Logo ČVUT
ČESKÉ VYSOKÉ UČENÍ TECHNICKÉ V PRAZE
STUDIJNÍ PLÁNY
2019/2020

Zpracování obrazových dat

Předmět není vypsán Nerozvrhuje se
Kód Zakončení Kredity Rozsah Jazyk výuky
F7PBKZOD-I Z,ZK 4 2P+2C česky
Přednášející:
Zoltán Szabó (gar.)
Cvičící:
Zoltán Szabó (gar.)
Předmět zajišťuje:
katedra biomedicínské informatiky
Anotace:

Cílem předmětu je podat základní znalosti o principech procesu číslicového zpracování obrazu (algoritmy - implementace a realizace). Tento cíl zahrnuje i problematiku digitalizace a základní metody analýzy obrazových dat. Vstupní požadavky předmětu: základní znalost práce v programovém prostředí Matlab. Výstupní znalosti, dovednosti, schopnosti a kompetence: Porozumění metodám zpracování obrazů jako zobecnění metod pro zpracování signálů. Získání praktických zkušeností s číslicovým zpracováním obrazů.

Požadavky:

Studenti během semestru získávají body. Nárok na zápočet vzniká, pokud počet absencí nepřekročí tři a při dosažení alespoň 50 % maximálního množství bodů. Body je možné získat za účast a aktivitu na cvičeních (7 bodů za každé cvičení), při počátečnímtestu znalostí (2. cvičení, 21 bodů), při závěrečném testu (14. týden, 21 bodů), za domácí úlohy (7 bodů za každou ze dvoudomácích úloh), za mimořádnou aktivitu nad rámec maximálního počtu bodů.

Zkouška probíhá ústně (student odpovídá na 3 náhodně vybrané okruhy). Body získané na cvičení se do výsledné známky promítnous váhou 0.3.

Osnova přednášek:

Osnova přednášek:

1.Úvod - optika oka, Zorný úhel lidského oka, Prostorová distribuce tyčinek čípků v oku, Jasová citlivost oka, Purkyňův jev, Kontrastní citlivost oka, Prostorová rozlišovací schopnost oka, Časová rozlišovací schopnost oka, Blue light hazard, Vzorkování a kvantizace obrazů, Bitová hloubka

2.Půltónování a rozptylování, Snímací režimy, Histogram obrazu, Typy operací nad obrazy, Bodové operace, Prahování, Prahování na základě histogramu, Globální práh, Adaptivní prahování, Bit-Plane Slicing („krájení bitů“)

3.Ekvalizace histogramu, Barevná hloubka, Barevný model RGB(A), CMY – subtraktivní model, Převod RGB na odstíny šedi, Model HSV, Model HLS, Chromatický diagram XYZ, (CIE), Gamut

4.Obecné schéma procesu zobrazení, Některé speciální funkce, Posunutí jednotkového impulzu, Filtrační (výběrová, resp. vzorkovací) vlastnost Diracova impulzu, Zobrazovací systém, Lineární zobrazovací systém, Impulsní odezva, izoplanární (SIPSF) proces zobrazení, Prostorově variantní (SVPSF) proces zobrazení, Konvoluce ve spojité a diskrétní oblasti, Korelace ve spojité a diskrétní oblasti

5.Nelineární vyhlazování, Filtrace mediánem, Metoda rotující masky, Hledání hran, Detektory založené na hledání maxim prvních derivací, Diskrétní aproximace derivace, Citlivost derivace na šum

6.Detektory založené na hledání pruchodu druhých derivací nulou, lokální aproximaci obrazové funkce parametrickým modelem, Ostření Laplaciánem, Odvození LoG operátoru, DoG jako aproximace LoG

7.2D Fourierova transformace a 2D diskrétní Fourierova transformace, Periodicita DFT,

8.Vzorkování spojitého signálu, Aliasing, Antialiasingový filtr, Frequency domain filtering, Logaritmická transformace jasu, Posunutí v prostorové oblasti

9.Komprese obrazů, Redundance a irelevance, Entropie, Odhad entropie z histogramu obrazu, Metody komprese, RLE (Run Length Encoding), Huffmanovo kódování, 2D DCT

10.Matematická morfologie, Morfologická transformace, Binární dilatace, Vlastnosti dilatace, Binární eroze, Obrys pomocí binární eroze, Binární otevření, Binární uzavření, Vlastnosti otevření, uzavření, Kostra (skelet), Transformace tref či miň, Vzdálenostní transformace, DT

11.Segmentace obrazu, Prahování, Globální práh, Adaptivní prahování, Top-hat transformation, K-means clustering, K-means clustering, Houghova trasformace, generalizovaná HT, Aktivní kontury, Watershed Transform, Marker-controlled watershed, Označení oblastí (Labeling)

12.Restaurování obrazu, Inverzní filtrace, Model rušení, Wienerova filtrace, Geometrické operace, Škálování, Aliasing, Posun, Rotace, Interpolace, Zrcadlení, Afinní transformace

13.Principal Components Analysis (PCA), Analýza hlavních komponent, Směrodatná odchylka, Rozptyl, Kovariance, vlastní vektor, vlastní číslo

14.Zopakování základních metod zpracování obrazových dat, příklady

Osnova cvičení:

Osnova cvičení:

1. Zpracování obrazu v MATLABu, vlastnosti obrazu

2. Test základních znalostí. Práce s histogramem obrazu

3. Zpracování binárních obrazů 1

4. Zpracování binárních obrazů 2

5. Šum v obraze a jeho filtrování

6. Segmentace obrazů 1

7. Segmentace obrazů 2

8. Registrace obrazů 1

9. Registrace obrazů 2

10. Zpracování medicínských obrazů 1

11. Zpracování medicínských obrazů 2

12. Využití hlubokých neuronových sítí ve zpracování obrazu 1

13. Využití hlubokých neuronových sítí ve zpracování obrazu 2

14. Zápočtový test

Cíle studia:
Studijní materiály:

Povinná literatura:

[1] HLAVÁČ, Václav a Miloš SEDLÁČEK. Zpracování signálů a obrazů. Vyd. 2. přeprac. Praha: Vydavatelství ČVUT, 2005. ISBN 80-01-03110-1.

Doporučená literatura:

[1] BLANCHET, Gérard a Maurice CHARBIT. Digital signal and image processing using MATLAB. Revised and updated 2nd edition. London: ISTE Ltd/John Wiley, 2015. Digital signal and image processing series. ISBN 978-1-84821-641-9.

[2] ŠONKA, Milan, Václav HLAVÁČ a Roger BOYLE. Image processing, analysis, and machine vision. Fourth Edition. Australia: Cengage Learning, 2015. ISBN 978-1-133-59369-0.

[3] SVOBODA, Tomáš, Jan KYBIC a Václav HLAVÁČ. Image processing, analysis, and machine vision: a MATLAB companion. Toronto: Thomson, c2008. ISBN 978-0-495-29595-2.

Poznámka:
Další informace:
Pro tento předmět se rozvrh nepřipravuje
Předmět je součástí následujících studijních plánů:
Platnost dat k 14. 12. 2019
Aktualizace výše uvedených informací naleznete na adrese http://bilakniha.cvut.cz/cs/predmet5959506.html