Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization Image Processing.

Slides:



Advertisements
Ähnliche Präsentationen
Inhalt Bildparameter Bildquellen Bildgröße/Bildformat Bildauflösung Farbtiefe Farbmodus Scannen Monitor Dateiformat Bildausschnitt Tonwertkorrektur.
Advertisements

Computer Graphics Shader
Fast Fourier Transformation
Einführung in die Bildverarbeitung
Hauptseminar - Computer Graphics
Filterung der räumlichen Frequenzen
Proposal GeoNetCast Harald Hecking, Martin Kurowski.
Lic.Sc.Inf. Dr. Monique Jucquois-Delpierre
_____________________________ Einführung in die Bildbearbeitung Jucquois-Delpierre 1 Grundlagen Photoshop Ein zentraler Begriff bei Pixelgrafiken.
Bilder und Rasterdaten
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
Algorithmentheorie 02 – Polynomprodukt und Fast Fourier Transformation
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse.
2D-Visualisierung von Daten
Ein Seminar in Computer Grafik von Johannes Bochmann
Bildtransformationen
(additives Farbmischen)
Farb- und Bildformate Warum gibt es so viele unterschiedliche Formate?
Bildbearbeitung: Theorie
Grafik und Bildbearbeitung
in der medizinischen Bildverarbeitung
W Verdana M Georgia R Courier Arial k Times New Roman.
Bildbearbeitung im Unterricht
BILDFORMATE von Margarita Isjurowa.
Basisinformationstechnologie I
Bildbearbeitung GIMP Theorieteil
Effiziente Algorithmen
Proseminar: How to make a PIXAR movie?
Polynome und schnelle Fourier-Transformation
Theorie Praktische Beispiele
ProSeminar WS 2007/08 Leo Hackstein
Theorie Praktische Beispiele
Grundlagen der Informatik - Prof. Slany 1 Grundlagen der Informatik Prof. Wolfgang SLANY.
Digitale Bilder Advanced IT Basics
Beleuchtungsmodelle, Schattierungsmodelle
Theorie Praktische Beispiele
Lisa Blum - Kathrin Kunze - Michael Kreil
Bildbearbeitung: Theorie
Skalare, Vektoren.
Die Renderpipeline.
Wichtige Transformationen
Institut für Kartographie und Geoinformation Prof. Dr. Lutz Plümer Diskrete Mathematik II Vorlesung Datenstrukturen für den Algorithmus von.
2.4.2 Median Wiederholung (Kap. 2: Beschreibende Statistik)
„Single Color Extraction Sebastian Bertram Proseminar SS 2005: Distanzen und Ähnlichkeitsmaße im hochdimensionalen Raum and Image Query“
Deterministische Verfahren
5.1 5 Retrieval auf Bildern (.... in a nutshell)  Bedeutung.... ... im Zusammenhang mit Information Retrieval ... für Anwendungen Medizin: "Finde ähnliche.
und Informationen über den Scanner
...ist die kleinste darstellbare Datenmenge. Es wird in der Informatik, der Informationstechnik und in der Nachrichtentechnik entweder durch 0 oder durch.
Es wird verwendet in: Es ist die Bezeichnung von einer Datenmenge (0 und 1). Bit ist die kleinste darstellbare Datenmenge. Informatik Informationstechnik.
- Seite 1 TIME INTELLIGENCE ® by Zeichenrand – Löschen! Titel.
Institut für Eisenhüttenkunde Department of Ferrous Metallurgy Methoden der digitalen Bildverarbeitung zum Auffinden von fluoreszierenden Punkten auf Messproben.
Algorithmen zur Bildverarbeitung Bildverarbeitung und ihr Einsatz im Bereich der Lasermaterialbearbeitung Frederic Schulze.
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
- Seite 1 TIME INTELLIGENCE ® by Titel.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
EINFÜHRUNG IN DIE BILDVERARBEITUNG Grafiktypen Rastergrafiken (bitmaps) Vektorengrafiken.
JPEG Kodierung Farbraum- wechsel Chroma- Subsampling DCTQuantisierung Beispie l 8x8 Pixel Segment ZigZag Huffmann.
Die Grundlagen der Bildbearbeitung. Welche Speichermedien für Fotoapparate gibt es? SD-Card: SDXC-Card: SDHC-Card: Die Speicherkarte besitzt einen integrierten.
oder: wie Computer die Welt sehen
Digitale Bilder IT-Zertifikat der Phil.-Fak.: Advanced IT Basics
Satellitengeodäsie Kugelfunktionen Torsten Mayer-Gürr
Units und Übung 7 Barbara Scheuner
Ausgleich nach der Methode der kleinsten Quadrate
Bildverarbeitung Digitales Bild
Softwaretechnologie für Fortgeschrittene Teil Thaller Stunde III: Bildverarbeitung III Köln 5. Dezember 2013.
Kapitel 6: Einführung in die DFT
Wavelets – besser als die vertrauten Begriffe Wellenlänge und Frequenz? Wolfgang Müller-Schauenburg Astronomische Vereinigung Tübingen 29. September.
Scanner Eingabe von Bildinformation
Kandinsky Music Painter II
Die Komponenten Von einem PC.
 Präsentation transkript:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization Image Processing

