http://www.tu-ilmenau.de

Logo TU Ilmenau


Fakultät für Maschinenbau
- FG Qualitätssicherung und Industrielle Bildverarbeitung
- Stiftungsprofessur Industrielle Bildverarbeitung

headerphoto Fakultät für Maschinenbau
- FG Qualitätssicherung und Industrielle Bildverarbeitung
- Stiftungsprofessur Industrielle Bildverarbeitung
Ansprechpartner

Univ.-Prof. Dr. rer. nat. Gunther Notni

Fachgebietsleiter

Telefon 03677 69-3820

E-Mail senden


INHALTE

Grundlagen der Farbbildverarbeitung

Sommersemester 2017

Zielgruppen: Studenten der IA-Bachelor-Studiengänge, die das Modul "Computervision" gewählt haben. Studenten außerhalb IA in Modulen zur Bildverarbeitung, Technischen Erkennung, Studenten mit Interesse an Bildverarbeitung.

Verantwortlich

Voraussetzungen

gute Kenntnisse in Physik, Mathematik aber auch Informations- bzw. Nachrichtentechnik (Vorlesungen zu Systemtheorie, Signalen & Systemen), Grundlagen der Bildverarbeitung und und Mustererkennung

Umfang

  • 2 SWS Vorlesung, 1 SWS Übung

Termine

  • Vorlesung: Dienstag, 15.00-16.30, Sr K 2002A
  • Übung: Mittwoch (G), 8.00-9.30,  Sr K 2003A

Überblick

Gegenstand der Vorlesung "Grundlagen der Farbbildverarbeitung" sind Methoden zur Lösung von Erkennungsproblemen in technischen Systemen mit Farbkameras oder mehrkanaligen bildgebenden Systemen. Erkennungsaufgaben mit kamerabasierten (sehenden) technischen Systemen sind heutzutage in der Automatisierungstechnik, der Robotik, der Medizintechnik, der Überwachungstechnik und im Automotive-Bereich sehr weit verbreitet.

Die Veranstaltung legt dabei den Fokus auf  farbige oder ganz allgemein mehrkanalige digitale Bilder, die im Sinne konkreter Aufgaben ausgewertet werden müssen. Die in der Vorlesung behandelten Methoden und Verfahren leiten sich unmittelbar aus bekannten Methoden der Grauwertbildverarbeitung ab (Grundlagen der Bildverarbeitung und Mustererkennung) oder werden unter Berücksichtigung der Zusammenhänge und der Bedeutung der Farbkanäle eines Bildes entwickelt. Dazu werden in der Veranstaltung wichtige Grundlagen zur „Farbe“ als subjektive Sinnesempfindung, zu Farbräumen und –systemen, zur Farbmetrik sowie zu farbmessenden und farbwiedergebenden Systemen vermittelt. Das Ziel der Auswertung ist die Interpretation des Bildinhaltes auf verschiedenen Abtraktionsstufen. Dazu müssen die Bilder in der technisch zugänglichen Form, hier als Farbbild oder mehrkanaliges Bild, aufbereitet, transformiert, gewandelt, analysiert und relevante Inhalte klassifiziert werden. Die Veranstaltung stellt dafür wesentliche Methoden, Verfahren und Algorithmen bereit.

Der Student erhält einen umfassenden Überblick zu den Besonderheiten der Verarbeitung digitaler Farbbilder im Rahmen von technischen Erkennungsaufgaben. Neben dem rein informatischen Aspekt der Bildverarbeitung werden dem Studenten wichtige Zusammenhänge zum Entstehen und zur Beschreibung des Farbphänomens und der technischen Erfassung in Form digitaler Farbbilder vermittelt. Im Ergebnis soll der Student in der Lage sein, Erkennungsaufgaben mit bildhaften Daten zu lösen, die dafür benötigte Fachliteratur zu verstehen, richtig einzuordnen und zu werten sowie sich begrifflich sicher in diesem Wissensgebiet zu bewegen.

Aufbauend auf den vermittelten Inhalten kann der Student  sein erworbenes Wissen in weiterführenden Veranstaltungen, z.B. zur Systemtechnik und Systemtheorie der Bildverarbeitung (Prof. Notni), Erfassung und Verarbeitung von 3D-Daten, ergänzen oder weiter auszubauen.

Die Veranstaltung ist begleitet von einem Seminar, in dem die Vorlesungsinhalte nachbereitet und einfache Aufgaben mit einer Prototyping Software für Bildverarbeitungslösungen (VIP-Toolkit) bearbeitet werden. Zur Vorlesung werden weiterhin zahlreiche VIP-Toolkit-Lehrbeispiele bereitgestellt.

Vorlesungsinhalte

 

 

  • Einführung / Grundlagen
    • Farbbegriff und Farbwahrnehmung
    • Grundlagen der Farbmetrik
    • Farbräume und Farbtafeln

  • Ansätze zur Farbmessung und Farbkalibrierung
  • Farbbildverarbeitung / Verarbeitung mehrkanaliger Bilder
    • Statistik und Punktoperationen auf Farbbildern
    • ColorIndexing und Histogrammmatching
    • Lineare und nichtlineare lokale Operationen zur Störungsreduktion und Kantenhervorhebung
  • Ausgewählte Verfahren zur Bildinhaltsanalyse von farbigen und mehrkanaligen Bildern
    • Segmentierung
    • Klassifizierung

 

Literatur

  • M. Richter: Einführung in die Farbmetrik. Walter de Gruyter 1981, ISBN 3-11-008209-8
  • L. W. MacDonald.: Colour imaging : vision and technology.  Wiley, 1999, ISBN 0-471-98531-7
  • Sangwine, Stephen J.: The colour image processing handbook. Chapman & Hall, 1998, ISBN 0-412-80620-7
  • R.C. Gonzalez, R.E. Woods: Digital Image Processing. Addison-Wesley Publishing Company 2007, ISBN 978-0131687288
  • sowie auch die Literaturempfehlungen zum FachGrundlagen der Bildverarbeitung und Mustererkennung

Abschluss

im Modul "Computervision" schriftliche Prüfung 90 min, Modulnote zusammen mit Fach "Grundlagen der Bildverarbeitung und Mustererkennung", Nachholer Modulklausur 180 min

ansonsten schriftliche Prüfung  90 min oder mündliches Prüfungsgespräch nach Vereinbarung

Skripte, Lehr- & Übungsmaterialien (zuletzt aktualisiert 12.07.2017)

Vorlesungen

  Die Skripte müssen in der VL vervollständigt werden. Bitte installieren Sie für die Lehrbeispiele das VIP-Toolkit™-BV-Rapid Prototyping- Studentenversion.
Kapitel 1: Einleitung Farbe, Geschichtliches zur Farbe SS2017 pdf-Dokument
pdf-Dokument

Kapitel 2:   Begriff der Far­be, physio­lo­gische und psycho­lo­gische As­pekte der Farb­wahr­nehmung, Farbtäuschungen, Farb­ord­nun­gen, Kom­po­nen­ten der Farb­wahr­neh­mung, Mo­dell der Far­be

VIP-Toolkit-Projekt zum Farbkonstanz-Phänomen
Farbtäuschungen mit Benham-Scheibe
VIP-Toolkit-Projekt zur Farbinduktion

SS2017 pdf-Dokument
Kapitel 3:   Farbreiz- und Spektralwertmetrik, Prinzip der sub­trak­ti­ven Farb­mi­schung

SS2017 pdf-Dokument

Kapitel 4:   Lumi­nanz, Light­ness und Luma, Farb­räu­me und Farb­ta­feln: Farb­raum CIE-PDT, CIE-RGB, tech­ni­sche Farb­räu­me, Sys­tem der Norm­va­len­zen CIE-XYZ

VIP-Toolkit-Projekt zu Intensität, Luminanz, Lightness, Luma

SS2017 pdf-Dokument
Kapitel 5: Höhere Farbbeschreibungen und höhere Farbmetrik: gleichabständige Farb­räume (CIE-­UCS, CIE-­Lab, CIE-­Luv), tech­ni­sches Farb­dif­fer­enz­sys­tem, OSY-Sys­tem, Helm­holtz-Zah­len, HSI-­Raum SS2017 pdf-Dokument
Kapitel 6: An­sät­ze zur Farb­mes­sung I: Ver­gleichs­me­thode, Spek­tral­ver­fahren, Drei­be­reichs­ver­fahren, Spek­tral­mas­ken­ver­fahren, Metamerieprobleme SS2017 pdf-Dokument

Kapitel 7:   An­sät­ze zur Farb­mes­sung II: Mehr­be­reichs­mess­tech­nik, Schät­zung spek­tra­ler Farb­rei­ze, Ka­li­brie­rung von farb­mes­sen­den Sys­te­men

SS2017 pdf-Dokument

Kapitel 8:   Sta­tis­tik und Histo­gram­me in Farb­räu­men, Punktoperationen auf Farbbildern: Farb­valenz- und Farb­raum­mani­pu­la­tionen

