IN2016 Bildverstehen II - Robot Vision an der TU München

Karteikarten und Zusammenfassungen für IN2016 Bildverstehen II - Robot Vision an der TU München

Arrow Arrow

Komplett kostenfrei

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

studysmarter schule studium
d

4.5 /5

studysmarter schule studium
d

4.8 /5

Lerne jetzt mit Karteikarten und Zusammenfassungen für den Kurs IN2016 Bildverstehen II - Robot Vision an der TU München.

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 - Wie können Artifakte und große Rekonstruktionsfehler an den Kanten vermieden werden beim Demosaicking? 


Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 Farbmanagement


Welche Punkte sollen bei der Kamerakalibrierung bezüglich Farbmanagement berücksichtigt werden? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel4 Farbmanagement Welche Unterscheidung in der Minimierung des Restefehlers bei der Kalibrierung gibt es zwischen dem CIELAB Farbenraum, RGB rohdaten, sowie RGBs Daten? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel4 

CIELUV und CIELAB Farbenräume


Welchen Vorteil/Verbesserung hat der CIELUV und CIELAB Farbraum ?  

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

Erklären Sie die Mischung der Farben nach dem Graßmannschen Gesetzen 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

3. Farbabgleich (Kategorisierung von Farbenräumen) 

Was ist Farbabgleich (color matching) ? 

Was sind Primärvalenzen? 

Warum ist dies sinnvoll? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

Farbordnung

Prüfungsfrage: Welchen Farbraum soll verwendet werden?


Nenne Sie Vorteile des HLS und HSV Farbenräume sowie Nachteile 


Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

Für was benötigt man eine Farbkalibrierung?
Für was benötigt man eine Gamma-Korrektur? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

In welche 3 Kategorien können Farben beschrieben werden (Beschreibung der Farbenräume) 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel4 Was ist Metamerie?


Was ermöglicht die Metamerie Eigenschaft? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 

Welche 2 Typen von Fotorezeptoren gibt es im menschlichen Auge? 


Was ist die Fovea/ Gelber Fleck? 

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

Kapitel 4 Erläutern Sie die folgenden Beschreibungen von Farbe 

1. Transmissionsgrad

2. Reflexionsgrad

3. Remissionsgrad


Kommilitonen im Kurs IN2016 Bildverstehen II - Robot Vision an der TU München. erstellen und teilen Zusammenfassungen, Karteikarten, Lernpläne und andere Lernmaterialien mit der intelligenten StudySmarter Lernapp. Jetzt mitmachen!

Jetzt mitmachen!

Flashcard Flashcard

Beispielhafte Karteikarten für IN2016 Bildverstehen II - Robot Vision an der TU München auf StudySmarter:

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 - Wie können Artifakte und große Rekonstruktionsfehler an den Kanten vermieden werden beim Demosaicking? 


Wie im folgenden Beispiel zu sehen führt die binlineare Interpolation zu großen Rekonstruktionsfehlern an Kanten, sowie Artefakte (durch Interpolation des Grünkanals . 

Fixing of the Problem: 

1.Reduktion durch Anti-Aliasing Filter

2. keine Interpolation über Kanten hinweg um reißverschlußartige Artefakte zu vermeiden 

3. Vermeidung durch korrektur der Interpolation des Grünkanals 

„Berechnung der partiellen Ableitungen in Zeilen- und Spaltenrichtung für ein zu interpolierendes Pixel im

Grünkanal und lineare Interpolation in Richtung für die die partielle Ableitung den kleineren Betrag besitzt“

4. Korrelation der Kanäle 

Ausnutzung der lokalen Korrelation zwischen den Farbkanälen. Schätzung der fehlenden Farbwerte aus den jeweils vorhanden Farbwerten (-> Glättungsfilter in die horizontale oder vertikale Richtung)

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 Farbmanagement


Welche Punkte sollen bei der Kamerakalibrierung bezüglich Farbmanagement berücksichtigt werden? 

Verbesserung der Kalibrierqualität durch zusätzliche Farbkanäle, Verwendung der RGB Rohdaten und nicht der sRGB Daten, CIELAB für die bessere Anpassung an die Menschliche Anpassung


(Qualtiät der Kalibrierergebnisse zwischen Spiegelreflexkamera und industrieller Farbkamera sehr ähnlich)

IN2016 Bildverstehen II - Robot Vision

Kapitel4 Farbmanagement Welche Unterscheidung in der Minimierung des Restefehlers bei der Kalibrierung gibt es zwischen dem CIELAB Farbenraum, RGB rohdaten, sowie RGBs Daten? 

Farbkalibrierung basierend auf den Kamera RGB Rohdaten liefert die besten Ergebnisse! 

