Initial commit with project files

5_Bildanalyse/ü13/README.md

@@ -0,0 +1,49 @@
+# Übung 13: Instanzsegmentierung 
+
+In dieser Aufgabe sollen verschiedene Instanzen von Objekten in einem binär segmentierten Bild gefunden werden.
+
+
+## a) Zeilenkoinzidenzverfahren
+
+Betrachten Sie das folgende Bild und die dazugehörige Instanzsegmentierung:
+
+| Binärbild | Instanz-segmentiertes Bild |
+| --- | --- |
+| ![](data/bild.png) | ![](data/result.jpg)|
+
+
+Finden Sie in dem Binärbild zusammenhängende bzw. getrennte Objekte nach dem Zeilenkoinzidenzverfahren nach der foldengen
+Anleitung:
+
+![](data/verfahren.png)
+
+Geben Sie dabei jedem neuen Objekt eine eigene ID und visualisieren Sie das Ergebnis.
+
+
+Bitte führen Sie für die Bearbeitung der Aufgabe das Skript [a.py](a.py) fort. 
+Eine Lösung befindet sich in Datei [l_a.py](l_a.py).
+
+
+## b) Watershed Algorithmus
+
+Betrachten Sie das folgende Bild und die dazugehörige Instanzsegmentierung:
+
+| RGB-Bild | Instanz-segmentiertes Bild |
+| --- | --- |
+| ![](data/students_checklist.jpg) | ![](data/students_checklist_result.jpg)|
+
+
+
+Führen Sie nun die Instanzsegmentierung mit der folgenden
+Anleitung selbst durch:
+
+- Binarisieren Sie das Bild, sodass der Hintergrund das Label 0 und die Sticker das Label 1 haben
+- Füllen Sie im Binärbild kleine Löcher und entfernen Sie kleine Regionen (Rauschen)
+- Erstellen Sie Seed-Punkte/Regionen, indem Sie das Binärbild stark erodieren und das Zeilenkoinzidenzverfahren (siehe oben) anwenden
+- "Füllen" Sie iterativ die Pixel mit dem Label 1 zu den Seedpunkten hinzu 
+
+Geben Sie am Ende jedem Objekt eine eigene ID und visualisieren Sie das Ergebnis.
+
+
+Bitte führen Sie für die Bearbeitung der Aufgabe das Skript [b.py](b.py) fort. 
+Eine Lösung befindet sich in Datei [l_b.py](l_b.py).