„Graphische Datenverarbeitung und Bildverarbeitung“ - Hochschule ...
„Graphische Datenverarbeitung und Bildverarbeitung“ - Hochschule ...
„Graphische Datenverarbeitung und Bildverarbeitung“ - Hochschule ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
<strong>„Graphische</strong> <strong>Datenverarbeitung</strong><br />
<strong>und</strong> <strong>Bildverarbeitung“</strong><br />
<strong>Hochschule</strong> Niederrhein<br />
Bildverbesserung - Filterung<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 1<br />
Einordnung in die Inhalte der Vorlesung<br />
• Einführung<br />
• mathematische <strong>und</strong> allgemeine Gr<strong>und</strong>lagen<br />
• Hardware für Graphik <strong>und</strong> Bildverarbeitung<br />
• Graphische Gr<strong>und</strong>algorithmen (Zeichnen graphischer Primitive, Methoden für<br />
Antialaising, Füllalgorithmen)<br />
• Bildaufnahme (Koordinatensysteme, Transformation)<br />
• Durchführung der Bildverarbeitung <strong>und</strong> -analyse<br />
• Fourier-Transformation<br />
• Bildrekonstruktion <strong>und</strong> Bildrestauration<br />
• Bildverbesserung (Grauwertmodifikation, Filterverfahren)<br />
• Segmentierung<br />
• Morphologische Operationen<br />
• Merkmalsermittlung <strong>und</strong> Klassifikation<br />
• Erzeugung von Bildern in der Computergraphik<br />
• Geometrierepräsentationen<br />
• Clipping in 2D <strong>und</strong> 3D<br />
• Hidden Surface Removal<br />
• Beleuchtungsberechnung<br />
• Shading<br />
• Schattenberechnung<br />
• Volumenrendering als Beispiel für die Nutzung beider Gebiete<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 2
Wiederholung wichtiger Begriffe<br />
• Gamma-Korrektur<br />
• Histogrammausgleich<br />
• Filterung im Frequenzraum<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 3<br />
Nachbarschaftsbasierte Bildverbesserung<br />
• Rauschen kann durch Integration einer Signalfolge mit<br />
(nahezu) konstantem Signal reduziert werden.<br />
• Konstante Signalfolge:<br />
– Integration über eine zeitliche Folge.<br />
– Integration über eine homogene Fläche.<br />
• Lineare verschiebungsinvariante Operatoren<br />
– Konvolutionsmethoden<br />
– Filterung im Frequenzraum<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 4
• Annahmen<br />
Zeitliche Folge<br />
– Aufnahme mehrerer Bilder g i , i=1,I über einen gegebenen Zeitraum.<br />
– Bild verändert sich über den Zeitraum nicht (keine Bewegung, keine<br />
Beleuchtungsänderung).<br />
– Erwartungswert E des Rauschens n<br />
ist 0.<br />
• Näherung an die unverrauschte<br />
Funktion f:<br />
– E{g(m,n)} = E{f(m,n)} +E{n(m,n)}<br />
= E{ f(m,n) } +0 = f(m,n)<br />
– Abschätzung von E{g(m,n)} durch<br />
Integration über die Bilder.<br />
1 Aufnahme<br />
20 Aufnahmen<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 5<br />
Integration über die Fläche<br />
• Falls für eine Reihe von Bildpunkten (p 0 ,...,p n ) gilt, dass f(p i )=const,<br />
dann kann Rauschen n mit E{n}=0 durch Addition der gemessenen<br />
Funktionswerte g(p i ) reduziert werden.<br />
• Annahmen:<br />
– Bild besteht aus homogenen<br />
Bereichen.<br />
– Benachbarte Punkte haben<br />
den gleichen Grauwert.<br />
• Rauschunterdrückung:<br />
– Mittelwertbildung über vorgegebene<br />
Nachbarschaft.<br />
SNR max =2.83<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 6
∑∑<br />
Faltung<br />
(Konvolution)<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 7<br />
∞<br />
∞<br />
b ( m,<br />
n)<br />
∗h(<br />
i,<br />
j)<br />
= b(<br />
m − k,<br />
n − l)<br />
⋅h(<br />
k,<br />
l)<br />
k = −∞ l=<br />
−∞<br />
Berechnung der Faltung am Bildrand<br />
• Randpunkte werden nicht behandelt<br />
• Randpunkte werden unverändert übernommen<br />
• Originalbild an den Rändern spiegeln<br />
• Maske wird in den Randbereichen eingeschränkt<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 8
Konvolutionskerne (Faltungskerne)<br />
• Die Funktionswerte der Konvolutionsfunktion h(i,j) geben die Wichtung<br />
an, mit der die Funktionswerte des Bildes in die gewichtete Summe<br />
eingehen.<br />
• Der von Null verschiedenen Anteil von h(i,j) wird als Konvolutionskern<br />
(oder Faltungskern) bezeichnet.<br />
• Damit die Konvolutionskerne symmetrisch <strong>und</strong> im Ursprung zentriert<br />
sein können, wird allgemein eine ungeradzahlige Anzahl von Werten<br />
verwendet.<br />
1 1 1<br />
1<br />
1<br />
1<br />
1 1 1<br />
1 0 -1<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 9<br />
ist •kommutativ:h1*h2 = h2*h1 •assoziativ: (h1*h2)*h3 = h1*(h2*h3) •linear: h1*(ah2 +bh3)= a(h1*h2) + b(h1*h3) Konvolution<br />
1<br />
0<br />
-1<br />
1 0 -1<br />
Eigenschaften der Faltung<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung<br />
•verschiebungsinvariant: Operatoranworthängt nicht vom Ort, sondern nur von den Werten in der Umgebung ab Transferfunktion eines Konvolutionsoperators: Die Transferfunktion gibt an, in welcher Form die Konvolutiondie<br />
10<br />
des Ursprungsbildes verändert (=Repräsentation des Operators im Frequenzraum) Frequenzrepräsentation
Mittelwertbildung durch Konvolution<br />
Konvolutionskern: Gleichmäßige Gewichtung der Pixel in einer<br />
gegebenen Nachbarschaft<br />
f(m,n)<br />
Linie n=150 (rot)<br />
1/9 1/9<br />
1/9 1/9<br />
1/9 1/9<br />
1/9<br />
1/9<br />
1/9<br />
m original<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 11<br />
Filterkern<br />
Rot = original<br />
Weiss = gefaltet<br />
3x3 Boxcar-Filter<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 12
7x7 Boxcar-Filter<br />
Beobachtung: Kanten werden degradiert.<br />
Gr<strong>und</strong>: Annahme konstanter Funktionswerte ist nicht wahr.<br />
Rot = original<br />
Weiss = gefaltet<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 13<br />
Verhalten an Kanten<br />
|f(m,n)-g(m,n)|<br />
nach 3x3 Boxcar-Filterung<br />
nach 7x7 Boxcar-Filterung<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 14
Transferfunktionen des 3x3 <strong>und</strong> des 7x7<br />
Mittelwertfilters<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 15<br />
original<br />
Auswirkungen<br />
Bildzeile: rot: vor der Filterung, weiß: nach Filterung<br />
kontrastverstärkt<br />
9·9 Mittelwertfilter<br />
Artefakt<br />
Artefakte<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 16
Frequenzraumfilterung<br />
)⎪⎩⎪⎨⎧ • Filter im Frequenzraum so entwickeln, dass die Artefakte nicht<br />
•<br />
auftauchen können.<br />
Ideales Tiefpassfilter<br />
2 2 2<br />
1 , falls u + v ≤ Fmax<br />
H F ( u,<br />
v =<br />
max<br />
0 , sonst.<br />
F max – Cut-Off-Frequenz<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 17<br />
Tiefpassfilter zur Rauschunterdrückung<br />
Cutoff-Frequenz: 40<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 18
Helligkeit<br />
Bildzeile<br />
Ringing-Artefakt<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 19<br />
Der Ringing-Artefakt entsteht, weil<br />
scharfe Kanten durch Wellen aller<br />
Frequenzen beschrieben werden.<br />
Ringing-Artefakt<br />
m<br />
|F(u)|<br />
Fouriertransformierte<br />
Zeile<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 20<br />
u
Filterung<br />
|F(u)|<br />
Fouriertransformierte<br />
Zeile<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 21<br />
Butterworth-Filter<br />
Frequenzen werden nicht gelöscht, sondern<br />
nur abgeschwächt.<br />
Tiefpass-Filter:<br />
H<br />
Hochpass-Filter:<br />
H<br />
( u,<br />
v)<br />
( u,<br />
v)<br />
=<br />
1+<br />
=<br />
1+<br />
D 0 : Cutoff-Frequenz,<br />
1<br />
( ( ) ) n 2<br />
D u,<br />
v / D<br />
0<br />
( ( ) ) n 2<br />
D / D u,<br />
v<br />
D(u,v): Frequenz, d.h. Abstand<br />
vom Ursprung<br />
0<br />
1<br />
Tiefpass<br />
H(u,v)=0.5<br />
Tiefpass Butterworth-<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 22<br />
u
n T n ( B ) B<br />
n<br />
B ⋅<br />
Binomialfilter<br />
2<br />
T<br />
= B = [ 1 2 1]<br />
⋅ [ 1 2 1]<br />
⎥⎦<br />
1<br />
4<br />
N=4<br />
N=8<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung<br />
Zweidimensionaler Binomialfilter:<br />
23<br />
⎤ ⎢⎣⎡<br />
Zweidimensionale Binomialfilter<br />
B 2 = 1/16 · [1 2 1] T · [1 2 1] = 1/16 ·<br />
B 3 = 1/64 · [1 3 3 1] T · [1 3 3 1] = 1/64 ·<br />
B 4 = 1/256 ·<br />
1 4 6 4 1<br />
4 16 24 16 4<br />
6 24 36 24 6<br />
4 16 24 16 4<br />
1 4 6 4 1<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 24<br />
1<br />
4<br />
1 2 1<br />
2 4 2<br />
1 2 1<br />
1 3 3<br />
3 9 9<br />
3 9 9<br />
1 3 3<br />
=<br />
1<br />
3<br />
3<br />
1<br />
1<br />
16<br />
1<br />
2<br />
1<br />
2<br />
4<br />
2<br />
1<br />
2<br />
1
Transferfunktion des 3x3 <strong>und</strong> 5x5<br />
Binomialfilters<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 25<br />
Filterresultate des Binomialfilters<br />
original<br />
Bildzeile<br />
rot: vor der Filterung<br />
weiß: nach Filterung<br />
Filter B 16<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 26
Butterworth-Filter / Binomialfilter<br />
• Idealer Tiefpassfilter: kompakter Träger im Frequenzraum, aber<br />
artefakt-verursachende Ortsraumrepräsentation<br />
►Butterworth-Filter: kontrolliert monoton fallende Funktion im<br />
Frequenzraum, deren Ortsraumrepräsentation ebenfalls monoton fällt.<br />
• Mittelwertfilter: kompakter Träger im Ortsraum, aber artefaktverursachende<br />
Frequenzraumrepräsentation<br />
►Binomial-Filter: monoton fallende Funktion im Ortsraum, deren<br />
Frequenzraumrepräsentation gleichfalls monoton fällt.<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 27<br />
Binomialfilter <strong>und</strong> Gaußfunktion<br />
• Für immer größere Filterkerne nähert sich das Binomialfilter der<br />
Gauß‘schen Glockenkurve an.<br />
• Der Betrag der Transferfunktion einer solchen Funktion ist wieder eine<br />
Gauß‘sche Glockenkurve.<br />
boxcar Gauß‘sche<br />
gauss(x,y) = [σ·√2π]<br />
Glockenkurve Transferfunktion Transferfunktion -1 · exp[-(x2 +y2 )/(2σ2 )]<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 28
Sogenanntes<br />
Impuls-rauschen<br />
(Salt&Pepper<br />
Noise) kann nicht<br />
entfernt werden.<br />
Filterung mit 2D Gaußfilter<br />
Die Gaußfunktion ist separabel, so dass die<br />
Filterung durch zwei 1D Konvolutionen erfolgen<br />
kann.<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 29<br />
Grenzen<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 30
Zusammenfassung<br />
• Rauschenunterdrückung durch Schätzung des<br />
Erwartungswerts der Bildfunktion<br />
• Schätzung des Erwartungswerts = zeitliche oder räumliche<br />
Integration<br />
• Filter im Orts- <strong>und</strong> Frequenzraum<br />
• Artefakte bei Orts-/Frequenzraumfiltern<br />
Graphische DV <strong>und</strong> BV, Regina Pohle, 11. Bildverbesserung - Filterung 31