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 (Bildverarbeitung 2)

Sommersemester 2020

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

Aktuelles im Sommersemester 2020

  1. pdf-Dokument  Hier finden Sie Informationen zur Vorlesung und den geplanten Inhalten im Sommersemester 2020.

  2. Falls Sie Interesse an der Vorlesung haben, schreiben Sie sich bitte im moodle dafür ein!
    Das Einschreibepasswort erhalten Sie auf Anfrage per eMail an rico.nestler@tu-ilmenau.de.


  3. Über Moodle erhalten Sie weitere Informationen zu den technischen Vorraussetzungen der online-Vorlesungen ab 20.04. (Cisco Webex) . Ebenso finden Sie in Moodle die Zugangsdaten zum Zugriff auf Software und Lehrmaterialien.

Verantwortlich

Voraussetzungen

Interesse an und Kenntnisse in Physik, Mathematik aber auch Informations- bzw. Nachrichtentechnik, hilfreich  Vorlesungen zu Systemtheorie, Signale & Systeme, empfohlen Grundlagen der Bildverarbeitung und und Mustererkennung (Bildverarbeitung 1)

Umfang

  • 2 SWS Vorlesung, 1 SWS Übung

Termine

Termine (SoSe 20, Stand 2.7.): 

  • Vorlesung
    (Online): ab 21.4. Dienstags, 15:00-16:30 Uhr, Cisco Webex Die Einladungen werden per Mail verschickt!
    Bitte schreiben Sie sich dafür bei Moodle ein! 

  • Übung
    (
    Präsenz je nach aktueller Lage): ab 13.5. Mittwochs (G), 7:15-8.45 Uhr, Sr K2003A oder Cisco Webex
    Im Sommersemester 2020 werden aufgrund der aktuellen Situation weniger rechnerische Übungen durchgeführt.
    Zu den Übungs­ter­mi­nen finden Vorlesungen statt. Die Festlegung erfolgt kurzfristig in der Vorlesung.

  • Klausur:
    17.8.2020, 10:30-12:00 Uhr, Hu-Hs

Überblick

Gegenstand der Vorlesung Grundlagen der Farbbildverarbeitung (Bildverarbeitung 2) 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 (Bildverarbeitung 1) ) 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 Studierende 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 Studierende das erworbene Wissen in weiterführenden Veranstaltungen des Bachelor- und Masterstudiums, z.B.

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

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 (Bildverarbeitung 1)". Bitte Modulprüfung "Computervision" anmelden! Die Modulprüfung "Computervision" umfasst stets beide Prüfungsleistungen!

Skripte, Lehr- & Übungsmaterialien (zuletzt aktualisiert 15.07.2020)

Vorlesungen

  Die Skripte müssen in der VL vervollständigt werden. Bitte verwenden Sie zum Download der Skripte und Übungsunterlagen die in der Vorlesung mitgeteilten Zugangsdaten. Installieren Sie für die -Lehrbeispiele das VIP-Toolkit™-BV-Rapid Prototyping- Studentenversion. Die Zugangsdaten für VIP-Toolkit und Lehrbeispiele finden Sie in moodle.
Kapitel 1: Einleitung Farbe, Geschichtliches zur Farbe  SS2020 pdf-Dokument
pdf-Dokument

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

VIP-Toolkit-Projekt zum Farbkonstanz-Phänomen

 Farbtäuschungen mit Benham-Scheibe (OpenCV-App)

Farbtäuschungen mit Benham-Scheibe (VIP-Toolkit)

VIP-Toolkit-Projekt zur Farbinduktion

VIP-Toolkit-Projekt zur Farbinduktion 2 (Vorlesungsbeispiel)

SS2020 pdf-Dokument
Kapitel 3:   Farbreiz- und Spektralwertmetrik, Prinzip der sub­trak­ti­ven Farb­mi­schung

SS2020 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

SS2020 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 SS2020 pdf-Dokument
Kapitel 6: Farb­mes­sung 1: Ver­gleichs­me­thode, Spek­tral­ver­fahren, Drei­be­reichs­ver­fahren, Spek­tral­mas­ken­ver­fahren SS2020 pdf-Dokument

