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 |
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 |
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 |
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 |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Vorlesung | 2 |
Übungen (ganzer Kurs) | 0 |
Übungen (geteilter Kurs) | 0 |
Tutorium (freiwillig) | 0 |
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 |
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. |
Typ | Präsenzzeit (h/Wo.) |
---|---|
Praktikum | 2 |
Tutorium (freiwillig) | 0 |
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 |
© 2022 Technische Hochschule Köln