Vorlesung und Fachinhalte

Bildverarbeitung mit Python

Folien zu den Videos: Download (Funktionsübersicht und Links zu Pillow ab S. 46)
Übersicht über die in den Aufgaben/Beispielen verwendeten Fachkonzepte: Download

Teil 1: Grundlagen der Bildverarbeitung

Zu Beginn wird das Thema Bildverarbeitung für den Informatikunterricht motiviert, ein Überblick über Beispielprobleme gegeben, die später mit Hilfe von Python bearbeitet werden, und es werden grundlegende Konzepte der digitale Bildverarbeitung wiederholt (Video ca. 7:15 min, Wiederholung zu Rastergrafiken ab 3:40, Histogramme ab 6:10):

Teil 2: Einstieg in die Bildverarbeitung mit Python

Zum Einstieg wird gezeigt, wie die Python-Bibliothek Pillow installiert wird, wie sich Bilder in Python laden lassen, und wir lernen die grundlegendsten Attribute und Methoden von Bildobjekten kennen (Video ca. 10:40 min, Einstieg in Pillow ab 2:10):

Hinweis: Falls die Installation von Pillow auf die angegebene Art nicht mehr funktioniert, probiert bitte folgendes:
Bester Tipp (so far): Installiert Thonny in der neuesten Verion (4.1.7) neu. Dann sollte der Paketmanager wie im Video angegeben funktionieren.
Alternativen:
Öffnet "Werkzeuge > Systemterminal anzeigen" und dort dann folgendes eingeben:
entweder
pip install pillow
oder
-m pip install --upgrade Pillow
oder
python3 -m pip install --upgrade Pillow

Als nächstes werden die Methoden getpixel und putpixel zum Lesen und Ändern von Pixelwerten vorgestellt (ca. 7:20 min):

Beantworten Sie nun die Einstiegsfragen in Aufgabe 1 (bis auf die letzte Frage).

Teil 3: Bilder mit Python pixelweise verarbeiten

Als nächstes werden pixelweise Bildoperationen wie Helligkeits- und Kontrastanpassung, sowie verschiedene Bildeffekte live programmiert. Dazu wird als erstes ein "Kochrezept" vorgestellt, mit dem sich diese Aufgaben systematisch lösen lassen, und ein Python-Grundgerüst dafür entwickelt (Video ca. 15 min, Mittelwertberechnung ab 2:40, Helligkeitsanpassung ab 6:00, automatische Helligkeitsanpassung ab 10:30, weitere Bildeffekte ab 12:55):

Beantworten Sie nun die letzte Frage von Aufgabe 1. Bearbeiten Sie anschließend Aufgabe 2: Kontrastanpassung und Aufgabe 3: Bildeffekte.

Teil 4: Histogramme von Bilddaten

In diesem Teil vertiefen wir Histogramme für Bilddaten und untersuchen, welche Bildeigenschaften sich in den Histogrammen erkennen lassen (Video ca. 5:15 min):

Anschließend wird gezeigt, wie sich Histogramme mit Python berechnen und angezeigen lassen (Video ca. 8 min, Live-Programmierung ab 2:00):

Beantworten Sie zur Theorie-Vertiefung die Fragen zu Histogrammen in Aufgabe 4.

Hausaufgabe: Bildsegmentierung mit Python (optional)

Hinweis: Dieses Video vertieft Fachkonzepte zur Bildverarbeitung und ist optional. Für die (freiwillige) Hausaufgabe ist es hilfreich, wird aber nicht unbedingt benötigt.

Zum Abschluss wird ein schwellenwertbasiertes Verfahren zur Unterscheidung von Hintergrund- und Vordergrundpixeln in Bildern entworfen und verschiedene Anwendungsfälle in Python programmiert, z. B. das Ersetzen des Hintergrunds durch ein anderes Hintergrundbild ("Bildkomposition", siehe auch Wikipedia-Eintrag zu "Chroma Keying") (Video ca. 9:20 min, Bildkomposition ab 5:20, Live-Programmierung ab 6:10).

Bearbeiten Sie als Hausaufgabe Aufgabe 5: Bildhintergrund ersetzen.