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Uebersicht ✔ Grundlagen ✔ Punktoperationen (PO) ✔ Hilfsmittel Histogramm ✔ Helligkeit, Kontrast, Treshold ✔ GPU Implementierung ✔ Lokale Filter ✔ Matrizen, Gauss, Rauschreduktion, Kantendetektion, Medianfilter ✔ GPU Implementierung ✔ Morphing ✔ FFT (Fast Fourier Transformation)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Grundlagen – RGB - Bei Bildbearbeitung meistens TrueColor - Farbe wird aus Rot, Gruen und Blau gemischt - TrueColor: - 8 Bit fuer jede Komponente Farbabstufungen fuer jede Komponente - 24 Bit fuer Farbe (~16 Mio. Farben)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Grundlagen – RGB - sRGB (standard RGB) Rot [0.6400, ] Gruen [0.3000, ] Blau [0.1500, ] Dreieck: Gamut (RGB Farbraum) Farbkombination durch Addition - Problem: - nicht alle vom Menschen wahrnehmbare Farben sind mit RGB darstellbar Primaervalenzen (R,G,B)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Grundlagen - YUV - YUV wurde fuer Farbfernsehen entworfen :) - Es wurde nach einer Moeglichkeit gesucht, "Bandbreitendschonend" Schwarzweiss Fernsehen auf Farbfernsehen umzustellen. - YUV: Farbe wird durch Luma (Y: Lichtstaerke) und Chrominanz (UV: Farbanteil) gebildet - Umrechnung von RGB YUV: u-v verteilung fuer y = 0.5

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Punktoperationen (PO) - Operationen, die lediglich auf den aktuellen zu bearbeitenden / analysierenden Pixel beschraenkt sind (Andere Pixel im Bild werden nicht "angefasst") - Hilfestellung zur Analysierung von Bildern - Grafische Aufbesserung von Bildern

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO – Helligkeit - Berechnung der Helligkeit bei RGB: H = (R+B+G) / 3; => H ε [0; 255] - Jedem Pixel wird ein Helligkeitswert zugewiesen - Beispiel: Haeufigkeit der Helligkeitsstufen in einem Bild

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO - Histogramm - Levels: Verteilung best. Parameter eines Bildes

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO - Kontrast input output

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO - Helligkeit - Erhoehung der Helligkeit input output

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO - Beispielanwendung - Beispiel: Entfernung des Grauschleier

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO - Treshold - Selektierung best. Graustufen

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT PO – Histogramm – Allgemeines - Hilfestellung fuer: - Kontrast - Helligkeit - Treshold - Variationen: - Farbhistogramme (R, G, B) - Weitere Anwendung: - z. B. Color Curves >>>

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT GPU Implementierung - Vorteile - fuer Grafikberechnungen optimiert (z. B. Befehle fuer Matrizenaddition und -multiplikation) - Farbkomponenten koennen als Vektor angesprochen werden => schnellere Berechnung - Nachteile - Grafikdaten muessen zuerst in Textur kopiert und in GPU Speicher geladen werden - Texturgroesse beschraenkt - Bei kleineren Grafiken nicht rentabel - Bei speziellen Problemen nicht anwendbar

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Lokale Filter (LF) - Matrix - Einbeziehung weiterer Punkte - Filtern durch Anwendung einer NxN Matrix - Meistens 3x3 oder 5x5 Matrix - Zentraler Wert bezieht sich auf aktuellen Punkt - Normierung! (1 / Summe aller Matrixelemente) - Beispiel: neutrale Matrix

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Glaettungsfilter: Mittelwert - Wert des neuen Punktes wird mit angrenzenden Punkten gemittelt - Evtl. Erweiterung auf weitere angren- zende Punkte der angrenzenden Punkte - Beispielmatrizen: x 1/ 9 x 1/ 2 5 x 1/ 5

