Digitale Bildverarbeitung

Präsenzstudium: ca. 40h, Eigenstudium: ca. 110h

Lineare Algebra (IF-I-B-103), Computergrafik und Bildverarbeitung (IF-I-B-601)

Nützlich: Systemtheorie (IF-I-M302), Integraltransformationen (IF-I-B-303)

Fachkompetenz:

• Kenntnis wesentlicher Konzepte und Ansätze als auch praktischer Verfahren
• das Beherrschen der math. Grundlagen für weiterführende Vertiefungen hin zur Forschungsfähigkeit
• das Erreichen einer kritischen Urteilsfähigkeit über Konzepte sowie die Kompetenz, selbst wissenschaftlich neue Konzepte zu erarbeiten

Methodenkompetenz:

• die Fähigkeit, darauf aufsetzend Aufgaben einzuordnen und eigenständig Lösungen zu erarbeiten, vom Konzept bis hin zu eigenen algorithmischen Umsetzungen
• das praktische Bearbeiten und Lösen von algorithmischen Aufgabenstellungen aus den Vorlesungsthemen unter Anwendung von einschlägiger Software

Sozialkompetenz:

• Arbeiten und Abstimmen in Kleingruppen, Präsentation gemeinsamer Ergebnisse

Selbstkompetenz:

• die Selbsteinschätzung, Leistungsbereitschaft und Persönlichkeit weiterzuentwickeln

Theoretische Grundlagen sowie exemplarische Verfahren zur Analyse digitaler Bilder.

Anwendungsgebiete sind z.B. die Qualitätskontrolle in der Fertigung, Bildverbesserung und Restauration, Extraktion von Bildmerkmalen, Bildsegmentierung und schätzen von Bildprimitiven, u.v.m.

Auszug aus der Gliederung:

• Datenstrukturen und Bildtypen
• Funktionensysteme und Reihendarstellungen
• Fouriertransformation, digitale Filter, Filterentwurf, Abtasttheorem, DFT, FFT
• Systemtheorie, Lineare ortsinvariante Filter
• Punkttransformationen
• Geometrische Transformationen u. Korrekturen
• Merkmalsextraktion, Morphologische Filter, Gauß- und Laplace-Pyramide
• Schätzen von Bildprimitiven (Total-Least-Squares-Schätzung, Hough-Trf.)
• Bildverbesserung / -restauration
• Segmentierungsansätze (z.B. Watershed, Normalized-Cut)
• Objektbeschreibungen durch Merkmale

Im Praktikum werden Projektthemen vergeben zur semesterbegleitenden Bearbeitung in Kleingruppen. Diese erfordern ein Literaturstudium, das Vertiefen von Themenbereichen der Vorlesung sowie eine praktische Umsetzung in Matlab oder Python. Diese werden in Referaten und Seminararbeiten vorgestellt.

Tafel, Beamer, selbstgesteuertes Lernen in Kleingruppen, Literaturstudium, praktische Umsetzungen in z.B. Python/jupyter, Matlab oder C++

• Digital Image Processing, R.C. Gonzalez, R.E. Woods, Addison-Wesley, 2018
• Digital Image Processing Using Matlab, Gonzalez, Woods, Eddins 2020
• Morphologische Bildverarbeitung, P. Soille, Springer-Verlag 1998
• themenspezifische Literatur wird jeweils zusätzlich ausgegeben