Bilder Flashcards

Question

Bildkompression Schritte

Answer 1

1. Umwandlung in den YCrCb-Farbraum 2. Farb-Subsampling 3. Diskrete Kosinustransformation 4. Quantisierung 5. Kodierung der Koeffizienten

Answer 2

Y = Helligkeitswert Cr = Abweichung von Grau in Richtung Rot Cb = Abweichung von Grau in Richtung Blau

Answer 3

Verlustbehaftete Komprimierung der Farbrepräsentation Grundlage: Höhere Genauigkeit der menschlichen Ortsauflösung im Helligkeitsbereich (Grünbereich) als im Farbbereich übliche Größe 2x2 Pixel 4Y, 1Cr, 1Cb im 2x2 Pixel Y: Cr: Cb = 4 : 1 : 1

Answer 4

Umwandlung der Bildinformationen in den Frequenzbereich: - Rasterung jeder Komponente (Y Cr Cb) in 8x8 Bildblöcken - Bildblöcke werden DCT unterzogen und als Vektoren interpretiert Ziel: - Umwandlung des Bildes in ein für die weiteren Kompressionsschritte geeignetes Format - Filterung von hohen Frequenzen in den Farbanteilen, die vom menschlichen kaum wahrgenommen werden können

Answer 5

Division der DCT-Koeffizienten durch die Quantisierungsmatrix - Betonung homogener Regionen Beseitigung von Informationsanteilen, die das menschliche Auge kaum wahrnimmt F^Q = Floor(Round(F/Q))

Answer 6

Aus den 8x8 Blöcken wird ein eindimensonaler Bitstrom erzeugt DC Koeffizienten werden als Differenzen zum vorhergehenden DC Koeffizienten kodiert Die 63 AC-Koeffizienten werden anhand einer Zick-Zack-Kurve kodiert

Answer 7

Komprimierung durch Huffman-Algorithmus | Arithmetisches Kodieren komprimiert besser, aber ist mit verschiedenen Patenten belegt

Answer 8

1) Der Blurring Kernel kann unendlich lang werden, sodass es beinahe zu einer Division durch Null kommt. Rauschen und/oder kleine Fehler werden in G verstärkt 2) Es gibt immer Rauschen (g= f(a) + n)

Answer 9

1) Verwenden der komplex konjugierten Matrix F = (1/A)G = (A*/ A*xA)G nun hat das rekonstruierte Bild keine komplexen Zahlen mehr

Answer 10

``` Wenn die eine Lösung: - existiert - eindeutig ist - einer vernünftigen Topologie kontinuierlich von den Daten abhängt ```

Answer 11

``` korrekt gestellt ->Blurring: stabile Algorithmen (Rauschen wird geglättet) ``` ``` nicht korrekt gestellt (Deblurring): instabile Algorithmen (Rauschen wird verstärkt) ```

Answer 12

Das Hinzufügen eines sehr kleinen Anteils an hochfrequentem Rauschen beeinflusst das Signal nicht, hat aber großen Einfluss auf die Ableitung.

Answer 13

vermeidet die Verstärkung von Rauschen, indem der Filter im Fourierraum regularisiert wird. Es entsteht ein Filter, der bestimmte Frequenzbereiche verstärkt, andere aber abschwächt. Der Parameter R entscheidet, was verstärkt wird.

Answer 14

Vorteile: - Schnell - Häufig verwendet - beliebt - leicht zu implementieren Nachteile: - nur ein Filter für das gesamte Bild - keine lokalen spezifischen Verbesserungen - Ein Wert für R

Answer 15

Lösungen werden mithilfe von partiellen Differentialgleichungen gefunden. Diffusion kann lokal anpassbar an die Bildstruktur gemacht werden.

Answer 16

Mit einem Modell des Blurrings (und des Rauschens) kann man versuchen, Bilder zu deblurren. Deblurring ist instabil.

Answer 17

Der Wiener Filter funktioniert im Allgemeinen gut, benötigt aber eine Abschätzung von Parametern.

Answer 18

- mehr Terme werden hinzugefügt um das Ergebnis so lange zu verfeinern, bis ein optimales Bild vorliegt.

Answer 19

benötigen eine korrekt definierte Energie für das Bild

Answer 20

verwendet lokale Kantenstärken: Deblurring für starke | Kanten, Blurring für Rauschen.

Answer 21

Image Blurring - Weichzeichnen des Bildes - Bild wirkt verschwommen und Details gehen verloren Beispielhafte Filter: - Gausfilter - Boxfilter

Answer 22

Problem 1: Der Blurring Kernel kann unendlich klein werden, sodass es beinahe zu einer Division durch Null kommt Problem 2: Es gibt in Bildern fast immer Rauschen, das durch das Deblurring verstärkt werden bzw. das deblurrte Bild verfälschen kann

Answer 23

R zu groß (-> Tiefpass Filter): - behaltet grobe Struktur - verwischt Kanten - entfernt Rauschen R zu klein (-> Hochpass Filter): - entfernt grobe Struktur und Kanten - verstärkt Rauschen Optimal (-> Bandpass Filter): - entfernt Rauschen - behält grobe Struktur - verstärkt Kantenstruktur leicht (Deblurring)

Answer 24

- Wiener Filter | - Scale-Space-Ansatz

Answer 25

der Laplace Operator wird von einem Bild subtrahiert durch Hinzufügen weiterer Terme (mit Ableitungen höherer Ordnung) wird das Ergebnis verfeinert

Answer 26

Es wird ein Energieterm über das Bild gebildet und dann iterativ das Bild verändert, um diese Energie zu minimieren

Answer 27

Parameter k bestimmt, welche Gradienten durch Perona-Malik erhalten bleiben sollen, während der Rest verwischt wird kleines k: Erhaltung fast aller Gradienten (starke und schwache Kanten, aber auch Rauschen) großes k: erhält nur große Gradienten (starke Kanten)

Answer 28

reduziert Rauschen, während stärkere Kanten (Bildstrukturen) erhalten bleiben Problem: mit zunehmenden Iterationsschritten nimmt die Bildqualität ab Lösung: an einem gewissen Punkt muss das Verfahren gestoppt werden

Answer 29

- Perona-Malik | - Total Variation Methode

Answer 30

Bei Total Variation wird der Energieterm durch eine Distanzfunktion modifiziert, die sicherstellt, dass das Ergebnisbild nicht weit vom Ursprungsbild entfernt ist Es ist kein vorzeitiger Stopp der Berechnung mehr nötig, weil die Methode von allein zur optimalen Lösung konvergiert.