Lehrver­anstaltungs­handbuch IBV

Industrielle Bildverarbeitung


PDF Lehrveranstaltungsverzeichnis English Version: IBV

Version: 2 | Letzte Änderung: 23.09.2019 09:14 | Entwurf: 0 | Status: vom verantwortlichen Dozent freigegeben

Langname Industrielle Bildverarbeitung
Anerkennende LModule IBV_BaET, IBV_BaTIN
Verantwortlich
Prof. Dr. Lothar Thieling
Professor Fakultät IME
Gültig ab Wintersemester 2022/23
Niveau Bachelor
Semester im Jahr Sommersemester
Dauer Semester
Stunden im Selbststudium 78
ECTS 5
Dozenten
Prof. Dr. Lothar Thieling
Professor Fakultät IME
Voraussetzungen Grundlagen der Sinalverarbeitung (Diskrete Signale im Zeit- und Ortsbereich)
Grundlagen der Programmierung in Java oder C
Grundlagen der Analysis und Linearen Algebra
Unterrichtssprache deutsch
separate Abschlussprüfung Ja
Literatur
Rafael C. Gonzalez, Richard E. Woods, Digital Image Processing, Prentice Hall
Scott E Umbaugh, COMPUTER VISION and IMAGE PROCESSING: A Practical Approach Using CVIPtools, Prentice Hall
Wolfgang Abmayer, Einführung in die digitale Bildverarbeitung,Teubner
Abschlussprüfung
Details Die Studierenden sollen in einer mündlichen Prüfung folgende Kompetenzen nachweisen: 1.) Sicherer Umgang mit grundlegenden Begrifflichkeiten, Mechanismes und Konzepten. 2.) Problemstellungen aus dem Bereich der Industriellen Bildverarbeitung analysieren und mit passenden Methoden lösen können. 3.) Vorliegende Problemlösungen analysieren und die dabei verwendeten algorithmischen und theoretischen Grundlagen erklären können.
Mindeststandard Mindestens 50% der möglichen Gesamtpunktzahl.
Prüfungstyp mündliche Prüfung, strukturierte Befragung

Lernziele
Zieltyp Beschreibung
Kenntnisse Bildaufbau globale Bildeigenschaften und Zugriff auf Bilddaten
Bildmatrix
Grauwert- und Farbbilder
globale Bildeigenschaften
Mittelwert, Varianz, Entropie
Histogramm, kumulatives Histogramm
Entwicklungsumgebung
Software-Entwicklungsumgebung
Compiler
Linker
Debugger
Entwicklungsumgebung für die Bildverarbeitung und Bildanalyse
programmtechnischer Zugriff auf Bilddaten und Parameter
Überblick über die zur Verfügung stehenden BV-Module
Erstellung eigener BV-Module
Erstellung von "Algorithmenketten" auf Basis von BV-Modulen mittels grafischer Programmierung
Kenntnisse Grauwerttranformationen
lineare Grauwerttranformation, Histogrammspreizung
nicht lineare Grauwerttranformation, Gammakorrektur
Histogrammasgleich
lokaler Histogrammausgleich
Look-Up-Tabellen
Flaschfarbendarstellung
Kenntnisse Farbbildanalyse und -verarbeitung
visuelle und technische Farberfassung
additive und subtraktive Farbmischen
RGB-Farbraum
HSI-Farbraum
Transformation zwischen RGB und HSI
Kenntnisse Rang-Ordnungs-Operatoren (nichtlineare Filterung)
Max, Min, Median
morphologische Operatoren
Erosion, Dilatation
Opening, Closing
Auffinden von Strukturen
Kenntnisse Analyse und Verarbeitung im Frequenzbereich
Fourieranalyse und -synthese eindimensionaler digitaler Signale
reales Spektrum, imaginäres Spektrum
Amplitudenspektrum, Phasenspektrum
Filterung im Frequenzbereich
Fourieranalyse und -synthese von Bildern
reales Spektrum, imaginäres Spektrum
Amplitudenspektrum, Phasenspektrum
Filterung im Frequenzbereich
richtungunabhängige Filter
richtungsabhängige Filter
inverser Filterung
Kenntnisse Lineare Filterung im Ortsbereich
Flatung, Faltugsmaske und deren Transformierte
typische Faltungsmasken (Mittelwert, Gauß, Differnz-Operator, Sobel-Operator, Laplace-Operator)
Gradient und dessen Berechnung mittels Differnz und Sobel-Operator
Analyse und Bewertung der Operator im Frequenzbereich
Kenntnisse Tracking
Normierter Kreuzkorrelation
Verfolgungen
ohne Schätzung
mit Schätzung (Kalmanfilter)
Kenntnisse Subpixelgenaue Kantenvermessung
eindimesional
zweidimensional mittels Gradient
Fertigkeiten die vorgestellten Verfahren zur Bildverbesserung mittels Grauwerttransformation
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren
Fertigkeiten die vorgestellten Farbräume und der Algorithmen zu deren Analyse
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren
Fertigkeiten die vorgestellten Verfahren zur nicht lineraren Filterung
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren
Fertigkeiten Spektren von Bildern und/oder Faltungsmasken
analysieren
begründen
konstruieren
diskutieren
Fertigkeiten die vorgestellten Verfahren zur lineraren Filterung (Orts- und Frequenzbereich)
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren
Aufwand Präsenzlehre
Typ Präsenzzeit (h/Wo.)
Vorlesung 2
Übungen (ganzer Kurs) 0
Übungen (geteilter Kurs) 0
Tutorium (freiwillig) 0
Besondere Voraussetzungen
1.) Entwickeln von Programmen zur Lösung konkreter Problemstellungen, abstrahieren von Problembeschreibungen in Algorithmen und überprüfen von Programmen auf Fehler. 2.) Problemlösungskompetenz aus dem Bereich lineare Algebra und der Analysis. Sicheres Beherrschen der entsprechenden Symbole und Formalismen. 3.) Darstellung von zeitdiskreten Signalen im Zeit und Frequenzbereich (DFT).
Begleitmaterial elektronische Vortragsfolien zur Vorlesung
, elektronisches Entwurfswerkzeug für die Entwicklung von Bildverarbeitungsanwendungen, elektronische Tutorials für Selbststudium der Entwurfswerkzeuge
Separate Prüfung Nein

Lernziele
Zieltyp Beschreibung
Fertigkeiten siehe Fertigkeiten, die unter "Vorlesung/Übung->Lernziele->Fertigkeiten" aufgeführt sind
Fertigkeiten komplexere Aufgaben in einem Kleinteam bewältigen
Fertigkeiten Erarbeitung von komplexeren Problemlösungen die sich mittels Bildverarbeitung und Bildanalyse implementieren lassen
komplexere Problemstellungen verstehen und analysieren
Systemverhalten aus spezifizierenden Texten herleiten
System strukturiert analysieren
sinnvolle Teilsysteme erkennen
Schnittstellen zwischen Teilsystemen erfassen
Gesamtsystem auf Basis von Teilsystemes modellieren
Auswahl geeigneter bekannter Verfahren
Modifikation bekannter Verfahren
Kombination geeigneter Vefahren
Teilsysteme modellieren, implementieren, testen
Teilsysteme soweit möglich auf zur Vefürgung stehende Komponenten (BV-Module) abbilden, d.h. Modulauswahl und Parametrierung.
Nicht zur Verfügung stehende aber benötigte BV-Module mittels Software-Entwicklungsumgebung in C implementieren und testen
Compilieren (Finden syntaktischer Fehler und deren Behebung)
Debuggen (Finden semantischer Fehler und deren Behebung)
Gesamtsystem (Problemlösung) implementieren testen und validieren
Erstellung der Problemlösung als "Algorithmenkette" auf Basis von BV-Modulen mittels grafischer Programmierung
Parametrierung der BV-Module
Validierung der Problemlösung
Auf Basis der Validierungsergebnisse in Iterationszyklen die Algorithmenkette und die Parametrierung der BV-Module anpassen. Bei Bedarf auch die BV-Module selbst modifizieren.
Aufwand Präsenzlehre
Typ Präsenzzeit (h/Wo.)
Praktikum 2
Tutorium (freiwillig) 0
Besondere Voraussetzungen
1.) Entwickeln von Programmen zur Lösung konkreter Problemstellungen, abstrahieren von Problembeschreibungen in Algorithmen und überprüfen von Programmen auf Fehler. 2.) Problemlösungskompetenz aus dem Bereich lineare Algebra und der Analysis. Sicheres Beherrschen der entsprechenden Symbole und Formalismen. 3.) Darstellung von zeitdiskreten Signalen im Zeit und Frequenzbereich (DFT).
Begleitmaterial elektronische Aufgabenstellung (Problembeschreibung)
, Entwicklungumgebuing für die industrielle Bilverarbeitung, elektronische Tutorials für Selbststudium
Handhabung der Entwicklungsumgebung
Separate Prüfung Nein

Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME

© 2022 Technische Hochschule Köln