http://www.tu-ilmenau.de

Logo TU Ilmenau


Ihre Position

INHALTE

Grundlagen der Farbbildverarbeitung / Computervision II

Sommersemester 2019

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: Dienstags, 15.00-16.30, Sr H 2507
  • Übung: Mittwochs-G, 7:15-8:45 Uhr, Sr K 2003A
  • Klausur: -

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 Hörer 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 technischen Beschreibung des Farbphänomens und der technischen Erfassung in Form digitaler Farbbilder vermittelt. Im Ergebnis soll der Hörer in der Lage sein, typische Verarbeitungsabfolgen zur Lösung bildbasierter Erkennungsaufgaben anzuwenden, die dafür benötigte Fachliteratur zu verstehen, richtig einzuordnen und zu werten sowie sich begrifflich sicher in diesem interdiziplinären Wissensgebiet zu bewegen.

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

Die Veranstaltung ist begleitet von einer Übung, in der 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
    • Geschichtliches (Newton, Goethe)
    • 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
    • Merkmalgewinnung und Klassifikation

 

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"

ansonsten schriftliche Prüfung  90 min oder mündliches Prüfungsgespräch nach Vereinbarung

Skripte, Lehr- & Übungsmaterialien (zuletzt aktualisiert 12.06.2019)

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  SS2019 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

SS2019 pdf-Dokument
Kapitel 3:   Farbreiz- und Spektralwertmetrik, Prinzip der sub­trak­ti­ven Farb­mi­schung

SS2019 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

SS2019 pdf-Dokument
Kapitel 5: Tech­ni­sches Farb­sys­teme, Höhere Farbbeschreibungen und höhere Farbmetrik: gleichabständige Farb­räume (CIE-­UCS, CIE-­Lab, CIE-­Luv), OSY-Sys­tem, Helm­holtz-Zah­len und HSI-­Raum, Farbsammlungen SS2019 pdf-Dokument
Kapitel 6: An­sät­ze zur Farb­mes­sung I: Ver­gleichs­me­thode, Spek­tral­ver­fahren, Drei­be­reichs­ver­fahren, Spek­tral­mas­ken­ver­fahren, Metamerieprobleme SS2019 pdf-Dokument

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

SS2019 pdf-Dokument

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

VIP-Beispiel zu korreliertem Farbwertrauschen und Wirkungen der Kovarianzmatrix in Farbbildern

VIP-Beispiel zur sta­tis­ti­schen Pixel­klas­si­fi­ka­tion in Farb­räumen oder re­du­zier­ten Farb­räumen

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

SS2019 pdf-Dokument

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

VIP-Toolkit-Projekt zu Farbklassenhistogrammen und his­to­gramm­ba­sier­ten Farb­mat­ching mit His­to­gramm­schnitt

VIP-Toolkit-Projekt zum Co­lor­In­dexing mit uniformem und Fuzzy-Binning

SS2019 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 von HSI-Farbwerten

VIP-Toolkit-Projekt zum Prinzip des va­ri­anz­ge­steuer­ten Box-Fil­ters für Farbbilder

VIP-Toolkit-Projekt zu leistungsfähigen bedingten / adaptiven Averaging-Filtern für Farbbilder

VIP-Toolkit-Projekt zum Prinzip des Vektor-Median

SS2019 pdf-Dokument

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

VIP-Toolkit-Projekt zum echten Vektor­gra­dien­ten und Näher­ungs­lö­sun­gen

SS2019 pdf-Dokument

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

VIP-Beispiel zur sta­tis­ti­schen Pixel­klas­si­fi­ka­tion in Farb­räumen oder re­du­zier­ten Farb­räumen

SS2019 pdf-Dokument

Hinweise zur Prüfung

SS2019 pdf-Dokument

 

Seminare

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

Übung 0:  Einführung VIP-Toolkit, Farbwahrnehmungen, Experimente zu Farbtäuschungen

SS2019

zip-Archiv

Übung 1:  Kom­po­nen­ten der Farbwahrnehmung: Farbreize und Normlichter, Spektralwertkurven und Farbvalenzen SS2019

zip-Archiv

Übung 2:  Helligkeitsattribute von Farben: Intensität, Lumi­nanz und Light­ness (VIP-Toolkit-Experimente), Umgang mit Farbräumen, Farb­ta­feln und Farb­maß­zahlen, Bonushausaufgabe 7%: zyklisches Filtern

SS2019

zip-Archiv

Übung 3:  HSI-Farbraum, VIP-Tool­kit-Ex­pe­ri­mente zum HSI-Raum, Farbmessung und Farbkorrektur

Ergänzung zu Farbkorrektur / AWB

SS2019

zip-Archiv

Übung 4:  Farbbildstatistik und histogrammbasierte Farb­wert­mani­pu­la­tionen, VIP-Tool­kit-Ex­pe­ri­mente, Bonushausaufgabe 5%

Ergänzung zu bedingten Farbvalenzmanipulationen

SS2019

zip-Archiv

Übung 5:  His­to­gramm­ba­sier­tes Farb­mat­ching, Stö­rungs­un­ter­drüc­kung in Farb­bil­dern durch Ave­ra­ging (Farb­saum­pro­blem, be­ding­tes Aver­aging), VIP-Tool­kit-Bei­spie­le SS2019

zip-Archiv

Übung 6: Operatoren zur Hervorhebung von Kanten in Farbbildern, VIP-Toolkit-Experimente, Prüfungsvorbereitung

SS2019

zip-Archiv