Lehrver­anstaltung

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
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
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.

Lernziele

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

Grauwerttranformationen
lineare Grauwerttranformation, Histogrammspreizung
nicht lineare Grauwerttranformation, Gammakorrektur
Histogrammasgleich
lokaler Histogrammausgleich
Look-Up-Tabellen
Flaschfarbendarstellung

Farbbildanalyse und -verarbeitung
visuelle und technische Farberfassung
additive und subtraktive Farbmischen
RGB-Farbraum
HSI-Farbraum
Transformation zwischen RGB und HSI

Rang-Ordnungs-Operatoren (nichtlineare Filterung)
Max, Min, Median
morphologische Operatoren
Erosion, Dilatation
Opening, Closing
Auffinden von Strukturen

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

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

Tracking
Normierter Kreuzkorrelation
Verfolgungen
ohne Schätzung
mit Schätzung (Kalmanfilter)

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

die vorgestellten Farbräume und der Algorithmen zu deren Analyse
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren

die vorgestellten Verfahren zur nicht lineraren Filterung
angeben
beschreiben
hinsichtlich der Einsatzfelder abgrenzen
hinsichtlich der Vor- und Nachteile bewerten
problemspezifisch parametrieren

Spektren von Bildern und/oder Faltungsmasken
analysieren
begründen
konstruieren
diskutieren

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 Literatur
keine/none
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
keine

Lernziele

Fertigkeiten
siehe Fertigkeiten, die unter "Vorlesung/Übung->Lernziele->Fertigkeiten" aufgeführt sind

komplexere Aufgaben in einem Kleinteam bewältigen

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 Literatur
keine/none
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
keine

© 2022 Technische Hochschule Köln