|
|
Hlavní nabídka Prohlížení IS/STAG
Nalezené předměty, počet: 1
Stránkování výsledků vyhledávání
Nalezeno 1 záznamů
Export do Xls
Informace o předmětu
KE / NNZOE
:
Popis předmětu
Pracoviště / Zkratka
|
KE
/
NNZOE
|
Akademický rok
|
2023/2024
|
Akademický rok
|
2023/2024
|
Název
|
Zpracování obrazu
|
Způsob zakončení
|
Zkouška
|
Způsob zakončení
|
Zkouška
|
Akreditováno / Kredity
|
Ano,
4
Kred.
|
Forma zakončení
|
Kombinovaná
|
Forma zakončení
|
Kombinovaná
|
Rozsah hodin
|
Přednáška
2
[HOD/TYD]
Cvičení
2
[HOD/TYD]
|
Zápočet před zkouškou
|
Ano
|
Zápočet před zkouškou
|
Ano
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Počítán do průměru
|
ANO
|
Vyučovací jazyk
|
Čeština
|
Obs/max
|
|
|
|
Automatické uznávání zápočtu před zkouškou
|
Ne
|
Letní semestr
|
0 / -
|
2 / -
|
0 / 0
|
Počítán do průměru
|
ANO
|
Zimní semestr
|
0 / -
|
0 / -
|
0 / -
|
Opakovaný zápis
|
NE
|
Opakovaný zápis
|
NE
|
Rozvrh
|
Ano
|
Vyučovaný semestr
|
Letní semestr
|
Vyučovaný semestr
|
Letní semestr
|
Minimum (B + C) studentů
|
nestanoveno
|
Volně zapisovatelný předmět |
Ano
|
Volně zapisovatelný předmět
|
Ano
|
Vyučovací jazyk
|
Čeština
|
Počet dnů praxe
|
0
|
Počet hodin kontaktní výuky |
0
|
Hodnotící stupnice |
A|B|C|D|E|F |
Periodicita |
každý rok
|
Hodnotící stupnice pro zp. před zk. |
S|N |
Periodicita upřesnění |
|
Základní teoretický předmět |
Ne
|
Profilující předmět |
Ne
|
Základní teoretický předmět |
Ne
|
Hodnotící stupnice |
A|B|C|D|E|F |
Hodnotící stupnice pro zp. před zk. |
S|N |
Nahrazovaný předmět
|
KE/INLOE
|
Vyloučené předměty
|
Nejsou definovány
|
Podmiňující předměty
|
Nejsou definovány
|
Předměty informativně doporučené
|
Nejsou definovány
|
Předměty,které předmět podmiňuje
|
Nejsou definovány
|
Graf četnosti udělených hodnocení studentům napříč roky:
Obrázek PNG
,
XLS
|
Cíle předmětu (anotace):
|
Cílem předmětu je pochopení principů zpracování obrazového signálu a seznámení s technikami používanými této oblasti strojového porozumění a vyhodnocení obrazové informace. V kurzu je probrána problematika digitalizace obrazu, transformace obrazové matice, předzpracování a rekonstrukce obrazu a segmentace objektů v obrazech.
|
Požadavky na studenta
|
Předmět se skládá z přednášky a navazujícího cvičení. Na cvičeních se na příkladech prakticky demonstrují metody zpracování obrazové informace s použitím některého z matematických programů (Matlab, Mathematica). Cvičení jsou povinná. Zkouška spočívá ve výpočtu dvou příkladů probíraných ve cvičeních a vypracování odpovědí na dvě otázky z teorie.
|
Obsah
|
1.Úvod do zpracování obrazu: Vzorkování 2D signálu. Rastrový obraz a jeho základní vlastnosti
2.Lineární transformace obrazu: Fundamentální rovnice lineárních transformací
3.Lineární integrální transformace v maticové podobě: 2D Fourierova transformace. Hadamardova transformace. Kosinová transformace. Haarova a vlnková transformace
4.Statistický popis obrazu: Obraz jako náhodný proces. Statistické charakteristiky náhodného procesu
5.Ergodicita náhodného procesu. Karhunen-Loeve transformace
6.Předzpracování obrazu: Transformace jasové stupnice. Histogram a jeho ekvalizace
7.Geometrické transformace a interpolace obrazu
8.Filtrace ve frekvenční oblasti. Filtrace v prostorové oblasti. Nelineární metody předzpracování. Formulace úlohy rekonstrukce obrazu. Jednoduché degradace obrazu. Inverzní filtr. Wienerův rekonstrukční filtr
9.Segmentace obrazu: Prahování. Rozšiřování oblastí
10.Detekce hran. Hranové detektory. Ostření obrazu
11.Klasifikace objektů v obrazech
12.Detekce v barevném prostoru
13.Měření vlastností objektů v obrazech: Měření jasu a barvy. Měření velikosti objektů v obrazech. Určování tvaru a zkreslení objektů. Určování polohy a orientace objektů
|
Aktivity
|
|
Studijní opory
|
V případě mimořádných opatření bude výuka probíhat vzdáleně s využitím programu MS Teams v době dle rozvrhu. Účast na schůzkách skupiny v MS Teams je ekvivalentní účasti na přednáškách a cvičeních.
In the case of distance learning, lessons will be tought trough MS Teams. Lessons will be at the time shown in the timetable. MS Teams is equivalent to participation and or attendens in lectures and excersises.
|
Garanti a vyučující
|
-
Garanti:
Ing. Martin Dobrovolný, Ph.D. ,
-
Přednášející:
Ing. Martin Dobrovolný, Ph.D. (100%),
Ing. Daniel Honc, Ph.D. (100%),
-
Cvičící:
Ing. Martin Dobrovolný, Ph.D. (100%),
Ing. Daniel Honc, Ph.D. (100%),
|
Literatura
|
-
Základní:
KUMAR, N. Suresh, Arun Kumar SANGAIAH, M. ARUN a S. ANAND. Advanced Image Processing Techniques and Applications. IGI Global. Advances in Computational Intelligence and Robotics, 2017. ISBN 9781522520535.
-
Základní:
Fribert, Miroslav. Základy zpracování obrazu. Pardubice: Univerzita Pardubice, 2006. ISBN 80-7194-901-9.
-
Základní:
Klíma, Miloš. Zpracování obrazové informace. Praha: Vydavatelství ČVUT, 1996. ISBN 80-01-01436-3.
-
Základní:
DOBEŠ, Michal. Zpracování obrazu a algoritmy v C#. Praha: BEN ? technická literatura, 2008. ISBN 978-80-7300-233-6.
-
Doporučená:
HLAVÁČ. Zpracování signálů a obrazů. ČVUT, 2006. ISBN 978-80-01-04442-1.
|
Časová náročnost
|
Všechny formy studia
|
Aktivity
|
Časová náročnost aktivity [h]
|
Účast na výuce
|
52
|
Kontaktní výuka
|
8
|
Příprava na zkoušku
|
30
|
Domácí příprava na výuku
|
30
|
Celkem
|
120
|
|
Předpoklady - další informace k podmíněnosti studia předmětu |
Matematika - maticový počet, matematická statistika |
Získané způsobilosti |
Schopnost používání teoretických modelů v praktických aplikacích zpracování obrazu. |
Vyučovací metody |
- Monologická (výklad, přednáška, instruktáž)
- Dialogická (diskuze, rozhovor, brainstorming)
|
Hodnotící metody |
- Ústní zkouška
- Písemná zkouška
|
|
|
|