Bildbasierte Computergrafik

Prof. Dr. Martin Eisemann

Kreditpunkte
6
Sprache
wahlweise deutsch oder englisch
Kürzel
BCG
Voraussetzungen nach Prüfungsordnung
keine über die Zulassungsvorrausetzungen zum Studium hinausgehenden

Empfohlene Voraussetzungen

Computergrafik und Animation (Bachelor), Algorithmen und Programmierung 1 und 2 (Bachelor), Mathematik 1 und 2 (Bachelor)

Kurzbeschreibung

Diese Vorlesung gibt eine Einführung in die grundlegenden Konzepte der bildbasierten Modellierung und der bildbasierten Synthese, Techniken, auf denen z.B. viele moderne Film-Spezialeffekte basieren.

Dabei werden verschiedenste Aspekte der Bild- und Videobe- und -verarbeitung, wie sie in modernen Bearbeitungstools vorkommen, erarbeitet und selbst implementiert. Die Teilnehmer erlernen die grundlegenden Konzepte der Modellierung anhand von Fotos realer Objekte. Es werden Methoden zur Bildaufnahme, Bildverarbeitung und Bildsynthese erarbeitet. Die Studierenden sind bei erfolgreicher Teilnahme in der Lage, im Bereich Bild- und Videobearbeitung, sowie bildbasierter Modellierung, eigenständige Beiträge in Forschung und Wirtschaft leisten zu können.

Lehrform/SWS

4 SWS: Vorlesung 2 SWS; Praktikum / Projekt 2 SWS

Arbeitsaufwand

Gesamtaufwand 180 Stunden, davon - 36h Vorlesung - 36h Praktikum / Projekt - 108h Selbststudium

Angestrebte Lernergebnisse

Nach erfolgreichem Abschluss

  • haben die Teilnehmer ihr Wissen und Verständnis im Bereich der bildbasierten Computergrafik erweitert und vertieft, bspw. können Sie
    • Filter und Segmentierungsverfahren beschreiben und implementieren
    • verschiedene Bild- und Videooperatoren in ihrer Wirkung vergleichen, kombinieren und sinnvoll einsetzen
    • mathematische Beschreibungen von Bild- und Videooperatoren verstehen
    • Feature Detektoren einsetzen
    • Kamerakalibrierungsverfahren erfolgreich einsetzen
    • Photogrammetriemethoden zur 3D Rekonstruktion einsetzen
    • Augmented Reality Anwendungen entwerfen und entwickeln
    • Bildinterpolationsmethoden und ihre Herausforderungen kennen
    • bildbasierte Darstellungsformen auswählen und anwenden (360° Panoramas, Lichtfelder, Morphing, Image-based Rendering)
  • sind die Studierenden somit in der Lage ihr Wissen und Verständnis einzusetzen, um Modelle, Systeme und Prozesse eigener Bild-, Video-, und Computer-Vision Applikationen zu konzipieren, umzusetzen und zu evaluieren.
  • haben Sie ihre Fähigkeit vertieft, sich eigenständig in neue Themenbereiche einzuarbeiten und Problemstellungen, Technologien und wissenschaftliche Erkenntnisse im Umfeld der bildbasierten Verfahren zu erkennen und sich in relevante Theorien, Methoden und Techniken, sowohl aus theoretischer als auch aus technischer Sichtweise, einzuarbeiten und das erworbene Wissen effizient in die Lösung aktueller und auch zukünftiger Frage- und Problemstellungen einzubringen und anzuwenden. Dies wird durch eigene Recherche, Vorträge und ein Abschlussprojekt realisiert.

Inhalt

  • Filterverfahren: Lineare Filter (Box-, Gauss-, Sinc-), Nichtlineare Filter (Median, Vector-Median), kantenerhaltende Filter (Bilateral, Cross-Bilateral, Guided Image Filter), Kantendetektoren (Sobel, Laplace, Canny)
  • Segmentierungs- und Mattingverfahren (Mean-Shift, k-means, Spectral Clustering, Rotoscoping, etc.)
  • Feature Detektoren (Harris-Corner Detector, SIFT, SURF, etc.)
  • Kamerakalibrierung (Projektive Geometrie, Kameramodelle, Linsenverzerrung, Kalibrierungsalgorithmen, wie Bundle Adjustment) und Tracking Methoden
  • 3D Rekonstruktionsmethoden (Feature Matching, Stereo Rekonstruktion, Multi-View Rekonstruktion, Structured Light, Shape-from-Shading, Shape-from-X, etc.)
  • Warping und Morphing zur Bildinterpolation
  • Lichtfelder
  • Panorama und 360° Panorama Stitching
  • Python, C++, Cuda, OpenCL Programmierung

Studien-/Prüfungsleistungen

Gewichtung der Prüfungsleistung für die Gesamtnote ist jeweils in Klammern angegeben. - Fachvortrag (40%) - Projektumsetzung und Dokumentation (60%)

Medienformen

  • Beamergestützte Vorlesung;
  • Praktika / Projekt in Kleingruppen, um die erlernten Methoden und Techniken einzuüben und zu vertiefen (Rechnerlabor)

Literatur

  • Reinhard Klette, Concise Computer Vision: An introduction into theory and algorithms, Springer, 2014- Bernd Jähne, Digitale Bildverarbeitung und Bildgewinnung, Springer, 2012
  • Christian Demant, Bernd Streicher-Abel, Axel Springhoff, Industrielle Bildverarbeitung: Wie optische Qualitätskontrolle wirklich funktioniert, Springer, 2011
  • Reinhard Klette, Andreas Koshan, Karsten Schlüns, Computer Vision, Vieweg 1996
  • Richard Hartley and Andrew Zisserman, Multiple View Geometry in Computer Vision, Cambridge 2000
  • M. Magnor, Video-based Rendering, AK Peters, 2005