Hauptinhalt überspringenNavigation überspringenFooter überspringen
Logo der Fachhochschule Nordwestschweiz
Studium
Weiterbildung
Forschung und Dienstleistungen
Internationales
Die FHNW
De
Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien

      Logo der Fachhochschule Nordwestschweiz
      • Studium
      • Weiterbildung
      • Forschung und Dienstleistungen
      • Internationales
      • Die FHNW
      De
      Standorte und KontaktBibliothek FHNWKarriere an der FHNWMedien
      Module
      Mathematik für Graphik und Bildverarbeitung

      Mathematik für Graphik und Bildverarbeitung

      Nummer
      magb
      ECTS
      3.0
      Anspruchsniveau
      intermediate
      Inhaltsübersicht
      Ziel des Moduls ist es, wesentliche mathematischen Grundlagen der grafischen Datenverarbeitung zu vermitteln und dadurch zentrale Vorkenntnisse für die Module Bildverarbeitung und Computergrafik bereitzustellen. Inhaltsübersicht
      • Grundlagen von digitalen Bildern
      • Geometrische Abbildungen und Model-View-Prinzip
      • Bildvorverarbeitung (Histogramm, Kontrast, Gammakorrektur)
      • Farben und Farbräume (RGB, HSV, YUV, CIEXYZ)
      • Segmentierung von digitalen Bildern
      • Binärbildverarbeitung (Morphologie, BLOB-Analyse, Hough-Transformation)
      • Bildtransformationen (Fourier und Wavelet)
      Lernziele
      • Die Studentinnen und Studenten verstehen wesentliche mathematische Grundlagen von 2D- und 3D-Grafiksystemem. Diese Grundlagen befähigen zur Teilnahme an weiterführenden Modulen in diesen Themenbereichen.
      • Die Studentinnen und Studenten verknüpfen einen Teil ihrer vielfältigen mathematischen Grundlagen mit konkreten Anwendungsgebieten und Anwendungen aus der grafischen Datenverarbeitung.
      • Sie setzen die erworbenen mathematischen Kenntnisse in kleine Bildverarbeitungsprogramme um und vertiefen und festigen dadurch ihre Programmier- und Mathematikkenntnisse.
      • Sie schärfen ihr Abstraktionsvermögen durch die Anwendung von unterschiedlichen mathematischen Transformationstechniken.
      Empfohlene Vorkenntnisse
      • Algorithmen und Datenstrukturen 1 (algd1)
      • Vertiefung Analysis (vana)
      Leistungsbewertung
      Erfahrungsnoten, Gewichtung 100 %

      Studium

      Angebot

      • Studium
      • Weiterbildung
      • Forschung & Dienstleistungen

      Über die FHNW

      • Hochschulen
      • Organisation
      • Leitung
      • Facts and Figures

      Hinweise

      • Datenschutz
      • Accessibility
      • Impressum

      Support & Intranet

      • IT Support
      • Login Inside-FHNW

      Member of: