Digitale Bildverarbeitung (DBV)

Ähnliche Dokumente
Digitale Bildverarbeitung (DBV)

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

Einführung in die medizinische Bildverarbeitung SS 2013

Einführung in die medizinische Bildverarbeitung WS 12/13

Digitale Bildverarbeitung (DBV)

Struktur des menschlichen Auges. Bildgebende Verfahren in der Medizin und medizinische Bildverarbeitung Bildverbesserung 2 / 99

Digitale Bildverarbeitung Einheit 8 Lineare Filterung

Bildverarbeitung Herbstsemester

Elementare Bildverarbeitungsoperationen

Segmentierung. Vorlesung FH-Hagenberg SEM

Kantenextraktion. Klassische Verfahren. Christoph Wagner. 30. Januar Vortrag zum Seminar Bildsegmentierung und Computer Vision

Digitale Bildverarbeitung (DBV)

Wie findet man interessante Punkte? Martin Herrmann, Philipp Gaschler

Bildverbesserung. Frequenz-, Punkt- und Maskenoperationen. Backfrieder-Hagenberg

EVC Repetitorium Blender

Kapitel 8: Operationen auf Rasterdaten

FILTER UND FALTUNGEN

Filter Transformationen (Blender) INSTITUTE OF COMPUTER GRAPHICS AND ALGORITHMS

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

Segmentierung 1 Segmentation

Praktikum-Meßtechnik Verfasser: Dr. H. Bergelt

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung Einheit 8 Lineare Filterung

Systemtheorie abbildender Systeme

Kanten und Konturen. Industrielle Bildverarbeitung, Vorlesung No M. O. Franz

Elementare Bildverarbeitungsoperationen

Graphische Datenverarbeitung und Bildverarbeitung

Bildverarbeitung Herbstsemester Kanten und Ecken

1. Bildverbesserung / Bildvorverarbeitung

Distanztransformation

R.Wagner, Mathematik in der Astronomie

Graphische Datenverarbeitung und Bildverarbeitung

Praktikum 5. Bildfilter (Teil II)

Prof. J. Zhang Universität Hamburg. AB Technische Aspekte Multimodaler Systeme. 20. Januar 2004

Form: Gradient. Informationsgewinnung

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

Computergrafik 2: Übung 7. Hough Transformation

Navigation anhand natürlicher Landmarken mit Hilfe der Scale Invariant Feature Transform. Thorsten Jost INF-M2 AW1 Sommersemester

Bildverarbeitung und Mustererkennung

Digitale Bildverarbeitung (DBV)

Proseminar Grundlagen der Bildverarbeitung Thema: Bildverbesserung Konstantin Rastegaev

Digitale Bildverarbeitung (DBV)

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

Computergrafik 2: Filtern im Frequenzraum

INTELLIGENTE DATENANALYSE IN MATLAB

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

Bildverarbeitung und Mustererkennung

Computergrafik 2: Filtern im Ortsraum

Kantenextraktion. Universität Ulm Fakultät für Mathematik und Wirtschaftswissenschaften. Klassische Verfahren

Bildverarbeitung: Filterung. D. Schlesinger () Bildverarbeitung: Filterung 1 / 17

Proseminar "Aufgabenstellungen der Bildanalyse und Mustererkennung"

Computergrafik 2: Kanten, Linien, Ecken

Grundlagen der digitalen Bildverarbeitung / Fortsetzung

Bildverarbeitung 4 - Filterung

Inhaltsbasierte Bildsuche. Matthias Spiller. 17. Dezember 2004

2D Graphik: Bildverbesserung 2

Filterung von Bildern (2D-Filter)

Bildpunkt auf dem Gitter: Pixel (picture element) (manchmal auch Pel)

Ein auf Eigenwertanalyse basierendes Verfahren zur einfachen und robusten Linienerkennung. -erweiterte Web-Präsentation

Grundlagen: Bildbearbeitung / Objekterkennung. Julia Peterwitz zum Seminar: Videobasierte Erkennung und Analyse menschlicher Aktionen

Projekt Lesebrille : Mobiles Vorlesegerät für Blinde

43 Fourierreihen Motivation Fourierbasis

(Fast) Fourier Transformation und ihre Anwendungen

2. Schnitterkennung Video - Inhaltsanalyse

3. Halbtonverfahren definieren? Wie funktioniert das wenn Schwellwert = 100? (Konstant Schwellwert).

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

Computergrafik 2: Übung 6. Korrelation im Orts- und Frequenzraum, Filtern im Frequenzraum, Wiener Filter

Angewandte Mathematik am Rechner 1

Bild-Erkennung & -Interpretation

Prüfung Grundlagen der digitalen Bildbearbeitung

Segmentierung. Inhalt. Segmentierung

Hauptklausur zur Vorlesung Bildverarbeitung WS 2002/2003

Lösungsvorschlag zur 5. Übung zu Multimediale Systeme

Bildverarbeitung: Diffusion Filters. D. Schlesinger ()Bildverarbeitung: Diffusion Filters 1 / 10

Graphische Datenverarbeitung und Bildverarbeitung

3. Leistungsdichtespektren

Multiskalenanalyse. Any view depends on the viewpoint!

