Initial commit with project files

3_Signalorientierte_Bildverarbeitung/ü2/README.md

@@ -0,0 +1,25 @@
+# Übung 2: Bildrekonstruktion mit Wiener Filter & Inverser Filterung 
+Gegeben ist eine Abbildung der ETH-Zürich mit einer Bildstörung wie im folgenden zu sehen:
+
+![../../data/eth_blurred.png](../../data/eth_blurred.png)
+
+
+Als Bildstörung ist hier Motion Blur einer gleichförmigen Kamerabewegung von 31 Pixel
+und einem Winkel von 11 Grad (gegen den Uhrzeigersinn) verwendet.
+Berechnen 
+
+# Aufgabe a) Inverse Filterung
+Benutzen Sie inverse Filterung um die Bildstörung (Motion Blur und Rauschen) im Bild
+zu entfernen. Die Inverse Filterung muss anhand der Formeln von der Vorlesung selbst programmiert werden.
+
+Verwenden Sie eine geeignete "cutoff"-Frequenz.
+Nutzen Sie die Datei [a.py](a.py) um Ihre Lösung zu implementieren. In der Datei ist die "Point Spread Function" (PSF)
+bereits implementiert und in den Frequenzbereich transformiert. Die PSF entspricht der Transferfuntkion der
+Bildstörung.
+
+# Aufgabe b) Wiener Filterung
+Nutzen Sie ebenfalls Datei [a.py](a.py),
+Benutzen Sie Wiener Filterung um die Bildstörung (Motion Blur und Rauschen) im Bild
+zu entfernen. Die Wiener Filterung muss anhand der Formeln von der Vorlesung selbst programmiert werden.
+
+Verwenden Sie einen geeigneten Parameter K für den Wiener Filter.