186.841 UE Einführung in die Digitale Bildverarbeitung (EDBV) - Projekte WS 2020/2021

Unser Programm soll auf Basis eines Fotos eines Wahlzettels von der Wien-Wahl 2020 feststellen, für welche Partei eine Stimme abgegeben wurde oder ob der Stimmzettel ungültig ist.

1. Preprocessing
2. Transformation
3. Kreiserkennung
4. Kreuzerkennung
5. Ausgabe

Das Programm soll einen handgeschriebenen Text eines Eingabe-Textbilds aus segementierten Objekten eines Eingabe-Objektbilds rekonstruieren.

1. Preprocessing
2. Umwandlung in Binärbild
3. Region Growing
4. Segmentierte Objekte ausschneiden
5. Krümmung berechnen

1. Umwandlung in Binärbild
2. Skeletonization & Entfernung der Branchpoints
3. Krümmung berechnen (und wenn nötig zu stark gekrümmte Kurven aufteilen)

1. Krümmungswerte vergleichen
2. Objekte rotieren und skalieren
3. Objekte an die Zielposition im Ausgabebild translieren

Das Ziel des Projektes ist es, automatisiert den Wert von verschiedenen Euro-Geldscheinen zu erkennen und die Werte der erkannten Scheine auszugeben.

1. Gaußfilter
2. Umwandlung RGB-Bild zu Graustufen-Bild
3. Threshold nach Otsu + Füllen von Löchern
4. Kantenfilter (Sobel)
5. Eckpunkt-Erkennung
6. Extrahierung einzelner Scheine
7. Geometrische Transformation (Rotation)
8. Connected Component Labeling
9. Template Matching

Unser Ziel ist es, herauszufinden, welcher Kompressionsalgorithmus für ein gewisses Bild am geeignetesten ist. Dies wird durch eine Anzahl von Bildähnlichkeits-Metriken festgestellt.

1. Kompression durch Bildpyramiden und JPEG-Algorithmus
2. Vergleich der komprimierten Bilder und der Originale (MSE, PSNR, SSIM, FSIM, FSIMc, HDR-VDP und Histogramm-Vergleich)
3. Kombinierte Metrik generieren
4. Ausgabe

Das Programm soll einen handgeschriebenen Text eines Eingabe-Textbilds aus segementierten Objekten eines Eingabe-Objektbilds rekonstruieren.

1. Zuschneiden von Bildern
2. Maske für Hautbilder berechnen
3. Integralbilder berechnen
4. Bildnormalisierung
5. Haar-Like Features finden
6. Potentielle Gesichter klassifizieren
7. Augenpaare mittels Heuristiken ausfindig machen
8. Labelbereinigung mittels Clustering und Heuristiken
9. Lokalisierung des Mundes/MNS
10. Ausgabe der Statistik

Ziel unseres Projektes ist es, anhand eines Satellitenbildes den Anteil an Grünflächen dieses Stadtteils zu bestimmen und visuell hervorzuheben.

1. Gauß-Pyramide
2. Otsu Thresholdfunktion
3. Opening
4. Connected Component Labeling
5. Hochskalierung des Bildes mit Markierung mittels der Gaußpyramide
6. Visualisierung mit Hilfe der Grünflächenmaske.
7. Anteilbestimmung der als Grünfläche gelabelten Pixel zu der Gesamtpixelanzahl.

Auf Grundlage einer Videosequenz sollen die Hersteller jener Fahrzeuge erfasst werden, welche im Eingabe-Video zu sehen sind.

1. Videoumwandlung
2. Optical Flow
3. Bildauswahl mittels Blobanalyse
4. Preprocessing
5. Logoposition erkennen
6. Template Matching

Das Programm soll einen handgeschriebenen Text eines Eingabe-Textbilds aus segementierten Objekten eines Eingabe-Objektbilds rekonstruieren.

1. Analyse der Handfarbe
2. Region Growing
3. Morphologische Operationen
4. Erkennung der Geste
5. Glättungsfilter

Unser Programm nimmt das Foto eines rechten Schuhabdruckes und mehrere Bilder von Schuhsohlen als Input. Anschließend sucht es automatisiert nach dem besten Match zwischen Abdruck und Sohle und gibt dieses aus.

1. Objekterkennung mittels Segmentierung
2. Morphologische Operationen
3. Feature Detection
4. Rotation, Skalierung und Ausschnitt
5. Bildglättung und Kantendetektion
6. Ähnlichkeitsbestimmung

Das Ziel ist eine automatisierte Erkennung und Digitalisierung einer elektrischen Schaltung auf einem Steckbrett zu verwirklichen.

1. Preprocessing
2. Morphologische Operationen
3. Rotation
4. Leitungen erkennen (Blob Detection)
5. Lochentfernung (Blob Detection)
6. Histogrammvergleich & Template Matching
7. Morphologische Operationen

Das fertige Programm soll ein Foto von einer Dartscheibe mit geworfenen Darts als Input aufnehmen und die erzielte Punktzahl der Darts als Output liefern.

1. Gauss-Filter
2. RGB zu HSV umwandlung
3. Morphologische Operationen
4. Connected Component Labeling
5. Ausgabe

Das Ziel des Projekts ist das Erkennen und Vermessen der Fläche einer Wand anhand eines Fotos. Damit lediglich die Wand erkannt wird, welche tatsächlich vermessen werden soll, befindet sich auf dieser als Hilfsmittel ein einfaches Referenzobjekt, konkret ein A4 Blatt mit einem aufgedrucktem schwarzen Rechteck und dem Schriftzug "EDBV".

1. Connected Component Labeling
2. Preprocessing
3. Kantenerkennung & Morphologische Operationen
4. Connected Component Labeling

Das Ziel ist es, aus einem Bild eines Billardtisches aus der Vogelperspektive, die Ränder und Taschen des Tisches, sowie die Kugeln darauf zu erkennen, um dann den leichtesten Schuss für jeweils die vollen und halben Kugeln zu berechnen.

1. Kantenerkennung
2. Lineare Hough-Transformation
3. Kreiserkennung (Hough)
4. Farbfilter

Unser Vorhaben mit diesem Projekt ist es, ein Programm zur Erkennung von TÜV-Pickerln und der Ausgabe des jeweiligen Ablaufdatums zu erstellen.

1. Feauture Detection (SURF)
2. Feature Matching
3. Geometrische Transformation
4. Template Matching
5. Morphologische Operationen

Das Ziel ist es auf einem Foto ein Wahlplakat zu erkennen und den jeweiligen werbenden Parteien zuzuweisen.

1. Kantenfilter
2. Rangordnungsfilter
3. Hough-Transformation
4. Flächen-Erkennung
5. Geometrische Transformation
6. Template Matching

Das Ziel dieses Projekts ist, aus Rissstücken eines zerstörten Dokuments das vollständige Originaldokument wiederherzustellen.

1. Connected Component Labeling
2. Morphologische Operationen
3. Hough-Transformation
4. Distanz-Transformation
5. Randstücke zusammensetzen
6. Projektion und Analyse
7. Einfügen der Innenteile mittels Faltung
8. Gegebenenfalls nicht einsetzbare Randstücke mittels Projektion und Faltung einsetzen

Das Ziel des Projekts war, ein Tool zu entwickeln, welches das Puzzlen vereinfacht. Mithilfe verschiedener Computer Vision Methoden werden Teilmengen von fotografierten Puzzleteilen analysiert, normiert und letztendlich zusammengelegt, wobei dieser Prozess von einer Step-by-Step Anleitung innerhalb eines grafischen Interfaces begleitet wird.

1. Preprocessing
2. Connected Component Labeling
3. Hough-Transformation
4. Farbraumumwandlung & Histogrammvergleich
5. Konvexe Hülle

Ziel ist es, Glasflaschen und Aluminiumdosen auf einem Bild zu zählen und erkennen, ob diese geöffnet oder noch geschlossen sind.

1. Skalierung
2. Bildaufhellung
3. Graustufenbild erzeugen & Kantenerkennung
4. Kreiserkennung (Hough-Transformation).
5. Lokalen Ausschnitt für jeden Kreis auswählen.
6. Binärbild pro Ausschnit erstellen.
7. Ausgabe.

Ziel des Projektes ist das Einlesen eines Notenblattes und die Darstellung der zu betätigenden Tasten auf einem abfotografierten Klavier.

1. Binärbild erstellen
2. Feature-Erkennung (SURF)
3. Hough-Transformation
4. Template Matching

Unser Projekt soll erkennen ob ein Mund-Nasen-Schutzmaske (MNS Maske) korrekt angelegt ist, wobei wir besonderen Wert darauf legen wollen, dass die Maske sowohl den Mund einer Person, als auch die Nase vollständig bedeckt. Das System soll mit Situationen umgehen können, in denen die Maske komplett fehlt oder ganz falsch angelegt ist.

1. Umwandlung in Graustufenbild
2. Verarbeitung mittels drei Pfaden:
   1. Histogram of Gradients & Training einer Support Vector Machine.
   2. Viola-Jones-Algorithmus.
   3. Local Binary Pattern.
3. Ausgabe