Bildverarbeitung an der Hochschule Hamm-Lippstadt

• Integration weiterer Informationen
• Pixel können aus örtlicher Nachbarschaft und oder aus zeitlicher Abfolge von Bildern gezogen werden

• Diskontinuitäten zwischen Flächen/Regionen
• Regionen und Homogenität müssen bekannt sein
• Kanten kann man z.B. durch die Ableitung der Grauwertfunktion erkennen

• Differenzbildung in n- und m-Richtung: führt zu Pseudo-3D Eindruck
• haben ein Stärke: Steilheit Grauwertfunktion bzw. Betrag des Gradienten
• haben eine Richtung: orthogonal zum Gradienten
• Ziel: Berechnung Ort und Richtung von Kanten

• Unterdrücken Störsignale (Rauschen) und heben gleichzeitig Kanten hervor

• Transformation eines Bildes vom Ortsbereich in den Frequenzbereich
• Grundidee: beliebige Funktion bilden aus einer Summe periodischer Grundfunktionen (Bsp. Sinus / Cosinus)

• Eine komplexwertige Funktion
• diese enthält Informationen über: Phase & Amplitude zu den Frequenzteilen im transformierten Bild

1. ermöglicht Vor- und Rückwärtstransformation:
2. Symmetrie:
3. Linearität:
4. Ähnlichkeit
5. Verschiebungseigenschaft: Verschiebung im Ortsbereich führt zu Phasenverschiebung im Frequenzbereich
6. Faltungseigenschaft: Multiplikation im Ortsbereich entspricht Faltung im Frequenzbereich. Ebenso umgekehrt.

1. Berechnung der DFT für jede Bildzeile separat
2. Anwendung der DFT auf das Ergebnis

Separabilität

• Kanten haben hohe Frequenzanteile (i.d.R. mehr als homogene Flächen)
• Aufgrund von schnellen Veränderung in einer (Grauwert-) Funktion
• Kanten lassen sich deshalb durch einen Hochpassfilter hervorheben

• Ein Kantendetektor verstärkt Kanten und tendenziell auch Rauschen
• Rauschen und Kanten haben beide hohe Frequenzanteile

1. Punktabtastung: zum Beispiel durch CCD-Kamera, Scanner etc.
2. Probleme:

• Informationsverlust
• Informationsverfälschung (bzw. Aliasing, Moire-Effekt)