Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung
Dr. Jan G. Wieners // jan.wieners@uni-koe...
 Zwei Herausforderungen um OCR und
Merkmalsextraktion
 Vorverarbeitung: Verbesserung des Quellmaterials
 Punktoperation...
Übungsaufgaben
Kompression
Welches Verfahren würden Sie
wählen, um die Binärfolge
0000 0011 1111 0000
zu komprimieren?
Erläutern Sie Ihre Wahl.
Welches Verfahren würden Sie wählen,
um die Binärfolge
0000 0011 1111 0000
zu komprimieren?
Erläutern Sie Ihre Wahl.
 z.B...
Erläutern Sie ausführlich die
Funktionsweise der Huffman-
Kodierung anhand der Zeichenkette
„torokokorot“
(ohne Anführungs...
Herausforderung I
Optische Zeichenerkennung (OCR) in schwierigen Umgebungen
Herausforderung II
Langzeitarchivierung / -sicherung von Computergames
“Same Same But Different – Comparing Rendering Environments for Interactive
Digital Objects” (Guttenbrunner, Rauber, Thall...
“Same Same But Different – Comparing Rendering Environments for Interactive
Digital Objects” (Guttenbrunner, Rauber, Thall...
https://github.com/janwieners/Puck
Auf dem Weg zur Merkmalsextraktion
Vorverarbeitung des Quellenmateriales
Von der Rastergrafik zur Merkmalsextraktion –
Algorithmen & Co.
 Vorbereitung bzw. Vorverarbeitung
 Punkt-Operationen
 ...
Punkt-Operationen
rot, rot, grün, grün, grün, grün, grün,
rot, rot, rot, grün, rot, rot, rot, rot,
rot, grün, rot, rot, grün, rot, rot, rot,...
rot, rot, grün, grün, grün, grün, grün,
rot, rot, rot, grün, rot, rot, rot, rot,
rot, grün, rot, rot, grün, rot, rot, rot,...
Punkt-Operation: Betrachtung / Veränderung eines
Pixels unabhängig von seinen Nachbarpixeln
Gonzalez und Woods, 2008: „We can summarize by saying that RGB is ideal
for image color generation (as in image capture by...
Das IHS-Farbsystem (auch HSI, HSV Farbsystem):
 Leuchtstärke (Intensity): Maßeinheit der Helligkeit,
resultiert aus dem D...
Das IHS-Farbsystem (auch HSI, HSV Farbsystem):
 Leuchtstärke (Intensity): Maßeinheit der Helligkeit,
resultiert aus dem D...
Das IHS-Farbsystem (auch HSI, HSV Farbsystem):
 Leuchtstärke (Intensity): Maßeinheit der Helligkeit,
resultiert aus dem D...
Relevant für Umwandlung in Graustufenbild:
Leuchtstärke (Intensity)
Algorithmus:
 Betrachte jedes Pixel P der Rastergrafi...
? ?
Histogramm
Das Histogramm eines Bildes dokumentiert (bei einem 8-Bit
Graustufenbild) über eine Liste von 256 Elementen die...
Histogramm
Das Histogramm eines Bildes dokumentiert über eine Liste von 256
Elementen (8-Bit Graustufenbild) die Anzahl de...
Algorithmus:
 Betrachte jedes Pixel P der Rastergrafik
 Speichere den Graustufenwert des Pixels in einem
assoziierten Ar...
Histogrammausgleich (automatisch)
Z.B.: Lisani, Petro, Sbert 2012: Color and
Contrast Enhancement by Controlled
Piecewise ...
Wie lässt sich (algorithmisch) eine Aufhellung des
Graustufenbildes vornehmen?
Übung: Bildaufhellung?
Wie lässt sich (algorithmisch) eine Aufhellung des
Graustufenbildes vornehmen?
Übung: Bildaufhellung?
Algorithmus:
 Betrachte jedes Pixel des Bildes
 Für jedes dunkle Pixel: Vermindere den Grauwert
 Für jedes helle Pixel:...
Zu viel Information II: Binarisierung
Grundfrage dieses (und der vergangenen Verfahren): Wie lässt sich
Bildinformation ve...
Zu viel Information II: Binarisierung
Grundfrage dieses (und der vergangenen Verfahren): Wie lässt sich
Bildinformation ve...
Binarisierung mit konstantem Schwellenwert – so funktioniert‘s
Zwei Pixelklassen:
Algorithmus:
 Betrachte jedes Pixel P d...
Übung: Binarisierung
Filter
Filter: Betrachtung / Veränderung eines Pixels in
Abhängigkeit seiner Nachbarpixel
Achtung: Weil Originalpixel für das Erg...
 Lineare Filter (LSI-Filter, linear shift-invariant
filters): Jedes Pixel im Verarbeitungsfenster wird
mit einem vordefin...
 Berechnet einfachen arithmetischen Mittelwert der
Pixelwerte in der Nachbarschaft unter der
Filtermaske
 Faltungsmatrix...
Einfacher Mittelwertfilter: 3x3 Pixel „Hotspot“
Einfacher Mittelwertfilter – so schaut‘s aus
𝑀 =
1
16
1 2 1
2 4 2
1 2 1
Algorithmus Medianfilter (Rangordnungsfilter):
 Rangordnungsfilter betrachten die Nachbarschaftspixel
jedes Pixels, speic...
Bildnachweis: http://de.wikipedia.org/w/index.php?title=Datei:Medianfilterp.png&filetimestamp=20070810172335
Bildnachweis: http://de.wikipedia.org/w/index.php?title=Datei:Cydonia_medianrp.jpg&filetimestamp=20050313005105
Übung Medianfilter
?
?
?
101, 29, 29, 98, 15, 30, 10, 10, 155
10,10,15,29,29,30,98,101,155
 29
15
17
/
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
Nächste SlideShare
Wird geladen in …5
×

BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter

626 Aufrufe

Veröffentlicht am

BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter

Veröffentlicht in: Bildung
0 Kommentare
0 Gefällt mir
Statistik
Notizen
  • Als Erste(r) kommentieren

  • Gehören Sie zu den Ersten, denen das gefällt!

Keine Downloads
Aufrufe
Aufrufe insgesamt
626
Auf SlideShare
0
Aus Einbettungen
0
Anzahl an Einbettungen
272
Aktionen
Geteilt
0
Downloads
0
Kommentare
0
Gefällt mir
0
Einbettungen 0
Keine Einbettungen

Keine Notizen für die Folie
  • Zur Erweiterungsfähigkeit bestehender OCR Verfahren auf den Bereich extrem früher Drucke (2008)
  • Anwendungsfall: PLANETS
  • Zu viel Information: Umwandlung von RGB-Bild in Graustufenbild
  • Polarkoordinatensystem -> Winkel
  • Polarkoordinatensystem -> Winkel
  • Polarkoordinatensystem -> Winkel
  • Alle Pixelwerte um einen Wert n erhöhen
  • Punktoperation
  • Der Mittelwert-Filter ersetzt jedes Pixel durch den Mittelwert seiner Umgebungspixel. Dabei wird jedes Umgebungspixel gleich gewichtet. Dies hat zur Folge, dass der Mittelwert-Filter nicht nur Rauschen glättet, sondern auch Kanten im Bild verwischt.
    Er berechnet als neuen Pixelwert das arithmetische Mittel der Umgebungspixel.
  • Faltungsmatrix Gaußscher Filter
  • Was tun bei Bildrauschen?
  • Kantendetektion
  • BIT I SoSem 2015 | Basisinformationstechnologie II - 06_Algorithmen der Bildverarbeitung II: Punktoperationen und Filter

    1. 1. Universität zu Köln. Historisch-Kulturwissenschaftliche Informationsverarbeitung Dr. Jan G. Wieners // jan.wieners@uni-koeln.de Basisinformationstechnologie II Sommersemester 2015 20. Mai 2015 – Algorithmen der Bildverarbeitung II: Punktoperationen und Filter
    2. 2.  Zwei Herausforderungen um OCR und Merkmalsextraktion  Vorverarbeitung: Verbesserung des Quellmaterials  Punktoperationen  Binarisierung  Histogrammausgleich  Binarisierung, Schwellwertausgleich  Filter  Medianfilter  Geometrische Operationen Themenüberblick
    3. 3. Übungsaufgaben Kompression
    4. 4. Welches Verfahren würden Sie wählen, um die Binärfolge 0000 0011 1111 0000 zu komprimieren? Erläutern Sie Ihre Wahl.
    5. 5. Welches Verfahren würden Sie wählen, um die Binärfolge 0000 0011 1111 0000 zu komprimieren? Erläutern Sie Ihre Wahl.  z.B.: (6, 0) (6, 1) (4, 0)
    6. 6. Erläutern Sie ausführlich die Funktionsweise der Huffman- Kodierung anhand der Zeichenkette „torokokorot“ (ohne Anführungszeichen).
    7. 7. Herausforderung I Optische Zeichenerkennung (OCR) in schwierigen Umgebungen
    8. 8. Herausforderung II Langzeitarchivierung / -sicherung von Computergames
    9. 9. “Same Same But Different – Comparing Rendering Environments for Interactive Digital Objects” (Guttenbrunner, Rauber, Thaller, Wieners): http://www.euromed2010.eu/e- proceedings/content/full/140.pdf
    10. 10. “Same Same But Different – Comparing Rendering Environments for Interactive Digital Objects” (Guttenbrunner, Rauber, Thaller, Wieners): http://www.euromed2010.eu/e- proceedings/content/full/140.pdf
    11. 11. https://github.com/janwieners/Puck
    12. 12. Auf dem Weg zur Merkmalsextraktion Vorverarbeitung des Quellenmateriales
    13. 13. Von der Rastergrafik zur Merkmalsextraktion – Algorithmen & Co.  Vorbereitung bzw. Vorverarbeitung  Punkt-Operationen  Histogramm  Filter  Geometrische Operationen  Drehung, Streckung, Verschiebung des Bildes  (Merkmalsextraktion)  (Clustering, z.B. Kohonen-Karte / Selbstorganisierende Karte) Maschinelles Sehen
    14. 14. Punkt-Operationen
    15. 15. rot, rot, grün, grün, grün, grün, grün, rot, rot, rot, grün, rot, rot, rot, rot, rot, grün, rot, rot, grün, rot, rot, rot, rot, rot, grün, rot, rot, rot, rot, blau, rot, blau, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, blau, rot, rot, rot, rot, rot, blau, rot, rot, rot, blau, rot, rot, rot, blau, rot, rot, rot, rot, rot, blau, blau, blau, rot, rot, rot
    16. 16. rot, rot, grün, grün, grün, grün, grün, rot, rot, rot, grün, rot, rot, rot, rot, rot, grün, rot, rot, grün, rot, rot, rot, rot, rot, grün, rot, rot, rot, rot, blau, rot, blau, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, rot, blau, rot, rot, rot, rot, rot, blau, rot, rot, rot, blau, rot, rot, rot, blau, rot, rot, rot, rot, rot, blau, blau, blau, rot, rot, rot
    17. 17. Punkt-Operation: Betrachtung / Veränderung eines Pixels unabhängig von seinen Nachbarpixeln
    18. 18. Gonzalez und Woods, 2008: „We can summarize by saying that RGB is ideal for image color generation (as in image capture by a color camera or image display in a monitor screen), but its use for color description is much more limited.”
    19. 19. Das IHS-Farbsystem (auch HSI, HSV Farbsystem):  Leuchtstärke (Intensity): Maßeinheit der Helligkeit, resultiert aus dem Durchschnitt der Farbwerte Zu viel Information: Umwandlung in Graustufenbild
    20. 20. Das IHS-Farbsystem (auch HSI, HSV Farbsystem):  Leuchtstärke (Intensity): Maßeinheit der Helligkeit, resultiert aus dem Durchschnitt der Farbwerte  Sättigung (Saturation): Beschreibt die Farbreinheit Zu viel Information: Umwandlung in Graustufenbild
    21. 21. Das IHS-Farbsystem (auch HSI, HSV Farbsystem):  Leuchtstärke (Intensity): Maßeinheit der Helligkeit, resultiert aus dem Durchschnitt der Farbwerte  Sättigung (Saturation): Beschreibt die Farbreinheit  Farbton (Hue): Proportional zur durchschnittlichen Wellenlänge der Farbe; basiert auf Abbildung der Farben in einem Polarkoordinatensystem: Zu viel Information: Umwandlung in Graustufenbild
    22. 22. Relevant für Umwandlung in Graustufenbild: Leuchtstärke (Intensity) Algorithmus:  Betrachte jedes Pixel P der Rastergrafik  Weise jedem Farbkanal des betrachteten Pixels P die Summe der Werte der einzelnen Farbkanäle R, G und B zu und dividiere anschließend durch die Anzahl der drei:  𝑃 = 𝑟𝑔𝑏( 𝑃𝑅 + 𝑃𝐺 + 𝑃𝐵 3 , 𝑃𝑅 + 𝑃𝐺 + 𝑃𝐵 3 , 𝑃𝑅 + 𝑃𝐺 + 𝑃𝐵 3 ) Zu viel Information: Umwandlung in Graustufenbild
    23. 23. ? ?
    24. 24. Histogramm Das Histogramm eines Bildes dokumentiert (bei einem 8-Bit Graustufenbild) über eine Liste von 256 Elementen die Anzahl (y- Achse) der Pixel des Bildes, die mit dem entsprechenden Graustufenwert belegt sind.
    25. 25. Histogramm Das Histogramm eines Bildes dokumentiert über eine Liste von 256 Elementen (8-Bit Graustufenbild) die Anzahl der Pixel des Bildes, die mit dem entsprechenden Farb- bzw. Graustufenwert belegt sind. ?
    26. 26. Algorithmus:  Betrachte jedes Pixel P der Rastergrafik  Speichere den Graustufenwert des Pixels in einem assoziierten Array: // Initialisiere jede Speicherstelle des Arrays mit 0 array histogram[0-255] = 0; // Iteriere über jedes Pixel des Bildes array histogram[ PR ] += 1; Histogrammerstellung – so funktioniert‘s
    27. 27. Histogrammausgleich (automatisch) Z.B.: Lisani, Petro, Sbert 2012: Color and Contrast Enhancement by Controlled Piecewise Affine Histogram Equalization Vgl. http://www.ipol.im/pub/art/2012/lps-pae/
    28. 28. Wie lässt sich (algorithmisch) eine Aufhellung des Graustufenbildes vornehmen? Übung: Bildaufhellung?
    29. 29. Wie lässt sich (algorithmisch) eine Aufhellung des Graustufenbildes vornehmen? Übung: Bildaufhellung?
    30. 30. Algorithmus:  Betrachte jedes Pixel des Bildes  Für jedes dunkle Pixel: Vermindere den Grauwert  Für jedes helle Pixel: Erhöhe den Grauwert Kontrastverstärkung
    31. 31. Zu viel Information II: Binarisierung Grundfrage dieses (und der vergangenen Verfahren): Wie lässt sich Bildinformation verwerfen, ohne die Bildcharakteristika (i.e. die Form des Elephanten) zu zerstören?
    32. 32. Zu viel Information II: Binarisierung Grundfrage dieses (und der vergangenen Verfahren): Wie lässt sich Bildinformation verwerfen, ohne die Bildcharakteristika (i.e. die Form des Elephanten) zu zerstören?
    33. 33. Binarisierung mit konstantem Schwellenwert – so funktioniert‘s Zwei Pixelklassen: Algorithmus:  Betrachte jedes Pixel P der Rastergrafik  Vergleiche den Farb-/Grauwert jedes Pixels mit dem Schwellenwert T.  Ist der Wert kleiner als der Schwellenwert, so wird es schwarz eingefärbt (a).  Ist der Wert größer oder gleich dem Schwellenwert, so wird es weiß eingefärbt (b).
    34. 34. Übung: Binarisierung
    35. 35. Filter
    36. 36. Filter: Betrachtung / Veränderung eines Pixels in Abhängigkeit seiner Nachbarpixel Achtung: Weil Originalpixel für das Ergebnis der Filterung relevant (und unabdingbar) ist: Nutzung eines Zwischenbildes als Ausgabe- oder Eingabepuffer. Filter
    37. 37.  Lineare Filter (LSI-Filter, linear shift-invariant filters): Jedes Pixel im Verarbeitungsfenster wird mit einem vordefinierten Wert aus einer Faltungs- bzw. Filtermatrix multipliziert.  Nichtlineare Filter: U.a. heuristische Ansätze Heuristik (vgl. Prechtl / Burkard): „Lehre bzw. Theorie der Verfahren zum Finden von Neuem und Problemlösen.“ Filter
    38. 38.  Berechnet einfachen arithmetischen Mittelwert der Pixelwerte in der Nachbarschaft unter der Filtermaske  Faltungsmatrix 𝑀 = 1 9 1 1 1 1 1 1 1 1 1  Pro / Contra:  Rauschen reduziert  Glättung / „Blurring“  Kanten verwischen Einfacher Mittelwertfilter Quelle: Handels 2009: Medizinische Bildverarbeitung.
    39. 39. Einfacher Mittelwertfilter: 3x3 Pixel „Hotspot“
    40. 40. Einfacher Mittelwertfilter – so schaut‘s aus
    41. 41. 𝑀 = 1 16 1 2 1 2 4 2 1 2 1
    42. 42. Algorithmus Medianfilter (Rangordnungsfilter):  Rangordnungsfilter betrachten die Nachbarschaftspixel jedes Pixels, speichern die gefundenen Farb- bzw. Graustufenwerte und sortieren die so gewonnenen Werte in aufsteigender Reihenfolge.  Aus einer 3x3 Pixelmatrix resultiert eine Liste, bestehend aus insgesamt neun Werten. Relevant für das Medianfilter ist das Element, das sich in der Mitte der sortierten Liste der Pixelwerte befindet.  Das Medianfilter selektiert den Pixelwert des fünften Listenelements und weist dem Pixel in der Mitte der Matrix den Median, d.h. den fünften Wert der Liste zu. Beispiel Nichtlinearer Filter: Medianfilter
    43. 43. Bildnachweis: http://de.wikipedia.org/w/index.php?title=Datei:Medianfilterp.png&filetimestamp=20070810172335
    44. 44. Bildnachweis: http://de.wikipedia.org/w/index.php?title=Datei:Cydonia_medianrp.jpg&filetimestamp=20050313005105
    45. 45. Übung Medianfilter
    46. 46. ? ? ?
    47. 47. 101, 29, 29, 98, 15, 30, 10, 10, 155 10,10,15,29,29,30,98,101,155  29 15 17
    48. 48. /

    ×