Beispielaufgaben Bildverarbeitung Schritt 1 von 4 0% Aufgabe 1: Farbkanäle Dieses Farbbild zeigt eines der bekanntesten Bilder in der Geschichte der Bildverarbeitung: Lena. Anhand ihres Bildes wurden fundamentale Algorithmen erarbeitet. Ein Farbbild ist typischerweise ein zweidimensionales Array, wobei pro Pixel Werte für rot, grün und blau abgespeichert werden.Welches Bild würde entstehen, wenn für jedes Pixel des Bildes der Rot-Wert auf 0 gesetzt würde? Aufgabe 2: Glättungsfilter Ein Grauwertbild ist ein zweidimensionales Array, wobei in diesem Beispiel pro Pixel Werte zwischen 0 (schwarz) und 255 (weiß) abgespeichert werden. Zur Filterung werden die Nachbarpixel des Originalbilds mit Hilfe einer Filtermaske gewichtet aufsummiert. Das Beispiel zeigt die Gauß-Filterung (Glättung, Tiefpassfilter) mit einer 3x3 Gauß-Filtermaske. Dabei werden der aktuelle Pixelwert mit 4, die direkten Nachbarwerte mit 2 und die diagonalen Werte mit 1 gewichtet, aufaddiert und durch die Summe der Gewichte (16) geteilt: $\displaystyle\frac{{{255}⋅{1}+{255}⋅{2}+{255}⋅{1}+{128}⋅{2}+{128}⋅{4}+{255}⋅{2}+{128}⋅{1}+{128}⋅{2}+{255}⋅{1}}}{{16}}={184}$Welche Werte ergeben sich durch diese Filterung für die Pixel in den Fenstern des im zweiten Bild dargestellten Hauses? 127 128 143 Aufgabe 3: Kantenfilter Mit Hilfe der Sobel-Filtermaske können Kanten im Bild detektiert werden, also Stellen, an denen das Bild große Helligkeitsunterschiede aufweist. Bei dieser Filterung wird nicht durch die Summe der Gewichte geteilt. Welches ist das richtige Ergebnisbild?Anmerkung: Bei Verwendung dieser Filtermaske können Werte größer 255 entstehen, die automatisch auf 255 (weiß) gesetzt werden. Genauso können negative Werte entstehen, wobei hier das Vorzeichen ignoriert wird und der Betrag des Wertes das Ergebnis bestimmt. Aufgabe 4: Histogramme Ein Histogramm ist eine Häufigkeitsverteilung, wobei z. B. die Häufigkeit von Pixelwerten in Grauwertbildern aufgetragen wird. Bei Digitalkameras gibt dies dem Fotografen Auskunft darüber, über welchen Kontrastumfang und welche Helligkeit das Bild verfügt. In der Bilderkennung werden Histogramme u. a. eingesetzt, um eine Ähnlichkeit von Bildern zu bestimmen. Um ein Histogramm zu erstellen, wird gezählt, wie häufig jeder Helligkeitswert im Bild vorkommt.Welcher der folgenden Algorithmen in Java erfüllt diese Aufgabe? int pixel[][] = loadGreyImage("c:\image.pgm"); int histogram[] = new int[255]; for (int x = 0; x ﹤ pixel.size(); x++) { for (int y = 0; y ﹤ pixel[0].size(); y++) { histogram[x + y] += pixel[x][y]; } } int pixel[][] = loadGreyImage("c:\image.pgm"); int histogram[] = new int[255]; for (int x = 0; x ﹤ pixel.size(); x++) { for (int y = 0; y ﹤ pixel[0].size(); y++) { pixel[x][y] += histogram[x + y * pixel.size()]; } } int pixel[][] = loadGreyImage("c:\image.pgm"); int histogram[] = new int[255]; for (int x = 0; x ﹤ pixel.size(); x++) { for (int y = 0; y ﹤ pixel[0].size(); y++) { histogram[pixel[x][y]] += 1; } }