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Glaettungsfilter: Mittelwert - Anwendung: / 9 Normierung x 1/ 9 ==

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Glaettungsfilter: Gauss - Werte der Matrix werden mit Binominalkoeffizienten aufgebaut - Weichzeichnen entspricht der Gewichtung der Punkte durch die Gaussglocke - Zentraler Punkt hat hoechste Gewichtung - Beispiele: Binominal- koeffizienten

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Glaettungsfilter: Gauss - Anwendung:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Kantendetektion - Hervorheben der Kanten - z. B. in der Medizin fuer Umrisserkennung (Tumor, etc.) wichtig - Kantendetektion wird auf Graustufen angewandt (Bildgebende Verfahren in der Medizin produzieren grossteils Graustufenbilder)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Kantendetektion - Sobel - Starke Unterschiede werden hervorgehoben M1 M2 M3M4 Result = max{ |M1|, |M2|, |M3|, |M4| }

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Kantendetektion - Sobel - Anwendung: Result = max{ |M1|, |M2|, |M3|, |M4| } nach Kontrasterhoehung

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Kantendetektion - Laplace - Rotationsunabhaengige Kantendetektion - Bereiche mit gleichen Farbwerten werden ignoriert - Beispiele:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Kantendetektion - Laplace - Anwendung: nach Kontrasterhoehung

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Spezialfilter: Median Filter - Hilfsmittel zum Entfernung von Rauschen - Vorteil: Rauschen wird gut entfernt - Nachteil: Kanten werden evtl. verzerrt - Funktionsweise: - Ordne in einem bestimmten Radius alle Pixelwerte der Reihe nach - Nehme Pixelwert in der Mitte - Beispiel: >>>

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Median Filter - Anwendung des Median Filter - Bild wurde mit Rauschen gestoert

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT GPU Implementierung - Anwendungsbeispiele [extern]

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF - Morphing - Morphologie ist die Lehre von der Form und Struktur (griech. morphos = "Form") - Basisoperationen: - Erosion (Kontraktion) - Dilatation (Expansion) - Der Einfachheit halber werden hier nur S/W Bilder betrachtet

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Morphing - Erosion - Anforderungen an Form wird durch Strukturelement festgelegt (Matrix) - Strukturelement wird ueber Bild geschoben - Stimmen an der aktuellen Position die gesetzten Pixel des Strukturelements mit den Bildpixeln ueberein, wird der Pixel auf 1 andernfalls auf 0 gesetzt - Beispiel: BildausschnittStruktur = Ergebnis

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Morphing - Dilatation - Stimmt an der aktuellen Position mind. ein gesetzter Strukturpixel mit dem Bildausschnitt ueberein, wird der aktuelle auf 1 gesetzt - Beispiel: BildausschnittStruktur = Ergebnis

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT LF – Opening & Closing - Opening: - Erst Erosion, dann Dilatation - Effekt: Oeffnung von duennen Verbindungslinien - Closing - Erst Dilatation, dann Erosion - Effekt: Schliessung von nahe aneinanderliegenden Strukturen

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Beispiel: ErosionDilatation ErosionDilatation Opening Closing Original

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Diskrete Fourier Transformation - Ueberfuehrung der Bildinformationen in periodische Signale (cos Kurven) - DFT entspricht einem Basiswechsel => Informationserhaltend - Rueckwandlung der Transformierten Daten durch Inverse Diskrete Fourier Transformation (IDFT)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Formeln - DFT:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT – 2 Dimensional - 2D DFT:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Beispiel - Periodisch auftretendes Noise:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Beispiel - Fourier Transformiert:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Beispiel - Fourier Transformiert:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Beispiel - Entfernung der Noise:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT DFT - Beispiel - Entfernung der Noise:

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Zukunft [todo] - GEGL - Abstrahierung der Operationen - Bessere Strukturierung der Daten -Kanten = Operationen -Knoten = Bilder - Idee: Filter sind keine Skripte, die optimiert kompiliert werden - GPU Bildbearbeitungsfilter - bisher noch keine Implementierung in komplexeren Zeichenprogrammen (z. B. Gimp, Adobe Photoshop)

Proseminar – Computer Graphics Martin Schreiber computer graphics & visualization POGPULFFT Literaturverweise und Links - RGB & YUV: GIMP & GEGL: DFT: