Image processing 2400-ZEWW988
W ramach kursu omówione zostaną kolejno następujące zagadnienia:
1. Wstępne przetwarzanie obrazu:
konwersja do odcieni szarości, normalizacja, poprawa kontrastu (np. wyrównanie histogramu),
redukcja szumów: filtrowanie Gaussa, filtrowanie medianowe,
zmiana rozmiaru, wyostrzanie, rozmywanie,
augmentacja danych: obrót, odbicie, kadrowanie, losowe zmiany kolorów (color jittering).
2. Przekształcenia geometryczne:
podstawowe przekształcenia: translacja, skalowanie, obrót, przekształcenia afiniczne,
przekształcenia perspektywiczne i homografia,
metody interpolacji: najbliższy sąsiad, biliniowa, bikubiczna.
3. Operacje morfologiczne:
przetwarzanie obrazów binarnych,
erozja, dylacja, otwarcie, zamknięcie,
operacje hit-or-miss, top-hat, black-hat.
4. Detekcja krawędzi i filtrowanie:
podstawy filtrowania: filtr prosty (box), Gaussa, medianowy,
algorytmy wykrywania krawędzi: Sobel, Prewitt, Laplacjan,
detektor Canny'ego: gradient + tłumienie niemaksymalne + progowanie histerezą,
filtry dolnoprzepustowe vs. Górnoprzepustowe.
5. Ekstrakcja cech:
klasyczne deskryptory: narożniki – Harris, Shi-Tomasi; punkty kluczowe – SIFT, SURF, ORB,
deskryptory i dopasowywanie: BRIEF, FREAK, dopasowywanie z użyciem FLANN.
6. Segmentacja obrazów:
segmentacja semantyczna i instancyjna,
progowanie (Otsu), algorytm Watershed,
metody rozrastania regionów,
U-Net i jego warianty.
7. Przekształcenia w dziedzinie częstotliwości:
transformacja Fouriera (DFT, FFT): analiza amplitudy i fazy,
filtrowanie dolno-, górno- i pasmowoprzepustowe,
dyskretna transformacja cosinusowa (DCT),
transformacja falkowa (Wavelet transform): analiza wielorozdzielczościowa, odszumianie.
Szacunkowy nakład pracy studenta:
Typ aktywności K (kontaktowe) S (samodzielne)
wykład (zajęcia) 0 0
ćwiczenia (zajęcia) 30 30
egzamin 0 0
konsultacje 5 0
przygotowanie do ćwiczeń 0 10
przygotowanie do wykładów 0 0
przygotowanie do kolokwium 0 0
przygotowanie do egzaminu 0 0
… 0 0
Razem 35 40=75
Rodzaj przedmiotu
Koordynatorzy przedmiotu
Efekty kształcenia
Studenci nauczą się jak wstępnie przygotowywać obrazy do dalszych analiz. Ponadto kursanci zostaną zaznajomieni z różnorakimi technikami przetwarzania obrazów - przekształceniami geometrycznymi, operacjami morfologicznymi, wykrywaniem krawędzi, metodami ekstrakcji cech, segmentacją obrazów, przekształceniami w dziedzinie częstotliwości. Po zakończeniu kursu studenci będą potrafili analizować obrazy, dobierając metody odpowiednio do specyfiki napotkanego problemu. Ponadto studenci będą również świadomi aktualnych wyzwań i problemów związanych z przetwarzaniem obrazów.
Kryteria oceniania
Ocena końcowa zostanie ustalona w oparciu o: projekt do wykonania poza zajęciami (70% oceny) i prezentacja projektu (30% oceny).
pisemny (projekt) i ustny (prezentacja projektu)
Literatura
Podstawowa:
Gonzalez, R., & Woods, R. (2017). Digital Image Processing (4th ed.). Pearson.
Sonka, M., Hlavac, V., & Boyle, R. (2013). Image processing, analysis and machine vision. Springer.
Szeliski, R. (2022). Computer vision: algorithms and applications. Springer Nature.
Uzupełniająca:
Jähne, B. (2005). Digital image processing. Springer Science & Business Media.
O'Gorman, L., Sammon, M. J., & Seul, M. (2008). Practical algorithms for image analysis with CD-ROM. Cambridge University Press.
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: