Grundlagen der Bild- und Signalverarbeitung

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

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.