Kapitel 7: Farb­mes­sung 2: Mehr­be­reichs­mess­tech­nik, Schät­zung spek­tra­ler Farb­rei­ze, Metameriephänomen, Ka­li­brie­rung von farb­mes­sen­den Sys­te­men

pdf-Dokument Leitfaden zur targetbezogenen Farbkorrektur

SS2020 pdf-Dokument

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

VIP-Beispiel zur Erzeugung von korreliertem Farbwertrauschen mit Kovarianzmatrix

VIP-Beispiel zur sta­tis­ti­schen Pixel­klas­si­fi­ka­tion in Farb­räumen oder re­du­zier­ten Farb­räumen

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

SS2020 pdf-Dokument

Kapitel 9:   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

SS2020 pdf-Dokument

Kapitel 10:   Kantendetektion in Farbbildern: der Vektorgradient einer Farbbildfunktion, praktische Näherungslösungen

VIP-Toolkit-Projekt zum echten Vektor­gra­dien­ten und Näher­ungs­lö­sun­gen

SS2020 pdf-Dokument

Kapitel 11:   Color Indexing, Histo­gramm-Match­ing, gra­phen­ba­sier­tes Histo­gramm­Matching

VIP-Toolkit-Projekt zur Farbraumumquantisierung mit uniformem Binning

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

VIP-Toolkit-Projekt zum Co­lor­In­dexing mit uniformem und Fuzzy-Binning
SS2020 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

SS2020 pdf-Dokument

Hinweise zur Prüfungsvorbereitung

SS2020 pdf-Dokument

 

Übungen

Im Sommersemester 2020 werden rechnerische Übungen als Prä­senz­ver­an­stal­tungen nur bei Vorliegen geeigneter Bedingungen durchgeführt. Zu einigen Übungs­ter­mi­nen fin­den Vor­le­sun­gen statt. Die Übung am 8.7. wird als Präsenzveranstaltung im Veranstaltungsraum laut Vorlesungsverzeichnis durchgeführt!

  Bitte installieren Sie für -Experimente das VIP-Toolkit™-BV-Rapid Prototyping- Studentenversion.

Sie finden hier Übungsmaterialien zum ver­tie­fen­den Selbst­stu­dium und zu Bo­nus­auf­gaben. Bitte bearbeiten Sie diese zunächst selbstständig oder in der Gruppe und diskutieren Sie Ihre Lösungsvorschläge bei Bedarf mit mir. Lösungen zu Bonusaufgaben senden Sie bitte bis zum 8.8.2020 per Mail. Sie können mehrere Lösungsvorschläge einreichen.

Übungsmaterial 0: Einführung VIP-Toolkit, einfache Experimente zum Erlernen des Umgangs

SS2020

zip-Archiv

Übungsmaterial 1:  Farbe und Kom­po­nen­ten der Farbwahrnehmung: Farbreize und Normlichter, Spektralwertkurven und Farbvalenzen

SS2020

zip-Archiv

Bonus-Aufgabe 10%: Zyklischer Filter

SS2020

zip-Archiv

Übungsmaterial 2: Hel­lig­keits­at­tri­bu­te von Far­ben: In­ten­si­tät, Lumi­nanz und Light­ness (VIP-Tool­kit-Ex­pe­ri­mente), Um­gang mit Farb­rä­umen, Farb­ta­feln und Farb­maß­zahlen

SS2020

zip-Archiv

Übungsmaterial 3: Besonderheiten des HSI-Farbraums,  VIP-Tool­kit-Ex­pe­ri­mente zum HSI-Raum

SS2020

zip-Archiv

Übungsmaterial 4: Targetbezogene Farbkorrektur, Farbbildstatistik und Farbbild-Punktoperationen, VIP-Toolkit-Experimente zu Farbbildstatistik und -Punktoperationen

SS2020

zip-Archiv

 Bonus-Aufgabe 10%: Extended Vector Median

SS2020

zip-Archiv

Übungsmaterial 5: Stö­rungs­un­ter­drüc­kung in Farb­bil­dern durch lo­kale Ope­ra­to­ren (Farb­saum­pro­blem, zy­kli­sche Fil­te­rung, be­ding­te Filterung), Musterlösungen, VIP-Tool­kit-Ex­peri­men­te SS2020

zip-Archiv

Übungsmaterial 6:  Farb­bild­kan­ten (Vek­tor­gra­dient und Nähe­rungs­lö­sun­gen), His­to­gramm­ba­sier­tes Farb­mat­ching, Mus­ter­lö­sun­gen, VIP-Tool­kit-Ex­peri­men­te SS2020

zip-Archiv

Präsenz-Übung 7:  Material zur Prüfungsvorbereitung+MusterlösungenSS2020pdf-Dokument