Digitale Bildverarbeitung

Die Interpretation von gewonnen Bildern kann in vielen Fällen automatisch durch digitale Bildverarbeitung erfolgen. Beispielsweise können Kanten erkannt werden, überlappende Bilder durch automatische Punktzuordnung verknüpft werden bis hin zur automatischen Erkennung von Passmarken und auch zur 3D Rekonstruktion.

Beispiel 1: Mikroskopie Kalibrierung
Automatische Mustererkennung in REM Bildern oder auch in Grauwert kodierten Höhenmodelldaten aus einer AFM-Messung. Ringförmige “Nanomarker” werden hier vollautomatisch erkannt und dienen als Messung für die Orientierung und Kalibrierung des Mikroskops (siehe auch die Webseite von m2c).

Beispiel 2: Mikroskopie Erkennung
Die Erkennung von bestimmten Formen (Morphologie) erlaubt einen Rückschluss auf die physikalische und toxikologische Beschaffenheit von einzelnen Objekten, die mit einem REM aufgenommen wurden.

Beispiel 3: Mikroskopie 3D
3D Rekonstruktion aus schattierten Bildern (Shape from Shading) von REM Bildern. Bei dem Einsatz eines vier Quadranten Detektors, kann auf Grund der exakten Anordnung derer ein 3D Modell aus den Bildern vollautomatisch berechnet werden.

Beispiel 4: Vermessung
Zur Bildorientierung eines Bildverbands ist die automatische Bildzuordnung ein wichtiges Verfahren. Hier werden punktuell in verschiedenen Bilder gleiche Bildinhalte gesucht, um die Bilder zu verknüpfen. Hier gibt es verschieden “Matching” Ansätze (Feature based, LSM, Sift). Sind die Bilder dann orientiert, kann durch ein dichteres Matching ein 3D Oberflächenmodell erzeugt werden.

Fasererkennung
Erkennung von Nanomarkern
Pyramiden_3d

Bildverarbeitung

Logo 82x80

Impressum  Datenschutz 25.05.2018