Initial Commit

This commit is contained in:
Orangerot 2024-08-05 16:59:57 +02:00
commit df13db4fc3
20 changed files with 330 additions and 0 deletions

1
.gitignore vendored Normal file
View file

@ -0,0 +1 @@
*.pdf

329
main.typ Normal file
View file

@ -0,0 +1,329 @@
#set page(
header: [
Bildverarbeitung
#h(1fr) Gero Beckmann
]
)
#set heading(numbering: "1.1")
#show heading: it => [
Aufgabe #counter(heading).display(): #it.body
]
= Allgemeine Fragen #h(1fr) (20 P)
+ Farbvalenz
+ Metamer
+ Farbräume
+ Ursprungspunke
Wie viele Dimensionen hat eine Farbvalent? Woher kommt die Repräsantation?
Was sind metamere Farbreize?
Welcher Farbraum eigent sich zur Farbabstandsmessung?
*Abtasttheorem nach Shannon*
$f_max$ bandbegrenztes Signal aus einer Folge von äquidistanten Abtastwerten
exakt rekonstruiert werden kann, wenn es mit einer Frequenz von größer gleich
$2 dot f_max$ abgetastet wurde.
== Lochkamera
#grid(
columns: (1fr, 1fr),
[
#emph([Vorteile])
- unendliche Schärfetiefe/dünnes Loch (theoretisch)
],
[
#emph([Nachteile])
- wenig Licht zum Sensor; lange Belichtung
- Loch nicht unentlich dünn $->$ Unschärfescheibchen
- Beugung an Blende
]
)
#grid(
columns: 2,
[
Abbildungsformel $1 / f = 1 / g + 1 / b$
Vergrößerung
$V = "Bildgröße" / "Objektivgröße" = b / z_c = b / g = f / (g f) = 1 / (q / f 1)$
],
image("res/lense-001.png")
)
*Chromatische Aberration*: unterschiedliche Wellenlängen werden unterschiedlich
gebrochen.
- Linsensystem aus zwei/drei Linsen $>$ Brennpunkte der Wellenlängen stimmen überein
- Spiegeloptiken: Reflektionsgesetz gilt unabhängig der Wellenlänge
- Monochromatisches Licht
Vor/Nachteil telezentrisches Objektiv
*Photometrie* objektive Größen, Physikalisch
*Radiometrie* subjektive Größen; sichtbares Licht
Rezeptoren Auge
- L-Zapfen (Rot-Rezeptoren)
- M-Zapfen (Grün-Rezeptoren)
- S-Zapfen (Blau-Rezeptoren)
- Stäbchen (Licht)
Warum keine Rot-Grün Valenz
Sonnesreize der Zapfen werden zu kombinierten Nergensignalen kombiniert
(Rot-Grün, Blau-Gelb verschmieren)
- R-G Chromanz
- Luminanz
- B-Y Chromanz
*CMOS vs CCD*
2 Vorteile + 2 Nachteile
#table(
columns: (1fr, 1fr),
table.header([*CMOS*], [*CCD*]),
[
Vorteile
#set list(marker: [+])
- frei Addressierbar (schnelle Teilbilder)
- hoher Dynamikbereich
- geringer Energiebedarf
- geringe Herstellungskosten
- hohe Dichte (geringe Baugröße)
],
[
Vorteile
#set list(marker: [+])
- lineare Charakteristik
- Sättigung
],
[
Nachteile
#set list(marker: [-])
- Empfindlichkeitsunterschiede in Pixeln (kalibrierbar)
- Verstärkungsunterschiede in Pixeln (kalibrierbar)
- hoher Dunkelstrom
],
[
Nachteile
#set list(marker: [-])
- *Blooming*: Überlaufen der Ladung in (vertikalen) Nachbarzellen
- *Smear*: Belichtung während des Verschieben der Ladung
]
)
Dunkelstrom: falsches Bildsignal durch thermisches Rauschen; durch kühlen beheben
Welche markante Merkmale zur Segmentierung?
*Histogramm-Spreizung*
#image("res/histogramm-001.jpg")
Histogramm ausreichen, zeichnen
$
hat(P)_i = 1 / "MN" sum^(M-1)^(m=0) sum^(N-1)_(n=0) delta^(q_i)_(g_"mn"),
i=0,...,K-1
"Kronecker-Delta: " delta^b_a := cases(1 "für" a = b, 0 "für" a != b)
$
Histogramm-Spreizung Formen
$gamma(g) = (g - g_min) (q_(k-1) - q_0) / (g_max - g_min) + q_0 $
$gamma(g_min) = q_0, gamma(g_max) = q_(K-1)$
Nächste Nachbar Berechnen
Bilineaer Berechnen
Median Filter berechnen / erklären
*Radon-Transformation* (finde geradenhafte Strukturen; Winkel $phi$ = x, Distanz u = y)
#pad(bottom: 15pt, align(center,grid(
columns: 2,
rows: 120pt,
column-gutter: 40pt,
figure(image("res/hough-001.jpg"), caption: [Originalbild]),
figure(image("res/hough-002.jpg"), caption: [Hough-Transformation])
)))
$
g(u, phi) = R{g(x)} := integral.double^inf_inf g(x) delta(x^T e_phi - u) dif x
" ,mit" phi in [0, pi), u in R, e_phi = vec(cos phi, sin phi)
$
Integrationsgerade $phi$-Gerade:
$delta(x^T e_phi - u) = cases(inf "für" x^T e_phi - u = 0, 0 "für" x^T e_phi - u != 0)$
sorgt dafür. dass Bildwerte längt Geraden mit Parametern u (Ursprungtabstand)
und $phi$ (Wunkel) aufintegriert werden.
Enthält $g(x)$ eine $delta$-Gerade $delta(v^T u_phi_0 - u_0)$, so zeigt $g(u,
phi)$ ein ausgeprägtes Maxtmum bei $phi = phi_0, u = u_0$
*Hough-Transformation* Radon-Transformation für Binärbilder
Für jeden gesetzten Bildpunkt $g(x) = 1$ wird die Geradengleichung $x^T e_phi - u = 0$
ausgewertet: \ $u = x^T e_phi = x cos phi + y sin phi$
#set box(inset: 4pt)
#grid(
columns: 3 * (1fr,),
grid(
columns: 5,
box[ ], box[2], rect[1], rect[0], rect[0],
box[y], box[1], rect[0], rect[1], rect[0],
box[ ], box[0], rect[0], rect[0], rect[1],
box[ ], box[ ], box[0], box[1], box[2],
box[ ], box[ ], box[ ], box[x], box[ ],
),
table(
columns: 5,
table.header([$x$ \\ $phi$], $0$, $pi / 6$, $pi / 3$, $pi / 2$),
$(2,0)^T$, $2$, $2$, $1$, $0$,
$(1,1)^T$, $1$, $1$, $1$, $1$,
$(0,2)^T$, $0$, $1$, $2$, $2$
),
grid(
columns: 6,
box[ ], box[3], rect[0], rect[0], rect[0], rect[0],
box[ ], box[2], rect[1], rect[1], rect[1], rect[1],
box[y], box[1], rect[1], rect[2], rect[2], rect[1],
box[ ], box[0], rect[0], rect[0], rect[0], rect[1],
box[ ], box[ ], box[0], box[$pi/6$], box[$pi/3$], box[$pi/2$],
box[ ], box[ ], box[ ], box[x], box[ ], box[ ]
),
)
Was in Schatten, was in Sonne
*Karhunen-Loeve-Transformation* \
(reduziere Korrelation zwischen Kanälen zu einem mit viel Information)
- Schätzung der Kovarianzmatrix $C_"gg"$ der Farbwerte
- Lösung des Eigenwertproblems
- zeilenweise Anordnung der Eigenvektoren in absteigender Reihenfolge der
Eigenwerte $A$
- Subtraktion des mittleren Farbwertes und Transformation $k = A(g - mu_g)$
#image(height: 6cm, "res/morphologie-001.png")
Rand-Extraktion: $G without (G minus.circle S)$
#page(
header: none,
margin: (y: 15pt)
)[
= Bilder zuordnen #h(1fr) (20 P)
#grid(
columns: (1fr, 1fr),
column-gutter: 40pt,
table(
image("res/images-001.png"),
[Schwellenwert (Binarisierung)],
[$ cases(1 "für" g(x) > gamma, 0 "sonst") $]
),
table(
image("res/images-002.png"),
[Invertierung],
[$ max(g(x)) - g(x)$]
),
table(
image("res/images-003.png"),
[Betragsspektrum],
[$abs(integral.double g(x) e^(-j 2 x f^T x) dif x )$]
),
table(
image("res/images-004.png"),
[Verrauschung (additiv, normalverteilt)],
[$ g(x) + e(x), e(x) ~ N(0, sigma^2)$]
),
table(
image("res/images-005.png"),
[Radon-Transformation],
[$integral.double g(x) delta(x^T e_phi - u) dif x$]
),