 VIP-Beispiel zu korreliertem Farbwertrauschen und Wirkung der Kovarianzmatrix

 VIP-Beispiel zur sta­tis­ti­schen Pixel­klas­si­fi­ka­tion in Farb­räumen oder re­du­zier­ten Farb­räumen

VIP-Toolkit-Projekt zur bedingten Farbwertmani­pu­la­tion am Bei­spiel ei­ner der­ma­to­lo­gi­schen Auf­nahme

SS2017 pdf-Dokument

Kapitel 9:   Color Indexing, Histo­gramm-Match­ing, gra­phen­ba­sier­tes Histo­gramm­Matching

VIP-Toolkit-Projekt zum Co­lor­In­dexing und his­to­gramm­ba­sier­ten Farb­mat­ching mit His­to­gramm­schnitt

SS2017 pdf-Dokument

Kapitel 10:   Störungs­unter­drückung in Mehr­kanal-(Farb-)bil­dern, a­dap­ti­ves, be­ding­tes Ave­ra­ging, Farbvalenz-Dis­tanz­maße, Di­ffu­sio­ns­fil­ter, Me­di­an und Vek­tor­me­dian, ge­mi­schte An­sät­ze

VIP-Toolkit-Projekt zur Entstehung von Farbsäumen

VIP-Toolkit-Projekt zur zyklischen Fil­te­rung am Bei­spiel des HSI-Bunt­ton­win­kels

 VIP-Toolkit-Projekt zu be­ding­ten Fil­tern für Farb­bil­der (va­ri­anz­ge­steuer­ter Box-Fil­ter)

SS2017 pdf-Dokument

Kapitel 11:   Kantendetektion in Farbbildern: der Vektorgradient einer Farbbildfunktion, praktische Näherungslösungen

VIP-Toolkit-Projekt zum echten Vektor­gra­dien­ten und Näher­ungs­lö­sun­gen

SS2017 pdf-Dokument
Kapitel 12:  Beson­der­hei­ten der Seg­men­tie­rung von Farb­bil­dern: Pixel­klassi­fi­ka­tion+Zu­sam­men­hangs­tests, Be­reichs­wachs­tums­ver­fahren (Re­gion Gro­wing), Seg­men­tie­rung in Farb­raum­pro­jek­tio­nen, hie­rar­ch­ische Seg­men­tie­rung in opti­ma­len Farb­räu­men SS2017 pdf-Dokument

Hinweise zur Prüfung

SS2017 pdf-Dokument

 

Seminare

  Die Arbeitsmaterialien müssen ergänzt und vervollständigt werden.
Bitte installieren Sie für Experimente das VIP-Toolkit™-BV-Rapid Prototyping- Studentenversion installieren.

Seminar 1:  Farbtäuschungen, Kom­po­nen­ten der Farbwahrnehmung, Einführung VIP-Toolkit SS2017

zip-Archiv

Seminar 2:  Farbmetrik: Graßmann & Mo­dell der Far­be, Farb­mi­schung, Spek­tral­wert­me­trik, Spek­tral­wert­kur­ven von Aus­ga­be­ge­rä­ten SS2017

zip-Archiv

Seminar 3:  In­tensi­tät, Lumi­nanz und Light­ness,  Farb­ta­feln und Farb­maß­zahlen, VIP-Toolkit-Experimente

zip-Archiv  Lösungen für offene Aufgaben zu Helligkeitsattributen der Farbe

SS2017

zip-Archiv

Seminar 4:  HSI-Farbraum & Farb­mes­sung, VIP-Tool­kit-Ex­pe­ri­mente (Bonus-Hausaufgabe)

zip-Archiv Lösungen für offene Aufgaben zur Farbmessung

SS2017

zip-Archiv

Seminar 5:  Farbmessung, histogrammbasierte Farb­wert­mani­pu­la­tionen in korrelierten/dekorrelierten Farbräumen, VIP-Tool­kit-Ex­pe­ri­mente (Bonus-Hausaufgabe) SS2017

zip-Archiv

Seminar 6:  His­to­gramm­ba­sier­tes Farb­mat­ching, Störungsunter­drückung in Farb­bil­dern, VIP-Tool­kit-Beispiele SS2017

zip-Archiv

Seminar 7: Operatoren zur Hervorhebung von Kanten in Farbbildern, VIP-Toolkit-Experimente, Prüfungsvorbereitung

zip-Archiv ergänzendes VIP-Toolkit-Projekt zu Aufgabe 2: Intensitätsgradient

SS2017

zip-Archiv