Digitale Filter können mehr als Punktoperatoren. Mit ihnen kann man Bilder schärfen oder Kanten innerhalb eines Bildes finden. Damit sind diese sogenannten „lokalen Operatoren“ auch für den Bau von autonomen Robotern von Interesse, denn um z.b. Hindernissen auszuweichen, müssen diese zuvor erst einmal erkannt werden.

Die Abschnitte Grundlagen der Bildverarbeitung und Farbbild - Graubild - Binärbild, welche bisher betrachtet wurden, hatten eines gemeinsam: sie nahmen ein Bildpunkt aus dem Orginalbild und veränderten (transformierten) ihn. Der veränderte Bildpunkt ersetzte dann entweder den alten originalen Bildpunkt oder wurde in ein neues (leeres) Bild geschrieben. Diese Bildoperation bezeichnet man als Punktoperation.

Wenn ein Bild z.B. weich gezeichnet oder aber geschärft werden soll, reicht die Auswertung lediglich eines Bildpunktes nicht mehr aus. Die nächste Erweiterung ist dann, das mehrere Bildpunkte die sich in der Nachbarschaft des zu veränderten Bildpunktes befinden herangezogen werden, um zum gewünschten Ergebnis zu kommen. Diesen Typ von Bildoperation nennt man lokale Operation. Die Theorie hinter diesen Transformation heißt „digitale Filter“. Darum soll es in diesem Abschnitt gehen.

Wir betrachten 3×3 Filter, d.h., der Filter besitzt 9 Werte. Im Orginal-Bild werden dazu der zu verändernde Bildpunkt und seine 8 Nachbarpunkte herangezogen.

Orginal-Bild (Quelle, I = Input)	+	3×3 Filter-Matrix (M=Maske)	=	Ziel-Bild (Senke, O = Output)
Der zu verändernde Bildpunkt befindet sich in der Mitte, umgeben von 8 Nachbarpixeln, die ebenfalls ausgewertet werden müssen. Der zentrale Punkt mit seinen 8 Nachbarn wird als „lokaler Bildbereich“ bezeichnet.		Der Filter besitzt 9 Werte. Filter und Orginalbild werden miteinander verknüpft. Die Verknüpfung bezeichnet man als Faltung. Die mathematischen Prinzipien, die der Faltung zu Grunde liegen, gehören nicht zur Schulmathematik und werden hier deshalb nicht aufgeführt.		Der Original-Bildpunkt mit seinen Nachbarn wurde zusammen mit einem Filter kombiniert. Das Ergebnis ist der hier rot dargestellte Bildpunkt.

$$ O = I * M $$

• O = Output (Ziel)
• I = Input (Orginal-Bild)
• * = Symbol für die mathematische Operation der Faltung

Der beschriebene Prozess berechnet den Wert eines Pixels und muss deshalb wiederholt angewandt werden, um für alle Pixel eines Bildes ein vollständiges Bild liefern zu können.

Es wird jetzt gezeigt, wie, ausgehend von einem lokalen Bildbereich und einer Maske, ein neuer Bildpunkt berechnet wird. In späteren Abschnitten wird im Wesentlichen nur noch die Maske verändert, die Vorgehensweise bleibt aber immer dieselbe.

• Der Wert jedes Pixels im Bildbereich wird mit dem entsprechenden Wert der Maske multipliziert. Auf diese Weise ergeben sich 9 Terme.
• Alle 9 Terme werden addiert.
• Der so ermittelte Wert ist der Wert des neuen Bildpunktes.

Der Umgang mit dem Summenzeichen ist im Artikel Mathematische Grundlagen (siehe Downloads) beschrieben.

Ziel ist es, die folgende Formel herzuleiten, wie sie in jedem Buch über Digitale Bildverarbeitung zu finden ist.

\begin{equation} O = I * M \end{equation} mit

\begin{equation} O(i,j) = \sum_{y=-1}^1 \sum_{x=-1}^1 M(x,y) \cdot I(i+x,j+y) \end{equation}

Die Formel kann direkt aus dem Beispiel hergeleitet werden, indem statt konkreter Zahlen verallgemeinerte Koordinaten und Gewichte verwendet werden. O(i,j) bedeutet, dass der Filter M auf den Bildpunkt mit den Koordinaten i,j angewandt wird. O(i,j) ist der neue Grauwert. Wir beschränken uns hier auf die Auswertung von Graubildern, d.h jeder Bildpunkt ist eindeutig durch eine Zahl beschrieben.

\[ I(x,y) = \begin{pmatrix} w_1 & w_2 & w_3 \\ w_4 & w_5 & w_6 \\ w_7 & w_8 & w_9 \end{pmatrix}\]

\[ M(x,y) = \begin{pmatrix} m_1 & m_2 & m_3 \\ m_4 & m_5 & m_6 \\ m_7 & m_8 & m_9 \end{pmatrix}\]

Nach dem obigen Beispiel gilt dann:

\[ \begin{split} O(i,j) = m_1\cdot w_1 + m_2\cdot w_2 + m_3\cdot w_3\\ + m_4\cdot w_4 + m_5\cdot w_5 + m_6\cdot w_6 \\+ m_7\cdot w_7 + m_8\cdot w_8 + m_9\cdot w_9 \end{split} \]

(Die Werte für I werden eingesetzt)

\[ \begin{split} = m_1\cdot I(i-1,j-1) + m_2\cdot I(i,j-1) + m_3\cdot I(i+1,j-1) \\+ m_4 \cdot I(i-1,j) + m_5\cdot I(i,j)+ m_6\cdot I(i+1,j) \\ + m_7\cdot I(i-1,j+1) + m_8\cdot I(i,j+1) + m_9\cdot I(i+1,j+1) \end{split} \]

(Die Werte für M werden eingesetz)

\[ \begin{split} = M(-1,-1) \cdot I(i-1,j-1) + M(0,-1)\cdot I(i,j-1) + M(1,-1)\cdot I(i+1,j-1) \\+ M(-1,0) \cdot I(i-1,j) + M(0,0)\cdot I(i,j)+ M(1,0)\cdot I(i+1,j) \\ + M(-1,1)\cdot I(i-1,j+1) + M(0,1)\cdot I(i,j+1) + M(1,1)\cdot I(i+1,j+1) \end{split} \]

(Summenzeichen für die erste Komponente benutzen - Laufvariable heißt x)

\[ \begin{split} = \sum_{x=-1}^1 \{ M(x,-1) \cdot I(i+x,j-1) + M(x,0) \cdot I(i+x,j) + M(x,1)\cdot I(i+x,j+1) \} \end{split} \]

(Summenzeichen auch für die zweite Komponente benutzen - Laufvariable heißt y)

\[ \begin{split} = \sum_{y=-1}^1 \sum_{x=-1}^1 M(x,y) \cdot I(i+x,j+y) \end{split} \]

Das war es, diese Formel ist mit der Eingangsformel identisch.

Um einen digitalen Filter anzuwenden, sind folgende Schritte abzuarbeiten:

1. Ein digitaler 3×3-Filter muss zur Verfügung stehen
2. Der Filter wird über ein Bildbereich gelegt (Faltung) und ein neuer Bildpunkt wird berechnet.
   • Dieser Bildpunkt wird zwischengespeichert bzw. in ein neues Bild geschrieben.
3. Der Filter wird über den nächsten Bildbereich gelegt, sodass der nächste Bildpunkt berechnet werden kann.

Auf diese Weise werden alle neuen Bildpunkte berechnet und in ein neues Bild geschrieben.