Position liegt, ob es die richtige Orientierung hat, ob es das gewünschte Objekt ist, und was für ein Objekt es ist. Seite 446
35 Abschnitt: Binäre Bildverarbeitung Beispiele für binäre Bildverarbeitung (1) In welchem Winkel liegt die Schere? Seite 447
36 Abschnitt: Binäre Bildverarbeitung Beispiele für binäre Bildverarbeitung (2) Welche Uhrzeit wird angezeigt? Seite 448
37 Abschnitt: Binäre Bildverarbeitung Beispiele für binäre Bildverarbeitung (3) Erkennung und Ortung von Werkstücken Seite 449
38 Abschnitt: Binäre Bildverarbeitung Merkmale eines Objektes in binärer Darstellung U. a. werden die folgenden Merkmale verwendet: Massenverteilung (engl. Distribution of mass) - eine Funktion des Abstands links und rechts vom Schwerpunkt Abstand des weitesten Punktes vom Schwerpunkt Abstände der Grenzpunkte zum Schwerpunkt als eine Funktion der Polarwinkel (polar coding oder die Variante circular coding) Verhältnis F läche / Umfang 2 Anzahl der Löcher Anzahl der Buchten (betrachte das Objekt als eine Insel)... Seite 450
39 Abschnitt: Binäre Bildverarbeitung Literatur [1] Machine Vision: A Brief Introduction. vision tutorial/mv Introduction.html. [2] Huebner, Kai: Methods for Range Estimation and Situation Recognition using an Omnidirectional Vision System for Mobile Robots - Symmetry as a Natural Feature, November khuebner/diploma/pdf/index d.html. [3] Jaehne, Bernd: Digitale Bildverarbeitung. Springer-Verlag, fünfte Auflage, Juni Seite 451
Digitale 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
MehrÜbersicht der Vorlesung
Übersicht der Vorlesung. Einführung. Bildverarbeitung. Morphologische Operationen 4. Bildsegmentierung 5. Merkmale von Objekten 6. Klassifikation 7. Dreidimensionale Bildinterpretation 8. Bewegungsanalyse
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
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
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:
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
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
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
MehrKognitive Systeme. Übung 1 Grundlagen der Bildverarbeitung. 23.05.2016, Stefanie Speidel. 1 Übung Bildverarbeitung
Übung 1 Grundlagen der Bildverarbeitung 23.05.2016, Stefanie Speidel 1 Übung Bildverarbeitung Überblick Spezielle Beispiele zum Histogrammausgleich Beispiele Kantenfilter Übungsblatt 1 2 Übung Bildverarbeitung
MehrObjekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung
Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges
MehrProf. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 16. Dezember 2003
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 5. Sichtsysteme in der Robotik....................307 Industrielle
MehrGrundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen
Grundlagen: Bildbearbeitung / Objekterkennung Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen Videoerkennung! Warum? Live-Übertragung von Veranstaltungen Überwachung
Mehr6. Computer Vision. Bilder der Szene erstellen
6. Computer Vision Idee: Dem Rechner beibringen zu sehen. Prinzipielle Vorgehensweise: (i) Bild(er) der Szene erstellen (ii) Szene identifizieren: Merkmalsextraktion 1 S Bilder der Szene erstellen Probleme:
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
