Niedersächsisches Landesamt für Denkmalpflege [Editor]; Institut für Denkmalpflege [Editor]: Arbeitshefte zur Denkmalpflege in Niedersachsen: Die Bilderdecke der Hildesheimer Michaeliskirche (München , Berlin: Dt. Kunstverl., Heft 28.2002)

Multispektrale Bestandserfassung und -analyse 131




2a Salomo (Deckenfeld 4), Detail.
Spektralkurve der Trainingspunkte

2b Salomo (Deckenfeld 4), Detail.
Index-Bild (Rot/Orange)

2c Salomo (Deckenfeld 4), Detail.
Klassifikation von Zinnober

Klassifikation von Zinnober
Am großen Mittelfeld mit der Darstellung des Königs Salomo
zeigte sich im Bereich des roten Obergewandes noch gut
erhaltene ursprüngliche Malereisubstanz. An dieser Farb-
fläche sollte die ursprüngliche Malerei, die sich aus einer
Mennigeuntermalung und einem darauf liegenden Zinno-
berrotton zusammensetzt, von der teilweise vorhandenen
späteren Rotübermalung unterschieden werden.
Die Untersuchung in situ ermöglichte die Ausweisung von
punktuellen Flächen (Trainingspunkten) in den digitalen
Bildern, die exakt der Fläche „Zinnober" zugeordnet werden
konnte. Anhand dieser Punktauswahl wurden die Hellig-
keitswerte in allen Bändern der Aufnahmeserie aufge-
schlüsselt und somit das spektrale Verhalten des gesuchten
Phänomens bestimmt. Zusätzlich wurde noch zwischen
drei Helligkeitsstufen unterschieden (Abb. 2a).
Zur automatischen Detektion und Differenzierung der
Farbpigmente im gesamten Bild wurden folgende zwei
Verfahren getestet:

• Berechnung eines Quotientenbildes aus zwei spektralen
Bändern
Da die drei Farbpigmentgruppen vor allem in den Kanälen
Orange und Rot gut spektral trennbar sind, wurde mit Hilfe
dieser Kanäle ein Quotientenbild (Rot/Orange) generiert,
um die Unterscheidbarkeit zu optimieren. Die verschiede-
nen, durch Zinnoberrot dominierten Farbschattierungen
konnten hierüber im ersten Ansatz gut extrahiert werden
und zeichneten sich durch relativ große Helligkeitswerte
im Ergebnisbild ab. Zur weiteren Optimierung beziehungs-
weise Isolation der Zinnoberrot-Schattierungen wurde das
Histogramm des Quotientenbildes manuell gestreckt. Hier-
durch wurden die Extrembereiche (Zinnoberrot-Schattie-
rungen) besser hervorgehoben (Abb. 2b).
• Wissensbasierte Klassifikation aufgrund vorgegebener
Trainingspunkte mit allen spektralen Bändern
Zunächst wurden die Reflexionswerte der Punkte in den
zehn Kanälen erfasst und in drei Kategorien „Hell", „Mittel"
und „Dunkel" aufgeteilt. Hiermit wurden die Regeln für
den Klassifikationsprozess aufgestellt. Anschließend wurden
Punkte mit vergleichbaren Reflexionseigenschaften aus
dem gesamten Bild extrahiert. Der Vorteil dieses recht
aufwändigen Verfahrens im Vergleich mit dem Quotien-
tenbild liegt darin, dass nur Pixel, welche die vordefinier-