Modulhandbuch

Informatik (INFM)

Digitale Bildverarbeitung

Lehrform Vorlesung/Labor
Lernziele / Kompetenzen
  • Neuere Konzepte der Digitalen Bildverarbeitung kennenlernen
  • Anwendbarkeit der digitalen Bildverarbeitung auf technische Problemstellungen einschätzen können
  • Bildverarbeitungsalgorithmen selbst implementieren können
  • Bildverarbeitungsalgorithmen und die visuelle Darstellung der digitalen Bilder in Anwendungen integrieren können
Dauer 1
SWS 4.0
Aufwand
Lehrveranstaltung 60
Selbststudium / Gruppenarbeit: 90
Workload 150
ECTS 5.0
Voraussetzungen für die Vergabe von LP

Modulprüfung für "Digitale Bildverarbeitung" (K60)
"Praktikum  Digitale Bildverarbeitung" muss "m.E." attestiert sein

Leistungspunkte Noten

5 CP

Modulverantwortlicher

Prof. Dr. Angelika Erhardt

Max. Teilnehmer 15
Haeufigkeit jedes Jahr (SS)
Verwendbarkeit

Master-Studiengang INFM

Master-Studiengang EIM

Veranstaltungen

Digitale Bildverarbeitung

Art Vorlesung
Nr. EMI2229
SWS 3.0
Lerninhalt

Die Vorlesung behandelt folgende Themengebiete:

  1. Bildgewinnung
    • Das optische System
    • Bildsensoren, CCD und CMOS
    • Digitalisierung und Quantisierung
    • Farbräume
  2. Bildvorverarbeitung
    • Das Histogramm
    • Lineare Filter, Rangordnungsfilter
  3. Merkmalsextraktion
    • Kanten
    • Ecken
    • Linien
  4. Parametrische Bildausrichtung und Verbindung
    • Detektoren und Deskriptoren
    • Modellbasierte  Bildtransformation
    • RANSAC-Schätzverfahren
  5. Bildverarbeitung mit Neuronalen Netzen
    • Deep Learning
    • Convolutional Neural Networks
    • Linien
Literatur

Szeliski, R., Computer Vision: Algorithms and Applications, Springer, 2010
Jähne, B., Digitale Bildverarbeitung und Gewinnung, Springer 2012
Forsyth, D., COmputer Vision: A Modern Approach, Addison Wesley, 2012
Hartley, R., Zisserman, A., Multiple View Geometry in Computer Vision, 2. Auflage, Cambridge University Press, 2004
Burger, W., Burge, M., J., Digitale Bildverarbeitung: Eine Einführung mit Java und ImageJ, Springer, 2004

Labor Digitale Bildverarbeitung

Art Labor/Studio
Nr. EMI2231
SWS 1.0
Lerninhalt

Programmieren von Algorithmen und Operationen auf Bildern mit Matlab
Übungen aus den Gebieten:

  • Bildarten und Bildtypen
  • Farb- und Mehrkanalbilder
  • Lineare Filter
  • Morphologische Operatoren
  • Hough-Transformation
  • Merkmalsgewinnung

 

Literatur

Szeliski, R., Computer Vision: Algorithms and Applications, Springer, 2010
Jähne, B., Digitale Bildverarbeitung und Gewinnung, Springer, 2012
Erhardt, A., Einführung in die Digitale Bildverarbeitung, Vieweg+Teubner, 2008
Gonzalez, Digital Image Processing using Matlab, Addison Wesley, 2004