Select your language

Suggested languages for you:
Log In Anmelden

Lernmaterialien für Bildverarbeitung an der Hochschule Furtwangen

Greife auf kostenlose Karteikarten, Zusammenfassungen, Übungsaufgaben und Altklausuren für deinen Bildverarbeitung Kurs an der Hochschule Furtwangen zu.

TESTE DEIN WISSEN

Wofür braucht man Formmerkmale von binären Bildregionen?

Lösung anzeigen
TESTE DEIN WISSEN

Zur Klassifikation und Vergleich von Regionen anhand mathematischer Eigenschaften, auch als Vorstufe zur allgemeinen Szenenbeschreibung. Die Klassifikation reicht häufig für industrielle Prozesse aus.

Lösung ausblenden
TESTE DEIN WISSEN

Was sind Chain Codes und wofür braucht man sie?

Lösung anzeigen
TESTE DEIN WISSEN

Chain Codes sind eine Folge von M Positionsänderungen ci, die Länge der Kette ist M. Eine Positionsänderung hat den Wert von 0 bis 7 und entspricht einem der 8 Nachbarn des Pixels. Sie werden benötigt, um Konturen darzustellen, womit wiederum Regionen beschrieben werden können

Lösung ausblenden
TESTE DEIN WISSEN

Wie werden Kollisionskonflikte beim sequenziellen Regionsfindealgortihmus aufgelöst. Schauen Sie dazu
auf Seite 18 und insbesondere Seite 19 des Skriptes von Kapitel 7

Lösung anzeigen
TESTE DEIN WISSEN

Aus dem Pseudo-Code ist zu erkennen, wie der Algorithmus arbeitet, um Konflikte zu lösen: Die Nummern der Labels, die beim sequentiellen Durchlauf als Labels markiert wurden, werden in eine Liste geschrieben, wobei jedes Element in der Liste wiederum eine Menge bildet, die anfangs nur die gefundene Regionennummer (Label) enthält. Für jedes notierte Konfliktpaar von Labels werden die Mengen gesucht, die diese beiden Labelnummern enthalten, die einen Konflikt haben. Anschließend wird eine Menge geleert, während in die andere Menge beide Labelnummern abgelegt werden. Das wird mit allen Konfliktpaaren wiederholt. Am Ende sind nur noch Mengen in der Liste vorhanden, die zusammengehören. Als letztes wird über das Bild iteriert und jedes Label wird durch das kleinste Label in seiner Menge ersetzt. Jetzt ist das Bild richtig gelabelt.

Lösung ausblenden
TESTE DEIN WISSEN

Welche Varianten zur Regionenmarkierung kennen Sie? Beschreiben Sie diese kurz.

Lösung anzeigen
TESTE DEIN WISSEN

Wir haben zwei Varianten mit Untervarianten zur Regionenmarkierung kennengelernt:
a. Flood Filling
i. Rekursiv
ii. Iterativ depth-first
iii. Iterativ breadth-first
b. Sequenzielle Markierung
Das Flood Filling sucht ein unmarkiertes Vordergrundpixel und füllt von diesem Pixel ausgehend den Rest der Region. Dazu werden benachbarte Pixel auf Zugehörigkeit geprüft und bei Übereinstimmung mit dem gleichen Label markiert. Die Markierung breitet sich dann wie eine Flutwelle über das Bild aus.
Bei der sequenziellen Markierung wird das Bild von links nach rechts und von oben nach unten durchlaufen und alle Regionen werden auf einmal markiert. Anschließend müssen aber kollidierende Markierungen aufgelöst, d.h. zusammengeführt werden.

Lösung ausblenden
TESTE DEIN WISSEN

Was sind Regionen und wie sind sie im Allgemeinen aufgebaut. Beschreiben Sie die Struktur von Regionen
umfassend.

Lösung anzeigen
TESTE DEIN WISSEN

Regionen sind zusammenhängende Bildstrukturen. Am einfachsten werden sie in Binärbildern gefunden, in denen es einen Hintergrund und einen Vordergrund gibt. Regionen haben eine äußere Kontur, das ist der Übergang von Hintergrund auf Vordergrund, und beliebig viele innere Konturen, welche durch den Übergang von Vordergrund auf Hintergrund definiert sind. Durch sie entstehen sogenannte Löcher in der Region. Innerhalb der Löcher kann es weitere Regionen geben. Die kleinste Region entspricht der Größe eines Pixels.

Lösung ausblenden
TESTE DEIN WISSEN

Wie funktioniert die Schärfung mit dem Laplace-Filter?

Lösung anzeigen
TESTE DEIN WISSEN

Von der Originalfunktion wird die zweite Ableitung multipliziert mit einem Gewichtungsfaktor abgezogen. Die zweite Ableitung ändert nämlich ihr Vorzeichen am Wendepunkt der Kante, der ca. in der Mitte der Kante verläuft. Durch die Subtraktion wird die Kante steiler, d.h. der Gradient größer.

Lösung ausblenden
TESTE DEIN WISSEN

Welche Dimension haben die in der Vorlesung vorgestellten Kantendetektoren und durch welche Erweiterung wird ihr Einflussbereich auf größere Bilddimensionen als diese vergrößert?

Lösung anzeigen
TESTE DEIN WISSEN

Die bisherigen Kantendetektionen haben eine Dimension von 3x3 Filter. Man könnte jetzt größere Filter konstruieren, oder die gleichgroßen Filter (3x3) auf ein kleiner skaliertes Bild anwenden. Das ist die sogenannte Multi-Resolution-Technik.

Lösung ausblenden
TESTE DEIN WISSEN

Der Gradient wird in x- und in y-Richtung berechnet und ist damit richtungsabhängig. Welcher Operator wird nun für die Kantendetektion berechnet und warum ist dieser richtungsunabhängig?

Lösung anzeigen
TESTE DEIN WISSEN

Die beiden Richtungen stehen senkrecht aufeinander, sie werden als die beiden Komponenten eines Vektors betrachtet. Für die Kantendetektion wird nun der Betrag des Vektors genommen. Dieser ist richtungsunabhängig: ein gedrehter Vektor hat immer die gleiche Länge.

Lösung ausblenden
TESTE DEIN WISSEN

Warum ist die Berechnung des Gradienten, so wie wir sie in der Vorlesung kennengelernt haben, ein lineares Filter?

Lösung anzeigen
TESTE DEIN WISSEN

Die Gradienten werden in diskreten Bildern durch eine Sekante gebildet. Diese ist wiederum eine lineare Operation auf den Pixeln, und damit ein lineares Filter.

Lösung ausblenden
TESTE DEIN WISSEN

Konturen könnten synonym für Kanten gebraucht werden. Jetzt, wo Sie das Kapitel über Regionen und Konturen ebenfalls gehört haben, versuchen Sie bitte eine genauere Definition von Konturen.

Lösung anzeigen
TESTE DEIN WISSEN

Kanten sind einfach eine Änderung der lokalen Intensität, während Konturen den Übergang von einem Vordergrund zu einem Hintergrund bilden. Eine geschlossene Kontur umschließt damit den Vordergrund eines Objektes im Bild.

Lösung ausblenden
TESTE DEIN WISSEN

Was sind Kanten und warum sind sie so wichtig für das menschliche Sehen?

Lösung anzeigen
TESTE DEIN WISSEN

Kanten sind eine lokale Änderung der Intensität. Sie sind wichtig für das Sehen, weil das menschliche Auge Gewicht auf kantenförmige Strukturen legt, z.B. werden komplette Figuren aus wenigen dominanten Linien (Kanten) rekonstruiert.

Lösung ausblenden
TESTE DEIN WISSEN

Welche Formmerkmale kennen Sie, die (jeweils einzeln oder zusammen) invariant gegenüber
a. Verschiebung
b. Rotation
c. Skalierung
sind?

