Initial commit with project files

2_Bildbearbeitung/ü2/README.md

@@ -0,0 +1,109 @@
+# Übung 2:  Lokale Bildoperationen
+
+Lokale Bildoperationen berechnen den Pixelwert des Ausgangspixels aus der lokalen Umgebung des Eingangspixels. Die 
+Berechnungsvorschrift ist dabei für jedes Pixel gleich.
+
+In dieser Übung werden einige Beispiele für lokale Bildoperationen behandelt. Dabei werden unter anderem
+  - Faltung
+  - Gradienten 
+  - Rangfolgefilter
+  - Hochpass, Tiefpass, Bandpass
+verwendet.
+
+## Aufgabe a)
+Das Bild zeigt ***I_in*** zwei sich schneidende Linien (eine horizontalen und eine vertikale) auf hellem
+Hintergrund (außerhalb des eingezeichneten Rasters sind die Flächen wie angedeutet störungsfrei
+fortgeführt). Es soll nun die Horizontale extrahiert und in binärer Form dargestellt werden, so dass
+sich das Binärbild ***I_out*** ergibt. Im folgenden sind 
+die Bilder visualisiert und als Matrix dargestellt. 
+
+<p align="center">
+<img src="./data/cross1.png" />
+</p>
+
+```python
+ I_in = [
+    [200, 200, 100, 200, 200],
+    [200, 200, 100, 200, 200],
+    [100, 100, 100, 100, 100],
+    [200, 200, 100, 200, 200],
+    [200, 200, 100, 200, 200],
+ ]
+```
+
+<p align="center">
+<img src="./data/cross2.png" />
+</p>
+
+```python
+ I_out = [
+    [  0,   0,   0,   0,   0],
+    [  0,   0,   0,   0,   0],
+    [255, 255, 255, 255, 255],
+    [  0,   0,   0,   0,   0],
+    [  0,   0,   0,   0,   0],
+ ]
+```
+
+Für die Aufgabe stehen die folgenden Operationen zur Verfügung:
+
+ - Hochpassfilter mit 3x3 Faltungskern
+   
+    ```python
+    [
+       [ -1,  -1,  -1 ],
+       [ -1,   8,  -1 ],
+       [ -1,  -1,  -1 ]
+    ]
+    ```
+ - Kantenfilter mit 3x3 Faltungskern
+   
+    ```python
+    [
+       [  1,  0,  -1 ],
+       [  1,  0,  -1 ],
+       [  1,  0,  -1 ]
+    ]
+    ```
+ - Kantenfilter mit 3x3 Faltungskern
+   
+    ```python
+    [
+       [  -1,  -1,  -1 ],
+       [   0,   0,   0 ],
+       [   1,   1,   1 ]
+    ]
+    ```
+ - Punktoperation: Betragsbildung
+ - Punktoperation: Schwellwertoperation, Punkte mit einer Intensität *I_xy* < 128 werden auf *I_xy* = 0 gesetzt, ansonsten zu 255
+ - Median-Filter der Größe 3x3
+    
+Wählen Sie 4 der 6 Operationen und wenden Sie sie auf die das Bild an. Jede Operation darf dabei nur einmal verwendet werden.
+Visualisieren Sie jeden Zwischenschritt.
+Die Aufgabe soll in der Datei [a.py](a.py) bearbeitet werden! Die entsprechende Lösung finden Sie in [l_a.py](l_a.py).
+
+**Hinweis:** Mehrere Lösungswege sind möglich! 
+
+
+## Aufgabe b)
+Gegeben ist das Bild [edge_01.png](data/edge_01.png). Es zeigt zwei aneinander grenzende graue Flächen die mit Rauschen
+versetzt sind. Ziel ist es, das Bild so zu filtern, dass die Kante als weichgezeichnete Linie auf
+schwarzem Untergrund resultiert, wie in Bild [edge_02.png](data/edge_02.png) beispielhaft dargestellt ist.
+
+*edge_01.png*:  
+
+<p align="center">
+<img src="./data/edge_01.png" />
+</p>
+
+*edge_02.png*:  
+<p align="center">
+<img src="./data/edge_02.png" />
+</p>
+
+Für die Bearbeitung können Sie sich verschiedener Filter bedienen. Beispiele dafür können sein
+ - Hochpass, Tiefpass, Bandpass
+ - Diverse Richtungsfilter
+ - Rangfolgefilter wie Minimum, Maximum, Median
+
+Die Aufgabe soll in der Datei [b.py](b.py) bearbeitet werden! Die entsprechende Lösung finden Sie in [l_b.py](l_b.py).

