Module also offered within study programmes:
General information:
Name:
Digital image processing and analysis
Course of study:
2015/2016
Code:
BIT-1-601-s
Faculty of:
Geology, Geophysics and Environmental Protection
Study level:
First-cycle studies
Specialty:
-
Field of study:
Applied Computer Science
Semester:
6
Profile of education:
Academic (A)
Lecture language:
Polish
Form and type of study:
Full-time studies
Course homepage:
 
Responsible teacher:
dr hab. inż, prof. AGH Młynarczuk Mariusz (mlynar@agh.edu.pl)
Academic teachers:
dr hab. inż, prof. AGH Młynarczuk Mariusz (mlynar@agh.edu.pl)
Module summary

Description of learning outcomes for module
MLO code Student after module completion has the knowledge/ knows how to/is able to Connections with FLO Method of learning outcomes verification (form of completion)
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych IT1A_K01 Examination,
Test,
Execution of a project
Skills
M_U001 Student umie zastosować w praktyce metody przekształcenia i analizy obrazów w celu wydobycia z nich istotnych informacji. IT1A_U01, IT1A_U12, IT1A_U16, IT1A_U05 Test,
Execution of a project
M_U002 Student ma umiejętność poprawnej segmentacji obiektów na obrazach, oraz umiejętność doboru właściwych parametrów geometryczne służących do opisu analizowanej struktury IT1A_U01, IT1A_U12, IT1A_U16, IT1A_U05 Test,
Execution of a project
M_U003 Student ma umiejętność analizy obrazów kolorowych oraz sekwencji wideo IT1A_U12, IT1A_U16, IT1A_U05 Test,
Execution of a project
Knowledge
M_W001 Studentów ma wiedzę dotyczącą struktury obrazów cyfrowych oraz o podstawowych metodach ich przekształcenia IT1A_W25 Examination,
Test,
Execution of a project
M_W002 Student ma wiedzę o metodach analizy obrazu oraz metodach opisu analizowanej struktury. IT1A_W17, IT1A_W25 Examination,
Test,
Execution of a project
FLO matrix in relation to forms of classes
MLO code Student after module completion has the knowledge/ knows how to/is able to Form of classes
Lecture
Audit. classes
Lab. classes
Project classes
Conv. seminar
Seminar classes
Pract. classes
Zaj. terenowe
Zaj. warsztatowe
Others
E-learning
Social competence
M_K001 rozumie potrzebę i zna możliwości ciągłego dokształcania się i podnoszenia kwalifikacji zawodowych i osobistych + - - - - - + - - - -
Skills
M_U001 Student umie zastosować w praktyce metody przekształcenia i analizy obrazów w celu wydobycia z nich istotnych informacji. - - - - - - + - - - -
M_U002 Student ma umiejętność poprawnej segmentacji obiektów na obrazach, oraz umiejętność doboru właściwych parametrów geometryczne służących do opisu analizowanej struktury - - - - - - + - - - -
M_U003 Student ma umiejętność analizy obrazów kolorowych oraz sekwencji wideo - - - - - - + - - - -
Knowledge
M_W001 Studentów ma wiedzę dotyczącą struktury obrazów cyfrowych oraz o podstawowych metodach ich przekształcenia + - - - - - + - - - -
M_W002 Student ma wiedzę o metodach analizy obrazu oraz metodach opisu analizowanej struktury. + - - - - - + - - - -
Module content
Lectures:

1. Wprowadzenie do tematyki przetwarzania i analizy obrazów, Podstawowe parametry obrazów cyfrowych.
2. Akwizycja obrazu. Budowa oka, metody pozyskiwania obrazów cyfrowych, histogram i jego zastosowania. Przekształcenia geometryczne i punktowe.
3. Przestrzenna filtracja liniowa i nieliniowa. Binaryzacja.
4. Morfologia matematyczna I. Erozja, dylatacja, gradienty morfologiczne, operacje geodezyjne, filtry morfologiczne. Top-Hat.
5. Morfologia matematyczna II. Hit-or-miss, ścienianie, pogrubianie, szkielet, SKIZ, watershed.
6. Przetwarzanie obrazów w dziedzinie częstotliwości. Zastosowanie transformacji Fouriera, filtracja w dziedzinie częstotliwości.
7. Segmentacja. Metody automatycznej binaryzacji. Pomiary wielkości geometrycznych obiektów.
8. Metody rozpoznawania obrazów.
9. Analiza obrazów kolorowych – przestrzenie kolorów.
10. Metody kompresji bezstratnej i stratnej ze szczególnym uwzględnieniem kompresji obrazów (JPEG) oraz kompresji sekwencji wideo (MPEG-2, MPEG-4).
11. Analiza sekwencji wideo.
12. Przykłady zastosowań metod analizy i przetwarzania obrazów w geologii.