Lösung anzeigen
TESTE DEIN WISSEN

Verschiebungs-invariant: Umfang, Fläche, Kompaktheit, Konvexität, Dichte, Durchmesser, „normalisierte, zentrale Momente“


Rotations-invariant: Umfang, Fläche, Kompaktheit, Dichte, Durchmesser, Konvexität, Hu’s Momente


Skalierungs-invariant: Kompaktheit, Konvexität, Dichte, „normalisierte, zentrale Momente"

Lösung ausblenden
  • 51331 Karteikarten
  • 1167 Studierende
  • 65 Lernmaterialien

Beispielhafte Karteikarten für deinen Bildverarbeitung Kurs an der Hochschule Furtwangen - von Kommilitonen auf StudySmarter erstellt!

Q:

Wofür braucht man Formmerkmale von binären Bildregionen?

A:

Zur Klassifikation und Vergleich von Regionen anhand mathematischer Eigenschaften, auch als Vorstufe zur allgemeinen Szenenbeschreibung. Die Klassifikation reicht häufig für industrielle Prozesse aus.

Q:

Was sind Chain Codes und wofür braucht man sie?

A:

Chain Codes sind eine Folge von M Positionsänderungen ci, die Länge der Kette ist M. Eine Positionsänderung hat den Wert von 0 bis 7 und entspricht einem der 8 Nachbarn des Pixels. Sie werden benötigt, um Konturen darzustellen, womit wiederum Regionen beschrieben werden können

Q:

Wie werden Kollisionskonflikte beim sequenziellen Regionsfindealgortihmus aufgelöst. Schauen Sie dazu
auf Seite 18 und insbesondere Seite 19 des Skriptes von Kapitel 7

A:

Aus dem Pseudo-Code ist zu erkennen, wie der Algorithmus arbeitet, um Konflikte zu lösen: Die Nummern der Labels, die beim sequentiellen Durchlauf als Labels markiert wurden, werden in eine Liste geschrieben, wobei jedes Element in der Liste wiederum eine Menge bildet, die anfangs nur die gefundene Regionennummer (Label) enthält. Für jedes notierte Konfliktpaar von Labels werden die Mengen gesucht, die diese beiden Labelnummern enthalten, die einen Konflikt haben. Anschließend wird eine Menge geleert, während in die andere Menge beide Labelnummern abgelegt werden. Das wird mit allen Konfliktpaaren wiederholt. Am Ende sind nur noch Mengen in der Liste vorhanden, die zusammengehören. Als letztes wird über das Bild iteriert und jedes Label wird durch das kleinste Label in seiner Menge ersetzt. Jetzt ist das Bild richtig gelabelt.

Q:

Welche Varianten zur Regionenmarkierung kennen Sie? Beschreiben Sie diese kurz.

A:

Wir haben zwei Varianten mit Untervarianten zur Regionenmarkierung kennengelernt:
a. Flood Filling
i. Rekursiv
ii. Iterativ depth-first
iii. Iterativ breadth-first
b. Sequenzielle Markierung
Das Flood Filling sucht ein unmarkiertes Vordergrundpixel und füllt von diesem Pixel ausgehend den Rest der Region. Dazu werden benachbarte Pixel auf Zugehörigkeit geprüft und bei Übereinstimmung mit dem gleichen Label markiert. Die Markierung breitet sich dann wie eine Flutwelle über das Bild aus.
Bei der sequenziellen Markierung wird das Bild von links nach rechts und von oben nach unten durchlaufen und alle Regionen werden auf einmal markiert. Anschließend müssen aber kollidierende Markierungen aufgelöst, d.h. zusammengeführt werden.

Q:

Was sind Regionen und wie sind sie im Allgemeinen aufgebaut. Beschreiben Sie die Struktur von Regionen
umfassend.

A:

Regionen sind zusammenhängende Bildstrukturen. Am einfachsten werden sie in Binärbildern gefunden, in denen es einen Hintergrund und einen Vordergrund gibt. Regionen haben eine äußere Kontur, das ist der Übergang von Hintergrund auf Vordergrund, und beliebig viele innere Konturen, welche durch den Übergang von Vordergrund auf Hintergrund definiert sind. Durch sie entstehen sogenannte Löcher in der Region. Innerhalb der Löcher kann es weitere Regionen geben. Die kleinste Region entspricht der Größe eines Pixels.

Mehr Karteikarten anzeigen
Q:

Wie funktioniert die Schärfung mit dem Laplace-Filter?

A:

Von der Originalfunktion wird die zweite Ableitung multipliziert mit einem Gewichtungsfaktor abgezogen. Die zweite Ableitung ändert nämlich ihr Vorzeichen am Wendepunkt der Kante, der ca. in der Mitte der Kante verläuft. Durch die Subtraktion wird die Kante steiler, d.h. der Gradient größer.

Q:

Welche Dimension haben die in der Vorlesung vorgestellten Kantendetektoren und durch welche Erweiterung wird ihr Einflussbereich auf größere Bilddimensionen als diese vergrößert?

A:

Die bisherigen Kantendetektionen haben eine Dimension von 3x3 Filter. Man könnte jetzt größere Filter konstruieren, oder die gleichgroßen Filter (3x3) auf ein kleiner skaliertes Bild anwenden. Das ist die sogenannte Multi-Resolution-Technik.

Q:

Der Gradient wird in x- und in y-Richtung berechnet und ist damit richtungsabhängig. Welcher Operator wird nun für die Kantendetektion berechnet und warum ist dieser richtungsunabhängig?

A:

Die beiden Richtungen stehen senkrecht aufeinander, sie werden als die beiden Komponenten eines Vektors betrachtet. Für die Kantendetektion wird nun der Betrag des Vektors genommen. Dieser ist richtungsunabhängig: ein gedrehter Vektor hat immer die gleiche Länge.

Q:

Warum ist die Berechnung des Gradienten, so wie wir sie in der Vorlesung kennengelernt haben, ein lineares Filter?

A:

Die Gradienten werden in diskreten Bildern durch eine Sekante gebildet. Diese ist wiederum eine lineare Operation auf den Pixeln, und damit ein lineares Filter.

Q:

Konturen könnten synonym für Kanten gebraucht werden. Jetzt, wo Sie das Kapitel über Regionen und Konturen ebenfalls gehört haben, versuchen Sie bitte eine genauere Definition von Konturen.

A:

Kanten sind einfach eine Änderung der lokalen Intensität, während Konturen den Übergang von einem Vordergrund zu einem Hintergrund bilden. Eine geschlossene Kontur umschließt damit den Vordergrund eines Objektes im Bild.

Q:

Was sind Kanten und warum sind sie so wichtig für das menschliche Sehen?

A:

Kanten sind eine lokale Änderung der Intensität. Sie sind wichtig für das Sehen, weil das menschliche Auge Gewicht auf kantenförmige Strukturen legt, z.B. werden komplette Figuren aus wenigen dominanten Linien (Kanten) rekonstruiert.

Q:

Welche Formmerkmale kennen Sie, die (jeweils einzeln oder zusammen) invariant gegenüber
a. Verschiebung
b. Rotation
c. Skalierung
sind?

A:

Verschiebungs-invariant: Umfang, Fläche, Kompaktheit, Konvexität, Dichte, Durchmesser, „normalisierte, zentrale Momente“


Rotations-invariant: Umfang, Fläche, Kompaktheit, Dichte, Durchmesser, Konvexität, Hu’s Momente


Skalierungs-invariant: Kompaktheit, Konvexität, Dichte, „normalisierte, zentrale Momente"

Bildverarbeitung

Erstelle und finde Lernmaterialien auf StudySmarter.

Greife kostenlos auf tausende geteilte Karteikarten, Zusammenfassungen, Altklausuren und mehr zu.

Jetzt loslegen

Das sind die beliebtesten Bildverarbeitung Kurse im gesamten StudySmarter Universum

Digitale Bildverarbeitung

Duale Hochschule Baden-Württemberg

Zum Kurs
Bildbearbeitung

Hochschule für Technik, Wirtschaft und Kultur Leipzig

Zum Kurs

Die all-in-one Lernapp für Studierende

Greife auf Millionen geteilter Lernmaterialien der StudySmarter Community zu
Kostenlos anmelden Bildverarbeitung
Erstelle Karteikarten und Zusammenfassungen mit den StudySmarter Tools
Kostenlos loslegen Bildverarbeitung