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
MehrDigitale Bildverarbeitung
Digitale Bildverarbeitung Dr. Stefan Gehrig Dipl.-Physiker, Dipl.-Ing. (BA) Berufsakademie Stuttgart Wintersemester 2009 S. Gehrig GR/PAP - Digitale Bildverarbeitung 1 Lawrence San RTNA Jose DaimlerChryler
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
MehrPrincipal Component Analysis (PCA)
Principal Component Analysis (PCA) Motivation: Klassifikation mit der PCA Berechnung der Hauptkomponenten Theoretische Hintergründe Anwendungsbeispiel: Klassifikation von Gesichtern Weiterführende Bemerkungen
MehrInhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004
Kantenbasierte Merkmale für die Bildsuche Inhaltsbasierte Bildsuche Matthias Spiller 17. Dezember 2004 Übersicht Übersicht Einleitung Was sind Kanten? Kantenrichtungs Histogramm Der Canny-Algorithmus Feature-Erzeugung
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
MehrSegmentierung 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
MehrBildverarbeitung in der Robotik
Bildverarbeitung in der Robotik Thomas Röfer (Folien z.t. von Rolf Müller) Bildaufnahme Filter Kantenfindung Farbverarbeitung Landmarkenerkennung Einsatzgebiete Industrie Qualitätskontrolle Lageerkennung
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
MehrVorbereitungsaufgaben
Praktikum Bildverarbeitung / Bildinformationstechnik Versuch BV 4 / BIT 3: Mustererkennung Paddy Gadegast, CV00, 160967 Alexander Opel, CV00, 16075 Gruppe 3 Otto-von-Guericke Universität Magdeburg Fakultät
MehrFarbtiefe. Gängige Farbtiefen
Farbtiefe Die Anzahl der darstellbaren Farben ist abhängig von den Farbabstufungen, die in einem Pixel gespeichert werden. Die Anzahl der darstellbaren Farbtöne wird als Farbtiefe bezeichnet. Die Farbtiefe
MehrProseminar Künstliche Intelligenz: Wahrnehmung
Proseminar Künstliche Intelligenz: Wahrnehmung Sommersemester 2011 Computer Science Department Group Inhalt Department of Informatics 1 Sensoren 2 Bildverarbeitung Kantenerkennung 3D-Informationen extrahieren
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
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
MehrEinführung in die Informatik 2
Einführung in die Informatik 2 Mathematische Grundbegriffe Sven Kosub AG Algorithmik/Theorie komplexer Systeme Universität Konstanz E 202 Sven.Kosub@uni-konstanz.de Sprechstunde: Freitag, 12:30-14:00 Uhr,
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
MehrDigitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies
Digitale Bildverarbeitung OPTONET Mastertour bei Allied Vision Technologies Technische Universität Ilmenau Fachgebiet Qualitätssicherung Dr.-Ing. Maik Rosenberger 1 Inhalt 1 Grundbegriffe der Bildverarbeitung
MehrMultimediatechnik / Video
Multimediatechnik / Video Video-Farben Pixel, Farben, RGB/YUV http://www.nanocosmos.de/lietz/mtv Helligkeits- und Farb-Pixel s/w-pixel: Wert = Helligkeit Beispiel 8 Bit/Pixel = 256 Stufen 0=schwarz, 255=weiß
MehrEinführung in Bildverarbeitung und Computervision
Einführung in Bildverarbeitung und Computervision Vorlesung 1: Grundlagen Dipl.-Math. Dimitri Ovrutskiy SS 2010 HTWdS Auf Basis der Vorlesungen von und mit Danksagung an Hr. Prof. Dr. J. Weikert Bildverarbeitung
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!
MehrGrundlagen der digitalen Bildverarbeitung / Fortsetzung
Grundlagen der digitalen Bildverarbeitung / Fortsetzung Wir haben bereits zwei Beispiele digitaler Bildfilter gesehen. Es gibt eine große Menge von Filtern mit ganz unterschiedlicher Auswirkung auf das
MehrDigitale Bilder. Ein Referat von Jacqueline Schäfer und Lea Pohl Am
Digitale Bilder Ein Referat von Jacqueline Schäfer und Lea Pohl Am 06.05.2015 Inhaltsverzeichnis Einheiten Grafiktypen Bildformate Farbtiefe Farbbilder/ Farbräume Quellen Einführung in die Bildverarbeitung
MehrPraktikum 1. Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
Prof. W. Hillen, Medizinische Informatik FH - AC (Jülich)...\image\img_pk_01 ImageJ.doc Praktikum 1 Digitale Bildverarbeitung Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung
MehrCompanion Technologie
Companion Technologie Emotionen erkennen, verstehen und kai.bielenberg@haw-hamburg.de Agenda 1. Einleitung a. Was war nochmal Companion Technologie? b. Teilbereiche c. Warum Emotionen? 2. Ansätze a. Facial
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:
MehrKapitel 2. Häufigkeitsverteilungen
6 Kapitel 2 Häufigkeitsverteilungen Ziel: Darstellung bzw Beschreibung (Exploration) einer Variablen Ausgangssituation: An n Einheiten ω,, ω n sei das Merkmal X beobachtet worden x = X(ω ),, x n = X(ω
MehrZusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann
Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann VL01 Stufen der Bildverarbeitung Bildgewinnung => Bildbearbeitung => Bilderkennung Bildgewinnung: Bildaufnahme Bilddiskretisierung Bildbearbeitung:
MehrDigitale Bildbearbeitung mit Photoshop 5.5
1 Digitale Bildbearbeitung mit Photoshop 5.5 Sören Haubrock Fachbereich Mathematik/Informatik Universität Osnabrück Februar 2001 2 Inhaltsverzeichnis 1. Grundlagen Einleitung... 3 1.1. Bildbearbeitung
MehrBildverarbeitung in der Qualitätskontrolle. Sebastian Zambal LEADING INNOVATIONS
Bildverarbeitung in der Qualitätskontrolle Sebastian Zambal LEADING INNOVATIONS Überblick Profactor Grundlagen Bildverarbeitung HW, SW, Methoden Inspektion Gussteilen Inspektion CFK, GFK Projekte EMVA-Studie:
Mehr3.3 Klassifikation quadratischer Formen auf R n
3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen
MehrDigitale Bildverarbeitung Einheit 12 3D-Modellierung
Digitale Bildverarbeitung Einheit 12 3D-Modellierung Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Einen Eindruck
MehrComputergrafik und Bildverarbeitung. Prof. Dr. André Hinkenjann
Computergrafik und Bildverarbeitung Prof. Dr. André Hinkenjann Organisation Literatur The Computer Image Alan Watt, Fabio Policarpo Addison Wesley Digital Image Processing a practical introduction using
MehrGrundlagen Videosignale. Prof. Dr. Ing. Marcus Purat
Grundlagen Videosignale Prof. Dr. Ing. Marcus Purat Beuth Hochschule fürtechnik Berlin Sommersemester 2012 Grundlagen Videosignale 1. Visuelle Wahrnehmung n 2. Analoge Videosignale 3. Digitale Videosignale
Mehr31. Lektion. Röntgenstrahlen. 40. Röntgenstrahlen und Laser
31. Lektion Röntgenstrahlen 40. Röntgenstrahlen und Laser Lerhnziel: Röntgenstrahlen entstehen durch Beschleunigung von Elektronen oder durch die Ionisation von inneren Elektronenschalen Begriffe Begriffe:
MehrInhalt. Bildaufnahme / Digitale Bilder. Kameras CCD Sensoren Auge Sampling / Aliasing Quantisierung
Inhalt Bildaufnahme / Digitale Bilder Kameras CCD Sensoren Auge Sampling / Aliasing Quantisierung Abtastung, Parameter Aliasing-Beispiel: Unterabtastung einer periodischen Funktion. Rekonstruktion ergibt
Mehr8.1 Gleichförmige Kreisbewegung 8.2 Drehung ausgedehnter Körper 8.3 Beziehung: Translation - Drehung 8.4 Vektornatur des Drehwinkels
8. Drehbewegungen 8.1 Gleichförmige Kreisbewegung 8.2 Drehung ausgedehnter Körper 8.3 Beziehung: Translation - Drehung 8.4 Vektornatur des Drehwinkels 85 8.5 Kinetische Energie der Rotation ti 8.6 Berechnung
MehrEinführung in die med. Bildverarbeitung. 0 Verwendetes Buch
Einführung in die med. Bildverarbeitung 0 Verwendetes Buch 1 1 EINLEITUNG... 4 1.1 VISUELLE WAHRNEHMUNG... 4 1.1.1 Aufbau der Netzhaut... 4 1.1.2 Kontrastverstärkung im menschlichen Auge... 4 1.1.3 Visueller
MehrMotivation. Diskretisierung. Überblick. Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen. Diskretisierung und Quantisierung
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Motivation Analoge Aufnahme von Sprache, Bildern Digitale Speicherung durch Diskretisierung + Quantisierung Informationsverlust
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
MehrKartographische Visualisierung
Kartographische Visualisierung Kartenmodellierung Modellierung von Karten Ziel der Kartenmodellierung: Geodaten angemessen abbilden (repräsentieren) Informationen mit der Karte vermitteln (präsentieren).