2_Bildbearbeitung/ü2/l_a.py

@@ -0,0 +1,50 @@
+import numpy as np
+import cv2
+
+''' Einlesen des Bildes '''
+I_in = [
+    [200, 200, 100, 200, 200],
+    [200, 200, 100, 200, 200],
+    [100, 100, 100, 100, 100],
+    [200, 200, 100, 200, 200],
+    [200, 200, 100, 200, 200],
+]
+
+I_in = np.asarray(I_in, dtype="uint8")
+
+print("Bild vor der Bearbeitung:")
+print(I_in)
+print()
+print(I_in.dtype)
+
+''' Operation 1: Kantenfilter '''
+edge = [
+    [-1, -1, -1],
+    [ 0,  0,  0],
+    [ 1,  1,  1]
+]
+edge = np.asarray(edge)
+edge_conv = np.flip(edge)
+I_in = cv2.filter2D(I_in, cv2.CV_64F, edge_conv, borderType=cv2.BORDER_REPLICATE)
+print("Operation 1: Kantenfilter")
+print(I_in)
+print()
+
+''' Operation 2: Absolutwertbildung '''
+I_in = np.abs(I_in)
+print("Operation 2: Absolutwertbildung")
+print(I_in)
+print()
+
+''' Operation 3: Medianfilter'''
+I_in = cv2.medianBlur(I_in.astype("float32"), 3)
+print("Operation 3: Medianfilter")
+print(I_in)
+print()
+
+''' Operation 4: Schwellwert '''
+I_in = np.copy(I_in)
+ret, I_out = cv2.threshold(I_in, 127, 255, cv2.THRESH_BINARY)
+print("Operation 4: Schwellwert")
+print(I_out)
+print()

2_Bildbearbeitung/ü2/l_b.py

@@ -0,0 +1,36 @@
+import numpy as np
+import cv2
+
+''' Einlesen des Bildes '''
+I_in = cv2.imread("data/edge_01.png")
+I_in = cv2.cvtColor(I_in, cv2.COLOR_BGR2GRAY)
+cv2.imshow("Bild Schritt 0", I_in)
+
+
+''' Operation 1: Median-Filter'''
+I_in = cv2.medianBlur(I_in, 9)
+cv2.imshow("Bild Schritt 1", I_in)
+
+''' Operation 2: Kantenfilter'''
+edge = [
+    [-1, 0, 1],
+    [-1, 0, 1],
+    [-1, 0, 1]
+]
+edge = np.asarray(edge)
+I_in = cv2.filter2D(I_in, cv2.CV_64F, edge, borderType=cv2.BORDER_REPLICATE)
+cv2.imshow("Bild Schritt 2", I_in)
+
+''' Operation 3: Glättung / Tiefpass mit Boxfilter'''
+edge = [
+    [1, 1, 1],
+    [1, 1, 1],
+    [1, 1, 1]
+]
+edge = np.asarray(edge) / 9
+I_in = cv2.filter2D(I_in, cv2.CV_64F, edge, borderType=cv2.BORDER_REPLICATE)
+I_in = I_in / np.max(I_in)
+cv2.imshow("Bild Schritt 3", I_in)
+
+''' Bilder anzeigen, Bis Taste gedrückt wird '''
+cv2.waitKey(0)