→ Slide 1
Einführung in die Computergrafik und Bildverarbeitung
Dr. Raphael Wimmer
Sommersemester 2025
→ Slide 2
→ Slide 3
Konzept
Anstelle einer klassischen Vorlesung mit Übung gibt es:
einen interaktiven Präsenztermin (Di, 12:15 - 15:45 Uhr)
eine Sammlung an Lehrmaterial
einen Abhängigkeitsgraph, der zeigt, welche Themen man in welcher Reihenfolge lernen sollte
vier Milestones/Studienleistungen (2D-Bitmapgrafik, 2D-Vektorgrafik, 3D-Grafik, Computer Vision), zu denen Sie eine kleine Übungsaufgabe bearbeiten müssen/sollten.
eine Klausur (Präsenz), in der Sie am Rechner mehrere Programmieraufgaben bearbeiten
→ Slide 4
Organisatorisches
Anfangs gibt es einige Präsenz-Termine, in denen wir die Grundlagen frontal-interaktiv besprechen
Dann kriegen Sie eine Art Lernlandkarte / Abhängigkeitsgraph / Mindmap der Themen des Kurses inkl. Material und Aufgaben. Ca. 70% der Themen sind Kerninhalte. Diese können Sie in ihrer eigenen Geschwindigkeit bearbeiten. Aus den restlichen Themen wählen Sie dann diejenigen, die Sie am meisten interessieren und vertiefen diese.
Als Programmiersprache werden wir Python verwenden (zusätzlich: Jupyter Notebooks, OpenGL, GLSL, OpenCV).
Während der Präsenztermine schauen wir uns gemeinsam wichtige Themen und Anwendungen an. Das wird dann eher eine interaktive Übung als eine klassische Vorlesung (“Flipped Classroom”). Außerdem nutzen wir den Termin als Ort für Pair-Programming, Sprechstunde für Probleme, und um Feedback zu geben.
→ Slide 5
Leistungsnachweis
Es gibt einige Milestones zu festen Terminen im Semester, die sie einhalten sollten. Da müssen Sie dann jeweils eine kleine Studienleistung abgeben. Je früher Sie abgeben, und je besser Ihre Lösung, umso mehr Bonuspunkte für die Klausur erhalten Sie.
Am Ende des Semesters findet eine Klausur in Präsenz statt. Sie bearbeiten dort primär Programmieraufgaben zu Themen des Kurses. Dabei können Sie natürlich auf allen Code zurückgreifen, den Sie im Laufe des Kurses schon geschrieben haben. Außerdem kommen noch ein paar Theoriefragen dazu. Das Format “Klausur” ist in der Prüfungsordnung vorgegeben. Es dient in diesem Fall auch dazu, sicherzustellen, dass Sie selbst die ganzen Aufgaben während des Semesters bearbeitet haben. Die Klausur wird am Rechner stattfinden, nicht auf Papier. Für die Klausur gibt es 100 Punkte. Eine Notenstufe entspricht 5 Punkten, d.h. ab 50 Punkten bekommen Sie eine 4.0.
Bonuspunkte gibt es für:
Abgeben der Studienleistungen (max. 20 Punkte insgesamt)
Bug Bounty: pro sachlichem Fehler in meinen Materialien 1 Punkt (FCFS)
Teilen von guten Quellen (je 1 Punkt, max. 5 Punkte insgesamt)
→ Slide 6
Materialien
Sie erhalten von mir:
nicht: komplette Foliensätze für jeden Termin, aber:
Überblicksdokumente
einen interaktiven Abhängigkeitsgraphen der Inhalte der Vorlesung
Links und Tipps zu Material
Foliensätze zu bestimmten Themen
Screenshots / Fotos von wichtigen Zeichnungen
→ Slide 7
Feedback der letzten beiden Male
Aufwendiger Kurs, aber sehr praktisch weswegen es auch Spaß macht und die Zeit die man dafür aufwendet auch schnell verfliegt.
Interessante Vorlesung, die mir neue Themen und Anwendungsmöglichkeiten beigebracht hat. Die Einführungen in die OpenGL und OpenCV waren spannend und mir davor nur vom hören bekannt. Die Studienleistungen ließen sich auch gut bearbeiten. Waren am Anfang etwas überfordernd (da es bei mir kaum/kein Vorwissen gab), aber ließen sich meistens doch ganz gut durcharbeiten.
Sehr interessante Vorlesung, die viel praktisches Wissen mit sich bringt
Sehr interessant, aber man muss am Ball bleiben
Die Studienleistungen waren sehr interessant und anspruchsvoll, haben aber auch Spaß gemacht. Hab mir teilweise etwas schwer getan, auch weil mir die Erfahrung mit Python gefehlt hat. [...] Ansonsten sehr interessante und coole Veranstaltung, bei der man auch viel selber herumprobieren durfte (v.a. bei Studienleistungen) und gut erklärte Beispiele bekommen hat.
→ Slide 8
Zeitplan
↓ Slide 9
29. April 2025 - Einführung, Überblick
Klassische frontale Vorlesung zum Einstieg.
Themen heute:
Danach eine Übung mit:
↓ Slide 10
Ausblick: 6. Mai 2025 - Wiederholung Grundlagen, Praxis Rastergrafik
Grundlagen Farbräume, Rastergrafik
Welche Python-IDE soll ich verwenden?
apt, pip, conda, virtualeenv, docker - Environments und Paketmanager für Python
Bilder laden und modifizieren
→ Slide 11
Wichtige Veranstaltungen diese Woche
→ Slide 12
Advance Organizer
(kommt noch)
→ Slide 13
Einführung Python
Material:
↓ Slide 14
Voraussetzungen für Teilnahme am nächsten Termin
Lauffähige lokale Python-Installation und IDE
(optional) lokale JupyterLab-Installation
Alle Notebooks in GRIPS bearbeitet
Feedback vorbereitet: wo gibt es Probleme, welche Hilfestellung wäre gut?
Laptop dabei, um einige der gezeigten Dinge mal selbst auszuprobieren
→ Slide 15
↓ Slide 16
→ Slide 17
Überblick: 6. Mai 2025 - Wiederholung Grundlagen, Praxis Rastergrafik
GraphIT
Umgebungsvariablen und Pfade
Welche Python-IDE soll ich verwenden?
apt, pip, conda, virtualeenv (, docker) - Environments und Paketmanager für Python
uv - die eierlegende Wollmilchsau
Grundlagen Farbräume, Farbmodelle, Rastergrafik (Notebooks)
Bilder laden und modifizieren (Notebooks)
↓ Slide 18
→ Slide 19
PATH
Umgebungsvariablen: Key-Value-Paare, die vom
OS innerhalb einer Shell den Programmen zur Verfügung gestellt werden.
Anzeigen/setzen mit export
(Linux) bzw. SET
(Windows)
PATH-Umgebungsvariable: wo liegen die ausführbaren Dateien
Reihenfolge relevant - das erstbeste Executable mit passendem Namen wird genommen.
(auch später relevant: PYTHONPATH
)
→ Slide 20
→ Slide 21
PEP 8 - Style Guide für Python
PEP: Python Enhancement Proposal - ein Vorschlag, wie die Sprache weiterentwickelt werden soll
-
pycodestyle
: Kommandozeilentool, das Code auf PEP-8-Konformität prüft
Hier im Kurs: PEP-8-Regeln bitte einhalten (zwingend für Studienleistung), bis auf Regel zu max. Zeilenlänge
-
→ Slide 22
Paketmanagement in Python
Es gibt drei verbreitete Möglichkeiten, Python-Module zu installieren:
Paketmanagement des Betriebssystems (z.B. apt
unter Debian/Ubuntu Linux)
pip
- Pythons Paketmanager
conda
- Paketmanagement der Anaconda-Distribution
Um für jede Anwendung separate Module zu installieren: virtual environments
↓ Slide 23
Paketmanagement durch Betriebssystem
Primär bei Linux-Distributionen, z.B. Debian/Ubuntu
apt install python3-matplotlib
Vorteile: global verfügbar, sicher, vorkompilierte Binaries
Nachteile: nicht immer aktuell, nicht alle Python-Pakete verfügbar, immer nur eine Paketversion installierbar
↓ Slide 24
Paketmanagement mit pip
Pakete werden aus dem Python Package Index (PyPI) installiert (PyPI enthält quasi alle Pakete)
pip3 install matplotlib
pip3 install -r requirements.txt
: Textdatei mit Paketnamen und ggf. Versionen.
Vorteile: global oder (default) lokal installierbar, immer aktuellste Version, quasi alle Pakete verfügbar.
