View
113
Download
1
Category
Preview:
Citation preview
PROSEMINAR K.I. - BILDVERSTEHENDavid Bräuer
15.06.2011
INHALT DES SEMINARS
1. Allgemeine Einführung
2. Vorgehensweise
3. Bildverarbeitung- 3.4 Kantenerkennung- 3.5 Segmentierung
4. Merkmale von Objekten
5.Anwendungsgebiete
1. ALLGEMEIN EINFÜHRUNG
1.1 Begriff: Bildverstehen
1.2 Merkmale & Ziele
1.3 Beispiel: Abhängigkeit an Fragestellung
(1.4 Fragestellung an heutige Systeme)
1.1 BEGRIFF: BILDVERSTEHEN
(engl. „image understanding“, „computer vision“)
Visuelle Informationen analysieren und interpretieren (z.B. Bild[er])
Def.: „Bildverstehen ist die Rekonstruktion und Deutung einer Szene anhand von Bildern“
1.2 MERKMALE & ZIELE
Zählt zu einer der schwierigsten Teilgebiete der Informatik
Ausgehend der Fragestellung und des Bildes eine Beschreibung liefern
Komplexe Algorithmen
1.3 BEISPIEL: ABHÄNGIGKEIT AN FRAGESTELLUNG
1. Geschehen
- Person geht zum PKW
2. Objekte
- 1 Person, 1 PKW
3. Grundformen
- 24 Strecken, 5 Kreise
4. Bildtyp
- Binärbild
Erklärung hängt von Fragestellung ab
2. VORGEHENSWEISE
2.1 Modell der Bildanalyse nach Marr
2.2 Gesamtmodell der Bildanalyse nach Pinz
2.1 MODELL DER BILDANALYSE NACH MARR
- Enthält alle relevanten Informationen
- Reduziert die große Datenmenge sinnvoll
z.B. Kanten, Elemente
- Tiefeninformation, Form- und Geometriekonstruktion
- Schlüsse über verdeckte Teile ziehen, Szenenbeschreibung
2.2 GESAMTMODELL DER BILDANALYSE NACH PINZWelt: Objekte mit
physikalischen Eigenschaften
Szene: 3D-Ausschnitt der Welt zu einem bestimmten Zeitpunkt
Bild: 2D-Projektion der Szene
Bildbeschreibung: beschreibt Segmente und Kanten
Szenenbeschreibung: interpretiert Informationen aus Bildbeschreibung
Weltbeschreibung: je nach Fragestellung wird das Bild beschrieben
2.2 GESAMTMODELL DER BILDANALYSE NACH PINZSzenenauswahl: Was/Wann soll
betrachtet werden
Aufnahme: Wie soll betrachtet werden
Bildsegmentierung: Bildver-besserung, erkennen v. Kanten
Bildanalyse:gruppieren einfacher geometrischer Objekte
Höhere Bilddeutung: Bewegungsabläufe
Interaktion: Veränderung der Umwelt durch System
3. BILDVERARBEITUNG
3.1 Ziele der Bildverarbeitung
3.2 Operationen
3.3 HSV-Farbraum
3.4 Kantenerkennung- 3.4.1 Kantenverdünnung- 3.4.2 Skelettierung
3.5 Segmentierung- 3.5.1 Punkorientierte Verfahren
3.1 ZIELE DER BILDVERARBEITUNG
- Bildverbesserung (Korrektur von Bildfehlern)
- Kantendetektion
- Segmentierung, Unterteilung in homogene Bereiche
- Erste Bildanalyse
3.2 OPERATIONEN- Punktoperation
• Bildpunkt des Eingabebilds wird zu einem Bildpunkt des Ausgabebilds
- Lokale Operationen• Bildpunkte um einen Punkt werden zu einem Bildpunkt
des Ausgabebilds
- Globale Operationen• Alle Bildpunkte werden zu einem Bildpunkt des
Ausgabebilds
3.3 HSV-FARBRAUM- Einfachere Verwendung als
RGB-Farbraum
- Hue (Farbwert)- Saturation (Sättigung)- Value (Helligkeit)
3.3 HSV-FARBRAUM
Vorteil gegenüber dem RGB-Farbraum macht sich wie
folgt deutlich:
R: 35 H: 100G: 165 S: 166B: 81 V: 100
R: 145 H: 100G: 255 S: 255B: 184 V: 200
R: 124 H: 100G: 186 S: 79B: 146 V: 155
R: 21 H: 100G: 219 S: 210B: 92 V: 120
R: 56 H: 100G: 84 S: 51B: 66 V: 70
3.4 KANTENERKENNUNG
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
-1 00
4 -1-1
-1 00
3.4 KANTENERKENNUNG
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
-1 00
4 -1-1
-1 00
Berechnung:
0*30 + (-1)*30 + 0*30 + (-1)*30 + 4*30 + (-1)*30 + 0*30 + (-1)*30 + 0*30
0 + -30 + 0 + -30 + 120 + -30 + 0 + -30 + 0= 0
3.4 KANTENERKENNUNG
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 0 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
3.4 KANTENERKENNUNG
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 0 -3060 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
3.4 KANTENERKENNUNG
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 0 -3030 0 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
30 30 30 60 60 60 6030
3.4 KANTENERKENNUNG
0 0 -3030 0 0 00
0 0 -3030 0 0 00
0 0 -3030 0 0 00
0 0 -3030 0 0 00
0 0 -3030 0 0 00
0 0 -3030 0 0 00
Kante gefunden!
3.4.1 KANTENVERDÜNNUNG
Entfernen der doppelten und mehrfachen Bildpunkte auf einer Zeile oder Spalte. Gut geeignet für Segmentierung
3.4.2 SKELETTIERUNG- Algorithmus von Lü und Wang- 3x3 – Maske wird auf Matrix gelegt- P ist der zu überprüfende Punkt
P1 P2 P3
P8 P P4
P7 P6 P5
0 0 1
0 1 1
1 1 0
Bsp.:
3.4.2 SKELETTIERUNG
0 0 0 0 0
0 1 1 1 0
0 1 1 1 0
0 0 1 0 0
0 0 1 0 0
0 1 1 1 0
0 1 1 1 0
0 0 0 0 0
0 0 0 0 0
0 0 0 0 0
0 0 1 0 0
0 0 1 0 0
0 0 1 0 0
0 0 1 0 0
0 0 0 0 0
0 0 0 0 0
0
0
0
0
1
1
0
1
1
A(P) = 1B(P) = 3
=> Punkt löschen
3.5 SEGMENTIERUNG
- Unterteilung in Segmentierungsobjekte mit bestimmten Eigenschaften
- Unterteilung erfolgt anhand des Grauwerts, Textur o.ä. (Homogenitätskriterium)
- Bessere Aufteilung durch Kantenerkennung
3.5 SEGMENTIERUNG
Bild mit 5 Segmenten getrennt durch Grauwertunterscheidung
3.5 SEGMENTIERUNG
Verfahren zur Segmentierung:
• Punktorientierte Verfahren
• Kantenorientierte Verfahren
• Regionenorientierte Verfahren
• Regelbasierte Verfahren
3.5.1 PUNKTORIENTIERTE VERFAHREN- Ob ein Bildpunkt zu einem Segment gehört hängt
von Grauwert oder Farbe ab
- Schwellwertverfahren einfaches Mittel zur Bildsegmentierung
- Ausgabe ist in dem Falle ein Binärbild
4. MERKMALE VON OBJEKTEN
4.1 Fläche eines Segments
4.2 Umfang eines Segments
4. MERKMALE VON OBJEKTEN
- Interpretationsverfahren notwendig
- Merkmale beschreiben Charakteristik der Segmente
- Segmente müssen bekannt sein
- Berechnung verschiedener Werte der Segmente
4. MERKMALE VON OBJEKTEN
Bild
Segmente
Merkmale
Objekte
4.1 FLÄCHE EINES SEGMENTS
- 2 Verfahren zur Berechnung:
• Zählen der Pixel
• Gauß‘sche Flächenformel
4.2 UMFANG EINES SEGMENTS
- Auch hier 2 Möglichkeiten
• Abzählen der Randpixel
• Freemancode
5. ANWENDUNGSGEBIETE
- Zeichenerkennung
- Qualitätsprüfung in der Indutrie
- Medizinische Bildanalyse
- Luftaufnahmen
- Fahrzeugsteuerung
- Gesichtserkennung
ENDE DER PRÄSENTATION
Quellen
Buch „Bildanalyse“ von Dr. Johannes Steinmüller ISBN 978-3-540-79742-5
http://www.uni-forst.gwdg.de/~wkurth/bia09_v01.doc
http://www.rn-wissen.de/index.php/Bildverarbeitung_Tutorial
http://www.kreissl.info/bilderkennung.php
http://www-gs.informatik.tu-cottbus.de/bia_v08.pdf
Recommended