Bilder als Tensoren

Wie RGB-Bilder zu Zahlen werden und warum alle Bilder gleich groß sein müssen.

👋 Hi! HerrKI hier - heute erkläre ich dir Bilder!

Stell dir vor: Du machst ein Foto mit deinem Handy - ein Selfie, deine Katze, eine Landschaft. Für dich ist das ein Bild. Aber für den Computer? Nur ein Haufen Zahlen!

Heute zeige ich dir, wie Computer Bilder "sehen": Jedes Foto wird in einen 3D-Tensor (Rank 3 aus Kapitel „Was sind Tensoren?") umgewandelt - eine riesige Tabelle voller RGB-Werte (Rot-Grün-Blau). Das ist die Grundlage für alles: Gesichtserkennung, Instagram-Filter, selbstfahrende Autos - alles basiert darauf!

🎯 Was du hier lernst:

✅ Wie Bilder in RGB-Zahlen (0-255) umgewandelt werden
✅ Warum Bilder 3D-Tensoren sind (Höhe × Breite × 3 Farben)
✅ Wie du mit TensorFlow.js Bilder einliest und verarbeitest
✅ Warum neuronale Netze gleich große Bilder brauchen

Das Coole daran: Sobald du verstehst, wie Bilder zu Tensoren werden, kannst du eigene Bilderkennungs-Modelle bauen - ob Katzen vs. Hunde erkennen, Hausnummern lesen oder Gesichter identifizieren. Alles startet mit RGB-Zahlen! 🎨

💡 HerrKI-Tipp: Ein Bild ist ein 3D-Würfel aus Zahlen! Höhe × Breite × 3 RGB-Kanäle. Ein 200×200 Pixel Foto = 120.000 Zahlen. Krass, oder? 🤯

🎥 Video-Erklärung von HerrKI

Schau dir dieses Video an, um Bilder als Tensoren noch besser zu verstehen:

🖼️ Praxis-Beispiel: RGB-Bild → Tensor

Lass uns ein echtes Bild in einen Tensor umwandeln! Hier siehst du Schritt für Schritt, wie ein RGB-Farbbild in Zahlen (Tensor) verwandelt wird.

1️⃣ Original-Bild

pflanze.png

2️⃣ Als Tensor

Klicke auf "Bild analysieren" um die Tensor-Daten zu sehen...

💻 TensorFlow.js Code:

// 1. Bild-Element holen
const img = document.getElementById('pflanzeImg');

// 2. Bild in Tensor umwandeln
const tensor = tf.browser.fromPixels(img);

// 3. Tensor-Informationen
console.log('Shape:', tensor.shape);
// Ausgabe: [height, width, 3]
// 3 = RGB-Kanäle (Rot, Grün, Blau)

// 4. Datentyp und Werte
console.log('DType:', tensor.dtype);  // 'int32'
console.log('Werte:', tensor.min(), tensor.max());  // 0-255

// 5. Tensor verwenden
const normalized = tensor.div(255.0);  // Normalisieren auf 0-1
model.predict(normalized.expandDims(0));  // Vorhersage

🎯 Was passiert bei der Umwandlung?

Jedes Pixel wird zu 3 Zahlen (R, G, B)
Wertebereich: 0-255 für jeden Farbkanal
Shape: (Höhe, Breite, 3) → z.B. (200, 200, 3) = 120.000 Zahlen!
Normalisierung: Oft werden Werte durch 255 geteilt → 0.0 bis 1.0
Batch: Mehrere Bilder → (Anzahl, Höhe, Breite, 3)

⚠️ Wichtig: Einheitliche Bildgröße für Neuronale Netze

🔒 Warum brauchen neuronale Netze gleich große Bilder?

Ein neuronales Netz hat eine feste Architektur mit einer festgelegten Anzahl von Eingabe-Neuronen. Wenn das erste Layer z.B. inputShape: [224, 224, 3] erwartet, dann müssen ALLE Bilder exakt diese Größe haben.

❌ Funktioniert NICHT

Unterschiedliche Bildgrößen:

Bild 1: 300 × 200 = 180.000 Werte
Bild 2: 400 × 400 = 480.000 Werte
Bild 3: 150 × 150 = 67.500 Werte

→ Netz kann unterschiedliche Shapes nicht verarbeiten!

✅ Funktioniert!

Einheitliche Bildgröße:

Bild 1: 224 × 224 = 150.528 Werte
Bild 2: 224 × 224 = 150.528 Werte
Bild 3: 224 × 224 = 150.528 Werte

→ Alle Bilder haben die gleiche Shape!

🔧 Wie macht man Bilder gleich groß?

Option 1: Resize (Skalieren)

// Bild auf 224x224 skalieren
const resized = tf.image.resizeBilinear(tensor, [224, 224]);
// Shape: [224, 224, 3] ✅

→ Bild wird gestreckt oder gestaucht auf die gewünschte Größe

Option 2: Crop (Zuschneiden)

// Bild auf 224x224 zuschneiden (mittig)
const cropped = tf.image.cropAndResize(
  tensor.expandDims(0),  // Batch dimension
  [[0.1, 0.1, 0.9, 0.9]], // Crop-Bereich
  [0], // Batch-Index
  [224, 224] // Zielgröße
);
// Shape: [1, 224, 224, 3] ✅

→ Schneide den relevanten Bereich aus dem Bild aus

Option 3: Pad (Auffüllen)

// Bild mit schwarzen Rändern auffüllen
const padded = tf.pad(tensor, [[top, bottom], [left, right], [0, 0]]);
// Shape: [224, 224, 3] ✅

→ Füge Ränder hinzu, um die gewünschte Größe zu erreichen

🎓 Beliebte Bildgrößen in der Praxis:

224 × 224: VGG16, ResNet, MobileNet (ImageNet Standard)
299 × 299: Inception v3, Xception
512 × 512: Hochauflösende Bildverarbeitung
28 × 28: MNIST Handschrift-Erkennung (Graustufenbilder)
32 × 32: CIFAR-10 Objekt-Erkennung

💡 Tipp: Kleinere Bilder = schnelleres Training, aber weniger Details. Größere Bilder = mehr Details, aber langsameres Training.

🧠 Kurzer Check — hast du es?

Drei schnelle Fragen, dann bist du durch — klick einfach deine Antwort an:

1. Warum ist ein Farbbild ein 3D-Tensor?

Richtig: Ein 100×100-Farbbild hat die Shape [100, 100, 3] — für jedes der 10.000 Pixel je ein Rot-, Grün- und Blau-Wert. Zusammen 30.000 Zahlen!

2. Welche Werte kann ein einzelner Farbkanal eines Pixels annehmen?

Genau: 0 = ganz dunkel, 255 = volle Intensität. Mit tensor.div(255.0) quetscht man die Werte auf 0–1 — damit trainiert das Netz stabiler.

3. Warum müssen alle Bilder für ein neuronales Netz gleich groß sein?

🎉 Und damit schließt sich der Kreis: Wenn Instagram deinem Foto einen Filter verpasst oder dein Handy „Katze" in deine Galerie schreibt, läuft genau diese Kette — Foto → Zahlen-Würfel (H × B × 3) → Mathe auf dem Tensor → Ergebnis. Als Nächstes nehmen wir uns den Datentyp vor, aus dem die meisten echten Projekte bestehen: Excel- und CSV-Tabellen.