Předmět: Teoretické základy zpracování obrazu

» Seznam fakult » FCH » KPF
Název předmětu Teoretické základy zpracování obrazu
Kód předmětu KPF/C742
Organizační forma výuky Přednáška
Úroveň předmětu Magisterský
Rok studia nespecifikován
Semestr Letní
Počet ECTS kreditů 4
Vyučovací jazyk Čeština
Statut předmětu Povinný
Způsob výuky Kontaktní
Studijní praxe Nejedná se o pracovní stáž
Doporučené volitelné součásti programu Není
Vyučující
  • Syrový Tomáš, doc. Ing. Ph.D.
Obsah předmětu
1. týden Matice ve zpracování obrazu - základní operace s maticemi v souvislostech se zpracováním obrazu. Matlab: Výuka základních matematických operací v programu Matlab, práce s maticemi, aj. 2. týden Rastrový obraz a jeho základní vlastnosti (charakteristika obrazu, obrazová funkce, vzorkování a kvantování 2D signálu/obrazu). Matlab: Výuka základních matematických operací v programu Matlab, vektory, matice, skalární součiv, vektorový součin, Kronekerův součin, grafy, 3D grafy. 3. týden Diracův impulz, spojité diskrétní vzorkování, impulzní odezva, superpoziční suma, aplikace lineárního operátoru, vliv separability na strukturu transformační matice. Matlab: Transpozice, inverze matic, konvoluce, separabilní matice. 4. týden Lineární transformace obrazu, elementární obrazy, frekvenční přenos, SVD transformace. Matlab: SVD transformace, vlastní čísla, vlastní vektory, ukázka redukce elementárních obrazů při užití SVD na obrazovou kvalitu na realném obrazu. 5. týden 2D Fourierova transformace, DFT digitálního obrazu, DFT v maticové formě, diskrétní kosinová transformace. Matlab: dopředná a zpětná Fourierova transformace, vykreslení reálné a imaginární složky, převod reálného obrazu pomocí fft, mazání vybraných frekvencí a demonstrace vlivu na obraz po zpětné transformaci. Ukázka odstranění AM rastru obrazu pomocí eliminace výrazných amplitud ve frekvenčním spektru s cílem získání původního tónového obrazu. Příklady na využití DCT pro reálný obraz. 6. týden Walsch-Hadamardova transformace, Haarova transofmace, vlnková transformace. Matlab: Příklady na využití DCT pro reálný obraz, příklady na Walsch-Hadamardovu transformaci, příklady na Haarovu transofmaci. 7. týden Zlepšování kvality obrazu (bodové transformace, lineární kombinace dvou obrazů, histogram a jeho ekvalizace, PCA transformace obrazu). Matlab: Příklady na vykreslení histogramu pro reálný obraz, ekvalizaci histogramu. 8. týden Filtrace šumu v obraze (prostorová oblast, frekvenční oblast, konstrukce filtrů).¨ Matlab: Příklady s reálnými obrazy s uměle přidaným šumem a následnou aplikaci filtrů redukce šumu - Gaussův, Medián, frekvenční oblastaj. 9. týden Rekonstrukce obrazu (lineární model jasových degradací, inverzní filtr, Wiener?v rekonstrukční filtr). Matlab: Příklady s reálnými obrazy při využití rekonstrukčnícg filtrů - Wiener, deconvolucy, aj. 10. týden Segmentace objektů v obraze (prahování, optimalizace globálního prahu, pravděpodobnostní přístup, rozšiřování oblastí, štěpení a spojování oblastí Matlab: Ukázka prahování obrazů. 11. týden Detekce hran (Hranové operátory - Sobelův operátor, Cannyho detektor hran, ostření obrazu) Matlab: Aplikace Sobolova, Cannyho detektoru hran na reálné obrazy. 12. týden Měření vlastností objektů v obrazech (identifikace oblastí, měření velikosti objektů, parametry tvaru objektů, paramenty zkreslení objektů, určování polohy a orientace, měření jasových hodnot v obrazech). Matlab: Ukázka vybraných příkazů k měření základních vlastností objektů. 13. týden Rozpoznávání objektů v obrazech, analýza obrazu v průmyslových procesech. Matlab: Ukázka vybraných příkazů k měření základních vlastností objektů.

Studijní aktivity a metody výuky
Monologická (výklad, přednáška, instruktáž), Nácvik dovedností
Výstupy z učení
Cílem předmětu je pochopení principů zpracování obrazového signálu a seznámení s technikami používanými v této oblasti (digitalizace obrazu, transformace obrazu, předzpracování obrazu, rekonstrukce obrazu, segmentace objektů v obrazech) a s principy vyhodnocování informace obsažené v obrazech.
Absolvování předmětu by mělo dát dobré základy pro vytváření vlastních algoritmů zpracování obrazu a jejich využití při posuzování kvality tisku.
Předpoklady
Student by měl mít dobrou znalost matematiky, především znalosti maticových operací, měl by být vybaven základními teoretickými znalostmi zpracování rastrových obrazů.

Hodnoticí metody a kritéria
Ústní zkouška, Posouzení zadané práce, Analýza výkonu studenta

Předmět je ukončen diskuzí nad vybranými okruhy, doplněné o předem připravený písemný projev na tři vybrané otázky. V diskuzi je prověřována míra osvojených znalostí. Tato část zkoušky představuje 70% hodnocení. Druhá část zkoušky je představována vypočtovou úlohou (30%).
Doporučená literatura
  • Forsyth D.A., Ponce J. Computer Vision - a Modern Approach. Prentice Hall, 2002. ISBN 0-13-085198-1.
  • Fribert, Miroslav. Základy zpracování obrazu. Pardubice: Univerzita Pardubice, 2006. ISBN 80-7194-901-9.
  • Hlaváč, Václav. Počítačové vidění. Praha: Grada, 1992. ISBN 80-85424-67-3.
  • Klíma M. a kol. Zpracování obrazové informace. Praha: FEL ČVUT, 1996.
  • Martišek, Dalibor. Matematické principy grafických systémů. Brno: Littera, 2002. ISBN 80-85763-19-2.
  • Petrou, Maria. Image processing : the fundamentals. Chichester: John Wiley & Sons, 1999. ISBN 0-471-99883-4.
  • Pratt, William K. Digital image processing : PIKS Inside. New York: John Wiley & Sons, 2001. ISBN 0-471-37407-5.
  • Prof. RNDr. Marie Kaplanová, CSc. a kolektiv. Moderní polygrafie. 2010. ISBN 978-80-254-4230-2.
  • Sonka, Milan. Image processing, analysis and machine vision. London: Chapman & Hall, 1993. ISBN 0-412-45570-6.
  • Žára, Jiří. Moderní počítačová grafika. Praha: Computer Press, 1998. ISBN 80-7226-049-9.


Studijní plány, ve kterých se předmět nachází
Fakulta Studijní plán (Verze) Kategorie studijního oboru/specializace Doporučený ročník Doporučený semestr