Sie sind auf Seite 1von 28

Bildverarbeitung

Bildverarbeitung
Herbstsemester 2009
Herbstsemester 2012

Filter
Filter
1

Inhalt

Lineare und nichtlineare Filter


Glttungsfilter (z.B. Gauss-Filter)
Differenzfilter (z.B. Laplace-Filter)
Lineare Faltung
Separierbare Filter (z.B. Prewitt-Filter)
Impulsfunktion und Impulsantwort
Median-Filter
Implementierung von Filtern

FHNW bverI HS 12 - Prof. Dr. C. Stamm

Lernziele
Sie wissen was ein Filter ist und verstehen die
Einteilung in lineare und nichtlineare Filter.
Sie begreifen Filter als eine lokale Bildoperation im
Gegensatz zu den Punktoperationen.
Sie kennen den Begriff der Impulsfunktion und
knnen damit rechnerisch umgehen.
Sie knnen einfache, bekannte Filteraufgaben
selber effizient implementieren.

FHNW bverI HS 12 - Prof. Dr. C. Stamm

Was ist ein Filter?

Lokale Operation
Einbezug von mehreren Bildelementen (Pixels) aus der
Region

Geometrie des Bildes ndert sich nicht


FHNW bverI HS 12 - Prof. Dr. C. Stamm

Beispiel: Glttung eines Bildes (1)


Bilder sehen scharf aus
wo die Intensitt lokal stark ansteigt oder abfllt
grosse Unterschiede zu benachbarten Pixeln

Bildstellen sehen unscharf aus


wenn die Helligkeitsfunktion glatt ist

Ansatz fr ein Glttungsfilter (Box-Filter)

FHNW bverI HS 12 - Prof. Dr. C. Stamm

Beispiel: Glttung eines Bildes (2)

FHNW bverI HS 12 - Prof. Dr. C. Stamm

Eigenschaften von Filtern


Grsse der Filterregion
Form der Filterregion
muss nicht quadratisch sein (scheibenfrmig ist oft
besser)
muss nicht zusammenhngend sein
muss den Zielpixel nicht enthalten

Gewichtung
nicht alle Pixel der Region mssen mit der gleichen
Gewichtung in die Rechnung einbezogen werden

Systematische Einteilung von Filtern gefragt


Lineare Filter
Pixel der Region werden mit linearem Ausdruck verknpft

Nichtlineare Filter
Pixel der Region werden mit nichtlinearem Ausdruck verknpft
FHNW bverI HS 12 - Prof. Dr. C. Stamm

Lineare Filter
Pixel werden durch gewichtete Summation
verknpft
Beispiel: Glttungsfilter im vorangegangenen Beispiel

Filtermatrix (Filtermaske) H
bestimmt Grsse, Form, Gewichte der Filterregion
Hot Spot: Koordinatenursprung der Filtermatrix

Applet 1, Applet 2
FHNW bverI HS 12 - Prof. Dr. C. Stamm

Typische lineare Filter

FHNW bverI HS 12 - Prof. Dr. C. Stamm

Anwendung des Filters

FHNW bverI HS 12 - Prof. Dr. C. Stamm

10

Gauss-Filter
diskrete, zweidimensionale Gauss-Funktion

Glttungsfilter (Tiefpassfilter)
weil alle Filterkoeffizienten positiv sind
annhernd isotrop ab Filtergrssen von 5 x 5
(nach allen Richtungen hin gleichfrmig arbeiten)
gutmtiges Frequenzverhalten (stetig, differenzierbar)

FHNW bverI HS 12 - Prof. Dr. C. Stamm

11

Laplace-Filter
Interpretation als Differenz von zwei Summen

R+: Teil der Filterregion mit positiven Koeffizienten


R: Teil der Filterregion mit negativen Koeffizienten

Verstrken von Kanten und Konturen


rtliche Intensittsunterschiede werden verstrkt
richtungsunabhngige Detektion von Kanten
Hochpassfilter
FHNW bverI HS 12 - Prof. Dr. C. Stamm

