http://www.tu-ilmenau.de

Logo TU Ilmenau


Ansprechpartner

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

Fachgebietsleiter

Telefon 03677 69-3820

E-Mail senden

Ihre Position

INHALTE

Grundlagen der Farbbildverarbeitung / Computervision II

Sommersemester 2019

Zielgruppen: Studenten der BA-Studiengänge Biomedizinische Technik sowie Ingenieurinformatik und Informatik, die das Modul "Computervision" gewählt haben. Studenten der MA-Studiengänge Medientechnologie und Elektrotechnik, Studenten mit Interesse an Bildverarbeitung.

Verantwortlich

Voraussetzungen

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

Umfang

  • 2 SWS Vorlesung, 1 SWS Übung

Termine

  • Vorlesung: wieder im Sommersemester 2020
  • Übung: wieder im Sommersemester 2020
  • Klausur: -

Überblick

Gegenstand der Vorlesung Grundlagen der Farbbildverarbeitung (Computervsion II) sind Methoden zur Lösung von bildbasierten 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 den Fokus auf  ganz allgemein mehrkanalige digitale Bilder (Farbbilder), 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 - Computervision I ) oder werden unter Berücksichtigung der Zusammenhänge und der Bedeutung der Farbkanäle (Farbwerte) eines Bildes entwickelt. Dazu werden in der Veranstaltung wichtige Grundlagen zur „Farbe“ als subjektiver Sinnesempfindung, zu Farbräumen und –systemen, zur Farbmetrik vermittelt und durch Wissen zu multispektral-messenden und farbwiedergebenden Systemen ergänzt.  Das Ziel der Bildauswertung ist die Interpretation des Bildinhaltes auf verschiedenen Abtraktionsstufen.Dazu müssen die Bilder in der jeweils technisch zugänglichen Form, hier als mehrkanaliges (Farb-)Bild,  aufbereitet, transformiert, gewandelt, analysiert und letztlich klassifiziert werden, um relevante Inhalte und Aussagen ableiten zu können. In der Veranstaltung werden dafür wesentliche Methoden, Verfahren und Algorithmen betrachtet und im Kontext konkreter Anwendungen aus der Praxis diskutiert.

Der Hörer erhält einen umfassenden Überblick zu den Besonderheiten der Verarbeitung digitaler Farbbilder im Rahmen von technischen Erkennungsaufgaben. Neben dem rein informatischen Aspekten 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 ist der Kursteilnehmer in der Lage, klassische Verarbeitungsketten zur Lösung bildbasierter Erkennungsaufgaben zu verstehen und zu gestalten, Teilaspekte von Verarbeitungslösungen richtig einzuordnen und umzusetzen sowie sich begrifflich sicher in diesem interdiziplinären Wissensgebiet zu bewegen. Für das Verständnis aktueller Anwendungsgebiete auf diesem Gebiet, wie multispektrale Bilderfassung und Bildsignalverarbeitung, werden beste Vorraussetzungen geschaffen.

Aufbauend auf den in der Vorlesung vermittelten Inhalten kann der Hörer das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor- und Masterstudiums, z.B.

sowie externen Veranstaltungen zur angewandten Bildverarbeitung und bildbasierten Mustererkennung / künstlichen Intelligenz an der TU Ilmenau weiter auszubauen.

Die Veranstaltung ist begleitet von einer Übung, in der die Vorlesungsinhalte nachbereitet, vertieft und einfache BV-Aufgaben mit einer Prototyping Software für Bildverarbeitungslösungen (VIP-Toolkit) bearbeitet werden. Zur Vorlesung werden 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

Abschluss durch schriftliche Prüfung, 90 min oder mündliches Prüfungsgespräch (nur nach Vereinbarung).

BA-Modul "Computervision" der Studiengänge IN und II: Abschluss durch schriftliche Prüfung, 90 min, Modulnote zusammen mit Note für Fach "Grundlagen der Bildverarbeitung und Mustererkennung (Computervision I)". Die Modulprüfung "Computervision" umfasst stets beide Prüfungsleistungen!

Skripte, Lehr- & Übungsmaterialien (zuletzt aktualisiert 02.07.2019)

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 lokale Operatoren (Farb­saum­pro­blem, be­ding­te Filterung), VIP-Tool­kit-Bei­spie­le SS2019

zip-Archiv

Übung 6: Farbbildkanten (Vektorgradient und Näherungslösungen), VIP-Toolkit-Experimente, Prüfungsvorbereitung

SS2019

zip-Archiv