Universität Mannheim
Lehrstuhl für Praktische Informatik IV
Prof. Dr. W. Effelsberg
Silvia Pfeiffer
Dr. Stefan Fischer

 

Multimedia-Systeme: Übungsblatt 8

Übung: 26.6.98

Die Aufgaben, die auf dieser Seite ausgefüllt werden können, werden auch über das Web ausgewertet. Dazu muß die Matrikelnummer eingegeben werden und das Ganze abgeschickt werden. Voraussetzung ist allerdings, daß der Studierende auch für die elektronische Auswertung angemeldet ist.

Aufgabe 1: Farbanalysen

Gegeben sei folgender vergrößerter Bildausschnitt (1 Kästchen = 1 Pixel).
image_part

(a) Geben Sie für ein beliebiges zweidimensionales, digitales Bild der Größe N x M mit 256 Graustufen einen Algorithmus zur Berechnung des zugehörigen Histogramms an.

(b) Berechnen Sie das Farbhistogramm für oben gegebenen Bildausschnitt.

(1)
histo1
(2)
histo2
(3)
histo3

(c) Berechnen Sie den CCV auf oben gegebenem Bildausschnitt, wobei die 4er-Nachbargschaft zur Bildung von Regionen zugrundegelegt wird. Die 4er-Nachbarschaft bezieht sich auf die zu einem Pixel in gerade Linie benachbarten Pixel, im Gegensatz zur 8er-Nachbarschaft, bei der alle umliegenden Pixel als Nachbarn betrachtet werden.

Wieviele Regionen sind in dem Bild enthalten?
4
7
11

Wie groß sind die Regionen im Durchschnitt?
1.67
1.82
2.33
2.86
5.00
8.00

Wie lautet der CCV?
[(0.0,0.25),(0.25,0.1),(0.4,0.0)]
[(0.15,0.1),(0.25,0.1),(0.4,0.0)]
[(0.0,0.25),(0.0,0.35),(0.4,0.0)]

(c) Beweisen Sie, daß
ccv_formula.

Aufgabe 2: Schnitterkennung

(a) Wie können zwei Histogramme H1 und H2 miteinander verglichen werden?

(b) Entwerfen Sie einen Algorithmus, der auf Basis von Histogrammen Schnitte in digitalem Video automatisch erkennt. Die Bilder seien dabei als char image[height][width] vereinbart.

(c) Beurteilen Sie die Aussagekraft von Histogrammen in Bezug auf die histogrammbasierte Schnitterkennung in Videosequenzen. Wie kann man die von Ihnen aufgezeigten Probleme umgehen? Welche Probleme entstehen dabei?

(d) Entwickeln Sie das Prinzip für eine Schnitterkennung auf DCT-kodierten Bildern, ohne diese in den Ortsraum zurück zu transformieren.

Aufgabe 3: Erkennung von Action

Für verschiedene Anwendungen (z.B. Aufspüren von Werbung in Fernsehfilmen, Erstellung eines Filmzusammenschnitts) ist das Erkennen actionreicher Szenen von Bedeutung. Ein Indikator für Action ist z.B. die Bewegung von Objekten innerhalb der Filmszenen.

Geben Sie zwei Verfahren an, mit denen es möglich ist, Videosequenzen nach der Bewegung der in ihnen enthaltenen Objekte zu klassifizieren, erläutern Sie deren Funktionsweise und weisen Sie auf Problembereiche hin.

Aufgabe 4: Bildsegmentierung

(a) Entwerfen Sie einen rekursiven Region-Growing-Algorithmus, der die in einem Bild enthaltenen Objekte findet.

(b) Erklären Sie den Ablauf des split-and-merge-Bildsegmentierungsverfahrens. Entwickeln Sie einen Algorithmus, der dieses Verfahren für Grauwertbilder implementiert.

Abgabedaten:

Matrikelnummer: Password: 

Universität:
Mannheim
Heidelberg
Freiburg
Karlsruhe
andere

{ pfeiffer, stefis}@pi4.informatik.uni-mannheim.de

Last modified: Wed Apr 29 14:31:03 MET DST 1998