Hallo,
ich würde gerne „messen“ wie verrauscht ein bild ist (oder wie körnig). sowas gibt es doch sicherlich.
weiß jemand, unter welchen schlagwörtern ich was dazu finde? oder hat jemand einen konkreten literaturtip für mich?
oder einfach nur eine idee, wie man das machen könnte (bei unterschiedlichen ausgangsqualitäten bezüglich helligkeit und kontrast…
july
Auch hallo.
ich würde gerne „messen“ wie verrauscht ein bild ist
oder wie
körnig). sowas gibt es doch sicherlich.
weiß jemand, unter welchen schlagwörtern ich was dazu :finde?
oder hat jemand einen konkreten literaturtip für mich?
‚Numerisches Rauschen‘ wäre eine Idee von mir, also das Aufspüren & Erkennen von Approximationsfehlern. Und das Originalbild braucht man natürlich auch noch 
Ansonsten würde ich das Buch von Thomas Nischwitz empfehlen: http://www.cs.fhm.edu/~nischwit/cgbv-buch/
Weitere Ideen: ‚Optotechnik & Bildverarbeitung‘, Wavelets, numerische Approximation, Grautöne…
HTH
mfg M.L.
***Werbung für Computergrafik***
http://www.prosuc.de/cgi-bin/ProfiSuche.pl?action=ka…
http://www.grafikprogrammierung.de
http://www.hanser.de/buch.asp?isbn=3-446-22150-6 Buch anschauen&area=Computer
http://www.3d-meier.de
http://www.opengl.org
http://www.derentwickler.de/itr/online_artikel/pseco…
google.de „transformation.pdf“
Hallo July,
mach dich mal unter „Median Filter“ kundig - damit wird Rauschen entfernt, indem jedes Pixel an seine nächsten Nachbarn angelichen wird. Was du brauchst, ist die umgekehrte Operation, du könntest also ein Medianfilter zur Rauschreduktion anwenden und das Ergebnis vom Original abziehen.
Gruss Reinhard
[Bei dieser Antwort wurde das Vollzitat nachträglich automatisiert entfernt]
Hallo Reinhard,
mach dich mal unter „Median Filter“ kundig - damit wird
Rauschen entfernt, indem jedes Pixel an seine nächsten
Nachbarn angelichen wird. Was du brauchst, ist die umgekehrte
Operation, du könntest also ein Medianfilter zur
Rauschreduktion anwenden und das Ergebnis vom Original
abziehen.
vielen dank für deinen vorschlag. hab es ausprobiert, doch es führt nicht zum gewünschten ergebnis. grund dafür könnte sein, dass das bild zwei features enthält, die ich gerne getrennt betrachten möchte. zum einen sind die bilder von einer schlechten grundqualität, d.h. ziemlich verrauscht. zum anderen befinden sich darin objekte, deren oberflächenstrukur optisch „glatt“ oder „körnig“ aussehen kann (wobei das „glatte“ ja auch grundverrauscht ist). nur ist es wohl so, dass dein vorschlag wohl diese körnigkeit vom rauschen nicht unterscheiden kann. wenn ich drauf schau, ist das kein problem… aber erklär das mal einem rechner *sfz*
trotzdem vielen dank. ich versuch mich weiter…
july
vielen dank für deinen vorschlag. hab es ausprobiert, doch es
führt nicht zum gewünschten ergebnis. grund dafür könnte sein,
dass das bild zwei features enthält, die ich gerne getrennt
betrachten möchte. zum einen sind die bilder von einer
schlechten grundqualität, d.h. ziemlich verrauscht. zum
anderen befinden sich darin objekte, deren oberflächenstrukur
optisch „glatt“ oder „körnig“ aussehen kann (wobei das
„glatte“ ja auch grundverrauscht ist). nur ist es wohl so,
dass dein vorschlag wohl diese körnigkeit vom rauschen nicht
unterscheiden kann. wenn ich drauf schau, ist das kein
problem… aber erklär das mal einem rechner *sfz*
trotzdem vielen dank. ich versuch mich weiter…july
Hallo July,
es ist klar, dass zwischen einer verrauschten und einer von Natur aus körnigen Oberfläche nicht unterschieden werden kann. Das liegt in diesem Fall auch nicht an der mangelnden Intelligenz deines Computers, sondern es geht prinzipiell nicht. Das Medianfilter beseitigt ja auch nicht das Rauschen, sondern jede Struktur unterhalb einer bestimmten Grösse.
