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
      Grundlagen der Bild- und Signalverarbeitung

      Grundlagen der Bild- und Signalverarbeitung

      Nummer
      gbsv
      ECTS
      3.0
      Anspruchsniveau
      Intermediate
      Inhalt

      Ziel des Moduls ist es, grundlegende Techniken der klassischen Bild- und Signalverarbeitung zu vermitteln. Die behandelten Methoden bauen auf Verfahren der Stochastik und der Analysis auf.

      Inhaltsübersicht

      • Signal- und Bilderfassung sowie deren Speicherung
      • Mustersuche basierend auf Korrelation in Signal und Bild
      • Faltung und Filterung in Bild und Signal (lineare/nichtlineare Filterung, Kantendetektion)
      • Schlüsselpunkte (Features) und Deskriptoren für Bilder
      Lernergebnisse

      Die Studierenden kennen die Prozesse und Formate der digitalen Signal- und Bilderzeugung und können dabei klassische Techniken einsetzen. Dazu gehört:

      • Bilder in Python, Bibliotheken PIL/Pillow, OpenCV und skimage
      • Bilddarstellung: Farbräume, Farbebenen, Bildformate
      • Histogramme für Signale und Bilder: Erstellen, Analyse, Grenzwertmethoden für binäre Segmentierung, Weissabgleich
      • Morphologische Operationen für Signale und Bilder: binäre Bilder, Graustufenbilder

      Die Studierenden verstehen das Prinzip der Faltung und dessen Einsatz in der linearen und nicht-linearen Filterung für Signale und Bilder. Methoden der Kanten- und Eckendetektion wie Canny Edge Detektor, Harris Corner Detektor, Hough Transformation sowie Filterung in der Frequenzdomäne z.B. mittels Fast Fourier Transformation können für Signale und Bilder eingesetzt werden.

      Die Studierende können geeignete Schlüsselpunkte (Features) und Deskriptoren für Bilder mittels Verfahren wie FAST, HoG, SIFT oder BRISK generieren.

      Modulbewertung
      Note
      Modultyp
      Portfoliomodul
      (Englische Version)

      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: