c2b_default

Computer Vision

Teilmodul von CS4410, Universität zu Lübeck

Teilmodul von CS4410, Universität zu Lübeck

21
0.0 (0)
Lina Schad
Étudier
Lina Schad
Diese Lernkarten bieten einen umfassenden Überblick über die Grundlagen der Computer Vision auf Universitätsniveau. Sie behandeln zentrale Themen wie die perspektivische Projektion, verschiedene Farbräume, Sensortechnologien und deren Eigenschaften sowie die Radiometrie. Die Karteikarten eignen sich besonders für Studierende und Forscher, die sich mit den physikalischen und technischen Aspekten der Bildverarbeitung vertiefen möchten, um ein besseres Verständnis für die Verarbeitung und Analyse von Bildern zu erlangen.
Cartes-fiches
21
Utilisateurs
0
Langue
Allemand
Catégorie
Informatique
Niveau
Université
Créé / Mis à jour
19.07.2016 / 19.07.2016
  • 1  / 21

Cartes-fiches

Radiometrie

Wissensvhagt von elektromagnetischer Strahlung

Strahlendichte

  • Radiance
  • \(L = (\nu,\lambda)\)
  • mit \(\nu\) : Einfallsrichtumg vom Licht
  • und \(\lambda\): Wellenlänge

Albedo 

  • Rückstrahlvermögen
  • Verhältnis von reflektiertem Licht zu einfallendem Licht

Sensoren

  • CCD
  • CMOS

CCD

Vorteile

  • global shutter 
    • alle Pixel werden gleichzeitig belichtet 
  • hohe Qualität

CCD

Nachteile

  • Hohe Kosten
  • hoher Energieverbrauch
  • nur sequentiell auslesbar
    • Eimerkettenschaltung
      • nur 1 Pixel pro Reihe auslesbar 
      • restliche Pixel werden "nachgekippt"

CMOS

Vorteile

  • geringe Kosten
  • selektiv auslesbar
  • Qualität steigt

CMOS

Nachteile

  • geringe IR-Sensibilität 
  • rolling shutter 
    • reihenweise Belichtung der Pixel
    • Bewegungen werden zu verschiedenen Zeitpunkten erfasst
      • verwischter Ventilator

Nahinfrarot Bildgebung 

  • NIR
  • oft in machine vision genutzt
  • auch zum Fotografieren nutzbar
  • Chlorophyll hat hohe Reflektivität

Farbsensoren

  • Bayer pattern
  • Foveon X3
  • X-Trans

Bayer Pattern

  • Farbsensor
  • 25% rote, 25% blaue und 50% grüne Pixel
    • menschliches Auge ist am sensitivsten für grünes Licht
  • Pixel sind gleichförmig angeordnet 

Foveon X3

  • Farbsensor 
  • gelayerte Silikonschichten
  • jedes Pixel hat alle Farben

X-Trans

  • Farbsensor 
  • wie Bayer pattern, aber randomisierter
  • weniger Gefahr das Aliasing auftritt durch Randomisierung

Kameras ohne optischen Tiefpassfilter

  • nicht mehr notwendig

Farbräume 

  • RGB
  • XYZ
  • L*a*b*

RGB

Standard Farbraum

XYZ

Farbraum der besser zur Farbintensität passt

L*a*b*

  • nicht-lineare Projektion von XYZ 
  • auf menschliches Sehen angepasst

Sensoren

Pixelgröße

  • kleine Pixel können weniger Photonen aufnehmen
    • höheres Rauschlevel
  • große zu viele
    • blurr

Sensoren

Größe

Einfluss auf 

  • Pixelgröße
  • Schärfentiefe
    • depth of field 

Perspektivische Projektion

  • \(x = X\frac{f}{Z}\)
    •  \(x\): Breite abgebildeter Gegenstand
    • \(X\): Breite Objekt
    • \(f\): Abstand Camera Obscura und Bildebene
    • \(Z\): Abstand Camera Obscura und Objekt
  • \(y=Y\frac{f}{Z}\)
    • \(y\): Höhe abgebildeter Gegenstand
    • \(Y\): Höhe Objekt

Perspektivische Projektion

Praxis

  • approximiertes \(Z\)
  • \(\Delta Z \leq \frac{\hat Z}{20}\)
    • \(\hat Z\): durchschnittliche Entfernung
    • \(\Delta Z\): Szenentiefe

Étudier