Der mittlere Fehler und der maximale Fehler nach der Kalibrierung einer linearen Transformation sind genauso gut wie bei der Kalibierung mittels der Kamera sRGB Daten unter Verwendung einer quadratischen Transformation!! 

-> Kamera RGB Rohdaten liefert schon gute Genauigkeiten bei linearen Transformationen (bedeutend schneller zu berechnen als quadratische Transformationen! ) 

-> Verwendung der Kamera RGB Rohdaten!!

IN2016 Bildverstehen II - Robot Vision

Kapitel4 

CIELUV und CIELAB Farbenräume


Welchen Vorteil/Verbesserung hat der CIELUV und CIELAB Farbraum ?  

Um die Ungleichförmigkeit des CIEXYZ-Farbenraums bzgl. der Wahrnehmung von Farbunterschieden zu beheben, hat die CIE 1976 zwei näherungsweise gleichförmige Farbenräume definiert

CIE-L*u*v* (Abkürzung: CIELUV) Vor allem monitore, fernseher)
CIE-L*a*b* (Abkürzung: CIELAB) (automobil, textil, bildbearbeitungsanwendungen) 

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

Erklären Sie die Mischung der Farben nach dem Graßmannschen Gesetzen 

Rules: 

1. Wenn zwei Farben abgeglichen sind, dann sind auch Farben mit proportional erhöhter oder verringerter Leistung abgeglichen
2. Wenn ein Paar von Farben abgeglichen ist und ein zweites Paar von Farben abgeglichen ist, dann ist die additive Mischung der zwei Paare von Farben abgeglichen
3. Entsprechendes gilt für die Subtraktion von Farben

Folge aus den Gesetzen: 

1. Der Farbabgleich bildet einen Vektorraum
2. Testfarben, die nicht additiv mit den Primärvalenzen dargestellt werden können, können abgeglichen werden, indem eine geeignete Kombination von Primärvalenzen zur Testfarbe hinzugemischt wird

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

3. Farbabgleich (Kategorisierung von Farbenräumen) 

Was ist Farbabgleich (color matching) ? 

Was sind Primärvalenzen? 

Warum ist dies sinnvoll? 

Farbableich: 

Vorgabe von drei Primärvalenzen (Primärfarben; reference
color stimuli), z.B. quasimonochromatisches Licht geeigneter Wellenlängen

-> Testfarbe durch Mischung der Primärvalenzen in geeigneter Leistung abgeglichen 

Primärvalenzen: 

Sinnvoll da: Da das menschliche Auge drei verschiedene Arten von Farbrezeptoren besitzt und aufgrund von Metamerie können Farben durch drei Werte beschrieben werden

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

Farbordnung

Prüfungsfrage: Welchen Farbraum soll verwendet werden?


Nenne Sie Vorteile des HLS und HSV Farbenräume sowie Nachteile 


HLS und HSV Farbenraum da näher an semantischem Farbverstehen 

Vorteile der HLS- und HSV-Farbenräume:
> Der Buntton entspricht einem semantisch sinnvollen Attribut
> Beim HSV-Farbenraum entspricht die Sättigung einem
semantisch sinnvollen Attribut

Nachteile der HLS- und HSV-Farbenräume:
> Die Helligkeit entspricht keinem semantisch sinnvollen Attribut
(z.B. wird ein reines Blau vom Menschen als viel dunkler
wahrgenommen als ein reines grün)
> Beim HLS-Farbenraum entspricht die Sättigung keinem
semantisch sinnvollen Attribut (z.B. hat ein sehr helles Gelb (R,G,B) = (1,1,0.9) dieselbe Sättigung wie ein reines Grün) 
(R,G,B) = (0,1,0))
> Die Farbenräume sind geräteabhängig
> Die Farbenräume sind nicht gleichförmig bzgl. der
Wahrnehmung von Farbunterschieden

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

Für was benötigt man eine Farbkalibrierung?
Für was benötigt man eine Gamma-Korrektur? 

Farbkalibrierung

Die Primärfarben der Kamera und des Monitors, und
somit der jeweilige Farbgamut, sind typischerweise nicht
identisch, so daß zur korrekten Darstellung eine Farbkalibrierung der Kamera und des Monitors notwendig sind

Gamma-Korrektur

Daher wird in den Videosignalen schon vorab eine sog. Gamma-Korrektur durchgeführt, die die Nichtlinearität des Anzeigegerätes kompensiert

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

In welche 3 Kategorien können Farben beschrieben werden (Beschreibung der Farbenräume) 

Beschreibungen basierend auf Farbmischung
Beschreibungen basierend auf Farbordnung 

Beschreibungen basierend auf Farbabgleich

IN2016 Bildverstehen II - Robot Vision

Kapitel4 Was ist Metamerie?