Practical classes:

1. Wprowadzenie do programu Mathworks MatLAB i jego pakietów (Image Processing Toolbox, Signal Processing Toolbox, Video Processing Toolbox). Wprowadzenie do przetwarzania obrazów w języku C/C++.
2. Przekształcenia punktowe i geometryczne: normalizacja, wyrównywanie histogramu, obroty, interpolacja przestrzenna i przekształcenia afiniczne
3. Filtracja przestrzenna obrazów.
4. Dyskretne transformacje obrazu: Fouriera, Cosinusowa, Radona i Hougha. Kompresja obrazu, filtracja, wykrywanie linii prostych na obrazie.
5. Operacje morfologiczne i operacje na obrazach logicznych: Dylatacja i erozja, otwarcie i zamknięcie, gradient morfologiczny, Hit-or-miss, szkieletyzacja, rekonstrukcja morfologiczna,
6. Podstawy analizy obrazów: segmentacja, etykietowanie, podstawowe współczynniki kształtu oraz parametry obiektu.
7. Analiza i przetwarzanie obrazów sekwencyjnych.
8. Ćwiczenia projektowe.

Student workload (ECTS credits balance)
Student activity form Student workload
Summary student workload 120 h
Module ECTS credits 4 ECTS
Participation in lectures 30 h
Participation in practical classes 45 h
Realization of independently performed tasks 30 h
Preparation for classes 15 h
Additional information
Method of calculating the final grade:

Ocena z ćwiczeń to średnia ważona z kolokwium teoretycznego, praktycznego, projektów i obecności na zajęciach. Warunkiem wystawienia oceny pozytywnej (>= 3.0) jest uzyskanie z każdego kolokwium minimum 50% punktów przewidzianych na dane kolokwium i uzyskanie zaliczenia dla każdego z projektów.

Ocena końcowa jest średnią z ocen ze wszystkich terminów zaliczeń ćwiczeń i egzaminów, do których student/studentka przystąpił/przystąpiła. Warunkiem koniecznym i wystarczającym do uzyskania pozytywnej oceny końcowej jest uzyskanie minimum 3.0 z zaliczenia ćwiczeń i z egzaminu.

Prerequisites and additional requirements:

Zaliczenie zajęć z matematyki na wcześniejszych semestrach.
Znajomość metod programowania.

Recommended literature and teaching resources:

Tadeusiewicz, R., Kohoroda, P. (1997) Komputerowa Analiza i Przetwarzanie Obrazu, Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków
Wojnar, L., Majorek, M. (1995) Komputerowa Analiza Obrazu, Fotobit,
Malina, W., Ablameyko, S., Pawlak, W. (2002) Podstawy Cyfrowego Przetwarzania Obrazów, Akademicka Oficyna Wydawnicza Exit, Warszawa
Wojnar, L., Kurzydłowski, K., Szala, J. (2002) Praktyka Analizy Obrazu, Polskie Towarzystwo Stereologiczne, Kraków
Wróbel, Z., Koprowski, R. (2004) Praktyka Przetwarzania Obrazów w Programie MATLAB, Akademicka Oficyna Wydawnicza Exit, Warszawa
Mrozek, B., Mrozek, Z. (2004) MATLAB i Simulink, Helion, Gliwice
Osowski, S., Cichocki, A., Siwek, K. (2006) MATLAB w Zastosowaniu do Obliczeń Obwodowych i Przetwarzania Sygnałów. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa

Scientific publications of module course instructors related to the topic of the module:

Additional scientific publications not specified

Additional information:

Podstawowym terminem uzyskania zaliczenia jest koniec zajęć w danym semestrze. Student może przystąpić do poprawkowego zaliczenia dwukrotnie, w terminie wyznaczonym przez prowadzącego zajęcia.
Student który bez usprawiedliwienia opuścił więcej niż 20% zajęć może zostać pozbawiony przez prowadzącego możliwości poprawkowego zaliczania.

Nieobecność na kolokwium/egzaminie nie uprawnia do uzyskania dodatkowego terminu poprawkowego niż te, dostępne dla wszystkich studentów.

udział „praktycznych” punktów ECTS: 3
udział „teoretycznych” punktów ECTS: 1