Modulhandbuch BV1

Bildverarbeitung

Bachelor Medientechnologie 2020


PDF Studiengangsverzeichnis Studienverlaufspläne Bachelor Medientechnologie

Version: 2 | Letzte Änderung: 10.12.2019 12:11 | Entwurf: 0 | Status: vom Modulverantwortlichen freigegeben | Verantwortlich: Kunz

Anerkannte Lehrveran­staltungen BV1_Kunz
Gültig ab Sommersemester 2022
Fachsemester 4
Modul ist Bestandteil des VertiefungspaketsBVA - Bildverarbeitung
Dauer 1 Semester
ECTS 5
Zeugnistext (de) Bildverarbeitung
Zeugnistext (en) Image processing
Unterrichtssprache deutsch oder englisch
abschließende Modulprüfung Ja
Inhaltliche Voraussetzungen
SIGA -
Signaltheorie und Angewandte Mathematik
Lineare Filter und Fourier-Transformation sind grundlegende Werkzeuge bei der Verarbeitung von Bildern und bei der Beschreibung der Bilderzeugung. Darüber hinaus sind Grundkenntnisse der Wahrscheinlichkeitsrechnung bei der Beschreibung von Rauschen in Bilden nötig. Diese Inhalte werden im Modul SIGA für den eindimensionalen Fall vermittelt. Das Modul BV1 setzt diese Inhalte voraus und vermittelt hierzu nur noch die Erweiterung zum zweidimensionalen Fall.
Darüber hinaus erfordern zahlreiche nichtlineare Filter Begriffe aus dem Bereich der Statistik (Median, Quantil, etc.)
MA2 -
Mathematik 2
Für die Fourier-Transformation ist die Darstellung der trigonometrischen Funktionen über die komplexe Exponentialfunktion unverzichtbar. Daher wird der Umgang mit komplexen Zahlen vorausgesetzt.
Die Detektion von Kanten und Linien basiert auf der numerischen Berechnung von ersten und zweiten Ableitung für Funktionen mehrerer Veränderlicher. Daher wird hier dasArbeiten mit den Begriffen des Gradient und der Hesseschen Matrix vorausgesetzt.
Die Detektion von Ecken und das Konzept des Strukturtensors basieren auf der Bestimmung von Eigenwerten und Eigenvektoren einer symmetrischen Matrix. Auch der Umgang mit diesen Begriffen ist daher Voraussetzung für das Verständnis zentraler Bidverarbeitungsverfahren.
MA1 -
Mathematik 1
Die Fourier-Transformation basiert auf einer Zerlegung von Signalen in trigonometrische Funktionen. Der Umgang mit diesen Funktionen ist so grundlegend, dass Einzelheiten hierzu zwingend als bekannt vorausgesetzt werden.
Weitere grundlegende Funktionen wie Potenz- und Exponentialfunktionen werden ebenfalls an zahlreichen Stellen benötigt, ohne dass auf sie weiter eingegangen werden kann.
Die Detektion von Kanten und Linien und Ecken basiert auf der numerischen Berechnung von ersten und zweiten Ableitung. Daher werden diese Bgriffe ebenfalls als bekannt vorausgesetzt.
Gleiches gilt für den Integralbegriff, der an zahlreichen Stellen benötigt wird.
INF1 -
Informatik 1
Beim Modul BV1 geht es letztlich um Verfahren der Bildverarbeitung, deren mathematische Grundlagen und deren algorithmische Implementierung. Hierzu werde diese Verfahren auch in Programmcode umgesetzt, bzw. deren Umsetzung analysiert, um den Zusammenhang zwischen Programmcode und beobachteter Veränderung im Bild zu untersuchen.
Hierzu wird zwingend vorausgesetzt, dass grundlegende Programmierkenntnisse vorhanden sind.
Handlungsfelder
Verfahren, Algorithmen und Geräten zur Produktion, Speicherung, Übertragung, Verarbeitung, Wiedergabe und Präsentation medialer Inhalte entwickeln und integrieren
Verfahren, Algorithmen und Geräten zur Produktion, Speicherung, Übertragung, Verarbeitung, Wiedergabe und Präsentation medialer Inhalte analysieren, bewerten und reflektieren
Modulprüfung
Benotet Ja
Konzept In einer mündlichen Prüfung werden exemplarische Aufgaben der Bildverarbeitung genannt. Die Studiernden sollen dazu Vorschläge machen, welche Algorithmen an dieser Stelle zur Anwendung kommen kann und typische Effekte, die bei deren Anwendung entstehen können, benennen.
Frequenz Jedes Semester
Learning Outcomes
ID Learning Outcome
LO1 Was: Die Studierenden lernen grundlegende Algorithmen der Bildverarbeitung kennen. Sie können die programmtechnische Umsetzung dieser Algorithmen nachvollziehen und erläutern und die visuellen Effekte bei Anwendung der Algorithmen auf Bilder beschreiben.
Womit: Der Dozent vermittelt das Wissen zu den grundlegenden Algorithmen. Im Praktikum wenden die Studierenden ausgewählte Algorithmen in Form von Quellcode auf Bilder an und beschreiben die beobachteten Effekte der Verarbeitung.
Wozu: Für die Entwicklung von Mediensystemen (HF1) ist es erforderlich, einen Baukasten an grundlegenden Algorithmen zu kennen, um daraus anwendungsspezifische Verarbeitungen zusammenzustellen. Die Entwicklung tiefergehender spezialisierter Verarbeitungsschritte setzt voraus, dass man die grundsätzliche programmtechnische Herangehensweise beim Zugriff auf Bilddaten und deren Verarbeitung kennt und diese anwenden kann. Für die Analyse von Mediensystemen (HF2) sind die gleichen Kompetenzen erforderlich, um entsprechende Analysewerkzeuge zu entwickeln und anzuwenden. Dei Veranstaltung liefert dazu notwendige Voraussetzungen.
Kompetenzen
Kompetenz Ausprägung
Medientechnische Systeme entwerfen diese Kompetenz wird vermittelt
MINT-Grundwissen benennen und anwenden diese Kompetenz wird vermittelt
Medientechnische Systeme realisieren diese Kompetenz wird vermittelt
Medientechnische Systeme beurteilen Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt

Inhaltliche Voraussetzungen
SIGA -
Signaltheorie und Angewandte Mathematik
Lineare Filter und Fourier-Transformation sind grundlegende Werkzeuge bei der Verarbeitung von Bildern und bei der Beschreibung der Bilderzeugung. Darüber hinaus sind Grundkenntnisse der Wahrscheinlichkeitsrechnung bei der Beschreibung von Rauschen in Bilden nötig. Diese Inhalte werden im Modul SIGA für den eindimensionalen Fall vermittelt. Das Modul BV1 setzt diese Inhalte voraus und vermittelt hierzu nur noch die Erweiterung zum zweidimensionalen Fall.
Darüber hinaus erfordern zahlreiche nichtlineare Filter Begriffe aus dem Bereich der Statistik (Median, Quantil, etc.)
MA2 -
Mathematik 2
Für die Fourier-Transformation ist die Darstellung der trigonometrischen Funktionen über die komplexe Exponentialfunktion unverzichtbar. Daher wird der Umgang mit komplexen Zahlen vorausgesetzt.
Die Detektion von Kanten und Linien basiert auf der numerischen Berechnung von ersten und zweiten Ableitung für Funktionen mehrerer Veränderlicher. Daher wird hier dasArbeiten mit den Begriffen des Gradient und der Hesseschen Matrix vorausgesetzt.
Die Detektion von Ecken und das Konzept des Strukturtensors basieren auf der Bestimmung von Eigenwerten und Eigenvektoren einer symmetrischen Matrix. Auch der Umgang mit diesen Begriffen ist daher Voraussetzung für das Verständnis zentraler Bidverarbeitungsverfahren.
MA1 -
Mathematik 1
Die Fourier-Transformation basiert auf einer Zerlegung von Signalen in trigonometrische Funktionen. Der Umgang mit diesen Funktionen ist so grundlegend, dass Einzelheiten hierzu zwingend als bekannt vorausgesetzt werden.
Weitere grundlegende Funktionen wie Potenz- und Exponentialfunktionen werden ebenfalls an zahlreichen Stellen benötigt, ohne dass auf sie weiter eingegangen werden kann.
Die Detektion von Kanten und Linien und Ecken basiert auf der numerischen Berechnung von ersten und zweiten Ableitung. Daher werden diese Bgriffe ebenfalls als bekannt vorausgesetzt.
Gleiches gilt für den Integralbegriff, der an zahlreichen Stellen benötigt wird.
INF1 -
Informatik 1
Beim Modul BV1 geht es letztlich um Verfahren der Bildverarbeitung, deren mathematische Grundlagen und deren algorithmische Implementierung. Hierzu werde diese Verfahren auch in Programmcode umgesetzt, bzw. deren Umsetzung analysiert, um den Zusammenhang zwischen Programmcode und beobachteter Veränderung im Bild zu untersuchen.
Hierzu wird zwingend vorausgesetzt, dass grundlegende Programmierkenntnisse vorhanden sind.
Handlungsfelder
Verfahren, Algorithmen und Geräten zur Produktion, Speicherung, Übertragung, Verarbeitung, Wiedergabe und Präsentation medialer Inhalte entwickeln und integrieren
Verfahren, Algorithmen und Geräten zur Produktion, Speicherung, Übertragung, Verarbeitung, Wiedergabe und Präsentation medialer Inhalte analysieren, bewerten und reflektieren
Learning Outcomes
ID Learning Outcome
LO1 Was: Die Studierenden lernen grundlegende Algorithmen der Bildverarbeitung kennen. Sie können die programmtechnische Umsetzung dieser Algorithmen nachvollziehen und erläutern und die visuellen Effekte bei Anwendung der Algorithmen auf Bilder beschreiben.
Womit: Der Dozent vermittelt das Wissen zu den grundlegenden Algorithmen. Im Praktikum wenden die Studierenden ausgewählte Algorithmen in Form von Quellcode auf Bilder an und beschreiben die beobachteten Effekte der Verarbeitung.
Wozu: Für die Entwicklung von Mediensystemen (HF1) ist es erforderlich, einen Baukasten an grundlegenden Algorithmen zu kennen, um daraus anwendungsspezifische Verarbeitungen zusammenzustellen. Die Entwicklung tiefergehender spezialisierter Verarbeitungsschritte setzt voraus, dass man die grundsätzliche programmtechnische Herangehensweise beim Zugriff auf Bilddaten und deren Verarbeitung kennt und diese anwenden kann. Für die Analyse von Mediensystemen (HF2) sind die gleichen Kompetenzen erforderlich, um entsprechende Analysewerkzeuge zu entwickeln und anzuwenden. Dei Veranstaltung liefert dazu notwendige Voraussetzungen.
Kompetenzen
Kompetenz Ausprägung
Medientechnische Systeme entwerfen diese Kompetenz wird vermittelt
MINT-Grundwissen benennen und anwenden diese Kompetenz wird vermittelt
Medientechnische Systeme realisieren diese Kompetenz wird vermittelt
Medientechnische Systeme beurteilen Voraussetzungen für diese Kompetenz (Wissen,...) werden vermittelt