Nachteile: nicht zwingend robust/sicher, Kompilierungsschritt bei C-Erweiterungen notwendig
Tool
pipx
: installiert Python-
Programme in einer eigenen virtuellen Umgebung und fügt sie zum Pfad hinzu (
Repo / Anleitung)
↓ Slide 25
Paketmanagement mit conda
Anaconda: Python-Distribution für Scientific Computing (multi-platform)
-
conda
: package manager für Anaconda (
Intro)
pip und conda können parallel eingesetzt werden (
1,
2)
-
Vorteile: sicher, robust, vorkompilierte Binaries, integrierte Unterstützung von virtual environments
Nachteile: nicht immer aktuell, wenige Python-Pakete verfügbar, fügt Overhead (Ressourcen, Debugging) hinzu
↓ Slide 26
Virtual Environments
Grundidee: für jedes Projekt eine eigene Python-Installation (
Doku)
Funktionsweise: Überschreiben der Pfade zu Binaries, Bibliotheken in der aktuellen Shell
Virtualenv im Unterverzeichnis .env
anlegen: python3 -m venv .env
Virtualenv aktivieren: source .env/bin/activate
(Linux) / .env\Scripts\activate.bat
deaktivieren durch Beenden der Shell
-
Conda: conda create --name myenv
/ conda activate myenv
↓ Slide 27
uv - die eierlegende Wollmilchsau
→ Slide 28
13. Mai 2025 - Bildfilter, Studienleistung 1
Recap: Bildfilter, Bilder (live)
Rückblick: Bildfilter, Punktoperatoren, Morphologische Operationen, Faltungen (siehe Notebooks)
Python: mit Kommandozeilenparametern arbeiten
Studienleistung 1: ein simpler Bildeditor
↓ Slide 29
↓ Slide 30
Wiederholung: Bildfilter
Überblick: Typische Bildfilter
Überblick: Punktoperatoren, Geometrische Operatoren, Lokale Operatoren, Globale Operatoren
Faltungen
→ Slide 31
Studienleistung 1: Bitmap-Grafik (1)
Entwickeln Sie eine Anwendung filtertool, mit der man (destruktiv) Bilder bearbeiten kann.
Bilder liegen als RGB- oder Graustufenbild vor und können mit Pillow eingelesen und geschrieben werden.
Ansonsten sollen alle Bildoperationen selbst geschrieben werden.
Abgabe: Mi, 28. Mai 2025, 23:59 Uhr (5 Bonuspunkte - pro angefangener weiterer Woche 1 Punkt weniger)
→ Slide 32
Studienleistung 1: Bitmap-Grafik (2)
Verpflichtende Features:
Batch-Kommandozeilenbetrieb (python3 filtertool.py --threshold 90 --blur 3 --edges image.jpg
oder python3 filtertool.py --blend screen --opacity 50 image1.jpg image2.jpg
)
sinnvolle grafische Anzeige des Ergebnisses mit tkinter
Standardfilter (selbst implementiert)
Threshold
Brightness / Contrast
Blur / Sharpen
Blending von zwei Bildern mit min. zwei verschiedenen Blend-Modi
→ Slide 33
Studienleistung 1: Bitmap-Grafik (3)
Wahlpflichtfeatures (3 Features):
→ Slide 34
Studienleistung 1: Bitmap-Grafik (4)
bei Verwendung fremder Code-Beispiele: Quellenangabe im Quelltext
bei Verwendung von ChatGPT o.ä: formlose Angabe im Quelltext (Vorsicht: ChatGPT liefert manchmal subtil falsche Lösungen!)
keine weiteren (Grafik) Bibliotheken verwenden
Abgabe von Quellcode und kurzer Video-Demo (ca. 1 Minute) über GRIPS
→ Slide 35
Aufgaben bis zum nächsten Mal
Registriert Euch in GraphIT
Markiert mindestens zehn Themen im Kurs, die Euch interessieren
Markiert mindestens zehn Themen im Kurs, die Ihr schon kennt
Bearbeitet die Notebooks des heutigen Termins fertig
Schaut die beiden Videos zu Pionieren der Computergrafik an
→ Slide 36
20. Mai 2025 - Image Filters, Tk-GUIs
↓ Slide 37
↓ Slide 38
Kommandozeilenparameter parsen
python3 app.py --mode simple -a file.txt
Mehrere Möglichkeiten in Python:
↓ Slide 39
Posterize
Ziel: Helligkeitswerte auf n unterschiedliche Helligkeitswerte runden.
Möglichkeiten: runden auf bestimmte Werte, Look-Up-Tables (LUTs)
-
-
↓ Slide 40
↓ Slide 41
Warum 259
Übungsaufgabe: Kontrastfilter implementieren
Lösungen of mit ImageEnhance-Modul oder mit einer merkwürdigen Formel
Woher kommt die 259?
Warum diese Formel?
Welche besseren Alternativen gibt es?
→ Slide 42
Aufgaben bis zum nächsten Mal
Registriert Euch in GraphIT
Markiert mindestens zehn Themen im Kurs, die Euch interessieren
Markiert mindestens zehn Themen im Kurs, die Ihr schon kennt
Bearbeitet die aktuelle Studienleistung