table(
image("res/images-006.png"),
[Verschärfung],
[$4 dot g(x) - 3 dot "TP"{g(x)}$]
),
table(
image("res/images-007.png"),
[Laplacian-of-Gaussian],
[$-Delta("TP"{g(x)})$]
),
table(
image("res/images-008.png"),
[homomorphe Filterung],
[$exp("HP"{ln(g(x))})$]
),
table(
image("res/images-009.png"),
[Gradientenbetrag],
[$sqrt(((partial g(x))/(partial x))^2 + ((partial g(x))/(partial y))^2)$]
),
table(
image("res/images-010.png"),
[Fensterung (mit Hann-Fenster)],
[$g(x) dot w_"Hann"(x)$]
),
)
]
= Filterung #h(1fr) (10 P)
= Lichtschnittverfahren / Triangulation #h(1fr) (30 P)
Wie muss Oberflöche beschaffen sein, damit Triangulaton berechnet werden kann?
#grid(
columns: 2,
[
Spiegelnde Oberfläche
 Kein Licht gelangt auf den Sensor
Teiltransparentes Objekt (Volumenstreuung)
 Aufweitung des Lichtpunkts
 Messunsicherheit steigt
Abschattung des
Beobachtungsstrahls
 Kein Licht gelangt auf den Sensor
Mehrfachreflexion bei teilspiegelndem Objekt
 Zusätzliche, falsche Messpunkte
],
image(height: 7cm, "res/triangulation-001.jpg")
)
#grid(
columns: 2,
column-gutter: 1cm,
pad(top: .5cm)[
*Hellfeld*: Gerichtetes Licht, das (bei fehlerfreiem Objekt) direkt in die Kamera gelenkt wird
*Dunkelfeld*: Gerichtetes Licht, das (bei fehlerfreiem Objekt) an der Kamera vorbei gelenkt wird
*Rotkanal*: koaxiale Hellfeldbeleuchtung, liefert Transmission
*Grünkanal*: streifende Beleuchtung in Dunkelfeldanordnung
macht streuende Partikel auf der Oberfläche sichtbar
*Blaukanal*: Dunkelfeld, macht Kratzer, Fusseln und Blasensichtbar
],
image(
height: 6cm,
"res/dunkelfeld-001.jpg"
)
)
Zeichne Lichtschnittverfahren
Maßnahmen gegen Störlichtunterdrückung

BIN
res/dunkelfeld-001.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 58 KiB

BIN
res/histogramm-001.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 112 KiB

BIN
res/hough-001.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 97 KiB

BIN
res/hough-002.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 111 KiB

BIN
res/images-000.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 29 KiB

BIN
res/images-001.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 14 KiB

BIN
res/images-002.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 230 KiB

BIN
res/images-003.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 421 KiB

BIN
res/images-004.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 531 KiB

BIN
res/images-005.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 84 KiB

BIN
res/images-006.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 336 KiB

BIN
res/images-007.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 164 KiB

BIN
res/images-008.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 248 KiB

BIN
res/images-009.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 281 KiB

BIN
res/images-010.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 142 KiB

BIN
res/lense-001.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 286 KiB

BIN
res/morphologie-001.png Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 267 KiB

BIN
res/triangulation-001.jpg Normal file

Binary file not shown.

After

Width:  |  Height:  |  Size: 227 KiB