Typ Vorlesung
Separate Prüfung Nein
Exempla­rische inhaltliche Operatio­nalisierung In der Vorlesung werden die grundlegenden Bildverarbeitungsalgorithmen vorgestellt. Diese umfassen insbesondere homogene Punktoperationen, lineare und nichtlineare Filter, Änderungen der Quantisierung und der Bildabtastung, Algorithmen zur Erkennung von Kanten, Linien, Ecken, zur Bildkompression und zur Korrespondenzanalyse.
Typ Praktikum
Separate Prüfung Ja
Exempla­rische inhaltliche Operatio­nalisierung Die in der Vorlesung besprochenen Bildverarbeitungsverfahren werden exemplarisch mit geeineten Werkzeugen implementiert und die Wirkung der Verfahren auf Beispielbilder wird analysiert. Die Implementierung erfolgt bespielsweise auf der Basis des Java-basierten Open-Source-Programms ImageJ.
Separate Prüfung
Benotet Nein
Frequenz Einmal im Jahr
Voraussetzung für Teilnahme an Modulprüfung Ja
Konzept Die Studierenden müssen Praktikumsaufgaben bearbeiten, deren Ergebnis vorführen und ggf. angeben, zu welchen Ergebnissen sie bei geforderten quantitativen Auswertungen gekommen sind.

Bei Fehlern, bitte Mitteilung an die
Webredaktion der Fakultät IME

© 2022 Technische Hochschule Köln