Suche nach korrespondierenden Pixeln

2. Schnitterkennung Videoanalyse

Übersicht der Vorlesung

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

Universität Trier. Fachbereich IV. Wintersemester 2004/2005. Wavelets made easy. Kapitel 2 Mehrdimensionale Wavelets und Anwendungen

6.2 Eine Vorlage schärfen

Diskretisierung und Quantisierung (Teil 1) Prof. U. Rüde - Algorithmik kontinuierlicher Systeme

Übung: Computergrafik 1

Evaluation einer modernen Zynq-Plattform am Beispiel der Implementierung einer Hough Transformation

Transkript:

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 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 1

Bildvorverarbeitung Filteroperationen im Ortsbereich HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 2

Filterung im Ortsbereich Filteroperationen sind wichtige Hilfsmittel der Bildvorverarbeitung. Es handelt sich hier um Techniken, mit deren Hilfe Bilder so verändert werden können, dass gewünschte Merkmale besser sichtbar werden. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 3

Filterung im Ortsbereich Ziele: Glättung des Bildes. Behebung von technischen Störeinflüssen, Bildrauschen, Kontrastausgleich. Schärfung des Bildes, Betonung der lokalen Besonderheiten und Extrema, z.b. Kanten und Texturen. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 4

Filterung im Ortsbereich Im Ortsbereich wird die Filterung durch Faltung (engl. convolution) mit einem Filteroperator durchgeführt. Hierbei erfolgt eine gewichtete Summation der Grauwerte einer Umgebung des Eingabebildes., =,, mit f(x,y) = Ausgangsbild, g(x,y) = Filtermatrix HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 5

Filterung im Ortsbereich Die Filtermatrix besteht aus einem rechteckigen oder quadratischen Bildausschnitt (Fenster, Maske, Kernel, Filter), der auf die Bildkoordinate (x, y) zentriert und dann von Pixel zu Pixel verschoben wird. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 6

Filterung im Ortsbereich Eingabebild Ausgabebild HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 7

Filterung im Ortsbereich g 1 g i sind Gewichtungsfaktoren, die dem Zentralpixel sowie seinen i 1 Nachbarn zugeordnet sind. Die Funktion der Maske wird durch die Koeffizienten bestimmt. Die benachbarten Pixel beeinflussen also den neuen Grauwert. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 8

Filterung im Ortsbereich T[f(x, y)] = g1 f(x 1,y 1) + g2 f(x 1,y) + g3 f(x 1,y+1) + g4 f(x,y 1) + g5 f(x,y) + g6 f(x,y+1) + g7 f(x+1, y 1)+ g8 f(x+1,y) + g9 f(x+1, y+1) HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 9

Definition der Filtermatrix Die Größe der Filtermatrix definiert den Nachbarschaftsbereich. Die enthaltenen Zahlenwerte legen den Grad der Einflussnahme fest. 3 * 3 Matrix 5 * 5 Matrix 7 * 7 Matrix (ungerade Pixelanzahl Zentralpixel) HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 10

Verfahren Die Filtermatrix gleitet zeilen und spaltenweise über die Bildmatrix. Pro Position erfolgt: Multiplikation mit dem korrespondierenden Pixel der Bildmatrix Summation und Normierung Zuordnung des Ergebnisses zum aktuellen Zentralpixel der Bildmatrix Randprobleme sind zu berücksichtigen HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 11

Randproblem Bildmatrix mit Randerweiterung HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 12

Tiefpassfilter Zur Unterdrückung hochfrequenten Rauschens (lässt die niedrigen, tiefen Frequenzen passieren und eliminiert die hohen). Glättung und/oder Entfernung von Bilddetails Führt ggf. auch zu Unschärfe (engl. blurring) HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 13

Tiefpassfilter Da auch Kanten in der Ortsfrequenzdarstellung hochfrequente Anteile beinhalten, werden sie durch den Tiefpassfilter abgeflacht/zerstört. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 14

Tiefpassfilter Spaltentiefpass 1 1 1 1 1 1 1 1 1 Gauß Tiefpass 1 2 1 2 4 2 1 2 1 Da in den nebenstehenden Matrizen die Koeffizienten nicht normiert sind, ist das Ergebnis der Berechnung durch die Summe der Gewichtskoeffizienten zu dividieren. Spaltentiefpass: Gauß Tiefpass : HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 15

Tiefpassfilter Spaltentiefpass 1 1 1 1 1 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 16

Tiefpassfilter Gauß Tiefpass 1 2 1 2 4 2 1 2 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 17

Tiefpassfilter Gleitender Mittelwert 1 9 1 1 1 1 1 1 1 1 1 1 10 1 1 1 1 2 1 1 1 1 Beseitigung von Störpixeln 1 8 1 1 1 1 0 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 18

Hochpassfilter Durch Hochpassfilter werden Kanten verstärkt bzw. extrahiert (lässt die hohen Frequenzen passieren und eliminiert die niedrigen). Der visuelle Eindruck des Bildes wird härter. Feine Bild Details werden hervorgehoben. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 19

Hochpassfilter Homogene Bereiche werden gelöscht. Das Bildrauschen wird verstärkt. Die Wahl der Koeffizienten legt die Vorzugsrichtungen fest. Je stärker die Gewichtung des Zentralpixels ist, um so größer ist der Filtereffekt. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 20

Hochpassfilter Nord Gradient 1 1 1 1 2 1 1 1 1 Süd Gradient 1 1 1 1 2 1 1 1 1 Ost Gradient 1 1 1 1 2 1 1 1 1 West Gradient 1 1 1 1 2 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 21

Hochpassfilter Nord Gradient 1 1 1 1 2 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 22

Hochpassfilter Süd Gradient 1 1 1 1 2 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 23

Hochpassfilter Ost Gradient 1 1 1 1 2 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 24

Hochpassfilter West Gradient 1 1 1 1 2 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 25

Kanten Extraktion Die entsprechenden Filter modellieren Kanten heraus (engl. edge detection). Sie sind sog. Nullsummen Filter, da die Summer aller Filterelemente der Maske Null beträgt. Alle homogenen Flächen erscheinen schwarz, die Kanten (Grauwertsprünge) werden hell dargestellt. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 26

Laplace Filter Werden zur richtungsunabhängigen Hervorhebung von Kanten genutzt (rotationsinvariant). Der Operator ist punktsymmetrisch. Hell Dunkel Übergänge erzeugen im Ausgabebild ein entgegengesetztes Vorzeichen zu Dunkel Hell Übergängen. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 27

Laplace Filter Mit Viererumgebung 0 1 0 1 4 1 0 1 0 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 28

Laplace Filter Mit Achterumgebung 1 1 1 1 8 1 1 1 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 29

Bandpassfilter Beim Bandpassfilter erstreckt sich die Filterung auf ein spezielles Frequenzband der Signale. Frequenzbereiche unterhalb und oberhalb des Durchlassbereiches werden dabei gesperrt oder deutlich abgeschwächt. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 30

Laplace Filter Mit gleichzeitiger Tiefpasswirkung (mexican hat) 1 2 1 2 4 2 1 2 1 Die Filtermatrix entsteht durch Hintereinanderschalten eines Gaußfilters und einer 2. Ableitung (Laplacian of Gaussian). Es ergibt sich ein Filter mit Bandpasscharakteristik, der als rauschunempfindlicher Kantendetektor eingesetzt werden kann. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 31

Laplace Filter Mit gleichzeitiger Tiefpasswirkung (mexican hat) 1 2 1 2 4 2 1 2 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 32

Sobel Operator Der Sobel Operator ist ebenfalls ein richtungsabhängiger Filter. Er arbeitet mit 2 Filter Masken in horizontaler und vertikaler Richtung. 1 2 1 0 0 0 1 2 1 G x = G y = 1 0 1 2 0 2 1 0 1 HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 33

Sobel Operator Die gefalteten Bilder werden im Anschluss zum Gesamtgradienten zusammengefasst: HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 34

Canny Edge Operator Der Canny Edge Operator ist ein weit verbreiteter, robuster Algorithmus zur Kantendetektion. Er gliedert sich in verschiedene Faltungsoperationen (u.a. Sobel Operator) und liefert ein Bild, welches idealerweise nur noch die Kanten des Ausgangsbildes enthält. HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 35

Canny Edge Operator HS BO Labor für Photogrammetrie: Filteroperationen im Ortsbereich 36