Elektrotechnik/Informationstechnik

Mit EI die Top-Themen unserer Zeit wie Digitalisierung, Mobilität, Vernetzung oder die Energiewende mitgestalten!
Bewerben Studienberatung
Fakultät EMI

Modulhandbuch

←  Zurück 

Bildverarbeitung

Empfohlene Vorkenntnisse

Module Mathematik 1 und Mathematik 2
Lehrform Vorlesung/Labor
Lernziele / Kompetenzen

Nach dem Besuch des Moduls

  • haben die Studierenden neuere Konzepte der Digitalen Bildverarbeitung kennengelernt,
  • können die Absolvent*innen die Anwendbarkeit der digitalen Bildverarbeitung auf technische Problemstellungen einschätzen,
  • sind die Studierenden in der Lage Bildverarbeitungsalgorithmen selbst zu implementieren,
  • können die Studierenden Bildverarbeitungsalgorithmen und die visuelle Darstellung der digitalen Bilder in Anwendungen integrieren,
  • können die Teilnehmer*innen Matlab für die Bildverarbeitung kompetent einsetzen.
Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60h
Selbststudium / Gruppenarbeit: 60h
Workload 120h
ECTS 4.0
Voraussetzungen für die Vergabe von LP

Klausur K90

erfolgreiche Laborteilnahme (unbenotet) gilt als Vorleistung für die Klausur
Modulverantwortlicher

Prof. Dr. Stefan Hensel
Empf. Semester EI-04
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Zweiter Studienabschnitt Studiengang EI, EI-plus
Veranstaltungen

Digitale Bildverarbeitung mit Labor

Art Vorlesung/Labor
Nr. EMI868
SWS 4.0
Lerninhalt

Die Vorlesung behandelt folgende Themengebiete:

Bildgewinnung

  • Das optische System
  • Bildsensoren, CCD und CMOS
  • Digitalisierung und Quantisierung
  • Farbräume

Bildvorverarbeitung

  • Das Histogramm
  • Lineare Filter, Rangordnungsfilter

Merkmalsextraktion

  • Kanten
  • Ecken
  • Linien

Bildsegmentierung

  • Schwellwertmethoden
  • Clustering: K-Means und Mean-Shift
  • Spektrale Methoden: Graphenschnittverfahren

Parametrische Bildausrichtung und Verbindung

  • Detektoren und Deskriptoren
  • Modellbasierte Bildtransformation

Bildverarbeitung mit Neuronalen Netzen

  • Einführung und Überblick

Im Labor werden folgende Themen bearbeitet:

1. Einführung in Bildtypen, -Daten und Matlab-Funktionen

2. Lineare Filter

Transformation von Farbräumen, Filterung im
Zeitbereich, Filterung im Frequenzbereich

3. Merkmalsextraktion

Die Houghtransformation zur Auffindung von Geraden, Nichtlineare Filter/Morphologische Operatoren

4. Bildverglich und Zusammenfügen:

Detektion von Ecken und Bildtransformationen

 
Literatur
  • Szeliski, R., Computer Vision: Algorithms and Applications, Springer, 2010
  • Jähne, B., Digitale Bildverarbeitung und Gewinnung, Springer 2012
  • Forsyth, D., COmputer Vision: A Modern Approach, Addison Wesley, 2012
  • Hartley, R., Zisserman, A., Multiple View Geometry in Computer Vision, 2. Auflage, Cambridge University Press, 2004
  • Burger, W., Burge, M., J., DigitaleBildverarbeitung: Eine Einführung mit Java und ImageJ, Springer, 2004
←  Zurück