Dokument 1.pdf - Opus
Dokument 1.pdf - Opus
Dokument 1.pdf - Opus
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
74 3.2. RESTAURIERUNG EINZELNER INTENSITÄTSBILDER<br />
Groblokalisierung von Kandidatenpixel Der Algorithmus zur präzisen Bestim-<br />
mung der Faserposition kann prinzipiell für jede Position im Bild ausgeführt werden,<br />
erfordert jedoch einen hohen Rechenaufwand. Aus diesem Grund werden zunächst<br />
pixelgenau potenzielle Bildpunkte als sog. Kandidatenpixel ausgemacht.<br />
Dazu werden lokal helle Strukturen geortet, indem ein Fenster der Breite ˜df über<br />
das Bild gleitet und jeweils innerhalb dieser Nachbarschaftsumgebung N (x, y) die ma-<br />
ximale Intensität Îmax mit der minimalen Intensität Îmin verglichen wird. Übersteigt die-<br />
se Differenz eine festgelegte Schwelle mdist, so gilt die Koordinate (xmax; ymax) des<br />
ermittelten Maximums in der Umgebung N (x, y) als Kandidatenpixel:<br />
Pkand = <br />
(ˆx, ˆy)| Îmax − Îmin > mdist<br />
. (3.13)<br />
Dadurch, dass der Schwellwert auf die lokale Intensitätsdifferenz bezogen wird, be-<br />
rücksichtigt die Filterung simultan den sonst notwendigen Schritt einer Gradientenkor-<br />
rektur. Dieser ist erforderlich, da durch die eingeschränkte endoskopische Beleuchtung<br />
die Helligkeit im Bild zu den Rändern hin meist deutliche abfällt (vgl. Abschn. 2.3.3).<br />
Abbildung 3.16 (e) zeigt für das Ausgangsbild (d) das Resultat der Kandidatensuche,<br />
wobei jeder weiße Bildpunkt eine mögliche pixelgenaue Koordinate für ein Faserzen-<br />
trum darstellt.<br />
Die Bedeutung dieser Einschränkung des Suchraums soll an einem typischen Bei-<br />
spiel verdeutlicht werden. Ein Bild der Größe 1024×768 Pixel zeigt eine faseroptische<br />
Abbildung mit 30.000 Fasern (vgl. Abb. 3.17(a)). Innerhalb einer ROI, die mit einem<br />
Radius von 345 Pixel nahezu die gesamte sichtbare Apertur abdeckt, müssen von ur-<br />
sprünglich 374.145 möglichen Pixelpositionen dann nur noch 46.050 Kandidatenpixel<br />
(vgl. Abb. 3.17(c)) bearbeitet werden. Das entspricht einer Reduzierung auf weniger<br />
als 13%. Noch wirkungsvoller sind die Zahlen bei geringerer Faserdichte. Es wur-<br />
de überprüft, dass sich unter den Kandidatenpixel noch sämtliche richtigen Faserzen-<br />
tren befinden. Werden die Schritte A und B im Ablauf der Abbildung 3.15 übersprun-<br />
gen und dementsprechend ohne Vorselektion die Präzisierung und Triangulierung ab<br />
Schritt C auf allen möglichen Bildpunkten durchgeführt, so steigert dies die Berech-<br />
nungszeit für das oben verwendete Beispiel auf der eingesetzten Rechnerarchitektur<br />
um das 15-fache von 6, 3s auf 98, 7s, da die Präzisierung während der Triangulierung<br />
im Gegensatz zur Kandidatenselektion vergleichsweise rechenintensiv ist.<br />
Relevanzbewertung In diesem Schritt wird die Ähnlichkeit der Intensitätsverteilung<br />
in der Umgebung von Kandidatenpixel mit einer definierten Gauss-Verteilung bewer-