Die (digitale) Bildverarbeitung (s.g. Image Processing) nutzt die Mittel der Signalverarbeitung zur Aufbereitung und Speicherung von visuellen Informationen. Im Gegensatz zur Bildbearbeitung, welche sich mit der Manipulation von Bildern zur anschließenden Darstellung beschäftigt, dient die Bildverarbeitung als eine Zwischenstufe zu einer weitergehenden maschinellen Bearbeitung (Bildsegmentierung, Bilderkennung, Bildverstehen, und Mustererkennung). Mit Methoden der Bildverarbeitung werden in Maschinen Objekte vermessen, Objekte inspiziert oder codierte Informationen gelesen. Röntgen- und Ultraschallgeräte liefern mit der Bildverarbeitung Bilder, die der Arzt einfacher deuten kann. Röntgengeräte in Sicherheitszonen untersuchen Gepäck und Kleidung automatisch nach gefährlichen Objekten (Waffen etc.).
Anwendungen der Bildverarbeitung:
Vermessung von Objekten
Eine häufige Aufgabe maschineller Bildverarbeitung ist die automatisierte Vermessung von Objekten (vor allem Position und Drehlage). In unserem Fall wäre es die Lage der Hand auf dem „Filmausschnitt“ - wo (Vektor X,Y,Z) sich genau unsere Hand in bestimmten Zeitpunkt t befindet und welche Lage hat unsere Hand (sieht man ein Finger, zwei, usw.). Hier wird im Allgemeinen nach geometrischen Mustern (Eck, Kreis, Kreuz...) oder nach einem Muster gesucht, dass von einem 'golden Sample' eingelernt wurde.
Inspektion von Objekten
Bei dieser Anwendung werden automatisch bestimmte Eigenschaften in einem Bild überprüft. Zum Beispiel wird bei unserer Hand u.a. geprüft, ob es die rechte oder linke Hand ist, Hautfarbe (Hautfarbton) oder eine Verletzung auf der Hand.
Objekte der Bildverarbeitung
Die in der Bildverarbeitung manipulierten Objekte lassen sich nach verschiedenen Gesichtspunkten klassifizieren:
Reflexionsbilder (z. B. Kameraaufnahmen) – unserer Fall !!!
Projektionsbilder (z. B. Röntgenaufnahmen, Ultraschall, Elektrophoretogramme)
Schematisierte Bilder (z. B. Karten, Pläne, Dokumente)
Operationen der Bildverarbeitung
Die Operationen in der Bildverarbeitung lassen sich in drei Klassen einteilen:
Punktoperatoren,
lokale Operatoren und
globale Operatoren.
Diese Einteilung basiert darauf, wie viele Bildpunkte bei dem jeweiligen Verfahren für die Berechnung eines neuen Grau- oder Farbwertes f(x,y) eines Bildpunktes (x,y,z) betrachtet werden. Punktoperatoren transformieren jeden Punkt eines Bildes einzeln nur in Abhängigkeit vom Grau- oder Farbwert und ggf. der Position im Bild.
Punktoperatoren
Ein Punktoperator T ordnet einem Eingabebild f durch Transformation der Grauwerte der einzelnen Pixel ein Ergebnisbild f* zu. Der Grauwert f(x,y) eines Pixels (x,y) wird dabei nur in Abhängigkeit vom Grauwert selbst und eventuell von der Position des Pixels im Bild modifiziert:
f * (x,y) = Txy(f(x,y))
Ist die Transformation von der Position des Pixels im Bild abhängig, so heißt sie inhomogen. Die Indizes x und y von T sollen diese Abhängigkeit verdeutlichen. In der Mehrheit der Fälle kommen jedoch homogene Transformationen zum Einsatz, bei denen diese Abhängigkeit nicht gegeben ist. Die Indizes werden dann überflüssig:
f * (x,y) = T(f(x,y))
Histogramm
In der digitalen Bildverarbeitung versteht man unter einem Histogramm die statistische Häufigkeit der einzelnen Grau- bzw. Farbwerte in einem Bild. Das Histogramm eines Bildes erlaubt eine Aussage über die vorkommenden Grau- bzw. Farbwerte und über Kontrastumfang und Helligkeit des Bildes.Typische Punktoperatoren bewirken eine sichtbare Änderung im Histogramm. So wird es bei einer Histogrammspreizung [Fig.1] zwecks Erhöhung des Kontrasts auseinandergezogen oder bei einer Histogrammverschiebung zwecks Helligkeitskorrektur durch Addition einer Konstante verschoben.
Die Histogrammspreizung (auch Tonwertspreizung genannt) ist ein häufig eingesetztes Verfahren zur Kontrastverstärkung in kontrastarmen Grauwertbildern.[Fig.2] In solchen Bildern kommen viele Grauwerte der Grauwertskala überhaupt nicht vor. Je größer die ungenutzten Bereiche an den beiden Rändern der Skala sind, desto stärker kann der Abstand zwischen dem dunkelsten und dem hellsten Grauwert vergrößert werden, desto weiter können also die Grauwerte im Bild „auseinandergezogen“ werden.
Fig.1. Schmatische Darstellung der Histogrammspreizung
Fig.2. Änderung von der Grauwerten
Die Histogrammverschiebung [Fig.3] ist ein einfaches Verfahren zur Regulierung der Helligkeit eines Bildes. Dabei werden alle Grauwerte g des Bildes um eine feste Konstante c auf der Grauwertskala in den hellen oder dunklen Bereich verschoben:
Fig.3. Histogrammverschiebung
Eine klassische Anwendung von Histogrammen in der Bildverarbeitung liegt in der Äqualisation (auch Egalisierung oder Einebnung genannt), bei der eine Gleichverteilung der Grau- bzw. Farbwerte berechnet wird. Dadurch kann eine bessere Verteilung der Farbgebung erreicht werden, die über eine bloße Kontrastverstärkung hinausgeht.
Dieses Post basiert auf dem Artikel von der Seite: http://www.computerbase.de/lexikon/
Keine Kommentare:
Kommentar veröffentlichen