Weiter:	2. Datenreduktion
Zurück:	2. Problemstellung und Lösungsansatz
Übergeordnet:	2. Problemstellung und Lösungsansatz

    
1. Modellierung von Farbe

Bedingt durch den Entstehungsprozeß digitaler Farbbilder kommt der Modellierung von Farbinformationen im Rechner eine wesentlich größere Bedeutung zu als der Modellierung der Helligkeit von Grauwertbildern. Bei der Generierung von Farbbildern treten vielfältige Einflüsse auf, die berücksichtigt werden müssen. Schuster  [Sch95] unterscheidet hier zwischen drei verschiedenen Klassen von Einflußfaktoren :

Kameraparameter

: Hierzu gehören Charakteristika der verwendeten CCD Arrays, Blendeneinstellungen oder die Kameradynamik. Kamerasignale unterliegen vielfältigen Einflüssen: Wie in Kapitel 2.2 beschrieben, sind viele der Kamerakenngrößen temperaturabhängig.

Weitere - kameraabhängige - Einflüsse auf die generierten Bilder sind etwa verschiedene Methoden zur Gamma-Korrektur (s. Kap. 2.2.3) des Bildstroms, die Leistungsfähigkeit der verwendeten AD Wandler (Framegrabber) und nicht zuletzt die Signalübertragung.

Objektparameter

: Auch die Bildobjekte selbst sind relevant für die Wahl der internen Farbdarstellung. Dinge wie Oberflächenstruktur, Reflektionsverhalten oder auch die Ausrichtung der Objekte zur Kamera haben Einfluß auf die Farben im Bild.

Umgebungsparameter

: Dieser Klasse von Einflußparametern kommt sicherlich die größte Bedeutung zu. Sie umfaßt etwa Stärke und Farbtemperatur des Umgebungslichts, Anzahl und Ausrichtung der Lichtquellen, Farbe des Hintergrunds etc.

Für die Modellierung ist zusätzlich zu beachten, daß alle diese Einflußfaktoren hochgradig dynamisch sind:

• Kameraobjektive und -blickrichtungen können verstellt werden.
• Objekte können ihre Lage verändern, neu auftauchen oder verschwinden. Ebenso können sie - z.B. durch Drehung - ihre Farben ändern.
• Beleuchtungsquellen können ihre Intensität, Farbtemperatur oder Ausrichtung ändern. Das beste Beispiel hierfür ist etwa Tageslicht.

Dabei sind weder die sich ändernden Größen im voraus bekannt, noch die Änderungen selbst. Es ist zudem denkbar, daß sich Anzahl und Zusammensetzung der Parameter dynamisch ändern.

Diese Einflüsse haben bei Grauwertbildern lediglich globale oder lokale Intensitätsänderungen zur Folge, die bei Verwendung geeigneter Operatoren zur Bildvorverarbeitung kompensiert werden können. Daher werden sie meist vernachlässigt.

Bei Farbbildern hingegen resultieren Parameteränderungen in Farbverschiebungen im Bild. Die Intensitätsänderung in Grauwertbildern ist eindimensional, läßt sich also verhältnismäßig einfach berechnen. Farbbilder werden in Rechnern generell durch Intensitätsbilder (,,Grauwertbilder``) mit drei Kanälen - meist für die Komponenten Rot, Grün und Blau - dargestellt. Da sie untereinander eine starke Korrelation aufweisen, sind Farbverschiebungen wesentlich schwieriger zu modellieren. Die auftretenden Intensitätsänderungen in den drei Kanälen sind im selben Maß korreliert wie die Farbkanäle selbst. Daher sind Algorithmen zur Kompensierung von Farbverschiebungen - den sog. Farbkonstanzalgorithmen (s. Anh. B) - sehr rechenaufwendig. Im allgemeinen ist es daher erfolgversprechender, Farbdaten von Anfang an so zu modellieren, daß eine spätere zielgerichtete Weiterverarbeitung problemlos möglich ist.

Es ist klar, daß die aufgelisteten Einflüsse bei weitem zu komplex für eine mathematische Modellierung sind, weshalb mit einem empirischen Ansatz gearbeitet werden muß. Am geeignetsten hierfür ist die Annahme, daß Farben in kameragenerierten Bildern keinen festen Wert besitzen, sondern einer Wahrscheinlichkeitsverteilung folgen. Ein Algorithmus zur Verarbeitung von Farbdaten sollte somit der Tatsache Rechnung tragen, daß eine in der ,,realen Welt`` homogene Farbfläche im digitalen Bild durch eine Farbverteilung repräsentiert wird.