Einführung & Grundlagen der Bildverarbeitung

Präsentation zum Thema: "Einführung & Grundlagen der Bildverarbeitung"—  Präsentation transkript:

1 Einführung & Grundlagen der Bildverarbeitung
1 Einführung & Grundlagen der Bildverarbeitung “Those who wish to succeed must ask the right questions.”

2 Anwendungsgebiete Bildverarbeitung ist von Interesse in zwei grundsätzlich verschiedenen Anwendungsgebieten: Verbesserung und Aufbereitung bildlicher Information für die Interpretation und Analyse von Menschen Verarbeitung bildlicher Daten zur automatischen Erkennung und Wahrnehmung von Maschinen

3 Abgrenzung Bildverarbeitung Low level Operations Bildanalyse
Mid level Operations Computer Vision/Mashine Vision/AI High level Operations

4 Anwendungsgebiete Weltraum/Astronomie
Satelliten/Erdbeobachtung/Militär/Wetter Photographie/Film & TV/Multimedia/Print Medizin Industrielle Meßtechnik Qualitätskontrolle

5 Bildverbesserung

6 Menschliches Sehen: „Lampen“

7 Menschliches Sehen

8 Menschliches Sehen

9 Menschliches Sehen

10 Maschinelles Sehen

11 Lichtwahrnehmung Reiz Elektromagnetische Strahlung sichtbares Licht
Röntgen UV IR Mikrowelle Radio 400 500 600 700

12 Farbwahrnehmung Reizaufnahme photosensitiver Teil des Auges Fovea
photopisches Sehen Netzhaut skotopisches Sehen

13 Detektoren im Auge Ca. 100 – 150 Mio. Stäbchen Ca. 7 Mio Zäpfchen

14 Auge ~120 Mio Stäbchen ~7 Mio Zapfen

15 Zäpfchen Forvea, ca. 1.5 mm Diameter Entlang der Sehachse, „im Fokus“
Tagessehen (Photopisches Sehen) Scharfsehen Farbsehen Jedes mit seinem eigenen Nerv

16 Stäbchen Um die Sehachse, in der Peripherie
Nachtsehen (Skotopisches Sehen) Umgebungssehen Schwarz/Weiss-Sehen ca. jede 10er-Gruppe verbunden mit einem Nerv

17 Intensitätswahrnehmung
Sonniger Tag: lm/m² Wolkentag: lm/m² Bürolicht: lm/m² Vollmond: 0.1 lm/m²

18 Helligkeits- und Simultankontrast
Mar-2010 Overview 18

19 Mar-2010 Overview 19

20 Helligkeits- und Simultankontrast
Intensität

21 Farbe Simultankontrast

22 Farbe Simultankontrast

23 Digitale Bildrepräsentation
Mathematische Abbildung einer zweidimensionalen Bildfunktion mit unendlichem Definitions- und Wertebereich auf eine zweidimensionale Bildmatrix mit diskretem Definitions- und Wertebereich

24 Digitale Bildrepräsentation
Jedes Element der Bildmatrix ( pixel - “picture element” ) repräsentiert einen Bildpunkt, dessen Position durch Zeilen- und Spaltenindex eindeutig definiert ist Der Wert des Pixels repräsentiert die Helligkeit eines Bildpunktes mit diskretem Definitionsbereich

25 Digitale Bildrepräsentation
Technische Systeme benutzen fast ausschließlich ein kartesisches Basisgitter für die Bildmatrix rechteckige Pixel

26 Bildrepräsentation Ursprung y f(x,y) x

27 Bildrepräsentation

28 Digitale Farbrepräsentation

29 Rasterung und Quantisierung
Unter Rasterung (oder Abtastung) versteht man die Aufteilung des Bildes in festgelegten Abständen (Diskretisierung der räumlichen Variablen x und y) Unter Quantisierung versteht man die Bewertung der Helligkeit eines Pixels mittels einer festgelegten Grauwertmenge (Diskretisierung der Intensitätsvariable)

30 Rasterung & Qualtisierung

31 Rasterung und Quantisierung
Der Speicherbedarf für ein Bild errechnet sich zu Das Ergebnis der Rasterung und Quantisierung ist nur eine Annäherung an das Original

32 Rasterung und Quantisierung
Die Auflösung des digitalen Bildes ( der Grad an unterscheidbarem Detail ) hängt maßgeblich von den Parametern N, M und F ab Die zentrale Frage dabei ist: “Wie viele Pixel und Grauwerte benötigt man für eine ‘gute’ Annäherung des Originalbildes?”

33 Rasterung 1250 dpi 300 dpi 150 dpi 72 dpi

34 Quantisierung

35 Rasterung 768x576 384x288 192x144 96x72 48x36 24x18

36 Quantisierung 8 bpc 5 bpc 4 bpc 3 bpc 2 bpc 1 bpc

37 Isopräferenzkurven Werden vertikaler bei wachsendem Bilddetail
=> Bei “unruhigen” Bildern braucht man wenig Grautöne Bei “sanften” Bildern braucht man mehr Grautöne

38 Nachbarschaften Ein Pixel p hat
vier horizontale und vertikale Nachbarpixel ( 4-Nachbarn ) vier diagonalen Nachbarpixel beide zusammen werden als 8-Nachbarn oder einfach „Nachbarn“ bezeichnet

39 Ähnlichkeit Seien Vi die Mengen der Grauwerte, für die Ähnlichkeit definiert wurde Zwei Pixel p und q sind ähnlich, falls beide Grauwerte Element von ein und derselben Menge Vi sind

40 Zusammenhänge Pixel p und q bilden einen Zusammenhang, falls sie benachbart und ähnlich sind Drei Arten von Zusammenhängen: 4-Zusammenhang zwei Pixel p und q bilden einen 4-Zusammenhang, falls sie ähnlich und 4-Nachbarn sind 1

41 Zusammenhänge 8-Zusammenhang zwei Pixel p und q bilden einen 8-Zusammenhang, falls sie ähnlich und 8-Nachbarn sind m-Zusammenhang zwei Pixel p und q bilden einen m-Zusammenhang, falls sie ähnlich sind und gilt: a) oder b) und enthält keine Pixel aus . 1 1 1 1 1 1 1 1

42 Pfade Zwei Pixel p0 und pn-1 bilden einen Pfad, falls es eine Reihe voneinander verschiedener Pixel pi gibt und pi jeweils mit pi-1 einen Zusammenhang bildet Je nach Zusammenhangstyp können 4-, 8- und m-Pfade gebildet werden n ist die Länge des Pfades

43 Zusammenhangskomponente
Zwei Pixel p und q sind miteinander verbunden, falls es einen Pfad zwischen p und q gibt, der vollständig aus Pixel eines Bildes besteht Die Zusammenhangskomponente eines Pixels p ist die Menge aller Pixel eines Bildes, die mit p verbunden sind

44 Distanzmaße Ein Distanzmaß D muß den folgenden Anforderungen genügen:
b) c) Allgemein definiert man

45 Distanzmaße City-Block Distanz Euklidische Distanz Schachbrett Distanz

46 Arithmetische Operationen
Arithmetische Operationen werden pixelweise auf das gesamte Bild angewandt Folgende arithmetische Operationen sind definiert: a) Addition b) Subtraktion c) Multiplikation d) Division

47 Logische Operationen Folgende logische Operationen sind definiert:
a) NOT b) AND c) OR Logische Operationen sind in erster Linie wichtig zur Maskierung von Bildregionen sowie für die sog. Morphologie NOT AND OR

48 Logische Operationen