Computer Vision ist eine Lehrveranstaltung vom Institut für Maschinelles Sehen und Darstellen. Das Stoffgebiet reicht von Digital Image bis Morphology.

1. Teil

Eigenschaften digitaler Bilder

Bilder werden gesampelt um sie in einer diskreten Menge von Pixeln darzustellen. Die Farbewerte werden quantisiert um sie auf einer diskreten Menge an Farbwerten (Graustufen 0...255 oder Farbwerte 3x 0...255 für rgb) abzubilden.

Bei der digitalisierung entsteht eine Matrix (eigentlich eine stetige Funktion von R auf R²) mit definierten Dimensionen (= geometrische Auflösung) und definierter Genauigkeit der Elemente (= radiometrische Auflösung)

Warum digitale Bilder?

Digitale Bilder können je nach belieben vervielfältigt werden. Der Umgang ist sehr flexibel, automatisierbar und günstig.

Verarbeitung von digitalen Bildern

Je nach Art der Verarbeitung wird zwischen Punkt und Lokalen-Operatoren unterschieden.

Point-Operations

Point Operationen können weiters auf verschiedenen Techniken berühen:

• P-Ops via Functional Mappings
• P-Ops via Look-Up-Tables

Die wohl gängisten Operationen seien hier aufgelistet:

• Increase/Decrease Brightness
• Increase/Decrease Contrast
• Increase/Decrease Gamma
• Intensity Level Slicing
• Histogramm Equaliaztion (die LUT ist die Dichtefunktion - Welcher Verteilung??)

Local Operations

Bei lokalen Operationen wird der jeweilige Farbwert des Pixels aus der Nachbarschaft gebildet. Dabei wird jedes Pixel in der direkten Nachbarschaft des zu berechnenden Pixels, mit einen korespondierenden Wert in einer (um 180° gedrehten) Matrix (Convoluton Mask, Weight Matrix, Moving Window) multipliziert (lineare Op = Faltung). Die dabei entstehenden Werte werden aufsummiert und ergeben so das gewünschte Pixel. Auf diese Weise sind folgende Operationen möglich:

Smoothing Operations

• • Gausian Smoothing %$\frac{1}{16}\cdot{ \begin{array}{ccc} 1 & 2 & 1 \\ 2 & 4 & 2 \\ 1 & 2 & 1 \end{array} }$%
  • Median Filtering (is wirkungsvoll gegen Salt&Pepper Rauschen)

Griadient Processing / Edge Detection

• • Robert's Operator %${[1,2,1;2,4,2;1,2,1]}$%
  • Prewitt Operator %$\frac{1}{16}\cdot{[1,2,1;2,4,2;1,2,1]}$%
  • Sobel-Operator %$\frac{1}{16}\cdot{[1,2,1;2,4,2;1,2,1]}$%
  • Marr-Hildreth-Operator (Detektion der Nulldurchgänge durch 2. Ableitung = Faltung mit laplace-transformierten Gaus)
  • Canny-Edge Detector (optimierter Edge-Detektor mit Hysteres für Threshold und 2. Kriterium)
• Linear/Non-Linear Filtering
  • mittels Fourier Analyse (Multiplikation im Bildbereich = Faltung)
  • Tiefpass / Bandpass / Hochpass
  • Butterworth Filter

-- PaulRudolfSeebacher - 25 May 2009