Was ermöglicht die Metamerie Eigenschaft? 

Da das Auge nur drei unterschiedliche Farbsensoren besitzt, können Farbreize mit unterschiedlichen Spektralverteilungen zu identischen Aktivierungen der Zapfen führen

Potential: Metamerie ermöglicht Farbwiedergabe mit drei Grundfarben: 

Additive Farbmischung: Rot, Grün, Blau bei Monitoren oder Fernsehern
Substraktive Farbmischung: Cyan, Magenta, Gelb (und Schwarz) bei Druckern 

Beleuchtungsvarianz: Unterschiedliche Wahrnehmung der Farben bei unterschiedlicher Beleuchtung

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 

Welche 2 Typen von Fotorezeptoren gibt es im menschlichen Auge? 


Was ist die Fovea/ Gelber Fleck? 

Stäbchen (rods) dienen dem Nachtsehen (skotopisches Sehen)
und ermöglichen lediglich Hell-Dunkel-Sehen (keine
Farbwahrnehmung)
 Zapfen (cones) dienen dem Tagessehen (photopisches Sehen)
und ermöglichen die Farbwahrnehmung

Fovea: Gelber Fleck der Netzhaut mit vielen Zapfen 

IN2016 Bildverstehen II - Robot Vision

Kapitel 4 Erläutern Sie die folgenden Beschreibungen von Farbe 

1. Transmissionsgrad

2. Reflexionsgrad

3. Remissionsgrad


Transmissionsgrad (transmittance): Das Verhältnis von
transmittiertem zu auftreffendem Licht (bei transparenten
Objekten)
 Reflexionsgrad (reflectance): Das Verhältnis von reflektiertem
zu auftreffendem Licht (bei opaken Objekten)
 Remissionsgrad: Das Verhältnis von remittiertem zu
auftreffendem Licht (bei fluoreszierenden Objekten)

Alle drei Größen hängen von der Wellenlänge ab

Melde dich jetzt kostenfrei an um alle Karteikarten und Zusammenfassungen für IN2016 Bildverstehen II - Robot Vision an der TU München zu sehen

Singup Image Singup Image
Wave

Andere Kurse aus deinem Studiengang

Für deinen Studiengang Robotics, Cognition, Intelligence an der TU München gibt es bereits viele Kurse auf StudySmarter, denen du beitreten kannst. Karteikarten, Zusammenfassungen und vieles mehr warten auf dich.

Zurück zur TU München Übersichtsseite

ringvorlesung bionik

Bionik

Computer Aided Medical Procedure

Grundlagen KI

Trends und Entwicklung in der Automobilindustrie

Mensch und Produktion

Systems Engineering

Planung technischer Logistiksysteme

Fabrikplanung

Logistik in der Automobilindustrie

Was ist StudySmarter?

Was ist StudySmarter?

StudySmarter ist eine intelligente Lernapp für Studenten. Mit StudySmarter kannst du dir effizient und spielerisch Karteikarten, Zusammenfassungen, Mind-Maps, Lernpläne und mehr erstellen. Erstelle deine eigenen Karteikarten z.B. für IN2016 Bildverstehen II - Robot Vision an der TU München oder greife auf tausende Lernmaterialien deiner Kommilitonen zu. Egal, ob an deiner Uni oder an anderen Universitäten. Hunderttausende Studierende bereiten sich mit StudySmarter effizient auf ihre Klausuren vor. Erhältlich auf Web, Android & iOS. Komplett kostenfrei. Keine Haken.

Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards
Awards

Bestes EdTech Startup in Deutschland

Awards
Awards

European Youth Award in Smart Learning

Awards
Awards

Bestes EdTech Startup in Europa

Awards

So funktioniert's

Top-Image

Individueller Lernplan

StudySmarter erstellt dir einen individuellen Lernplan, abgestimmt auf deinen Lerntyp.

Top-Image

Erstelle Karteikarten

Erstelle dir Karteikarten mit Hilfe der Screenshot-, und Markierfunktion, direkt aus deinen Inhalten.

Top-Image

Erstelle Zusammenfassungen

Markiere die wichtigsten Passagen in deinen Dokumenten und bekomme deine Zusammenfassung.

Top-Image

Lerne alleine oder im Team

StudySmarter findet deine Lerngruppe automatisch. Teile deine Lerninhalte mit Freunden und erhalte Antworten auf deine Fragen.

Top-Image

Statistiken und Feedback

Behalte immer den Überblick über deinen Lernfortschritt. StudySmarter führt dich zur Traumnote.

1

Lernplan

2

Karteikarten

3

Zusammenfassungen

4

Teamwork

5

Feedback