Computergrafik 2: Übung 9. Morphologische Operationen

Ähnliche Dokumente
Computergrafik 2: Morphologische Operationen

Computergrafik 2: Morphologische Operationen

Graphische Datenverarbeitung und Bildverarbeitung

Signalverarbeitung g für audiovisuelle Kommunikation

9. Kombination von Vektor- und Rasterdaten

Kapitel 9 Kombination von Vektor- und Rasterdaten

2D Graphik: Modellbasierte und interaktive Segmentierung

Morphologische Filter

Morphologische BV. Morphological Image Processing. M. Thaler, TG208 Bildverarbeitung ZHAW, BV HS17, M. Thaler.

Kapitel 9. Kombination von Vektor- und Rasterdaten. Rasterdaten. 3. Transformationen des Formats. 4. Kombinierte Auswertungen

Digitale Bildverarbeitung (DBV)

Morphologische Bildoperationen

Übersicht der Vorlesung

Übung: Computergrafik 1

Computergrafik 2: Übung 8. Corner-Detektoren, Bildsegmentierung

Spezialgebiet: "mathematische Morphologie" (Begr. v. G. Matheron & J. Serra in Frankreich, Analyse poröser Materialien)

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Kognitive Systeme Übung 5+6: Bildverarbeitung & Wissenrepräsentation, Planung und Robotic

SONNTAG OFFEN 599. undsparen! LACK LACK HOCH GLANZ HOCH GLANZ. Los je

Morphologie auf Binärbildern

Modul Digitale Bildverarbeitung SS16 Bestandteile der Lehrveranstaltung und Prüfung: Vorlesungen Übungsserien Praktika (ImageJ) bis Mai 2016 Projekt

Morphologische Filter. Vorlesung FH-Hagenberg DSB

Morphologische Bildoperationen

Prüfung Grundlagen der digitalen Bildbearbeitung

Grundlagen der Bildverarbeitung

Computergrafik 2: Übung 7. Hough Transformation

Übung: Computergrafik 1

Morphologische Bildverarbeitung I

Morphologische Bildverarbeitung II

Grundlagen der Bildverarbeitung Klaus D. Tönnies

LU Grundlagen der digitalen Bildverarbeitung Abgabe 2. Gruppe 25 peter holzkorn andreas bretschneider martin tintel

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.

Binärbildverarbeitung

Grundlagen der Bildverarbeitung Klaus D. Tönnies

12.2 Grauwertmorphologie

B3. Bilderkennung mit Java

4. Segmentierung von Objekten Video - Inhaltsanalyse

Verarbeitung von Volumenbildern wichtige Werkzeuge

2. Fortsetzung zu Kap. 4: Bildoperationen / Lokale Operationen Morphologische Operationen

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772. Termin: 5. Februar Maximal mögliche Punktzahl: = 50.

En Theoriefragen LU GDBV

L 3. L a 3. P a. L a m 3. P a l. L a m a 3. P a l m. P a l m e. P o 4. P o p 4. L a. P o p o 4. L a m. Agnes Klawatsch

R a i n e r N i e u w e n h u i z e n K a p e l l e n s t r G r e v e n T e l / F a x / e

F r e i t a g, 3. J u n i

S o n n t a g, 5. A u g u s t

S o n n t a g, 2 6. N o v e m b e r

Innere Volumina und Integralgeometrie

Filter. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz

Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung

Bildverarbeitung Herbstsemester

Chapter 1 : þÿ b e t a t h o m e B i n g o B o n u s - C o d e c h a p t e r

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

Bildverarbeitung in R

Erkennung von Olivenhainen im Luftbild

1 Einleitung Einordnung des Gebietes Aufbau des Buches Philosophie Inhalte Einige Lehrbücher...

Graphische Datenverarbeitung und Bildverarbeitung

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

Praktikum Bildverarbeitung Termin 3

Einführung in die medizinische Bildverarbeitung WS 12/13

Segmentierung. Vorlesung FH-Hagenberg SEM. Digitale Bildverarbeitung in der Medizin. Schwellenwerte

Klausuraufgaben zur Vorlesung Computer Vision. Prüfung I W772, I 2M54. Termin: 17. Juli bzw. 90 Minuten Maximal mögliche Punktzahl: 48

Bild-Erkennung & -Interpretation

Wasserscheiden-Ansätze zur Bildsegmentierung I

Gruppentheorie und Symmetrie in der Chemie

Was bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col pos. Punktoperationen f : col 1 col 2

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch

Kapitel 13 Binärisierung und Verarbeitung von Binärbildern p.2/40

1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.

Übung zur Vorlesung 2D Grafik Wintersemester 05/06. Otmar Hilliges

Programmierpraktikum WS 16/17

Mathematik 1, Teil B. Inhalt:

GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen

Grundlagen der digitalen Bildverarbeitung: Bildzuordnung S e i t e 1. Histogramm & Histogrammäqualisierung

Mathematische Bildverarbeitung

6. Texterkennung in Videos Videoanalyse

Binärbildverarbeitung

Fragensammlung Digitale Bildverarbeitung

Data Mining und Maschinelles Lernen Wintersemester 2015/2016 Lösungsvorschlag für das 12. Übungsblatt

Was bisher geschah. digitale Bilder: Funktion B : pos col Matrix B col

Zusammenfassung Digitale Bildverarbeitung By Fabian Flohrmann

Chapter 1 : þÿ b e t a t h o m e e r s t e n P o k e r - E i n z a h l u n g c h a p t e r

Was bisher geschah. Definition digitaler Bilder B : pos col Bildanalyse, statistische Merkmale Signale im Orts- und Frequenzraum Bildbearbeitung durch

Distributed Algorithms. Image and Video Processing

Segmentierung. Vorlesung FH-Hagenberg SEM

Oberflächenrekonstruktion aus Punktwolken

Die Größe A(n, d) und optimale Codes

Inhaltsverzeichnis 1 Einleitung Mensch-Maschine-Kommunikation in der Informations- und Kommunikationstechnik Grundbegriffe der Mensch-M

Darstellung als Filterbank. Annahme für die Codierung: bestimmter Betrachtungsabstand, Wiedergabegröße Bestimmter Betrachtungswinkel für das Auge.

Morphologische Bildverarbeitung

Computergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation

Chapter 1 : þÿ b e t a t h o m e r e g i s t r i e r e n B o n u s c h a p t e r

Chapter 1 : þÿ 2 5 K i c k - o f f - B o n u s b e t a t h o m e c h a p t e r

Phasenanalyse einer PbSn Legierung mittels digitaler Bildverarbeitung

Chapter 1 : þÿ A n g e b o t s c o d e s f ü r b e t a t h o m e c h a p t e r

Morphologische Operationen (12 Punkte)

Transkript:

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 Morphologische Operationen Dilatation Erosion Opening / Closing Hit and Miss Eigenschaften? Computergrafik 2 SS2012 4

Dilatation Dilatation (Ausdehnung): G S mit Strukturelement S g oder ( m n) ( ) b( m + m, n n ), = mk, nk s k + k Computergrafik 2 SS2012 5

Erosion g und = ( m n) ( ( ) b m + m, n n )., m, n s k k + k k Erosion: G S mit Strukturelement S Erosion: - löst Strukturen auf - entfernt Details - verkleinert Computergrafik 2 SS2012 6

Strukturelemente Ein Strukturelement einer morphologischen Operation entspricht dem Faltungskern bei einer Konvolution Mit einem gezielt geformten Strukturelement können genau definierte Formveränderungen erzeugt werden Strukturelement Dilatation Computergrafik 2 SS2012 7

Beispiel Binärbild Dilatation Erosion Computergrafik 2 SS2012 8

Einige Eigenschaften morphologischer Operatoren Verschiebungsinvarianz: Wegen der Beschreibung von Erosion/Dilatation als Faltung sind beide Operationen genau wie eine Faltung verschiebungsinvariant Kommutativität und Assoziativität: M 1 M 2 = M 2 M 1 aber M 1 M 2 M 2 M 1 es gilt jedoch (G M 1 ) M 2 = G (M 1 M 2 )= (G M 2 ) M 1 Dualität: G M = G M und G M = G M Computergrafik 2 SS2012 9

Opening und Closing Opening (Öffnen): Kombination von Erosion gefolgt von einer Dilation mit dem am Ankerpunkt gespiegelten Strukturelement S G S = (G S) S Ziel: Erosion - Entfernung aller (Teil-)strukturen, die kleiner als das Strukturelement sind Dilatation - Wiederherstellung der ursprünglichen Größe des Objekts mit Ausnahme der vollständig entfernten Teilstrukturen Closing (Schließen): Kombination von Dilatation gefolgt von einer Erosion mit einem am Ankerpunkt gespiegelten Strukturelement S G S = (G S) S Ziel: Dilatation - Schließen von kleinen Löchern (kleiner als das Strukturelement) Erosion - Wiederherstellung der ursprünglichen Größe des Objekts Computergrafik 2 SS2012 10

Beispiele für Opening und Closing Original Opening Closing Computergrafik 2 SS2012 11

Distanztransformation Resultat der Randoperation G 0 = G \ (G S b ): Menge aller Pixel, die den Abstand 0 zum Rand haben. Falls die gleiche Operation auf dem um den Rand verminderten Bild nochmals angewendet wird: G 1 = (G S b ) \ (G S b S b ) Menge aller Pixel, die den Abstand 1 zum Rand haben. Fortgesetzte Extraktion von immer weiter vom Rand entfernten Linien und Multiplikation der jeweiligen Resultate mit der aktuellen Entfernung überführt das Binärbild in ein Distanzbild D: D = n=1, [ (G S b n-1 ) \ (G Sb n ) n], wobei die Operation die punktweise Multiplikation der n-ten Randkurve mit der Zahl n (dem aktuellen Abstand) darstellt. Computergrafik 2 SS2012 12

Beispiel Originalbild Objektinneres (nach fortgesetzter Erosion) Randpixel nach der n-ten Erosion einschließlich Distanz 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 2 1 1 2 2 1 2 2 1 1 2 1 21 1 1 2 2 1 2 1 1 1 1 1 1 2 1 1 2 3 2 2 1 1 1 2 2 3 2 2 1 1 1 2 2 1 1 1 Computergrafik 2 SS2012 13

G Hit-or-Miss Operator Hit-or-Miss Operator: G (S 1,S 2 ) = (G S 1 ) (G S 2 ) Erodieren mit S 1 G Erodieren mit S 2 Computergrafik 2 SS2012 14

Hit-or-Miss Operator Hit-or-Miss Operator: G (S 1,S 2 ) = (G S 1 ) (G S 2 ) = (G S 1 ) (G S 2 ) mit S 1 S 2 = Ø (sonst wäre das Resultat der Operation die leere Menge) Hit-or-Miss-Operator für variable Strukturgrößen, z.b.: Hit Miss Notation für Hit-or-Miss-Operator: 0 - Miss 1 - Hit x - weder Miss noch Hit führt zur Akzeptanz von horizontalen Linien von 3,4, und 5 Pixeln Länge! # M = # # " 0 0 0 0 0 0 0 0 x 1 1 1 x 0 0 0 0 0 0 0 0 $ & & & % Computergrafik 2 SS2012 15

Hit-or-Miss-Operatoren zur Detektion von Randpunkten 0 0 0 M I = 0 1 0 Entfernung einzelner Pixel 0 0 0 x 1 0 M C = 1 1 0 detektiert untere, rechte Ecken eines Objekts 0 0 0 0 0 0 M T1 = x 1 x findet Randpunkte von oben, die ein Objekt nicht teilen 1 1 1 würden, wenn sie entfernt würden Diese Punkte würden von M T1 gefunden werden Diese Punkte würden von M T1 nicht gefunden werden Computergrafik 2 SS2012 16