Bildverbesserung

Bildverarbeitung und Biometrik   

Prof. Dr.-Ing. Thomas Zielke " 

Bildverbesserung 

(Image Enhancement) 

Bildverarbeitung und Biometrik 

SS13 4.1

Der Prozess der Bildverbesserung (1)" 

Bildverbesserung wird häufig dafür eingesetzt, die für einen 

menschlichen Betrachter relevanten Aspekte eines Bildes 

optimal sichtbar zu machen. 

Dieser Prozess ist meist iterativ und/oder interaktiv, wobei 

sowohl die Art der eingesetzten Verfahren als auch deren 

Parameter variiert werden. 

Eingangsbild 

(input image) 


Anwendungs- 

spezifische 

Rückkopplung 

Ausgangsbild 

(output image) 


SS13 4.2

Der Prozess der Bildverbesserung (2)" 

Bildverbesserung wird auch als Vorstufe für die automatische 

Bildanalyse / Bilderkennung benötigt. 

Für die automatische Auswertung zielt die "Verbesserung" des 

Bildes in erster Linie auf eine Kompensation von 

bedeutungslosen Bildvariationen, z.B. Änderungen der 

Bildhelligkeit bei ansonsten gleichem Bildinhalt. 

In Zusammenhang mit einer automatischen Bildanalyse bzw. 

Bilderkennung bezeichnet man die Bildverbesserung als 

Bildnormalisierung. 


SS13 4.3

Eingangsbild 

(input image) 

Qualitative und 

Quantitative 

Messung von 

Kenngrößen 

für "Bildqualität" 

Der Prozess der Bildverbesserung (3)  

Allgemeines Schema" 


Modellbildung, 

Situationserkennung, 

Verfahrensalternativen 

und Schätzung von 

Korrekturparametern 

Ausgangsbild 

(output image) 

Automatische 

Bildanalyse / 

Bilderkennung 


SS13 4.4

Methoden der Bildverbesserung  

und der Bildrestauration" 

Pixel-Punkt-Verarbeitung 

(Grauwert bzw. Farbwert-Transformation) 

Pixel-Punkt-Verarbeitung unter Kombination 

mehrerer Bilder (z.B. Bildsequenzen) 

Pixel-Gruppen-Verarbeitung 

• Örtliche Filterung (linear / nicht-linear) 

• Kantendetektion 

Verarbeitung im Frequenzbereich 

Geometrische Bildtransformation 


SS13 4.5

Design von Grauwerttransformationen  

aus Histogrammbetrachtungen" 

30% 

"Abwärts"- 

Verschie- 

bung 

30% 

"Aufwärts"- 

Verschie- 

bung 


SS13 4.6


Histogramm-Stauchung (histogram shrinking)" 

Histogramm 

des 

Originalbild: 

Histogramm- 

Stauchung: 

Beispiel: 

Alle Grauwerte in 

den Wertebereich 

100...150 

transformieren. 


SS13 4.7


Histogramm-Spreizung (histogram stretching)  

" 

Histogramm 

des 

Originalbild: 

Histogramm- 

Spreizung 


SS13 4.8

Lineare Abbildung der Grauwerte  

auf einen gegebenen Wertebereich" 

I max ist der größte Grauwert in dem Bild I[i,j] 

I min ist der kleinste Grauwert in dem Bild I[i,j] 

MAX und MIN sind die Grenzen des Wertebereichs der 

Grauwerte (z.B. 255 und 0) 

I T [i,j] ist das transformierte Bild (Ergebnisbild) der Operation 

[ ] = I i, j 

I T i, j 

( ) 

[ ]! I min 

MAX ! MIN 

I max ! I min 

In der Praxis besteht das Problem, dass I min und I max jeweils 

von einem einzigen Ausreißer-Pixel bestimmt werden können. 

Deshalb wird zur Ermittlung von I min und I max oft ein 

bestimmter Prozentsatz (ca. 1-3 %) der Pixel am unteren und 

am oberen Rand des Histogramms ignoriert. 

+ MIN 


SS13 4.9

Stückweise lineare Abbildung der Grauwerte  

auf den Wertevorrat" 

Mit einer stückweise linearen Funktion können einzelne Abschnitte des 

Histogramms unterschiedlich stark gespreizt werden. 


SS13 4.10

Histogrammausgleich (1)  

Histogram Equalization" 

Das Verfahren des Histogrammausgleichs beruht auf dem 

theoretischen Ansatz, das Bild so zu transformieren, dass die 

Auftrittswahrscheinlichkeit aller verfügbaren Graustufen in etwa 

gleich wird (möglichst flaches Histogramm). 

Original 


SS13 4.11

1 Bilde die laufende Summe 

der Histogrammwerte. 

2 Normalisiere die einzelnen 

Werte der laufenden Summe 

durch Division mit der 

Gesamtanzahl der Pixel. 

3 Multipliziere die 

Ergebniswerte aus 

Schritt 2 mit dem größten 

darstellbaren Grauwert und runde 

jeweils zum nächsten 

Ganzzahlwert. 

Alter Grauwert 

4 Bilde die Originalgrauwerte 

1-zu-1 auf die Ergebniswerte 

von Schritt 3 ab. 

Neuer Grauwert 


Algorithmus" 

Beispiel: 

0 1 2 3 4 5 6 7 

10 8 9 2 14 1 5 2 

0 1 2 3 4 5 6 7 

10 18 27 29 43 44 49 51 

10/51 18/51 27/51 29/51 43/51 44/51 49/51 51/51 

Ergebnis: 

Histogramm mit 

8 Grauwerten 

(0...7) 

0,196 0,353 0,529 0,569 0,843 0,863 0,961 1,000 

0 1 2 3 4 5 6 7 

1 2 4 4 6 6 7 7 


SS13 4.12


Beispiel" 


SS13 4.13

Histogrammausgleich mit ImageJ" 


SS13 4.14


Beispiel" 

Histogrammausgleich auf 

einzelnen Farbkanälen 


SS13 4.15

Objekthervorhebung durch Differenzbilder" 

Die Differenzbild-Methode hat zwei 

typische Anwendungen: 

• Hervorhebung bzw. Detektion 

von bewegten Objekten in 

einem statischen Umfeld. 

• Objektentdeckung durch 

Berechnung der Änderung 

bezüglich eines bekannten 

Hintergrundbildes. 


SS13 4.16

Hervorhebung dynamischer Bildbereiche 

durch Differenzbild-Methode (1) 

- 

Beachte: 

Die Schatten der Bäume 

auf der Fahrbahn ändern 

sich viel langsamer als 

die Abbildungen der 

Autos und erscheinen 

deshalb nicht im 

Differenzbild. 

Binarisierung 


SS13 4.17

Hervorhebung dynamischer Bildbereiche 

durch Differenzbild-Methode (2) 

- 

Durch die Subtraktion 

zweier zeitlich benachbarter 

Bildaufnahmen wird ein sich 

stärker bewegender Partikel 

im Mikroskopbild sichtbar. 


SS13 4.18

Hintergrundbild 

Objektentdeckung vor bekanntem Hintergrund 

Absolut- 

Differenz 

- 

Schwellwert- 

Operation 

& 

Maskierung 


SS13 4.19

Eigenschaften des Median-Filters" 

Der Median-Filter gehört zur Gruppe der 

Rangfolgeoperationen, bei denen die Grauwerte einer 

Bildnachbarschaft in aufsteigender Reihenfolge sortiert 

werden. Das Ergebnis der Operation ist der Grauwert, der 

in der sortierten Folge eine bestimmte Position einnimmt: 

• mittlerer Rang Medianfilter 

• niedrigster Rang Minimumfilter 

• höchster Rang Maximumfilter 

Die Rangfolgeoperationen der Bildverarbeitung sind nichtlineare 

örtliche Filter. 

Für das Ergebnisbild entstehen keine neuen Grauwerte 

(wie z.B. bei einem Mittelwertfilter) 

kein "Verschleifen" von Kanten. 


SS13 4.20

Motivation: 

Einzelne Stör- 

Pixel sollen aus 

dem Bild entfernt 

werden, 

möglichst ohne 

die korrekten 

Bildwerte zu 

beeinflussen. 

Eliminierung von Störungen  

mit einem Median-Filter " 

Diskrete Werte eines 

1D-Signals 

Vergleich: Mittelwertfilter und Medianfilter (1D) 

Ergebnis eines Mittelwertfilters Medianfilter 


SS13 4.21

Berechnung des 2D-Medianfilters  

Beispiel: 3x3 Nachbarschaft" 

Für die Berechnung des Medians werden die Pixelwerte in einer 

Bildnachbarschaft zuerst sortiert. 

Der kleinster Wert (niedrigster Rang) ist das Minimum, der größte Wert 

(höchster Rang) ist das Maximum und der in der Rangfolge mittige Wert ist 

der Median. 

Rang: 

9 

8 

7 

6 

5 

4 

3 

2 

1 

Minimum 

Maximum 


SS13 4.22

Originalbild 

künstlich gestört 

durch "Salt and 

Pepper Noise" 

Demonstration des Median-Filters (1)" 

Median-Filter 

3 × 3 

Zum Vergleich: 

Ergebnis des 

Mittelwertfilters 

(3x3) 


SS13 4.23

Demonstration des Median-Filters (2)  

Wirkung bei wachsender Größe der Filtermaske" 

Original 5x5 7x7 11x11 

15x15 21x21 31x31 

Bildränder mit 

Nullwerten 

besetzt (obere 

Reihe) bzw. 

interpoliert 

(untere Reihe) 


SS13 4.24

Minimum-Filter" 

5x5 11x11 21x21 

Der Minimum-Filter wird ähnlich wie der Median-Filter 

berechnet, mit dem Unterschied, dass der Ergebniswert 

für eine Pixel-Nachbarschaft nicht der Median sondern 

das Minimum der Grauwerte ist. 

Der Minimum-Filter entspricht einer Erosion in der 

grauwert-basierten morphologischen Bildverarbeitung. 

Anwendungen: 

Hervorhebung (Kontrastverstärkung) von kleinen 

dunklen Strukturen, z.B. bei Strichzeichnungen. 


SS13 4.25

Maximum-Filter" 

5x5 

11x11 

Der Maximum-Filter wird ähnlich wie der Median-Filter 

berechnet, mit dem Unterschied, dass der Ergebniswert 

für eine Pixel-Nachbarschaft nicht der Median sondern 

das Maximum der Grauwerte ist. 

Der Maximum-Filter entspricht einer Dilatation in der 

grauwert-basierten morphologischen Bildverarbeitung. 

Anwendungen: 

Hervorhebung (Vergrößerung) von kleinen hellen 

Strukturen vor dunklem Hintergrund. 

21x21 


SS13 4.26

Bildverbesserung

Erfolgreiche ePaper selbst erstellen

Template löschen?

Als Template speichern?