Bilder und Rasterdaten

Präsentation zum Thema: "Bilder und Rasterdaten"—  Präsentation transkript:

1 Bilder und Rasterdaten
Richard Göbel

2 Struktur von Bilddaten
Basis ist eine Datenmatrix mit x Werten entlang der X- Achse und y Werte entlang der Y-Achse. Die x*y Werte repräsentieren in der Regel Grauwerte eines Spektralbereichs (einer "Farbe"). Jeder Wert einer Matrix wird als Pixel (Picture Element) bezeichnet ( Bit) Ein typisches Farbbild besteht aus drei Matrizen für die Farben Rot, Grün und Blau. Größen der Matrizen von 50  50 bis  (oder mehr . . .)

3 Beispiel für ein Farbbild

4 Andere Typen von Bildern

5 Allgemeines Format von Bildern als Rasterdaten
Ein allgemeines Bild besteht aus einem oder mehreren Kanälen Jeder Kanal besteht aus einem Array (Matrix) mit zwei oder mehr Dimensionen. Jedes Array enthält Grauwerte in den einzelnen Zellen Einige Zellen können undefinierte Werte enthalten

6 Typische Operationen auf Rasterdaten
Einfache Operationen Auswahl von Kanälen (1,2,3 oder mehr) Definition eines Ausschnitts (Segment des Array) Zoomen Inhaltsbezogene Operationen allgemeine Eigenschaften des Bilds (enthaltene Farben, Farbverteilung, etc.) enthaltene Objekte (Boot, Person, . . .)

7 Auflösung ändern – Nearest Neighbour
x11 x12 x21 x22

8 Auflösung ändern – Interpolation
x11 x12 x21 x22 (1*x11+1/3*x12+1/3*x21+1/9*x22)*(9/16) (1*255+1/3*0+1/3*0+1/9*128)*(9/16)=151 (1*0+1/3*255+1/3*0+1/9*128)*(9/16)=99 (1*0+1/3*0+1/3*255+1/9*128)*(9/16)=99

9 Datenpyramide für verschiedene Auflösungen

10 Zugriff auf Teile eines Bildes – Einfacher Ansatz
Bildmatrix Segment Bildmatrix auf Festplatte

11 Zerlegung eines Bildes in Kacheln

12 Algorithmen für den Zugriff
Erzeugung eines Ausschnitts Identifikation der betroffenen Kacheln Erzeugung einer neuen Matrix aus Teilen der identifizierten Matrizen Zoomen Identifikation der nächst höheren Auflösung aus der Datenpyramide Berechnung einer neuen Matrix aus der Matrix mit der höheren Auflösung