WPF Bildverarbeitung und
Computer Vision
|
Lehrveranstaltung von Prof. Dr. Wolfgang Konen
SoSe2021
E-mail:
Campus: Raum 3.230, Tel. -6275.
Informationen zur
Veranstaltung |
Die Veranstaltung besteht aus Dozentenvorträgen sowie Seminar-/Projekt-/Lehr-Einheiten der Teilnehmer. Themen werden in der Startup-Veranstaltung besprochen, eigene Themenideen sind nach Absprache mit mir möglich (bitte per E-Mail an mich).
Startup-Veranstaltung:
Di, 20.04.2021, 14 Uhr, Raum ZOOM
Anmeldung zum WPF:
1) Im ILIAS-Kurs
WPF BV SoSe2021 anmelden, bei
Erreichen der Kapazitätsgrenze entscheidet das Datum der Anmeldung.
2) Zum Startup-Termin (s.o.) anwesend sein, dort werden Seminar- und
Projektthemen vergeben.
Sollte jemand aus triftigem Grund an der Startup- Veranstaltung nicht dabei
sein können, dann bitte Email an mich. Wer ohne solche Email bei der Startup- Veranstaltung
nicht da ist, wird von der Anmeldeliste genommen.
Teilnehmer jenseits der Kapazitätsgrenze landen im ILIAS-Kurs zunächst auf der Warteliste. Sie können und sollen bei Interesse aber trotzdem zur Startup-Veranstaltung kommen, denn wenn andere Teilnehmer stornieren, können sie evtl. nachrücken.
Link zur Zoom-Sitzung: siehe Beschreibung im ILIAS-Kurs WPF BV SoSe2021
Die Seminar-/Projekteinheiten bestehen aus (a) Vortrag und (b) Ausarbeitung
zum Vortrag, die spätestens 24h vor
dem Vortrag auf ILIAS elektronisch hinterlegt wird. Dies ist eine wichtige
Voraussetzung.
Bildverarbeitung (BV) und Computer Vision (CV) sind rasant wachsende Fachgebiete an der Schnittstelle zwischen Informatik, Elektrotechnik, Mathematik, Neuro- und Kognitionswissenschaften. Entsprechend breit gefächert sind die Einsatzgebiete: Die Bildverarbeitung ist eine Schlüsseltechnologie für Industrieautomation, Medizintechnik, Dokumentenverarbeitung, Medien- und Kommunikationstechnik, Fernerkundung, Sicherheitstechnik u.v.a.m.
Das Modul „Bildverarbeitung und Computer Vision“ (WPF BV) liefert eine praxisorientierte Einführung in BV + CV für Studierende aller Informatik-Studiengänge.
Ein Schwerpunkt wird dabei auf den Algorithmen liegen, mit denen Aufgaben der Bildverarbeitung gelöst werden.
Wir wollen dies aber so wenig trocken wie möglich machen und deshalb unser Wissen in praktischen Übungen / Projekten direkt an Realweltdaten erproben. Hierzu gehören auch eigene Aufnahmen von Bildern/Bildsequenzen (z.B. mit Mobilgeräten). Dabei werden wir gleich eine Eigentümlichkeit der Algorithmen in der Bildverarbeitung kennenlernen: Die Daten enthalten fast immer zu einem gewissen Teil Rauschen oder Störungen, und Algorithmen, die in der Theorie gut aussehen mögen, können in der Praxis oft schwere Probleme aufweisen. Aber genau über diese Probleme gewinnt man Kompetenz in Bildverarbeitung und Erfahrung in der Einschätzung von Bildmaterial.
Zielgruppe
|
Der Kurs wendet sich an alle, die etwas über die Methoden der Bildverarbeitung erfahren wollen.
Gute Mathematikkenntnisse. Für ein tiefergehendes Verständnis der mathematischen Zusammenhänge sind grundlegende Kenntnisse der Linearen Algebra hilfreich. Keine Vorkenntnisse Bildverarbeitung notwendig.
Grundkenntnisse in Java, wir werden im Kurs das Java-Bildverarbeitungs-Tool ImageJ verwenden, wozu im Kurs eine kurze Einführung geboten wird.
Optional: Grundkenntnisse in Python, wir werden uns als Alternative auch das Computer-Vision-Tool OpenCV in seiner Python-Variante erarbeiten.
V |
Einführung Bildverarbeitung |
|
V |
Visuelle Wahrnehmung, Bildentstehung, Erzeugung digitaler Bilder |
|
V / Ü |
Einführung ImageJ |
|
V |
Binärbildverarbeitung |
|
Ü |
·
Binär-Features (I + II), ·
Component Labeling |
|
V / Ü |
Morphologische Operatoren
+ Segmentierung |
|
V |
2D-Filterung (Fourier, Gauss, Band, Notch, Kantenfilter) |
|
Ü |
·
Bildrestauration, · Gesichtsbild verkleinern |
|
V |
Bildverbesserung: Histogramme, Median, Differenz, Unsharp Masking |
|
Ergänzende Themen |
|
|
S/P |
Geometrische Transformation, Warping |
|
S/P |
Panoramic View aus Einzelbildern |
|
S/P |
Linien- und Kreisdetektion: Hough-Transformation |
|
S/P |
Farbdetektion |
|
S/P |
Tracking, Analyse von Bildsequenzen |
|
S/P |
Segmentierung |
|
S/P |
Image Retrieval, adaptive Farbhistogramme |
|
|
||
S/P |
Objekterkennung und Klassifikation |
|
S/P |
Mustererkennung |
|
S/P |
Gesichtserkennung (Elastic Graphs) |
|
S/P |
3D-Bildverarbeitung, Stereo, Anwendungsbeispiel |
|
S/P |
Einführung OpenCV |
Die Veranstaltung umfasst
5 ECTS / max. 20 Studierende
Kommentiertes Literaturverzeichnis
|
Quellen: Viele Beiträge im Folienmaterial basieren in wesentlicher Form auf Unterlagen, die Prof. Dr. Thomas Zielke von der HS Düsseldorf freundlicherweise zur Verfügung stellte, wofür ich mich an dieser Stelle herzlich bedanke.
©