Bit wisem 2015-wieners-sitzung-12_Zusammenfassung I
Bit sosem 2016-wieners-sitzung-10_bild-ii-punktoperationen
1. Basisinformationstechnologie II – Sommersemester 2016 – 06. Juni 2016
Dr. Jan G. Wieners
Algorithmen der Bildverarbeitung
Punktoperationen
2. Zwei Herausforderungen um OCR und
Merkmalsextraktion
Vorverarbeitung: Verbesserung des Quellmaterials
Punktoperationen
Binarisierung
Histogrammausgleich
Filter
Medianfilter
Geometrische Operationen
Themenüberblick
3. Erörtern Sie die Begriffe Punktoperation und Filter.
Grenzen Sie die beiden Konzepte voneinander ab und
erläutern Sie die Verfahrensweise des Medianfilters.
Sitzungsaufgabe
25. “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
26. “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
36. 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.”
37.
38. Das IHS-Farbsystem (auch HSI, HSV Farbsystem):
Leuchtstärke (Intensity): Maßeinheit der Helligkeit,
resultiert aus dem Durchschnitt der Farbwerte
Zu viel Information: Umwandlung in Graustufenbild
39. 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
40. 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
41. 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
44. 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.
45. 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.
?
46. Schreiben Sie einen Algorithmus (Pseudocode), der aus
einem Graustufenbild (256 Farb- bzw. Graustufenwerte)
ein Histogramm erstellt.
Tipps: Schleife, Array, Index
Übungsaufgabe
47. 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
48. 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/
52. Wie lässt sich (algorithmisch) eine Aufhellung des
Graustufenbildes vornehmen?
Übung: Bildaufhellung?
53. Wie lässt sich (algorithmisch) eine Aufhellung des
Graustufenbildes vornehmen?
Übung: Bildaufhellung?
54. Schreiben Sie einen Algorithmus (Pseudocode), der ein
Graustufenbild (256 Farb- bzw. Graustufenwerte)
aufhellt.
Tipps: Schleife, Array, Index
Übungsaufgabe
55. Algorithmus:
Betrachte jedes Pixel des Bildes
Für jedes dunkle Pixel: Vermindere den Grauwert
Für jedes helle Pixel: Erhöhe den Grauwert
Kontrastverstärkung
57. 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?
58. 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?
59. Schreiben Sie einen Algorithmus (Pseudocode), der ein
Graustufenbild (256 Farb- bzw. Graustufenwerte)
binarisiert, d.h. zu einem Schwarz-Weiß-Bild
umwandelt..
Tipps: Schleife, Array,
Index, Bedingungen
Übungsaufgabe
60. 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).