Bilder

Question 1

Methoden zur Bildverbesserung

Answer 1

• Ortsraum
  -> Direkte Manipulation der Pixelwerte im Bildbereich (Pixel-, Filteroperationen)
• Frequenzraum
  -> Bildtransformation

Question 2

Typische Anwendungen für Bildverbesserungen

Answer 2

• Korrektur von Nicht-Linearitäten der Kamera
• Anpassung Helligkeit, Kontrast
• Bildbereiche hervorheben oder unterdrücken
• Bild ausgleichen

Question 3

Pixeloperationen

Answer 3

• Manipulation eines Pixels unabhängig von seiner Nachbarschaft
  -> Grauwert Abbildung (Mapping)

Question 4

Histogramm

Answer 4

• Graphische Darstellung der Häufigkeitsverteilung metrisch skalierter Merkmale
• Statistische Verteilung der Grauwerte

Question 5

Kontexte

Answer 5

• Bilddynamik
  -> Bereich reeller Lichtintensitäten, der auf die Grauskala abgebildet wird
• Bildkontrast
  -> Bereich der Grauwertskala, der zur Darstellung der Bildinformation ausgenutzt wird
• Bildhelligkeit
  -> Beleuchtungsstärke (Grauwert)
• Zusammenhang
  -> Bildhelligkeit eines Grauwertbildes = Mittelwert aller Grauwerte
  -> Bildkontrast = Varianz aller Grauwerte

Question 6

Pixeloperationen Beispiele

Answer 6

• Negativ
• Binärisierung/Thresholding
• Fensterung
• Kontrastspreizung
• Dynamikkompression
• Gammakorrektur
• Helligkeit
• Histogrammausgleich
• Differenz
• Mittelung

Question 7

Binärisierung / Thresholding

Answer 7

Thresholding (Segmentierung) der Grauwerte eines Bildes

Question 8

Grauwertfensterung

Answer 8

Hervorheben eines bestimmten Intensitätsintervals im Bild

Question 9

Kontrastspreizung

Answer 9

Abbildung der Grauwerte auf eine neue Grauwertskala anhand einer einwertigen, monotonen Funktion

Question 10

Histogrammausgleich

Answer 10

Transformation der Grauwertskala anhand der Kurve der Summenwahrscheinlichkeit (nicht umkehrbar)

Question 11

Mittelung

Answer 11

Unterdrückung von unkorreliertem Rauschen durch Mittelung über k Aufnahmen

Question 12

Filtermasken

Answer 12

• Manipulation eines Pixels abhängig von seiner Nachbarschaft
• Lokaler Kontext

Question 13

Filtermasken Arten

Answer 13

• Mittelwert
• Gaussian
• Median
• Laplacian

Question 14

Gaussian Filter Anwendungen

Answer 14

Reduktion von periodischen Rauschen, Verringerung eines störenden Druckrasters

Question 15

Laplacian Filter Anwendungen

Answer 15

• Kantenextraktion
• Hochpassfilterung
• Binärisierung

Question 16

Filterung im Frequenzraum

Answer 16

• Faltungssatz: Eine Faltung im Ortsraum entspricht einer Multiplikation im Frequenzraum (und umgekehrt)

Question 17

Amplitudenspektrum im Frequenzraum

Answer 17

Visualisierung im Frequenzraum der Amplituden der periodischen Funktionen verschiedener Frequenzen

Question 18

Filter Anwendungen

Answer 18

Werden eingesetzt, um z.B. den Einfluss von Datenfehlern oder Störsignalen zu verringern, hochfrequente von niederfrequenten Komponenten des Signals zu trennen, oder um bestimmte Frequenzbereiche in Signalen hervorzuheben

Question 19

Filterungsarten

Answer 19

• Hochpaßfilter
  -> Abschneiden der tiefen Frequenzen (scharfe Übergänge werden deutlicher)
• Tiefpaßfilter
  -> Abschneiden der hohen Frequenzen (Rauschen wird eliminiert, Bild wird etwas unschärfer)
• Bandpaßfilter
  -> nur Frequenzen aus einem definierten Band können passieren

Question 20

Frequenzraum- gegenüber Ortsraum-Filter

Answer 20

+ schneller Berechnung (FFT)
+ einfache Handhabung (Filterdesign im Frequenzraum intuitiv)
- Approximation der Spezifikation aus dem Frequenzraum (keine unendlich breiten Filter im Ortsraum möglich)

Question 21

Bildkompression Motivation

Answer 21

• Rasterung und Abtastung einer Intensitätsfunktion von Licht erzeugt eine Unmenge von Daten
  -> Unpraktisch für Datenspeicherung & -übertragung

Question 22

Bildkompression Redundanzen

Answer 22

• Eliminierung von redundanten Daten zur Reduzierung der Datenmengen
  -> Kodierungen
  -> Nachbarschaftsbeziehungen
  -> Psychovisuelle Eindrücke

Question 23

Klassifikation Kompression

Answer 23

• Verlustlose Kompression
• Verlustbehaftete Kompression

Question 24

Verlustlose Kompression Arten

Answer 24

• Variable Length Coding
• Bit Plane Coding
• Predictive Coding
• Lempel-Ziv-Welch-Algorithmus

Question 25

Verlustbehaftete Kompression Eigenschaften

Answer 25

- Nicht alle Eigenschaften des Bildes werden berücksichtigt - Exakte Rekonstruktion ist ggf. nicht mehr möglich - Erlaubt dem Anwender die Steuerung des Verhältnisses von Qualität zu Kompressionsgrad - Verwendet häufig Modelle der menschlichen Wahrnehmung zur Identifizierung von für den Betrachter irrelevanten Bildeigenschaften

Question 26

JPEG

Answer 26

- Komplexes Verfahren zur Bildkompression - In den Hauptmodi und Hauptanwendungsgebieten verlustbehaftet - Basiert auf einer diskreten Kosinustransformation

Question 27

Histogramm kontrastarmes vs. kontrastreiches Bild

Answer 27

- Kontrastarm: niedrige Varianz der Grauwerte - Kontrastreich: Hohe Varianz der Grauwerte

Question 28

Teilschritte der JPEG Kompression

Answer 28

1. Umwandlung in den YCbCr-Farbraum 2. Farb-Subsampling 3. Diskrete Kosinustransformation 4. Quantisierung 5. Kodierung der Koeffizienten

Question 29

Histogramm helles vs. dunkles Bild

Answer 29

- Dunkel: Mittelwert eher klein - Hell: Mittelwert eher groß

Question 30

Median-Filter

Answer 30

Ersetzt ein Pixel mit dem Medianwert seiner Nachbarschaft -> nichtlineare Operation, kann nicht als Faltung ausgedrückt werden

Question 31

Tiefpass Filter (Ortsraum)

Answer 31

- Koeffizienten ausnahmslos positiv - Koeffizienten normalisiert -> Mittelwert, Gaussian Filter

Question 32

Hochpass-Filter (Ortsraum)

Answer 32

- Koeffizienten sowohl negativ als auch positiv - Koeffizienten normalisiert - Produzieren positive und negative Werte -> Erste Ableitung/Differenzfilter, zweite Ableitung

Question 33

JPEG - Umwandlung in den YCrCb Farbraum

Answer 33

- Kodierung der Farben als: -> Y Helligkeitswert -> Cr Abweichung vom Grau in Richtung rot -> Cb Abweichung vom Grau in Richtung blau

Question 34

JPEG - Farb Subsampling

Answer 34

- Verlustbehaftete Komprimierung der Farbrepräsentation - Grundlage: Höhere Genauigkeit der menschlichen Ortsauflösung im Helligkeitsbereich als im Farbbereich

Question 35

JPEG - Diskrete Kosinustransformation

Answer 35

- Umwandlung der Bildinformationen in den Frequenzbereich -> Filterung, Überführung für nächsten Schritt

Question 36

JPEG - Quantisierung

Answer 36

Beseitigung von Informationsanteilen, die das menschliche Auge nicht oder nur schlecht wahrnimmt

Question 37

JPEG - Kodierung der Koeffizienten

Answer 37

- Bitstrom