Skript
Skript Skript
Bilder werden haug mit einer Auosung von 8 Bit digitalisiert. Das bedeutet, da - im Fall eines Schwarz/Wei-Bildes - Grauwerte zwischen 0 und 255 zur Verfugung stehen, wobei einem Grauwert 0 die Intensitat 0(schwarz) entspricht, einem Grauwert 255 die maximale Intensitat (wei). Wird beispielsweise angenommen, ein reales Bild weise als maximalen Grauwert I max den Wert 150 auf, als minimalen Grauwert I min den Wert 50 auf, so resultiert fur den Kontrast der Wert 100=255. Der Kontrast ist maximal (K = 1), wenn sich die gesamte Grauwertskala von 0 bis 255 in dem Bild wiederndet. Dies lat sich erreichen, wenn jeder Eingabe- Intensitatswert I in (m n) gema der Rechenvorschrift I out (m n) =(I in (m n) ; I min ) I max =(I max ; I min ) in einen Ausgabe-Intensitatswert I out (m n) uberfuhrt wird. Mit I max = 255 wird im obigen Beispiel der Eingangs-Intensitatswert I min = 50 auf den Grauwert 0 abgebildet, der Eingangs-Intensitatswert I max = 150 auf den Grauwert 255. Die dazwischen liegenden Werte werden gleichmaig, d.h. linear, auf das Intervall 0
Funktionswerte der diskreten Kreuzkorrelationsfunktion gema Gl.(88). Es liegt nahe, da eine Kreuzkorrelation mit einer vorgegebenen Maske zur Mustererkennung verwendet werden kann. Beispielsweise lassen sich auf diese Weise Buchstaben identizieren. Damit ein entsprechender Algorithmus problemlos funktioniert, sollte jedoch dieSchriftart der Maske mit der des zu identizierenden Buchstabens ubereinstimmen. Ferner sind die Schriftgroen aneinander anzupassen. 6.3.2 Grauwertglattung Ein weiteres wichtiges Beispiel einer lokalen Operation stellt ein Median-Filter dar. In praktischen Anwendungen kommt eshaug vor, da die Intensitatswerte einzelner Pixel " ausreien\. Diesen Eekt bezeichnet man als Salz-und-Pfeer-Rauschen\. Ein Median- " Filter hat die Aufgabe, das Salz-und-Pfeer-Rauschen\ zuunterdrucken. Dabei wird ein " lokaler Bildbereich mit ungerader Zeilen- und Spaltenanzahl gewahlt, in dessen Zentrum sich das zu ersetzende Pixel bendet, z.B. ein Bereich von 3 3 Pixeln mit dem zu lternden Pixel in der Mitte (vgl. Abb. 38). Sodann werden die Grauwerte dieses Bereichs gema der Haugkeit ihres Auftretens in Klassen eingeteilt. Der Grauwert des zu lternden Pixels wird durch den Grauwert, der innerhalb des lokalen Bereiches am haugsten auftritt, ersetzt. Auf diese Weise lassen sich einzelne Ausreier\ mit groer Zuverlassigkeit eliminieren. " Wird die digitale Filterung, die in Abschnitt 5.1 behandelt wurde, auf zwei Dimensionen erweitert, so handelt es sich ebenfalls um eine (vielfach ausgefuhrte) lokale Operation, bei der ein raumlich begrenzter Bildbereich mit Hilfe einer Gewichtsfunktion, der charakteristischen Filterfunktion, in einen neuen Grauwert umgerechnet wird. Ein auf diese Weise realisiertes Tiefpalter entspricht einer gleitenden Mittelwertbildung\ und fuhrt letztlich zu einer " Grauwertglattung. 6.3.3 Kantenlterung Eine hauge Aufgabe der digitalen Bildverarbeitung besteht darin, in einem aufgenommenen Bild Objekte zu identizieren, die sich aufgrund ihres mittleren Grauwertes von der Umgebung abheben. Zu diesem Zweck ist im Bild die " Umrandung\ eines interessierenden Objektes zu bestimmen, z.B. die Lage des Winkels in Abb. 39. Dies wird durch sogenannte Kantenlter realisiert. Die Kantenlterung ist in diesem Zusammenhang - ahnlich wie die oben erwahnte digitale Filterung - als diskrete Faltung des Eingangsbildes mit einer Filtermatrix von geringer Ausdehnung, z.B. 3 3 Matrix, zu verstehen. Dabei wird die Filtermatrix um die Pixelposition zentriert, fur die ein neuer Ausgangswert berechnet werden soll (vgl. Abb. 38). Im zweiten Schritt werden die sich uberlappenden Elemente der Bildmatrix und der Filtermatrix miteinander multipliziert und die resultierenden Produkte werden aufaddiert, so da schlielich der Ausgangswert resultiert. Durch ein Kantenlter lat sich ein Grauwertsprung in einer durch dieFiltermatrix festgelegten Richtung feststellen. Die Filtermatrix wird dabei so deniert, da die Ausgangsmatrix z.B. fur Bildpositionen, an denen Grauwertsprunge von " dunkel\ nach " hell\ auftreten, Werte 0aufweist, fur Bildpositionen, an denen Grauwertsprunge von " hell\ nach " dunkel\ 72
- Seite 23 und 24: 4 Abtastung und diskrete Fouriertra
- Seite 25 und 26: h(t) |H(f)| 2 t -f 0 f 0 f a) konti
- Seite 27 und 28: Wertebereich beispielsweise in 2 8
- Seite 29 und 30: n s f zusammen. Im Fall nicht-ganzz
- Seite 31 und 32: 1 −1 0 20 40 60 a) n 1 b) 10 0 10
- Seite 33 und 34: 1 −1 0 20 40 60 a) n 1 b) 10 0 10
- Seite 35 und 36: Fouriertransformierten S k bzw. des
- Seite 37 und 38: 1 0.25 s 1 (t), s 2 (t) 0.5 0 −0.
- Seite 39 und 40: 1 1 0.5 0.5 s(t) 0 s(t) 0 −0.5
- Seite 41 und 42: idealerweise durch die Amplituden-U
- Seite 43 und 44: die um das Maximum der Impulsantwor
- Seite 45 und 46: l= 1 l= 2 l=L M∆t M∆t M∆t N
- Seite 47 und 48: Amplitude Spektrale Leistungsdichte
- Seite 49 und 50: Da ein hoher spektraler Peak einen
- Seite 51 und 52: 5 h n 0 a) −5 0 20 40 60 80 100 1
- Seite 53 und 54: 1. durch die Mittelung einer Anzahl
- Seite 55 und 56: eines reellen Signals, die positive
- Seite 57 und 58: 2 1 a(t) 0 −1 a) −2 0 50 100 15
- Seite 59 und 60: aus, bei dem die zeitabhangige Ampl
- Seite 61 und 62: 150 100 φ(t) (Grad) 50 0 −50 −
- Seite 63 und 64: Abb. 28: Resultat der auf der Kurzz
- Seite 65 und 66: 3 2 Signalamplitude 1 0 −1 −2
- Seite 67 und 68: Abb. 32: CCD-Aufnahme 2 (512 256 P
- Seite 69 und 70: dem Faltungs- bzw. Korrelationstheo
- Seite 71 und 72: Computer / Arbeitsspeicher Lichtque
- Seite 73: 100 FT{rect(2x/∆x, 2y/∆y)} (µm
- Seite 77 und 78: Analog konnen vertikale Kanten mit
- Seite 79 und 80: 1 |sin(ξ)*sin(η)/(ξ η)| 0.8 0.6
- Seite 81 und 82: 250 200 150 100 50 0 Abb. 44: Multi
- Seite 83: 60 50 50 x´ + 159 (Pixel) 100 150
Funktionswerte der diskreten Kreuzkorrelationsfunktion gema Gl.(88). Es liegt nahe, da<br />
eine Kreuzkorrelation mit einer vorgegebenen Maske zur Mustererkennung verwendet werden<br />
kann. Beispielsweise lassen sich auf diese Weise Buchstaben identizieren. Damit ein<br />
entsprechender Algorithmus problemlos funktioniert, sollte jedoch dieSchriftart der Maske<br />
mit der des zu identizierenden Buchstabens ubereinstimmen. Ferner sind die Schriftgroen<br />
aneinander anzupassen.<br />
6.3.2 Grauwertglattung<br />
Ein weiteres wichtiges Beispiel einer lokalen Operation stellt ein Median-Filter dar. In<br />
praktischen Anwendungen kommt eshaug vor, da die Intensitatswerte einzelner Pixel<br />
" ausreien\. Diesen Eekt bezeichnet man als Salz-und-Pfeer-Rauschen\. Ein Median-<br />
"<br />
Filter hat die Aufgabe, das Salz-und-Pfeer-Rauschen\ zuunterdrucken. Dabei wird ein<br />
"<br />
lokaler Bildbereich mit ungerader Zeilen- und Spaltenanzahl gewahlt, in dessen Zentrum sich<br />
das zu ersetzende Pixel bendet, z.B. ein Bereich von 3 3 Pixeln mit dem zu lternden<br />
Pixel in der Mitte (vgl. Abb. 38). Sodann werden die Grauwerte dieses Bereichs gema der<br />
Haugkeit ihres Auftretens in Klassen eingeteilt. Der Grauwert des zu lternden Pixels wird<br />
durch den Grauwert, der innerhalb des lokalen Bereiches am haugsten auftritt, ersetzt. Auf<br />
diese Weise lassen sich einzelne Ausreier\ mit groer Zuverlassigkeit eliminieren.<br />
"<br />
Wird die digitale Filterung, die in Abschnitt 5.1 behandelt wurde, auf zwei Dimensionen<br />
erweitert, so handelt es sich ebenfalls um eine (vielfach ausgefuhrte) lokale Operation, bei der<br />
ein raumlich begrenzter Bildbereich mit Hilfe einer Gewichtsfunktion, der charakteristischen<br />
Filterfunktion, in einen neuen Grauwert umgerechnet wird. Ein auf diese Weise realisiertes<br />
Tiefpalter entspricht einer gleitenden Mittelwertbildung\ und fuhrt letztlich zu einer<br />
"<br />
Grauwertglattung.<br />
6.3.3 Kantenlterung<br />
Eine hauge Aufgabe der digitalen Bildverarbeitung besteht darin, in einem aufgenommenen<br />
Bild Objekte zu identizieren, die sich aufgrund ihres mittleren Grauwertes von der<br />
Umgebung abheben. Zu diesem Zweck ist im Bild die "<br />
Umrandung\ eines interessierenden<br />
Objektes zu bestimmen, z.B. die Lage des Winkels in Abb. 39. Dies wird durch sogenannte<br />
Kantenlter realisiert.<br />
Die Kantenlterung ist in diesem Zusammenhang - ahnlich wie die oben erwahnte digitale<br />
Filterung - als diskrete Faltung des Eingangsbildes mit einer Filtermatrix von geringer Ausdehnung,<br />
z.B. 3 3 Matrix, zu verstehen. Dabei wird die Filtermatrix um die Pixelposition<br />
zentriert, fur die ein neuer Ausgangswert berechnet werden soll (vgl. Abb. 38). Im zweiten<br />
Schritt werden die sich uberlappenden Elemente der Bildmatrix und der Filtermatrix miteinander<br />
multipliziert und die resultierenden Produkte werden aufaddiert, so da schlielich<br />
der Ausgangswert resultiert.<br />
Durch ein Kantenlter lat sich ein Grauwertsprung in einer durch dieFiltermatrix festgelegten<br />
Richtung feststellen. Die Filtermatrix wird dabei so deniert, da die Ausgangsmatrix<br />
z.B. fur Bildpositionen, an denen Grauwertsprunge von "<br />
dunkel\ nach "<br />
hell\ auftreten, Werte<br />
0aufweist, fur Bildpositionen, an denen Grauwertsprunge von "<br />
hell\ nach "<br />
dunkel\<br />
72