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrDigitale Bildverarbeitung
Einführung Studienblock (10 ECTS, Prüf.Nr. 2635) FH-Aachen / Jülich, FB 9 Prof. Dr. rer. nat. Walter Hillen (Dig Img 0 Intro) 1 Einführung: Verfahrensschritte: Bilderzeugung Bild-Analyse, Interpretation
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
MehrFortgeschrittene Schärfemethoden, Schärfemethoden die dem Bild mehr Brillanz verleihen
Fortgeschrittene Schärfemethoden, Schärfemethoden die dem Bild mehr Brillanz verleihen In der klassischen Bilderbearbeitung werden viele Schärfemethoden benutzt die zwar Effektiv sind, aber nach deren
MehrRouting Algorithmen. Begriffe, Definitionen
Begriffe, Definitionen Routing (aus der Informatik) Wegewahl oder Verkehrslenkung bezeichnet in der Telekommunikation das Festlegen von Wegen für Nachrichtenströme bei der Nachrichtenübermittlung über
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrZufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches
Zufallssignal Stationär (z.b. gleichverteiltes Rauschen) Nicht-stationär (z.b. normalverteiltes Rauschen mit wechselnder Streuung) Deterministisches Signal Periodisch harmonische Schwingung Summe harmonischer
Mehr(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
MehrBildmerkmalssuche. Seminar Computational Photography. Visual Computing Department of Computer Science
Bildmerkmalssuche Seminar Computational Photography EINFÜHRUNG 2 Einführung Bildmerkmalssuche: sehr wichtiges Thema des künstlichen Sehens Erkennen von Objekten auf dem Bild oder in einer Bildsequenz anhand
MehrNichtmonotone Grauwertabbildung
LMU München Medieninformatik Butz/Hilliges 2D Graphics WS2005 02.12.2005 Folie 1 Nichtmonotone Grauwertabbildung Zwei Grauwertfenster in einem Bild. g (g) 0 511 2100 g Erzeugt künstliche Kanten. Grenzen
MehrSuche nach korrespondierenden Pixeln in zwei Bildern
Suche nach korrespondierenden Pixeln in zwei Bildern Seminar Algorithmen zur Erzeugung von Panoramabildern von Philip Mildner April 2008 Universität Mannheim Lehrstuhl Praktische Informatik IV Prof. Dr.
MehrDigitale Bildverarbeitung Einheit 8 Lineare Filterung
Digitale Bildverarbeitung Einheit 8 Lineare Filterung Lehrauftrag SS 2008 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, wie lineare
MehrTechTipp. Bildbearbeitung mit Lookup-Tabellen (LUT): Machen Sie das (fast) Unsichtbare sichtbar. Hintergrund
Bildbearbeitung mit Lookup-Tabellen (LUT): Machen Sie das (fast) Unsichtbare sichtbar Die IDS Software Suite erlaubt Ihnen für alle ueye-kameramodelle softwareseitig mittels Lookup-Tabellen eine Kennlinie
MehrRotation. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010. Physikalisches Grundpraktikum
Fachrichtung Physik Physikalisches Grundpraktikum Versuch: RO Erstellt: U. Escher A. Schwab Aktualisiert: am 29. 03. 2010 Rotation Inhaltsverzeichnis 1 Aufgabenstellung 2 2 Allgemeine Grundlagen 2 2.1
MehrLichtschnittsensoren LPS / LES / LRS Die günstigere Lösung für viele neue Einsatzgebiete
Lichtschnittsensoren LPS / LES / LRS Die günstigere Lösung für viele neue Einsatzgebiete PRODUKTINFORMATION Die sichere Objekterkennung muss jetzt keine Frage des Preises mehr sein. In vielen Einsatzbereichen
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrLUMIMAX Beleuchtungsworkshop. iim AG 19.03.2015
LUMIMAX Beleuchtungsworkshop iim AG 19.03.2015 Bedeutung der Beleuchtung Der Einfluss der Beleuchtung auf die Bildverarbeitungslösung wird häufig unterschätzt. Jede BV-Applikation benötigt ein optimales
MehrForschungsstatistik I
Prof. Dr. G. Meinhardt 6. Stock, TB II R. 06-206 (Persike) R. 06-321 (Meinhardt) Sprechstunde jederzeit nach Vereinbarung Forschungsstatistik I Dr. Malte Persike persike@uni-mainz.de http://psymet03.sowi.uni-mainz.de/
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 Dr. Stefan Gehrig Dipl.-Physiker, Dipl.-Ing. (BA) Duale Hochschule Baden-Württemberg - Stuttgart Sommersemester 2015 S. Gehrig - Digitale Bildverarbeitung 1 S. Gehrig - Digitale
MehrCATIA V5 - Effiziente Konstruktion mit Makros
CATIA V5 - Effiziente Konstruktion mit Makros Automatisierte Erstellung von Volumenkörpern, Drahtgeometrie und Flächen mit CATScript von Dieter R. Ziethen 1. Auflage Hanser München 2003 Verlag C.H. Beck
MehrBioimaging. Vorlesung und Übung im Sommersemester 2014 Volker Schmid und Clara Happ
Bioimaging Vorlesung und Übung im Sommersemester 2014 Volker Schmid und Clara Happ Kapitel 1: Einleitung! Was ist Bioimaging? Und was hat das mit Statistik zu tun? Seite 2 Seite 5 Pixel Seite 6 Bildgebung
MehrBildverarbeitung in der Robotik
State get-to-ball b a ll. d i s t an ce s m clea r b a ll aller t h an 1 5 cm b all s een g et t o i f b all els e i f els e- i f els e b all t o o f ar aw ay ret u rn t o g o al Bildverarbeitung in der
MehrFakultät für Informatik Übung zu Kognitive Systeme Sommersemester 2016
Fakultät für Informatik Übung zu Kognitive Systeme Sommersemester 1 M. Sperber (matthias.sperber@kit.edu) S. Nguyen (thai.nguyen@kit.edu) Übungsblatt 3 Maschinelles Lernen und Klassifikation Abgabe online
MehrSinneswahrnehmungen des Menschen
Sinneswahrnehmungen des Menschen Tastsinn Gleichgewicht Geruch Sehen Gehör Sprache Aktion Multimedia - Kanäle des Menschen Techniken für Medien im Wandel Multimediale Kommunikation Text : Bücher, Zeitschriften
Mehr3D-Rekonstruktion, Animation und Erkennung von Gesichtern aus Einzelbildern auf der Basis eines Morphable Models
3D-, und von Gesichtern aus Einzelbildern auf der Basis eines Morphable Models Kristina Scherbaum, Matrikel-Nummer 12123, ks29@hdm-stuttgart.de Max-Planck-Institut für Informatik, Saarbrücken 3D von Gesichtern
MehrZusammenhangsanalyse in Kontingenztabellen
Zusammenhangsanalyse in Kontingenztabellen Bisher: Tabellarische / graphische Präsentation Jetzt: Maßzahlen für Stärke des Zusammenhangs zwischen X und Y. Chancen und relative Chancen Zunächst 2 2 - Kontingenztafel
MehrAllgemeine Ziele: Verbesserung des subjektiv visuellen Eindrucks Vereinfachung nachfolgender Verarbeitungsschritte
Kapitel 2 Grundlagen p. 12/18 Vorverarbeitung Bildvorverarbeitung: i.a. eine Bildtransformation: I(r, c) I (r, c), bei der das Ergebnis wieder ein Bild ist der Informationsgehalt des Bildes im Hinblick
MehrParametersystematik der Augen- und Blickbewegungen für arbeitswissenschaftliche Untersuchungen
Schriftenreihe Rationalisierung und Humanisierung Band 34 Matthias Rötting Parametersystematik der Augen- und Blickbewegungen für arbeitswissenschaftliche Untersuchungen D 82 (Diss. RWTH Aachen) Shaker
