Effiziente kantenerhaltende Bildglättung und ihre Anwendung in der Praxis

Abstract

Ziel einer Bildglättung ist die Reduktion von Bildrauschen unter Beibehaltung der Kantenschärfe. Traditionelle Glättungsfilter, wie beispielsweise der Gauß Filter, reduzieren Bildrauschen, aber auch Kantenschärfe und sind daher für diese Aufgabe nicht gut geeignet. Im ersten Teil dieser Diplomarbeit werden drei kantenerhaltende Glättungsfilter behandelt, welche sowohl Rauschanteile unterdrücken als auch Kanteninformation weitgehend erhalten. Weiterhin wird ausführlich darauf eingegangen, wie traditionelle und kantenerhaltende Glättungsfilter effizient implementiert werden können. Bis auf eine Ausnahme wird für alle behandelten Filter ein Algorithmus mit konstanter Laufzeit bezüglich der Kernelgröße präsentiert. In einem eigenen Kapitel werden Strategien zur parallelen Implementation der vorgestellten Glättungsfilter auf CUDA-fähigen Grafikkarten des Herstellers NVIDIA präsentiert.<br />Der zweite Teil der Arbeit zeigt, dass der Anwendungsbereich kantenerhaltender Glättungsfilter keineswegs auf die Entfernung von Bildrauschen beschränkt ist. Es werden zwei interessante Applikationsszenarien vorgestellt, und es wird diskutiert, inwieweit die zuvor vorgestellten kantenerhaltenden Filter zur Lösung der jeweiligen Aufgabenstellung eingesetzt werden können. Als erstes wird das Szenario der interaktiven Bildsegmentierung behandelt. Hier gilt es, den Vordergrundbereich eines Bildes mit Hilfe minimaler Benutzereingaben zu extrahieren. Es wird gezeigt, dass Segmentierungsalgorithmen mit integrierter kantenerhaltender Filterung im Vergleich zu State-of-the-Art-Algorithmen (Grab-Cut) nicht nur qualitativ ähnliche Ergebnisse erzielen können, sondern auch deutlich weniger Rechenleistung beanspruchen. Das andere Anwendungsszenario beschäftigt sich mit der Nachbearbeitung von Tiefenkarten, die durch Stereo-Matching berechnet wurden. Es wird gezeigt, dass durch die Anwendung kantenerhaltender Filter die Qualität der Karten, vor allem in der Nähe von Tiefenunstetigkeiten, deutlich gesteigert werden kann.<br />

The goal of image smoothing is to reduce image noise while preserving edges. Traditional smoothing operators such as the well-known Gaussian filter reduce noise but also edge sharpness. Hence such filters are not suitable for the task at hand. In the first part of this master thesis, three edge-preserving smoothing operators are discussed. These filters have the ability to suppress noise while preserving edge information. Furthermore we explore how both traditional and edge-preserving smoothing filters can be implemented in an efficient manner. For each smoothing operator (with one exception), a respective algorithm with constant runtime regarding the kernel size is presented.<br />In a separate chapter, a parallelized implementation of smoothing operators on NVIDIA's CUDA-enabled graphics adapters is discussed.<br />The second part of this thesis demonstrates that the applications of edge-preserving smoothing filters extend beyond the task of noise suppression. Two interesting application domains are presented and discussed in detail. First we take a close look at the scenario of interactive image segmentation. Here the goal is to extract an image's foreground region by leveraging minimal user input. We present an algorithm using an edge-preserving smoothing filter, which can not only achieve results of similar quality to those of Grab-Cut, but is also considerably less computationally demanding. The other scenario deals with post processing of depth maps calculated by stereo matching. We show that the application of an edge-preserving smoothing filter can significantly augment the quality of such maps, especially near depth discontinuities.