Deine Aufgabenstellung wäre nur lösbar, wenn zusätzlich das unverrauschte Original zur Verfügung stünde. Ohne Zusatzinformation weisst du ja auch nicht wirklich, welche Oberfläche glatt ist.
Nichtsdestoweniger erfüllen Rauschfilter ihre Aufgabe recht gut, auch wenn sie u.U. etwas von der Wirklichkeit mit beseitigen - das weiss man ja nachher nicht mehr.
Gruss Reinhard
hallo reinhard,
es ist klar, dass zwischen einer verrauschten und einer von
Natur aus körnigen Oberfläche nicht unterschieden werden kann.
Das liegt in diesem Fall auch nicht an der mangelnden
Intelligenz deines Computers, sondern es geht prinzipiell
nicht.
das möchte ich so nicht hinnehmen. schließlich wissen wir, dass EIN supercomputer das sehr wohl kann (der verbund unserer grauen zellen). klar, dass unserer gehirn noch lange allen künstlichen rechenmaschinen in diesen dingen weit vorraus sein wird, aber ich denke es lohnt sich schon darüber nachzudenken, wie man den abstand verkürzen kann…
mein motto: was ich visuell verarbeiten kann, kann auch einer maschine irgendwann irgendwie beigebracht werden… erklär mal einem biologen, dass ein computer nicht so intelligent grauwertklumpen analysieren/klassifizieren kann, wie es ein flüchtiger blick auf das bild schafft.
aber mit meinen momentanen mitteln kann ich das wohl vergessen…
so long,
july
Hallo july,
Rauschen ist ein zufälliges Signal, das man über zeitliches Mitteln herausrechnen kann. Eine Filterung sollte also nicht zwischen zwei Nachbarbildpunkten, sondern zwischen zwei Punkten gleicher Position aber im nachfolgenden Bild erfolgen.
Die Filterung mittels einer Kantenerkennung (Nachbarpunktvergleich) könnte aber ein Maß für die Körnung sein.
Gruß
Axel
hallo axel,
Rauschen ist ein zufälliges Signal, das man über zeitliches
Mitteln herausrechnen kann. Eine Filterung sollte also nicht
zwischen zwei Nachbarbildpunkten, sondern zwischen zwei
Punkten gleicher Position aber im nachfolgenden Bild erfolgen.
was aber, wenn es keine zeitliche reihenfolge gibt? bezeichnet man dann ein bild nicht mehr als verrauscht???
Die Filterung mittels einer Kantenerkennung
(Nachbarpunktvergleich) könnte aber ein Maß für die Körnung
sein.
hmm, hab ich auch schon überlegt, aber sowohl „rauschen“ als auch gesuchte körnung würden die gleichen oder zumindest ähnliche werte liefern. da beide merkmale sich so ähnlich sind (wo zum teufel steckt der unterschied?)
hmm, hab ich auch schon überlegt, aber sowohl „rauschen“ als
auch gesuchte körnung würden die gleichen oder zumindest
ähnliche werte liefern. da beide merkmale sich so ähnlich sind
(wo zum teufel steckt der unterschied?)
Hallo July,
da liegt ein Missverständnis vor: Rauschen kann einfach durch überlagerte Störungen entstehen, wie man es vom Radio-Empfang kennt; ebenso aber durch die begrenzte Auflösung, z.B. die Kästchen bei Digitalkameras (Quantisierungsrauschen). Die Körnung eines chemischen Films ist nichts anderes als die Begrenzung der Auflösung durch die Grösse der Silberpartikel, also dem Rauschen der Digitalkamera gleichzusetzen - Körnung IST Rauschen.
In allen Fällen ist Rauschen statistisch zufällig per definitionem. Daher lassen sich darin auch keine Gesetzmässigkeiten finden, das ist ja die Definition von statistisch zufällig. Wo es keine Gesetzmässigkeit gibt, gibt es auch keine Unterschiede.
Davon zu unterscheiden ist ein echtes Muster wie z.B. eine bunte Tapete, die nicht ausreichend aufgelöst werden kann, darin könnten sich Gesetzmässigkeiten finden, z.B. Streifen. Das hat aber weder mit Intelligenz noch Computerpower etwas zu tun - entweder die Auflösung hat noch Reste vom Muster übriggelassen oder eben nicht, dann gibt es einfach nichts, was man finden könnte. Auch die Hoffnung auf zukünftige Supercomputer ist da völlig vergeblich. Vielleicht tröstet sie aber als eine Art Ersatzreligion, du scheinst ja sehr computergläubig zu sein.
Gruss Reinhard
Hallo July,
was aber, wenn es keine zeitliche reihenfolge gibt? bezeichnet
man dann ein bild nicht mehr als verrauscht???
Man kann ein Rauschen bei einem Einzelbild nur dann erkennen, wenn man den Bildinhalt mit anderen bekannten Bildern vergleicht. Der Mensch kann das aufgrund seiner Erfahrung. Kennt Dein Programm auch Vergleichsbilder? Kann Dein Programm ein x-bliebiges Motiv in Wolken, Wasser, Laub aufteilen und daraus etwas ableiten?
hmm, hab ich auch schon überlegt, aber sowohl „rauschen“ als
auch gesuchte körnung würden die gleichen oder zumindest
ähnliche werte liefern. da beide merkmale sich so ähnlich sind
(wo zum teufel steckt der unterschied?)
Der Unterschied steckt evt. in der Regelmäßigkeit der Störung. Wodurch wird denn Deine Körnung verursacht? Wenn es die begrenzte Auflösung eines Sensors ist, mußt Du das Bild auf diese Auflösung zurückrechnen, und die Körnung ist vom Rauschen zu trennen.
Hast Du schonmal die Frequenzanteile von Körnung und Rauschen verglichen? Kannst Du da einen Unterschied erkennen?
Körnung sollte auch eine andere Verteilung haben - das Rauschen ist über alles gleichmäßig vorhanden, die Körnung bildet Punktgruppen; nur an den Kanten der Gruppen ist sie festzustellen.
Gruß
Axel
Hi July,
das möchte ich so nicht hinnehmen. schließlich wissen wir,
dass EIN supercomputer das sehr wohl kann (der verbund unserer
grauen zellen). klar, dass unserer gehirn noch lange allen
künstlichen rechenmaschinen in diesen dingen weit vorraus sein
wird, aber ich denke es lohnt sich schon darüber nachzudenken,
wie man den abstand verkürzen kann…
Unsem Gehirn steht ja auch eine Sequenz von gleichen Bildern zur Verfügung. Es „rechnet“ also mit Hilfe der zeitlichen Abfolge, was, wie gesagt, auch ein Computer kann.
Gruß
Alexander
Unsem Gehirn steht ja auch eine Sequenz von gleichen Bildern
zur Verfügung. Es „rechnet“ also mit Hilfe der zeitlichen
Abfolge, was, wie gesagt, auch ein Computer kann.
Und was ist wenn ich mir ein verrauschten Photo anschaue ? Ich glaube der entscheidende Unterschied ist, dass das Gehirn auf eine große Datenbank mit Informationen über Objekte und deren Oberflächen zurückgreifen kann, die einem Programm in der Regel nicht zur Verfügung steht. Auf diese Weise kann es Unterscheiden ob die Körnung durch das Objekt selbst oder durch die schlecht Photoqualität verusacht wird.
Beispiel:
Graues Objekt, körnig -> Kiesweg -> Soll so sein, Photo OK
Graues Objekt, körnig -> Stahlplatte -> Sollte glatt sein, Photo verrauscht
Abgesehen davon liesse sich wohl auch der Algorithmus weiter verbessern. Ein Ansatz wäre z.B zwischen Photos zu unterscheiden die insgesamt körnig sind und solchen die es nur in bestimmten Bereichen sind. Da die Photoqualität für das gesamt Bild gleich ist, liesse sich schlußfolgern, dass es sich im ersten Fall um ein körniges Bild handelt und im zweiten um ein Bild von körnigen Objekten.
Grüße,
Daniel Raffler
hallo axel,
vielen dank für deine antwort.
Man kann ein Rauschen bei einem Einzelbild nur dann erkennen,
wenn man den Bildinhalt mit anderen bekannten Bildern
vergleicht. Der Mensch kann das aufgrund seiner Erfahrung.
Kennt Dein Programm auch Vergleichsbilder? Kann Dein Programm
ein x-bliebiges Motiv in Wolken, Wasser, Laub aufteilen und
daraus etwas ableiten?
das stimmt irgendwie schon… machbar wäre ein „leeres“ bild zum vergleich. das sollte das gleiche hintergrundrauschen in etwa aufweisen… allerdings bin ich mir nicht sicher, ob mir das weiterhilft.
hmm, hab ich auch schon überlegt, aber sowohl „rauschen“ als
auch gesuchte körnung würden die gleichen oder zumindest
ähnliche werte liefern. da beide merkmale sich so ähnlich sind
(wo zum teufel steckt der unterschied?)Der Unterschied steckt evt. in der Regelmäßigkeit der Störung.
Wodurch wird denn Deine Körnung verursacht? Wenn es die
begrenzte Auflösung eines Sensors ist, mußt Du das Bild auf
diese Auflösung zurückrechnen, und die Körnung ist vom
Rauschen zu trennen.
Hast Du schonmal die Frequenzanteile von Körnung und Rauschen
verglichen? Kannst Du da einen Unterschied erkennen?
Körnung sollte auch eine andere Verteilung haben - das
Rauschen ist über alles gleichmäßig vorhanden, die Körnung
bildet Punktgruppen; nur an den Kanten der Gruppen ist sie
festzustellen.
hmm, hab ich befürchtet, dass ein eventueller ansatz über das frequenzspektrum geht. mit dem thema muss ich mich wohl vorher noch näher befassen… die körnung tritt durch fluoreszierede substanzen innerhalb der objekte auf (biologische laser-mikroskop-aufnahmen). kann man eine frequenzanalyse über ein unregelmäßiges objekt machen?
wie meinst du das:
Wenn es die
begrenzte Auflösung eines Sensors ist, mußt Du das Bild auf
diese Auflösung zurückrechnen, und die Körnung ist vom
Rauschen zu trennen.
vg, july
hallo reinhard,
Davon zu unterscheiden ist ein echtes Muster wie z.B. eine
bunte Tapete, die nicht ausreichend aufgelöst werden kann,
darin könnten sich Gesetzmässigkeiten finden, z.B. Streifen.
gut, dann ist es deiner definition nach weder körnung noch rauschen, aber auch kein muster, da keine regelmäßigkeit im signal auftritt. es handelt sich um laser-mikroskopaufnahmen von zellen. innerhalb des plasmas fluoresziert ein gewisses protein. und je nach biologischem hintergrund können nun verschiedene phänotypen entstehen. unter anderem einer, bei dem das signal „punktweise“/„körnig“ auftritt. das würde ich gerne herausfinden…
Das hat aber weder mit Intelligenz noch Computerpower etwas zu
tun - entweder die Auflösung hat noch Reste vom Muster
übriggelassen oder eben nicht, dann gibt es einfach nichts,
was man finden könnte. Auch die Hoffnung auf zukünftige
Supercomputer ist da völlig vergeblich. Vielleicht tröstet sie
aber als eine Art Ersatzreligion, du scheinst ja sehr
computergläubig zu sein.
hmm, wenn ich das als „bild-analytiker“ nicht wäre, könnte ich mir gleich einen neuen job suchen. prinzipiell glaube ich schon daran, dass es möglichkeiten und wege gibt, per computer irgendwann die informationen so zu verarbeiten, wie es unser gehirn tut. dass das noch in weiter ferne liegen kann, ist mir bewußt. dennoch muss ich zunächst mit der einstellung: „nichts ist unmöglich“ an meine arbeit gehen um wege auszuprobieren und grenzen auszutesten. und da ich noch wenig „grenzerfahrung“ habe, bin ich dabei diese zu sammeln.
vg, july
hi alexander,
Unsem Gehirn steht ja auch eine Sequenz von gleichen Bildern
zur Verfügung. Es „rechnet“ also mit Hilfe der zeitlichen
Abfolge, was, wie gesagt, auch ein Computer kann.
na ja, mit „zeit“ hat das ja aber irgendwie nicht so viel zu tun. es hat vergleichsinformationen („wissen“), da stimm ich dir zu, aber diese infos lassen sich meiner meinung nach nicht zeitlich zum betrachteten objekt einordnen, bzw. ist die zeitliche info völlig irrelevant.
oder seh ich das falsch?