MehrHydrologie und Flussgebietsmanagement
Hydrologie und Flussgebietsmanagement o.univ.prof. DI Dr. H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Gliederung der Vorlesung Statistische Grundlagen Etremwertstatistik
Mehr*DE102013017500B320150402*
(19) *DE102013017500B320150402* (10) DE 10 2013 017 500 B3 2015.04.02 (12) Patentschrift (21) Aktenzeichen: 10 2013 017 500.3 (22) Anmeldetag: 17.10.2013 (43) Offenlegungstag: (45) Veröffentlichungstag
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
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
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate AGENDA Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von
MehrInhaltliche Planung für die Vorlesung
Vorlesung: Künstliche Intelligenz - Mustererkennung - P LS ES S ST ME Künstliche Intelligenz Miao Wang 1 Inhaltliche Planung für die Vorlesung 1) Definition und Geschichte der KI, PROLOG 2) Expertensysteme
MehrFilterung von Bildern (2D-Filter)
Prof. Dr. Wolfgang Konen, Thomas Zielke Filterung von Bildern (2D-Filter) SS06 6. Konen, Zielke Aktivierung Was, denken Sie, ist ein Filter in der BV? Welche Filter kennen Sie? neuer Pixelwert bilden aus
MehrBildverarbeitung - Inhalt
Bildverarbeitung Bildverarbeitung - Inhalt 1. Anfänge der industriellen Bildverarbeitung 2. Von der Kamera zum Vision Sensor 3. Hardware Konzepte in der BV 4. Beleuchtungssysteme 5. Auswerteverfahren (Software)
MehrIm Original veränderbare Word-Dateien
Computergrafik Bilder, Grafiken, Zeichnungen etc., die mithilfe von Computern hergestellt oder bearbeitet werden, bezeichnet man allgemein als Computergrafiken. Früher wurde streng zwischen Computergrafik
Mehr9th NEMO-SpectroNet Collaboration Forum
9th NEMO-SpectroNet Collaboration Forum Jena, 15.12.2010 Color and Multi Spectral Imaging An Overview Dr. Ing. Thomas Fahlbusch, PhotonicNet GmbH, Hannover Farbaufnahme 1-Chipkamera Bayer Farbmosaik Chips
MehrProf. J. Zhang zhang@informatik.uni-hamburg.de. Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 6. Januar 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis Kalibrierung einer Kamera: Grundkonzept...............344
MehrPunktoperationen / Grauwerttransformationen
Fortsetzung zu Kapitel 4: Bildoperationen Punktoperationen / Grauwerttransformationen Zusammenfassung: wirken unabhängig von der Position im Bild Transformation T der Originalhelligkeit p in die Helligkeit
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehrν und λ ausgedrückt in Energie E und Impuls p
phys4.011 Page 1 8.3 Die Schrödinger-Gleichung die grundlegende Gleichung der Quantenmechanik (in den bis jetzt diskutierten Fällen) eine Wellengleichung für Materiewellen (gilt aber auch allgemeiner)
Mehr(query by image content)
Proseminar Multimedia Information-Retrieval-Systeme (query by image content) Das QBIC Projekt 1. Einleitung 1.1 Was ist QBIC 1.2 Wo wird es verwendet 2. QBIC im Detail 2.1 technische Grundlagen 2.2 Aufbau
Mehr18.Elektromagnetische Wellen 19.Geometrische Optik. Spektrum elektromagnetischer Wellen Licht. EPI WS 2006/7 Dünnweber/Faessler
Spektrum elektromagnetischer Wellen Licht Ausbreitung von Licht Verschiedene Beschreibungen je nach Größe des leuchtenden (oder beleuchteten) Objekts relativ zur Wellenlänge a) Geometrische Optik: Querdimension
Mehr