E-Book, Deutsch, 523 Seiten, eBook
Reihe: X.media.press
Burger / Burge Digitale Bildverarbeitung
2., überarbeitete Auflage 2006
ISBN: 978-3-540-30941-3
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark
Eine algorithmische Einführung mit Java
E-Book, Deutsch, 523 Seiten, eBook
Reihe: X.media.press
ISBN: 978-3-540-30941-3
Verlag: Springer
Format: PDF
Kopierschutz: 1 - PDF Watermark
Die Autoren geben eine fundierte Einführung in die wichtigsten Methoden der digitalen Bildverarbeitung. Dabei steht die praktische Anwendbarkeit im Vordergrund. Formale und mathematische Aspekte sind auf das Wesentliche reduziert, ohne dabei auf eine präzise und konsistente Vorgehensweise zu verzichten. Der Text eignet sich als detaillierte Referenz für Praktiker und Anwender gängiger Verfahren, z.B. in der Medientechnik, Robotik, Medizin oder Materialprüfung sowie zum (Selbst)Studium. Praktische Übungsaufgaben runden die Darstellung ab. Das Buch basiert auf der in Java implementierten und frei verfügbaren Bildverarbeitungsumgebung ImageJ.
Zur Vita von Herrn Dr. Burger: Ausbildung: Master of Science (University of Utah, Computer Science), Promotion an der Johannes Kepler Universität Linz. Post-Doctoral Researcher, University of California. Berufliche Tätigkeit: Entwicklungstechniker (Bildgebende Systeme in der Ultraschallmedizin); Research Associate (Honeywell Systems and Research Center, Minneapolis); Universitäts-Assistent an der Johannes Kepler Universität Linz (FWF-Forschungsschwerpunkt 'Digitale Bildverarbeitung'); derzeit Leiter des FH-Studiengangs 'Medientechnik und -Design' an der FH-Hagenberg. Zur Vita von Herrn Dr. Burge: He earned his doctorate degree in Computer Science at the Johannes Kepler University in Austria while a research scientist in the Austrian Science Foundation's Robust and Adaptive Methods for Image Understanding research program. He also earned a Bachelor of Arts in Computer Science from Ohio Wesleyan University, completed the fifth year's honors courses in Computer Science at the University of Aberdeen in Scotland and earned a Masters of Science in Computer Science from the Ohio State University. He spent a number of years as a researcher at the Department of Computer Science at the Swiss Federal Institute of Technology (ETH) in Zurich, Switzerland as part of the Swiss Federal Commission for the Advancement of Scientific Research's Automatic Interpretation of Cadastral Maps project and at the Ohio State University as a postdoc in their NASA Commercial Space Center's Image Understanding and Interpretation project. Associate Professor in Computer Science (a CSAB accredited department within the School of Computing with a total of 24 faculty members, 21 with earned Doctorate degrees and around 300 majors) at Armstrong Atlantic State University (a comprehensive Carnegie Master's University I of 6500 undergraduate and master's students that is part of the University System of Georgia).
Zielgruppe
Professional/practitioner
Autoren/Hrsg.
Weitere Infos & Material
Crunching Pixels.- Digitale Bilder.- ImageJ.- Histogramme.- Punktoperationen.- Filter.- Kanten und Konturen.- Auffinden von Eckpunkten.- Detektion einfacher Kurven.- Morphologische Filter.- Regionen in Binärbildern.- Farbbilder.- Einführung in Spektraltechniken.- Diskrete Fouriertransformation in 2D.- Die diskrete Kosinustransformation (DCT).- Geometrische Bildoperationen.- Bildvergleich.
8 Auffinden von Eckpunkten (S. 139)
Eckpunkte sind markante strukturelle Ereignisse in einem Bild und daher in einer Reihe von Anwendungen nützlich, wie z.B. beim Verfolgen von Elementen in aufeinander folgenden Bildern (tracking), bei der Zuordnung von Bildstrukturen in Stereoaufnahmen, als Referenzpunkte zur geometrischen Vermessung, Kalibrierung von Kamerasystemen usw. Eckpunkte sind nicht nur für uns Menschen auffällig, sondern sind auch aus technischer Sicht "robuste" Merkmale, die in 3D-Szenen nicht zufällig entstehen und in einem breiten Bereich von Ansichtswinkeln sowie unter unterschiedlichen Beleuchtungsbedingungen relativ zuverlässig zu lokalisieren sind.
8.1 "Points of interest"
Trotz ihrer Auffälligkeit ist das automatische Bestimmen und Lokalisieren von Eckpunkten (corners) nicht ganz so einfach, wie es zunächst erscheint. Ein guter "corner detector" muss mehrere Kriterien erfüllen: Er soll wichtige von unwichtigen Eckpunkten unterscheiden und Eckpunkte zuverlässig auch unter realistischem Bildrauschen finden, er soll die gefundenen Eckpunkte möglichst genau lokalisieren können und zudem effizient arbeiten, um eventuell auch in Echtzeitanwendungen (wie z. B. Video-Tracking) einsetzbar zu sein.
Wie immer gibt es nicht nur einen Ansatz für diese Aufgabe, aber im Prinzip basieren die meisten Verfahren zum Aufinden von Eckpunkten oder ähnlicher "interest points" auf einer gemeinsamen Grundlage – während eine Kante in der Regel definiert wird als eine Stelle im Bild, an der der Gradient der Bildfunktion in einer bestimmten Richtung besonders hoch und normal dazu besonders niedrig ist, weist ein Eckpunkt einen starken Gradientenwert in mehr als einer Richtung gleichzeitig auf. Die meisten Verfahren verwenden daher die ersten oder zweiten Ableitungen der Bildfunktion in x- und y-Richtung zur Bestimmung von Eckpunkten (z. B. [25,34,53,54]). Ein für diese Methode repräsentatives Beispiel ist der so genannte Harris-Detektor (auch bekannt als "Plessey feature point detector" [34]), den wir im Folgenden genauer beschreiben. Obwohl mittlerweile leistungsfähigere Verfahren bekannt sind (siehe z. B. [73,79]), werden der Harris-Detektor und verwandte Ansätze in der Praxis häufig verwendet.
8.2 Harris-Detektor
Der Operator, der von Harris und Stephens [34] entwickelt wurde, ist einer von mehreren, ähnlichen Algorithmen basierend auf derselben Idee: ein Eckpunkt ist dort gegeben, wo der Gradient der Bildfunktion gleichzeitig in mehr als einer Richtung einen hohen Wert aufweist. Insbesondere sollen Stellen entlang von Kanten, wo der Gradient zwar hoch, aber nur in einer Richtung ausgeprägt ist, nicht als Eckpunkte gelten. Darüber hinaus sollen Eckpunkte natürlich unabhängig von ihrer Orientierung, d. h. in isotroper Weise, gefunden werden.