vg, july
hallo daniel,
Beispiel:
Graues Objekt, körnig -> Kiesweg -> Soll so sein, Photo
OK
Graues Objekt, körnig -> Stahlplatte -> Sollte glatt
sein, Photo verrauscht
stimmt, die zusätzlichen informationen machen es aus. wir wissen, wie ein kiesweg aussehen kann. und selbst wenn ich vorher nichts über das fotografierte objekt weiß, kann ich möglicherweise den kies identifizieren…
Abgesehen davon liesse sich wohl auch der Algorithmus weiter
verbessern. Ein Ansatz wäre z.B zwischen Photos zu
unterscheiden die insgesamt körnig sind und solchen die es nur
in bestimmten Bereichen sind. Da die Photoqualität für das
gesamt Bild gleich ist, liesse sich schlußfolgern, dass es
sich im ersten Fall um ein körniges Bild handelt und im
zweiten um ein Bild von körnigen Objekten.
ich könnte höchstens einen vergleich zwischen überhaupt nicht körnig (nur verrauscht) und verrauscht (überall) und körnig (in gewissen bereichen) machen…
mal schauen, meine grauen zellen laufen gerade auf hochtouren um neue wege zu erschließen 
vg, july
hmm, wenn ich das als „bild-analytiker“ nicht wäre, könnte ich
mir gleich einen neuen job suchen. prinzipiell glaube ich
schon daran, dass es möglichkeiten und wege gibt, per computer
irgendwann die informationen so zu verarbeiten, wie es unser
gehirn tut.
Hallo July,
gerade als Bild-Analytikerin must du dich in acht nehmen vor Streichen, die dir dein Gehirn spielt, indem es „Weltwissen“ unbewusst in solche Erkennungsvorgänge hineinpackt. Beispiel:
Unser Gehirn kann meistens klar unterscheiden zwischen einer Telefonleitung und einem Kratzer am Himmel, auch an der Auflösungsgrenze - das liegt aber daran, dass wir aus jahrelanger Erfahrung wissen, wie eine Telefonleitung aus verschiedenen Perspektiven und auch aus nächster Nähe aussieht. Da Computer auch in näherer Zukunft weder herumlaufen noch etwas in die Hand nehmen usw. können, werden sie auch nicht über solches Wissen verfügen.
Darauf bezog sich meine Warnung: nicht etwas in ein Bild hinein zu interpretieren, was da garnicht existiert, sondern nur aus Erfahrung bekannt ist.
Zur Entwicklung entsprechender Software solltest du dir in deinem Gehirn einen „Sandkasten“ einrichten, innerhalb von dem keinerlei Information zur Verfügung steht ausser den Bilddaten selbst - leider wird das so nicht funktionieren.
Ganz abgesehen von diesem Weltwissen ist es auch so noch ein elend langer Weg bis zur Komplexität unseres Gehirns.
Gruss Reinhard
Hallo,
es ist klar, dass zwischen einer verrauschten und einer von
Natur aus körnigen Oberfläche nicht unterschieden werden :kann.
beim Einzelbild ist das sischer so, trotzdem gibt es eine
Methode, die recht einfach ist -> Mittelwertbildung.
Rauschen istrein zufällig. Bei Aufnahme eine Vielzahl
von Bildern mit dem gleichen Bildmotiv kann dann Rauschen
durch Mittelwertbildung reduziert werden.
Gruß Uwi
Das liegt in diesem Fall auch nicht an der mangelnden
Intelligenz deines Computers, sondern es geht prinzipiell
nicht. Das Medianfilter beseitigt ja auch nicht das Rauschen,
sondern jede Struktur unterhalb einer bestimmten Grösse.Deine Aufgabenstellung wäre nur lösbar, wenn zusätzlich das
unverrauschte Original zur Verfügung stünde. Ohne
Zusatzinformation weisst du ja auch nicht wirklich, welche
Oberfläche glatt ist.Nichtsdestoweniger erfüllen Rauschfilter ihre Aufgabe recht
gut, auch wenn sie u.U. etwas von der Wirklichkeit mit
beseitigen - das weiss man ja nachher nicht mehr.Gruss Reinhard
wie wärs wenn Du mal einen Link zu ein paar Beispiel-
bildern postest? Kann man dasselbe Bild (so als wenn
ich eine Vase fotografiere z.B.) mehrmals aufnehmen,
oder bewegt sich was oder ändert seine Farbe?
Welchen Farbumfang haben die Bilder (sw?). Sind
das konkrete Formen wie z.B. einzelne Atome oder
Halbleiterstrukturen? Hast Du nur Einzelaufnahmen oder
Serienbilder…
Denke die Lösung (sofern es eine gibt) orientiert
sich stark an der Art der Bilder.
denke dann kann man besser weiterhelfen.
Alex