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

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

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

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

Bildverbesserung

Menschliches Sehen: „Lampen“

Menschliches Sehen

Menschliches Sehen

Menschliches Sehen

Maschinelles Sehen

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

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

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

Auge ~120 Mio Stäbchen ~7 Mio Zapfen

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

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

Intensitätswahrnehmung Sonniger Tag: 100.000 lm/m² Wolkentag: 10.000 lm/m² Bürolicht: 1.000 lm/m² Vollmond: 0.1 lm/m²

Helligkeits- und Simultankontrast Mar-2010 Overview 18

Mar-2010 Overview 19

Helligkeits- und Simultankontrast Intensität

Farbe Simultankontrast

Farbe Simultankontrast http://www.michaelbach.de/ot/lum_adelsonCheckShadow/index.html http://www.michaelbach.de/ot/index.html

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

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

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

Bildrepräsentation Ursprung y f(x,y) x

Bildrepräsentation

Digitale Farbrepräsentation

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)

Rasterung & Qualtisierung

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

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?”

Rasterung 1250 dpi 300 dpi 150 dpi 72 dpi

Quantisierung

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

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

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

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

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

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

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

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

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

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

Distanzmaße City-Block Distanz Euklidische Distanz Schachbrett Distanz

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

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

Logische Operationen