Graphische Datenverarbeitung und Bildverarbeitung
|
|
- Kornelius Junge
- vor 6 Jahren
- Abrufe
Transkript
1 Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Bildverbesserung - Grauwertmodifikation Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische und allgemeine Grundlagen Hardware für Graphik und Bildverarbeitung Graphische Grundalgorithmen (Zeichnen graphischer Primitive, Methoden für Antialaising, Füllalgorithmen) Bildaufnahme (Koordinatensysteme, Transformation) Durchführung der Bildverarbeitung und -analyse Fourier-Transformation Bildrekonstruktion und Bildrestauration Bildverbesserung (Grauwertmodifikation, Filterverfahren) Segmentierung Morphologische Operationen Merkmalsermittlung und Klassifikation Erzeugung von Bildern in der Computergraphik Geometrierepräsentationen Clipping in 2D und 3D Hidden Surface Removal Beleuchtungsberechnung Shading Schattenberechnung Volumenrendering als Beispiel für die Nutzung beider Gebiete Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 2
2 Wiederholung wichtiger Begriffe Inverse Filterung Wiener-Filter Deterministische Veränderungen bei der Bildaufnahme Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 3 Deterministische Veränderungen bei der Bildaufnahme Nicht verschiebungsinvariante Operatoren Über- und Unterbelichtung Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 4
3 Bildverbesserung Verbesserung von Bildeigenschaften zur besseren Wahrnehmbarkeit oder zur Vorbereitung von Analyseschritten. Bildeigenschaften: Signal-Rausch-Verhältnis Kontrast Informationsgehalt Punktbasierte Methoden nachbarschaftsbasierte Methoden Welches Bild ist besser? Warum? Wie ist das messbar? Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 5 10 Pixelbasierte Bildverbesserung Abbildung der Grau-/Farbwerte unabhängig von ihrem Ort oder ihrer Zuordnung innerhalb der Grau- bzw. Farbwerte: g neu =f(g) oder [r neu, g neu, b neu ]=[f(r), f(g), f(b)] von Grauwerten in Farbwerte (Falschfarbdarstellung): [r neu, g neu, b neu ]=[f 1 (g)] Figure of Merit (Qualitätsmerkmal): globaler/lokaler Kontrast, Entropie Methoden Monotone Abbildung der Grauwerte Nicht monotone Grauwertabbildung Falschfarbdarstellung Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 6
4 10.1 Nutzung des Grauwertspektrums Unter-/Überbelichtung Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation Kontrast Globaler Kontrast: Größter Grauwertunterschied im Bild c global (f) = [max m.n (f(m,n))-min m,n (f(m,n))]/g range. mit g range - Grauwertbereich Lokaler Kontrast: z.b. durchschnittlicher Grauwertunterschied zwischen benachbarten Pixeln mit c local (f) = 1/MN Σ m Σ n f(m,n)-f nb (m,n) f nb (m,n) durchschnittlicher Grauwert in der Umgebung von (m,n). c global = c local = Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 8
5 Globaler / Lokaler Kontrast c global = c local = c global = c local = c global = c local = Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation Maximierung des globalen Kontrasts Kontrastumfang g max -g min im Verhältnis zum maximalen Wertebereich w min...w max (z.b ) ist Skalierungsfaktor. Transferfunktion g ( g) = ( g g ) min w g max max w g min min c global = Histogramm g min g max Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 10
6 g g Maximierung des globalen Kontrasts ( g) = ( g g ) min ( g) = ( g 100) w g max max w g min min, gmin = 100, gmax = 112, wmin = 0, wmax = 255 c global = c global = Transferfunktion Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation Verbesserung des lokalen Kontrasts Bild ist zu hell (zu dunkel), aber Grauwertbereich ist nahezu ausgenutzt. Nichtlineare, monotone Transferfunktion, z.b. Gammakorrektur: g ( g) = w max g w max γ c local = 7.91 Histogramm Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 12
7 Verbesserung des lokalen Kontrasts Transferfunktion γ=2 g ( g) = w max g w max γ c local = 9.55 Histogramm nach Korrektur Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 13 Gammakorrektur g γ<1 γ > 1 γ=1 g = (255 / 255 γ ) g γ g γ=0.5 γ=2.0 γ=1.0 Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 14
8 10.5 Maximierung des Informationsgehalts Gibt es eine optimale Korrektur? Optimal = maximaler Informationsgehalt Histogramm c local = Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 15 Entropie Maß für den Informationsgehalt eines Bilds (die Überraschung, die Unordnung ): h(g) E = - h(g) log 2 [h(g)] E=6.97 E - Entropie h - Wahrscheinlichkeitsverteilung g - Grauwert g h(g) E=1.00 Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 16
9 Maximaler Informationsgehalt Entropie ist maximal, falls P(g i )=const für i=0,n-1 gesucht: Histogrammtransformation g (g) zur Maximierung der Entropie H H EH(g) H(g (g)) [] H(g) g g Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 17 Histogrammausgleich Transferfunktion für ein diskretes Histogramm: E[H(g)] = N g Σ w=0...g H(w) -1, mit: N g - Anzahl der Grauwerte. Beispiel: Grauwert Häufigkeit H(g) kumulativ Grauwert aufgerundet Keine Linearisierung, sondern von der Häufigkeit abhängige Spreizung. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 18
10 Beispiel c local = Entropie(f) = 6.49 Transferfunktion c local = Entropie(f)= 6.25 Warum wurde die Entropie kleiner? Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 19 Histogrammausgleich Histogramm Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 20
11 Histogrammausgleich Histogramm Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 21 Problem Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 22
12 Problem Das Unwichtige wurde verstärkt, das Wichtige abgeschwächt! Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation Histogrammlinearisierung - Varianten Adaptive Histogram Equalisation (AHE) Histogramm wird für jeden Punkt für eine vorgegebene Umgebung erstellt. Linearisierung erfolgt nach diesem Histogramm Nur der Grauwert des betreffenden Punkts wird modifiziert Contrast Limited Adaptive Histogram Equalisation (CLAHE): wie AHE, aber mit dem Unterschied, daß Kontrastverstärkung nur bis zu einem gewissen Maximum erfolgt. CLAHE verhindert die bei AHE vorkommende Kontrastverstärkung im Bildhintergrund. Histogramm AHE g Transferfunktion Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 24 g
13 Adaptive Histogrammlinearisierung Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 25 Kontrastlimitiertes AHE Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 26
14 10.7 Farbbilder S/W Bilder: Amplitude aller wahrnehmbaren Wellenlängen ist gleich. Farbbilder: Amplituden variieren mit der Wellenlänge. 107 Helligkeit D.h., ein Farbbildpunkt müßte durch alle Amplituden von visuell wahrnehmbaren Wellenlängen repräsentiert werden. 400nm Wellenlänge 700nm Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 27 Repräsentation von Farbe Relative spektrale Empfindlichkeit der Zapfen der menschlichen Retina. Es werden nur drei verschiedene Farbsignale wahrgenommen. aber: jedes dieser Signale ergibt sich als Integral über einen Teilbereich des sichtbaren Spektrums. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 28
15 Farb-CCD Kameras Ein-Chip-Kamera: Sensorelemente und RGB-Filter. Nachteil: geringere Ortsauflösung Farbfilter CCD-Chip Lichtstrahl Filter CCD-Chip (Grünauszug) Prismen Drei-Chip-Kamera: Trennung des einfallenden Lichts mittels Prismen und separate Filterung. Nachteil: teurer und setzt sehr exakte Fertigung voraus. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 29 RGB Farbraum Jede Farbe wird durch ein Tripel (r,g,b) mit 0 r,g,b 1 repräsentiert. Farben werden additiv erzeugt. Farbwürfel Echtfarb- Repräsentation D A D A D A Farben können direkt (3x8 Bit) als Echtfarb- Repräsentation oder indirekt (8 Bit + Video Lookup Table) als Falschfarb- Repräsentation gespeichert werden. Falschfarb- Repräsentation r g b D A D A D A Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 30
16 Histogrammausgleich Beispiel Das geht auch in Farbe. Farbkanäle werden unabhängig voneinander behandelt. (Ist das eine gute Idee?) Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 31 Möglichkeit der Helligkeitsvariation bei Farbbildern Überführung des Bildes in HSV (HSB)-Farbraum Max = max( R, G, B) Min = min( R, G, B) H = G B , Max Min B R , Max Min R G , Max Min H = H + 360, wenn H < 0 Max Min S = Max V = Max wenn R = Max wenn G = Max wenn B = Max Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 32
17 10.8 Nichtmonotone Grauwertabbildung Fensterung: Anwendung bei Bilddaten mit mehr als 256 Graustufen Zwei Grauwertfenster in einem Bild. g (g) g Erzeugt künstliche Kanten. Grenzen von Maxima der Transferfunktion nicht immer erkennbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 33 Beispiel Eine Zuordnung zwischen Helligkeit und ursprünglichem Grauwert ist nicht mehr herstellbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 34
18 10.9 Farbe zur Kontrastverstärkung Es können wesentlich mehr Farb- als Grauwerte unterschieden werden. Kontrastverstärkung durch drei nicht-lineare, nicht-monotone Abbildungsfunktionen der Grauwerte: red i (g), green i (g) blue i (g) Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 35 Beispiel Achtung: Nichtlineare Transformationen erzeugen künstliche Kanten. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 36
19 Beispiel Ein Zusammenhang zwischen Farbe und Grauwert ist nicht mehr erkennbar. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 37 Anwendungen Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 38
20 Zusammenfassung Punktbasierte Verfahren werden über eine Transferfunktion zwischen Grauwerten (Farbwerten) definiert. Grauwerttransformationen monoton: linear, g-korrektur, Histogrammausgleich Nicht monoton: Stufentransformation, Falschfarbdarstellung. Erfolg kann an kontrastbasierten Maßzahlen ermittelt werden. Objektabhängige Bildverbesserung erfordert Zusatzwissen. Graphische DV und BV, Regina Pohle, 10. Bildverbesserung - Grauwertmodifikation 39
2D Graphik: Bildverbesserung. Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005
2D Graphik: Bildverbesserung Vorlesung 2D Graphik Andreas Butz, Otmar Hilliges Freitag, 2. Dezember 2005 Themen heute Rauschen, Entropie Bildverbesserung Punktbasiert Flächenbasiert Kantenbasiert Was ist
MehrComputergraphik 1 2. Teil: Bildverarbeitung
1 Computergraphik 1 2. Teil: Bildverarbeitung Bildverbesserung 2 Themen jetzt gleich Rauschen, Entropie Bildverbesserung Punktbasiert Flächenbasiert Kantenbasiert 3 Was ist Rauschen? Rauschen n(m,n) ist
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
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
MehrComputergrafik 2: Übung 2. Subsampling und Moiré-Effekte, Color Maps und Histogrammlinearisierung
Computergrafik 2: Übung 2 Subsampling und Moiré-Effekte, Color Maps und Histogrammlinearisierung Inhalt Besprechung von Übung 1 Subsampling und Moiré Effekte Color Maps Histogrammlinearisierung Computergrafik
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
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Fourier-Transformation Graphische DV und BV, Regina Pohle, 8. Fourier-Transformation 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrComputergrafik 2: Digitale Bilder & Punktoperationen
Computergrafik 2: Digitale Bilder & Punktoperationen 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.
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Beleuchtungsberechnung Graphische DV und BV, Regina Pohle, 21. Beleuchtungsberechnung 1 Einordnung in die Inhalte der Vorlesung
MehrComputergrafik 2: Digitale Bilder & Punktoperationen
Computergrafik 2: Digitale Bilder & Punktoperationen 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.
MehrProseminar Grundlagen der Bildverarbeitung Thema: Bildverbesserung Konstantin Rastegaev
Proseminar Grundlagen der Bildverarbeitung Thema: Bildverbesserung Konstantin Rastegaev 1 Inhaltsverzeichnis: 1.Pixelbasierte Bildverbesserung...3 1.1.Monotone Grauwertabbildung...3 1.1.1.Maximierung des
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
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
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 6 Punktoperationen
Digitale Bildverarbeitung Einheit 6 Punktoperationen Lehrauftrag WS 06/07 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Elementare Bildverbesserung
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Merkmale und Klassifikation Graphische DV und BV, Regina Pohle, 16. Merkmale und Klassifikation 1 Einordnung in die Inhalte der
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Graphische Grundalgorithmen Graphische DV und BV, Regina Pohle, 4. Algorithmen für graphische Primitive 1 Einordnung in die Inhalte
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
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
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:
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
MehrStruktur des menschlichen Auges. Bildgebende Verfahren in der Medizin und medizinische Bildverarbeitung Bildverbesserung 2 / 99
Struktur des menschlichen Auges 2 / 99 Detektoren im Auge Ca. 100 150 Mio. Stäbchen Ca. 1 Mio. Zäpfchen 3 / 99 Zapfen Entlang der Sehachse, im Fokus Tagessehen (Photopisches Sehen) Scharfsehen Farbsehen
MehrProseminar: Grundlagen Bildverarbeitung / Bildverstehen. Bildverbesserung. Sylwia Kawalerowicz
Proseminar: Grundlagen Bildverarbeitung / Bildverstehen Bildverbesserung Sylwia Kawalerowicz Betreuer: Michael Roth Abgabetermin: 8 April 2006 Inhaltverzeichnis Kapitel...3.. Die wichtigen Fragen der Bildverbesserung....3.2
MehrBildverbesserung. Frequenz-, Punkt- und Maskenoperationen. Backfrieder-Hagenberg
Bildverbesserung Frequenz-, Punkt- und Maskenoperationen Filtern im Frequenzraum Fouriertransformation f(x)->f( ) Filter-Multiplikation F =FxH Rücktransformation F ( )->f (x) local-domain frequency-domain
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
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
MehrBildverarbeitung Herbstsemester Punktoperationen
Bildverarbeitung Herbstsemester 2012 Punktoperationen 1 Inhalt Histogramm und dessen Interpretation Definition von Punktoperationen Änderungen der Bildintensität Linearer Histogrammausgleich Gammakorrektur
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
MehrGraphische Datenverarbeitung und Bildverarbeitung WS 2005 / 2006 Hochschule Niederrhein
Graphische Datenverarbeitung und Bildverarbeitung WS 2005 / 2006 Hochschule Niederrhein Regina Pohle Graphische DV und BV, Regina Pohle, 1. Einführung 1 Organisatorisches Dozent: Regina Pohle Büro: H321
MehrGrundlagen der Farbbildverarbeitung
Grundlagen der Farbbildverarbeitung Inhalt 1. Grundlagen - Was ist Farbe? - Wie lässt sich Farbe messen? 2. Technik der Farbkameras - Wie kann eine Kamera Farben sehen? - Bauformen 3. Funktion von Farb-BV-Systemen
MehrFarbe in der Computergraphik
Farbe in der Computergraphik Farbe in der Computergraphik Gliederung: Licht und Farbe Farbspezifikation Farbmodelle Gamma und Gammakorrektur B. Preim AG Visualisierung Farbe 2 Farbe in der Computergraphik
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
MehrUsability of different illumination, imaging and computing methods for practical applications
Usability of different illumination, imaging and computing methods for practical applications Prof. Dr. Ch. Heckenkamp Hochschule Darmstadt SpectroNet Collaboration Forum 31. August 2016 31.08.2016 Prof.
MehrBildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17
Bildverarbeitung: Filterung D. Schlesinger () Bildverarbeitung: Filterung 1 / 17 Allgemeines Klassische Anwendung: Entrauschung (Fast) jeder Filter basiert auf einem Modell (Annahme): Signal + Rauschen
MehrGraphische Datenverarbeitung
Graphische Datenverarbeitung Bildbearbeitung für Rasterbilder Übersicht l Neu Folien:, 28 und ab 56 l Maße zur Beurteilung von Bildern: l Histogramm l Entropie l Punktoperationen: l Lineare Veränderung
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
Mehr2. Schnitterkennung Videoanalyse
2. Schnitterkennung Videoanalyse Stephan Kopf Inhalt Definition: Schnitt Klassifikation eines Schnittes Vorgehensweise bei der automatischen Schnitterkennung Pixelbasierte Verfahren Histogramme Aggregierte
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
MehrProbleme bei der Bildverarbeitung. Digitale Bildverarbeitung. Charge-Coupled-Device Kameras. Beispiel Schärfentiefe
Digitale Bildverarbeitung Keine Bildbearbeitung (z.b. Photoshop) Behandlung von zur Computergrafik inversen Problemen Erkennen von Objekten in Bildern sowie Bestimmung deren 2D (3D) Lage im Bild (im Raum)
MehrFarbe in der Computergraphik
Farbe in der Computergraphik 1 Hernieder ist der Sonnen Schein, die braune Nacht fällt stark herein. 2 Gliederung 1. Definition 2. Farbwahrnehmung 3. Farbtheorie 4. Zusammenfassung 5. Quellen 3 1. Definition
MehrFarbräume. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz
Farbräume Industrielle Bildverarbeitung, Vorlesung No. 13 1 M. O. Franz 16.01.2008 1 falls nicht anders vermerkt, sind die Abbildungen entnommen aus Burger & Burge, 2005. Übersicht 1 RGB- und HSV-Farbraum
MehrÜbung zu Einführung in die Informatik # 14
Übung zu Einführung in die Informatik # 14 Tobias Schill tschill@techfak.uni-bielefeld.de 12. Februar 2016 Aktualisiert am 12. Februar 2016 um 11:13 Erstklausur: Mi, 24.02.2016 von 10-12Uhr Antworten von
MehrR.Wagner, Mathematik in der Astronomie
Mathematik in der Astronomie Roland Wagner Johann Radon Institute for Computational and Applied Mathematics (RICAM) Österreichische Akademie der Wissenschaften (ÖAW) Linz, Austria Linz, 20.Mai 2016 Übersicht
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
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
MehrNützliche Bildverarbeitungs- Verfahren
MIN-Fakultät Fachbereich Informatik Arbeitsbereich SAV/BV (KOGS) Nützliche Bildverarbeitungs- Verfahren BV-Praktikum im Sommersemester 2016 Leonie Dreschler-Fischer, David Mosteller und Benjamin Seppke
MehrDigitale Bildverarbeitung Einheit 5 Bilder und Statistik
Digitale Bildverarbeitung Einheit 5 Bilder und Statistik Lehrauftrag WS 05/06 Fachbereich M+I der FH-Offenburg Dipl.-Math. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen,
MehrFarbmodelle. Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen. Alle Farbeindrücke simulierbar durch drei Farben
Farbmodelle Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen Alle Farbeindrücke simulierbar durch drei Farben Oliver Deussen Farbmodelle 1 RGB-Farbmodell für additive Farbmischung (Bildschirm)
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):
MehrFortgeschrittene Bildverarbeitung und Analyse
Fortgeschrittene Bildverarbeitung und Analyse Studiengang IEM Inhalt Definition der Bildverarbeitung Verarbeitung-Bearbeitung (Systeme) Grundlagen der Abbildungssysteme Auge, visuelle Wahrnehmung, Kamera,
MehrRecovering High Dynamic Range Radiance Maps from Photographs
Recovering High Dynamic Range Radiance Maps from Photographs Christoph Gladisch Einführung Wenn eine Szene photografiert wird, dann entsprechen die Pixelwerte nicht den relativen Leuchtdichten in der Szene.
MehrDigitale Bildverarbeitung Einheit 5 Bilder und Statistik
Digitale Bildverarbeitung Einheit 5 Bilder und Statistik Lehrauftrag WS 06/07 Fachbereich M+I der FH-Offenburg Dr. Bernard Haasdonk Albert-Ludwigs-Universität Freiburg Ziele der Einheit Verstehen, welche
MehrBildauflösende Farbmessung mit Filterradkamera und Farbmessung mit 1-ChipCCD-Kamera
Bildauflösende Farbmessung mit Filterradkamera und Farbmessung mit 1-ChipCCD-Kamera PD Dr.-Ing. habil. Franz Schmidt NEMO-SpectroNet Kollaboration Forum Farbbildverarbeitung und Spectral Imaging für Nahrungsgüter
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
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
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
MehrBildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)
4. Digitalisierung und Bildoperationen 4.1 Digitalisierung (Sampling, Abtastung) Rasterung auf 2D-Bildmatrix mathematisch: Abb. einer 2-dim. Bildfunktion mit kontinuierlichem Definitionsbereich auf digitales
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Shading-Verfahren Graphische DV und BV, Regina Pohle, 22. Shading-Verfahren Einordnung in die Inhalte der Vorlesung Einführung mathematische
MehrComputergrafik 2: Übung 6. Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter
Computergrafik : Übung 6 Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter Quiz Warum Filtern im Frequenzraum? Ideales Tiefpassfilter? Parameter? Eigenschaften? Butterworth-Filter?
MehrTeil 6: Farbe. Einleitung. Farbreiz vs. Farbwahrnehmung. Farbräume, Verwendung von Farbe
Farbräume, Verwendung von Farbe Einleitung Farbe: Wichtiger Bestandteil d. vis. Wahrnehmung Mehrdimensional (Farbton, Helligkeit, etc.) Rechnen mit Farben: Farbmetrik Was ist Farbe überhaupt? Eigenschaft
MehrLinear Workflow. Linear Workflow. Version 1.0-2011-10-11
Version 1.0-2011-10-11 Verfahren, Bilder unter Rücksichtnahme ihres Farbprofils und der des Ausgabegeräts zu berechnen (3D), bzw. zu bearbeiten (Compositing), um eine mathematisch und physikalisch korrekte
MehrTechnische Universität
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Grundlagen der digitalen Bildverarbeitung: Punktoperatoren Proseminar Alexander C. Perzylo Betreuer: Abgabetermin:
Mehr- Sei r(x,y) Eingangsbild, dass nur Rauschen (Quantenrauschen) enthält.
Eingang System Ausgang - Sei r(x,y) Eingangsbild, dass nur (Quantenrauschen) enthält. - Das Bild enthalte keinerlei Information, d.h. das Spektrum ist weiß und es gibt keine Korrelationen zwischen den
MehrBildverarbeitung: Fourier-Transformation. D. Schlesinger () BV: Fourier-Transformation 1 / 16
Bildverarbeitung: Fourier-Transformation D. Schlesinger () BV: Fourier-Transformation 1 / 16 Allgemeines Bilder sind keine Vektoren. Bilder sind Funktionen x : D C (Menge der Pixel in die Menge der Farbwerte).
MehrDigitale Bildverarbeitung
Bernd Jahne Digitale Bildverarbeitung 6., überarbeitete und erweiterte Auflage Mit 248 Abbildungen und 155 Übungsaufgaben und CD-ROM Sy Springer Inhaltsverzeichnis I Grundlagen 1 Anwendungen und Werkzeuge
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
MehrBildverarbeitung. Fachschaftsrat Informatik. Professor Fuchs. Fragen TECHNISCHE UNIVERSITÄT DRESDEN. Unterteilung der Filter in Klassen
Professor Fuchs Unterteilung der Filter in Klassen Wie erstellt man bei der Segmentierung objektumschreibende Formen? Eigenschaften der Zellkomplextopologie Was ist ein Histogramm? Wozu ist es gut? Unterschied
MehrFarbtechnik und Raumgestaltung/EDV
Abb. 1 Das RGB-Farbmodell Über die additive Farbmischung werden durch die 3 Grundfarben Rot, Grün und Blau alle Farben erzeugt. Im RGB Modell werden ihre Werte je von 0 bis 1 festgelegt. R = G = B = 1
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Texturen Graphische DV und BV, Regina Pohle, 24. Texturen 1 Einordnung in die Inhalte der Vorlesung Einführung mathematische und
MehrDas visuelle Wahrnehmungssystem
Das visuelle Wahrnehmungssystem Grobaufbau Das Auge Hell-Dunkel Wahrnehmung Farbwahrnehmung Objektwahrnehmung und Organisationsprinzipien von Perzeption und Kognition Tiefen- und Grössenwahrnehmung Täuschungen
MehrVU Einführung in Visual Computing Sebastian Zambanini Computer Vision Lab TU Wien. Ablauf
186.922 VU Einführung in Visual Computing Einführung in MATLAB Wiederholung 18.3.2013 Sebastian Zambanini Computer Vision Lab TU Wien Ablauf Letztes Mal: MATLAB Einführung (90 Minuten) NächstenMontag Montag,
MehrZu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen
Zu hell oder zu dunkel? Histogramm im ueye Cockpit nutzen Kennen Sie das? Ihr Bild wirkt flau oder in dem dunklen, kontrastarmen Bild können Sie die aufgenommenen Objekte nicht unterscheiden. In diesem
MehrDas beidäugige Gesichtsfeld umfaßt etwa 170 Bogengrad.
3 Farben 3.1 Licht 3.2 Farbwahrnehmung 3.3 RGB-Modell 3.4 CIE-Modell 3.5 YCrCb-Modell Licht: Als Licht sieht man den Teil des elektromagnetischen Spektrums zwischen etwa 400 nm bis 750 nm Wellenlänge an.
MehrFarbmodelle. MBV5 Werner Backfrieder FH-Hagenberg. Spektrale Zerlegung der sichtbaren Lichtes
Farbmodelle MBV5 FH-Hagenberg Spektrale Zerlegung der sichtbaren Lichtes 1 Additive und subtraktive Farbmischung Chromatizitätsdiagramm X=r/(r+g+b) Y=g/(r+g+b) Z=b/(r+g+b) X+Y+Z=1 2 RGB-Modell Farbe wird
MehrU9: FARBCODIERUNG FARBCODIERUNG NACH VERSCHIEDENEN FARBMODELLEN
U9: FARBCODIERUNG FARBCODIERUNG NACH VERSCHIEDENEN FARBMODELLEN Für die Darstellung von Farben gibt es unterschiedliche Farbmodelle: einfache Modelle für additivergb) und subtraktive Mischung CMYK) von
MehrKamerabasierte Optimierungen (also Hardware-basiert) sind beispielsweise bei der GigE Vision Kamera mvbluecougar-x von MATRIX VISION
Whitepaper über Farbkorrektur Mehr Drama In vielen Industriebereichen wie Digitaldruck oder Humanmedizin ist eine natürliche Farbwiedergabe unerlässlich. Wie wichtig die Farbtreue sein kann, zeigt das
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrDigitalisierung. Vorlesung FH-Hagenberg DSB
Digitalisierung Vorlesung FH-Hagenberg DSB Abbildungssysteme Camera obscura einfachstes Abbildungssystem bekannt seit dem Altertum Licht fällt durch eine Lochblende in das Innere einer abgedunkelten Kammer
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
MehrDigitale Videotechnik
Digitale Videotechnik Prof. Dr. Hansjörg Mixdorff Digitale Videotechnik, WS 02/03, TFH Berlin G. Heising, H. Mixdorff 1 1 1 Hansjörg Mixdorff seit April 2001 an der TFH Berlin Professor für Digitale A/V-Technik
MehrDiskrete Cosinustransformation (DCT)
Fachbereich Medieninformatik Hochschule Harz Diskrete Cosinustransformation (DCT) Referat Björn Wöldecke 10954 Abgabe: 15.01.2007 Inhaltsverzeichnis Einleitung / Vorwort... 1. Methoden zur Datenreduktion...
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
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
MehrProf. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004
zhang@informatik.uni-hamburg.de Universität Hamburg AB Technische Aspekte Multimodaler Systeme zhang@informatik.uni-hamburg.de Inhaltsverzeichnis 6. Bildverarbeitung..........................415 Aufbau
MehrComputergraphik Grundlagen
Computergraphik Grundlagen XI. Rasterung Füllen von Polygonen Prof. Stefan Schlechtweg Hochschule nhalt Fachbereich Informatik Inhalt Lernziele 1. Zu lösendes Problem 2. Füllen von Pixelmengen 1. Rekursiver
MehrWie es Euch gefällt Pixelvorverarbeitung oder RAW-Format
Wie es Euch gefällt Pixelvorverarbeitung oder RAW-Format Je nach Anwendung werden an die Bilddaten unterschiedliche Anforderungen gestellt. Beim schnellen Schnappschuss möchte Sie ein fertiges Bild von
MehrBild-Erfassung Digitalisierung Abtastung/Quantisierung
Multimediatechnik / Video Bild-Erfassung Digitalisierung Abtastung/Quantisierung Oliver Lietz Bild-Erfassung Abtastung / Digitalisierung Scanner: Zeilenweise Abtastung mit CCD Digitale Kamera: Flächenweise
MehrGrundlagen Videosignale
Grundlagen Videosignale Prof. Dr. Ing. Marcus Purat Beuth Hochschule für Technik Berlin Sommersemester 2016 Grundlagen Videosignale 1. Visuelle Wahrnehmung 2. Analoge Videosignale 3. Digitale Videosignale
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
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
MehrPräge- und Stempelschrifterkennung auf metallischen Oberflächen. Dipl.-Ing. (FH) Sebastian Seegert
Präge- und Stempelschrifterkennung auf metallischen Oberflächen Dipl.-Ing. (FH) Sebastian Seegert 1 Agenda Motivation Entwickelter Ansatz für kalte Oberflächen Anforderungen Ansatz Bildvorverarbeitung
Mehr4.7 Globale Beleuchtungsmodelle
Erinnerung: - Ein lokales Beleuchtungsmodell berücksichtigt nur das direkt einfallende Licht einer Lichtquelle - Nur lokale Beleuchtung + konstante ambiente Beleuchtung, um reflektiertes und gebrochenes
MehrKapitel 1 - Einführung
Vorlesung Graphische Datenverarbeitung Kapitel 1 - Einführung Prof. Dr.-Ing. Wolfgang Reinhardt AGIS/INF4 http://www.agis.unibw-muenchen.de UniBw München Überblick Kap. 1: Einführung (Überblick, Begriffe,
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
MehrHDR Aufnahmetechniken. B.Eng. Paschá Kulijew Limelight Photography
HDR Aufnahmetechniken B.Eng. Paschá Kulijew Limelight Photography Teil 1: Vorüberlegungen Was bedeuten DR? Absolute Definition : Dynamic Range DR ist das Verhältnis von einer maximaler physikalischer Größe
Mehr6. Tonwertkorrektur. HBS Gimp 2
6. Tonwertkorrektur Im vorigen Kapitel wurde gezeigt, wie man Bild vom Scanner oder der Digitalkamera grob korrigiert. In Kapitel 6 beschäftigen wir uns mit den anschließend durchzuführenden Arbeiten,
MehrLMU München LFE Medieninformatik Mensch-Maschine Interaktion (Prof. Dr. Florian Alt) SS2016. Mensch-Maschine-Interaktion
1 Mensch-Maschine-Interaktion Kapitel 2 - Wahrnehmung Sehsinn und visuelle Wahrnehmung Physiologie der visuellen Wahrnehmung Farbwahrnehmung Attentive und präattentive Wahrnehmung Gestaltgesetze Hörsinn
MehrAjdovic/Mühl Farbmodelle FARBMODELLE
FARBMODELLE Grundlagen: Gegenstände, die von einer Lichtquelle beleuchtet werden, reflektieren und absorbieren jeweils einen Teil des Lichts. Dabei wird das von den Gegenständen reflektierte Licht vom
MehrKompression und Datenformate. Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate
Kompression und Datenformate Grundlagen der Bildspeicherung, Kompressionsverfahren, Datenformate Digitale Speicherung von Bildern Digitalisierung Informationsgehalt Speicherbedarf Kompression von Multimediadaten
Mehr