• Keine Ergebnisse gefunden

D.Schlesinger–TUD/INF/KI/IS Bildverarbeitung:Reste

N/A
N/A
Protected

Academic year: 2022

Aktie "D.Schlesinger–TUD/INF/KI/IS Bildverarbeitung:Reste"

Copied!
7
0
0

Wird geladen.... (Jetzt Volltext ansehen)

Volltext

(1)

Bildverarbeitung: Reste

D. Schlesinger – TUD/INF/KI/IS

(2)

Faltungen

y=xg yi=

X

j=−∞

xi−j·gj

Eigenschaften:

– kommutativ, d.h.xg=gx;

– assoziativ, d.h. (x∗g1)∗g2=x∗(g1g2);

– distributiv, d.h.x∗(g1+g2) =xg1+xg2. Identische Faltung (ändert das Signal nicht):gjI= 1I(j= 0) Inverse Faltungen:gg−1=gI

Beispiel (j= 0 ist fett gekennzeichnet):

gdiff = [. . . ,0,0,0,1,−1,0, . . .] Differential Operator gint = [. . . ,0,0,0,1, 1,1, . . .] Integral Operator

(3)

Faltungen

Der Trick zur effizienten Berechnung basiert auf der folgenden Umwandlung:

xg=xgIg=xgintgdiffg= (x∗gint)∗(g∗gdiff) oder sogar mehr

xg= (x∗gint. . .gint)∗(g∗gdiff. . .gdiff) Die Faltungxgintbraucht lineare Zeitkomplexität,

mit ˜g=ggdiff. . .gdiff (Vorberechnung) wird erreicht, dass ˜gschwach besetzt ist.

(4)

Faltungstheorem

F[f∗g] =F[f]· F[g]

F– Operator (Fourier-Transformation),

F(v) =F[f] – das Abbild der Funktionf im Fourier-Raum.

Beweis:

f(x) =F−1[F(v)] =

Z

−∞

F(v)e2πivxdv, g(x) = ... analog

fg=

Z

−∞

g(x0)f(x−x0)dx0=

=

Z

−∞

g(x0

h Z

−∞

F(v)e2πiv(x−x0)dv

i

dx0=

=

Z

−∞

F(v)·

h Z

−∞

g(x0)e−2πivx0dx0

i

e2πivxdv=

=

Z

−∞

F(v)·G(v)e2πivxdv=F−1[F(v)·G(v)]

⇒ F[f∗g] =F[f]· F[g]

(5)

Faltungstheorem

Konsequenz 1:

Eine Faltungfgkann durchfg=F−1[F(v)·G(v)] implementiert werden.

Zeitkomplexität –O(nlogn).

Konsequenz 2:

Jeder Filter hat seine Spektralcharakteristika im Fourier-Raum

→Spektralanalyse,

→Entwicklung der Filter mit bestimmten Spektralcharakteristika.

(6)

Nyquist-Shannon-Abtasttheorem

Das Abtasttheorem besagt, dass ein kontinuierliches, bandbegrenztes Signal, mit einer Minimalfrequenz von 0 Hz und einer Maximalfrequenzfmax, mit einer Frequenz größer als 2·fmaxgleichförmig abgetastet werden muss, damit man aus dem so erhaltenen zeitdiskreten Signal das Ursprungssignal ohne Informationsverlust, aber mit unendlich großem Aufwand, exakt rekonstruieren oder - mit endlichem Aufwand - beliebig genau approximieren kann.

(7)

Hough-Transformation

Beispielaufgabe:

Gegeben sei Punkte imR2, d.h. (x1,y1),(x2,y2). . .(xn,yn)

.

Man such nach Teilmengen der Punkte, die jeweils eine Gerade repräsentieren (eine Gerade sei durch die Gleichungax+by= 1 gegeben,

d.h. durch ein Paar der Parameter (a,b)).

Lösungsansatz:

Man betrachte die Menge aller Koeffizientenaundb– „Parameterraum“R2. Für jedes Paar (xi,yi) wird nach denjenigen Paaren (a,b) gesucht, die diesem Punkt entsprechen – jedes Paar „stimmt“ für eine Teilmenge der Paare.

Diejenige Paare (a,b) werden gewählt, die meistens Stimmen gesammelt haben.

Für Kreise – analog (R3 als Parameterrraum).

Nachteil: Zeitkomplexität bei komplexen Objekten – Dimension des Parameterraumes.

Verallgemeinerte Hough-Transformation:

Der Objekt wird indirekt durch eine Look-up Tabelle definiert.

Referenzen

ÄHNLICHE DOKUMENTE

Die Kantenbewertung – Farbdifferenz Die kürzesten Wege von allen Pixeln zu einem (vom Nutzer gegebenem) bilden einen Baum (effizient berechenbar). Die Längen werden mit

Transformiere die Daten linear so, dass die Komponenten der transformierte Zufallsgröße so wenig von einander abhängen, wie möglich.. Als Maß

– Ist mindestens ein gewürfelten Punkt schlecht, fällt die Hypothese komplett durch Man darf eine gute Hypothese verpassen, dafür spart man Zeit (die schlechten Hypothesen

Ubungen zur Linearen Algebra II ¨ Bergische Universit¨ at Wuppertal. Blatt

Präsenzaufgaben zu Mathematik für Biologen und Biotechnologen Blatt II vom 11.04.19.

Verwenden Sie für jedes Beispiel eine andere

Bildquelle: Andrew S. Tanenbaum, „Computer Networks“, Fourth Edition, 2003, und William Stallings, „Data and Computer Communications“, Seventh

Dafür ist es nützlich, von den konkreten Räumen und partiellen Ableitungen