12

Faltung
Definition
f, g : D R
(f g) ist das Integral ber dem Produkt von f mit einer
gespiegelten und verschobenen Version von g

f (t ) g (t ) D f ( ) g (t )d
Beispiel

FHNW bverI HS 12 - Prof. Dr. C. Stamm

13

Diskrete Faltung
Linear Convolution

FHNW bverI HS 12 - Prof. Dr. C. Stamm

14

Eigenschaften der Faltung


Kommutativitt

Linearitt

Assoziativitt

FHNW bverI HS 12 - Prof. Dr. C. Stamm

15

Separierbarkeit von Filtern


direkte Folge der Assoziativitt

x/y-Separierbarkeit

FHNW bverI HS 12 - Prof. Dr. C. Stamm

16

Beispiel: Prewitt-Filter

FHNW bverI HS 12 - Prof. Dr. C. Stamm

17

Impulsfunktion (1-D)
Impulsfunktion (Dirac-Funktion): (t t0)

Grenzfall ( 0) eines Rechteckimpulses der Breite und


der Hhe 1/ an der Stelle t = t0

Flche ist gleich 1


(t t0 )dt 1
(t t0) ist die Ableitung der Heaviside
Funktion (Schrittfunktion) h(t t0)

wichtige Eigenschaft (Abtasteigenschaft)


b

f (t0 ), falls a t0 b
f (t ) (t t0 ) dt
0, sonst

FHNW bverI HS 12 - Prof. Dr. C. Stamm

18

Impulsfunktion (2-D)
neutrales Element der Faltung

diskrete Impulsfunktion

FHNW bverI HS 12 - Prof. Dr. C. Stamm

19

Einsatz der Impulsfunktion


als Filterfunktion
wenig interessant, da sich das Ausgangsbild nicht ndert

als Eingabe fr einen (unbekannten) Filter


viel interessanter, weil sich damit der Filter beschreiben
lsst

In einer Bildbearbeitungssoftware werden verschiedene


lineare Filter angeboten, die zwar mit einem Namen
versehen sind, von denen Sie aber nicht genau wissen,
wie die Filterkoeffizienten aussehen
FHNW bverI HS 12 - Prof. Dr. C. Stamm

20

Nichtlineare Filter
Nachteil von linearen Filtern
beim Gltten und Entfernen von Strungen werden auch
beabsichtigte Strukturen wie Punkte, Linien und Kanten
verwischt

Nichtlineare Filter sind in vielen Bereichen berlegen


knnen aber auch nur beschrnkt gewnschte von
unerwnschten Strukturen unterscheiden
Beispiele
Minimum- und Maximum-Filter
Medianfilter
FHNW bverI HS 12 - Prof. Dr. C. Stamm

21

Minimum- und Maximum-Filter

FHNW bverI HS 12 - Prof. Dr. C. Stamm

22

Auswirkungen des Minimum-Filters

FHNW bverI HS 12 - Prof. Dr. C. Stamm

23

Medianfilter
Motivation
Kombination der guten Eigenschaften von Minimum- und
Maximum-Filter: Ausreisser eliminieren

Anstze
einfacher Medianfilter

gewichteter Medianfilter
ein mit w gewichteter Pixel geht w-mal in die Folge ein
FHNW bverI HS 12 - Prof. Dr. C. Stamm

24

Beispiel: Medianfilter

a) Original mit Salt-and-Pepper-Rauschen


b) nach Anwendung des 3x3-Box-Filters
c) nach Anwendung des Medianfilters
FHNW bverI HS 12 - Prof. Dr. C. Stamm

25

Implementierung von Filtern


Effizienz
Laufzeitanalyse mittels Zeitkomplexitt (Big-O-Notation)
vornehmen
separierbare Filter separieren
eventuell Reihenfolge und Assoziativitt verndern

Filteroperationen brauchen einen Zwischenspeicher

FHNW bverI HS 12 - Prof. Dr. C. Stamm

26

Behandlung der Bildrnder (1)


Was machen wir an den Bildrndern?

FHNW bverI HS 12 - Prof. Dr. C. Stamm

27

Behandlung der Bildrnder (2)

FHNW bverI HS 12 - Prof. Dr. C. Stamm

28