Morphologische Filter. Vorlesung FH-Hagenberg DSB

Ähnliche Dokumente
Morphologische Filter

Medizinische Bildverarbeitung. FH-Campus Hagenberg

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

Digitale Bildverarbeitung (DBV)

Signalverarbeitung g für audiovisuelle Kommunikation

Computergrafik 2: Morphologische Operationen

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Graphische Datenverarbeitung und Bildverarbeitung

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Übersicht der Vorlesung

Digitale Bildverarbeitung Einheit 9 Morphologische Operationen

Verarbeitung von Volumenbildern wichtige Werkzeuge

Morphologie auf Binärbildern

Erkennung von Olivenhainen im Luftbild

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

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

9. Kombination von Vektor- und Rasterdaten

Kapitel 9 Kombination von Vektor- und Rasterdaten

Praktikum Bildverarbeitung Termin 3

Bildverarbeitung in R

Wasserscheiden-Ansätze zur Bildsegmentierung I

4. Segmentierung von Objekten Video - Inhaltsanalyse

2. Übung: Einführung in MeVisLab

Unit 5. Mathematical Morphology. Knowledge-Based Methods in Image Processing and Pattern Recognition; Ulrich Bodenhofer 85

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

Segmentierung. Vorlesung FH-Hagenberg SEM

GRUNDLAGEN DER INFORMATIONSTECHNIK / TEIL BILDVERARBEITUNG. Übungen

Image Compression. Vorlesung FH-Hagenberg DSB

Kapitel 2: Mathematische Grundlagen

Morphologische Bildverarbeitung I

Digitalisierung. Vorlesung FH-Hagenberg DSB

Graphische Datenverarbeitung

Image Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg

Image Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg

Bild-Erkennung & -Interpretation

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

Prüfung Grundlagen der digitalen Bildbearbeitung

1 EINLEITUNG MESSKONZEPTE UND IHRE EIGENSCHAFTEN... 7

Digitale Bildverarbeitung Einheit 6 Punktoperationen

Übung: Computergrafik 1

3. Vorlesung Fuzzy Systeme

Digitale Bildverarbeitung Einheit 7 Bildarithmetik

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

Objektmerkmale für die räumlich-spektrale Klassifikation

Projekte zur digitalen Bildverarbeitung

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

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

Morphologische Bildoperationen

Binärbildverarbeitung

Bildverarbeitung in R - Ausarbeitung zum Vortrag vom

Aus welchen Mengen soll das Futter gemischt werden, so dass die Gesamtkosten minimal werden?

Bildverarbeitung Herbstsemester

Digitale Bildverarbeitung Einheit 6 Punktoperationen

Morphologische Operationen (12 Punkte)

Graphische Datenverarbeitung

Morphologische Bildverarbeitung II

Morphologische Bildverarbeitung

Nützliche Bildverarbeitungs- Verfahren

Binärbildverarbeitung

Bildverbesserung (Image Enhancement)

Rauschunterdrückung in der Theorie & Praxis

Einsatz der Bildverarbeitung bei der Auswertung. von AFM-Daten. Fachgebiet Graphische Datenverarbeitung / TU-Ilmenau. PD Dr.-Ing. habil. K.-H.

Lösungsmenge L I = {x R 3x + 5 = 9} = L II = {x R 3x = 4} = L III = { }

Seminarvortrag Bildverarbeitung im Projekt FAUST mit dem Schwerpunkt Skelettierung

Graphische Datenverarbeitung und Bildverarbeitung

Mathematischer Vorbereitungskurs für das MINT-Studium

Vektorräume und Rang einer Matrix

Affine Koordinatentransformationen

WS 2009/10. Diskrete Strukturen

Mengenlehre. ALGEBRA Kapitel 1 MNProfil - Mittelstufe KZN. Ronald Balestra CH Zürich Name: Vorname:

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

Praktikum 1. Bildverarbeitungs - Software ImageJ LUT Manipulationen Bild - Quantisierung

En Theoriefragen LU GDBV

Mathematik 1, Teil B

Digital e Bildverarbeitun g

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

Digitalisierung. Vorlesung FH-Hagenberg MBI

Übung: Computergrafik 1

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

Mathematik für Informatiker 1 Tutorium

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

EVC Repetitorium Blender

2 Mengenlehre. Definition: Unter einer Menge M versteht man die Zusammenfassung von unterscheidbaren Objekten (den Elementen) zu einem Ganzen.

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

Übungsaufgaben Mustererkennung - Serie 5, Aufgabe 15

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

Übersicht der Vorlesung

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

Grundlagen von Rasterdaten

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

Transkript:

Morphologische Filter Vorlesung FH-Hagenberg DSB

Mathematische Morphologie Binäre Morphologie Strukturelement Grundlegende Operatoren Erosion, Dilation Abgeleitete Operatoren Open, close Grauwert-Morphologie Foliensatz W. Burger, W. Backfrieder

Ziel: Strukturabhängige Segmentierung artefacts (a) (b) (c) (a) fingerprint grey-level, (b) thresholded image, (c) morphological filter, artefacts removed

Binärbilder nur 2 Pixelwerte: BLACK WHITE 0 1 (255) Binarisierung durch Schwellwertbildung: q 1 P th...schwellwert Threshold 0 0 255 p th p

MEDIAN-Filter Original gefiltert dünne Elemente werden eliminiert dicke Elemente bleiben erhalten Ergebnis ist abhängig von lokaler Bildstruktur!

Kann man Filter bauen, die auf bestimmte Strukturen gezielt reagieren? Bsp.: kleine Flecken eliminieren

IDEE: 1. alle Regionen schrumpfen (kleine verschwinden) 2. übrige Regionen wieder wachsen lassen

Schrumpfen einer Region (1) Original

Schrumpfen einer Region (2) Abschälen einer Schicht Erosion

Schrumpfen einer Region (3) Ergebnis Erosion

Bsp. Erosion [Weeks]

Wachsen einer Region (1) Original

Wachsen einer Region (2) Hinzufügen einer Schicht Dilation

Wachsen einer Region (3) Ergebnis Dilation

Bsp. Dilation [Weeks]

EROSION, DILATION: wie definiert? Gibt es weitere solche Operationen? Morphologische Filter Strukturelement (analog zur Impulsantwort): H = Hot Spot

Darstellung als Mengen: Bsp.: 0 0 1 2 3 A = {(1,1), (2,1), (2,2)} 1 2 3 (Bild) (x a,y a ) -1 0 1-1 0 1 H = {(0,0), (1,0)} (Strukturelement)

Dilation B = A H Ergebnis Bild Strukturelement A H = {(x,y) (x,y) = (x a,y a ) + (x h,y h )} für alle möglichen Paare (x a,y a ) A, (x h,y h ) H

Bsp.: Dilation A H 0 1 2 3 0 1 2 3 1-1 0 1-1 0 = 0 1 2 3 0 1 2 3 A H = { (1,1)+(0,0), (1,1)+(1,0), (2,1)+(0,0), (2,1)+(1,0), (2,2)+(0,0), (2,2)+(1,0) }

Bsp.: Dilation A H = B 0 1 2 3 0 1 2 3 1-1 0 1-1 0 = 0 1 2 3 0 1 2 3 Wenn am Hotspot das Element in A gesetzt ist, dann werden in B alle Elemente von H markiert!

Erosion A H = B 0 1 2 3 0 1 2 3-1 0 1-1 0 1 = 0 1 2 3 0 1 2 3 Wenn alle Elemente von H in A Überlappung finden, nur dann wird in B der Hot-Spot markiert!

Erosion B = A H Ergebnis Bild Strukturelement A H= {(x,y) (x,y) + (x h,y h ) A} für alle möglichen Punkte (x h,y h ) H

Bsp.: Erosion A H = B 0 1 2 3 0 1 2 3-1 0 1-1 0 1 0 1 = 2 3 0 1 2 3 A H= {(1,1)} weil (1,1)+(0,0)=(1,1) A und (1,1)+(1,0)=(2,1) A

Dilation A H = H A kommutativ (A B) C = A (B C) Kettenregel (assoziativ) Erosion A H = H A NICHT kommutativ (A B) C) = A (B C) Kettenregel

Typische Strukturelemente 4-Neighborhood 8-Neighborhood Small Disk

Paarweise Anwendung (Erosion + Dilation) Erosion (H) Dilation (H) Opening (A H) H = A H Kleine Strukturen werden eliminiert

Bsp. Opening

Bsp. Opening (A H) H [Weeks]

Paarweise Anwendung (Dilation + Erosion) Dilation (H) Erosion (H) Closing (A H) H = A H Kleine Abstände werden geschlossen

Bsp. Closing

Bsp. Closing (A H) H [Weeks]

Morphologischer Filter Mengen aller Translationen Vereinigung aus Objekt und Strukturelement ist nicht leer

Segmentierung: Threshold

Segmentierung: Erosion

Segmentierung: Connect

Segmentie-rung: Dilation

Binäre Morphologische Filter (Beispiele)

Binäre Dilation (Disk r=2.5, 5.0, 20)

Binäre Erosion (Disk r=1.0, 2.5, 5.0)

Binäres Opening = Erosion + Dilation (Disk r=1.0, 2.5, 5.0)

Binäres Closing = Dilation + Erosion (Disk r=1.0, 2.5, 5.0)

Morphologische Konturextrakion

Outline Schnittmenge Erosion H: 4-neighborhood H: 8-neighborhood

Outline 4-neighborhood filter -> 8-neighborhood contour 8-neighborhood filter -> 4-neighborhood contour

Skeletonize "Intelligent" Morphology

Zusammenfassung: Morphologische Filter (MF) reagieren selektiv auf Bildstrukturen Erosion/Dilation sind grundlegende Operationen Opening/Closing = Hintereinanderausführen von Erosion/Dilation Eindeutige Spezifikation durch Strukturelement

Graustufen Morphologie Morphologie II W. Burger, W. Backfrieder

Grayscale Morphology GS Dilation: GS Erosion: R j i H v u I ), ( ),, ( { } ), ( ), ( max ), )( ( ), ( j i H j v i u I v u H I H j i + + + = { } ), ( ), ( min ), )( ( ), ( j i H j v i u I v u H I H j i + + =

Grayscale Dilation A H 6 7 3 4 5 6 6 8 6 4 5 2 1 1 1 1 2 1 1 1 1 = 8 9 7 9 6 4 2 3 A + H 7 8 4 max 6 8 7 7 5 6

r=2.5 Grayscale Dilation (Disk) r=10

Grayscale Erosion A H 6 7 3 4 5 6 6 8 6 4 5 2 1 1 1 1 2 1 1 1 1 = 2 1 1 1 6 4 2 3 A H 5 6 2 4 4 6 5 3 4 min

r=2.5 Grayscale Erosion (Disk) r=10

r=2.5 Grayscale Opening (Disk) r=10 (A H) H

r=2.5 Grayscale Closing (Disk) r=10 (A H) H

Geometrische Interpretation Opening Closing [Parker]

Color Morphology kein spezieller Ansatz separate Anwendung auf R/G/B

Erosion Dilation

Opening Closing

Zusammenfassung: Morphologische Filter (MF) reagieren selektiv auf Bildstrukturen Erosion/Dilation sind grundlegende Operationen Opening/Closing = Hintereinanderausführen von Erosion/Dilation Eindeutige Spezifikation durch Strukturelement MF werden vorwiegend auf Binärbilder angewandt (auch für Graubilder definiert)