Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Image processing in Python
Tok studiów:
2015/2016
Kod:
DGK-1-744-s
Wydział:
Geodezji Górniczej i Inżynierii Środowiska
Poziom studiów:
Studia I stopnia
Specjalność:
-
Kierunek:
Geodezja i Kartografia
Semestr:
7
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
prof. dr hab. inż. Hejmanowska Beata (galia@agh.edu.pl)
Osoby prowadzące:
prof. dr hab. inż. Hejmanowska Beata (galia@agh.edu.pl)
Krótka charakterystyka modułu

Students learn backgrounds of image processing in PYTHON.

Opis efektów kształcenia dla modułu zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Powiązania z EKK Sposób weryfikacji efektów kształcenia (forma zaliczeń)
Wiedza
M_W001 Zna biblioteki Pythona wykorzystywane do przetwarzania obrazów GK1A_W11, GK1A_W09, GK1A_W12, GK1A_W13 Wykonanie projektu
Umiejętności
M_U001 Potrafi pisać i uruchamiać skrypty w Pythonie GK1A_U10, GK1A_U15, GK1A_U01 Aktywność na zajęciach
M_U002 Potrafi wykonywać podstawowe analizy obrazu z wykorzystaniem języka Python GK1A_U20, GK1A_U04, GK1A_U14, GK1A_U07, GK1A_U15 Wykonanie projektu
Kompetencje społeczne
M_K001 Ma świadomość znaczenia umiejętności programowania w przyszłej działalności zawodowej GK1A_K04, GK1A_K01, GK1A_K05 Udział w dyskusji
Matryca efektów kształcenia w odniesieniu do form zajęć
Kod EKM Student, który zaliczył moduł zajęć wie/umie/potrafi Forma zajęć
Wykład
Ćwicz. aud
Ćwicz. lab
Ćw. proj.
Konw.
Zaj. sem.
Zaj. prakt
Zaj. terenowe
Zaj. warsztatowe
Inne
E-learning
Wiedza
M_W001 Zna biblioteki Pythona wykorzystywane do przetwarzania obrazów + - - + - - - - - - -
Umiejętności
M_U001 Potrafi pisać i uruchamiać skrypty w Pythonie - - - + - - - - - - -
M_U002 Potrafi wykonywać podstawowe analizy obrazu z wykorzystaniem języka Python - - - + - - - - - - -
Kompetencje społeczne
M_K001 Ma świadomość znaczenia umiejętności programowania w przyszłej działalności zawodowej - - - + - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:
  1. Introduction to Pythona

    Background: instalation, scripts runing. IPython – instructions for use, run the code. Import modules. Access to the files: csv modules, numpy, pandas, pysal. Access to the graphic files. Calculation of basic statistics. Visualization module: matplotlib.

  2. Pozyskiwanie obrazów

    Acquiring images for geodesy (satellite images including images of the new generation (Landsat 8 and Sentinel 2 available free of charge in 2016). The problem of the so-called: Big data.

  3. Klasyfikacje obrazów

    Segmentation. Segmantacja manual and automatic. Threshold (algorithm Isodata), cluster analysis, edge detection, the method based area.

  4. Filtracje obrazów

    Filtering averaging, Sharpening. Morphological filters. Image processing in the frequency domain. Examples of use of filtering images.

  5. Studia przypadków

    Image processing to extract information for mapping. The use of imaging in medicine (X-ray images, thermal detection of posture), in biometric systems (eg. detection and face recognition), in automation and robotics (eg. to supervise industrial processes, navigation of mobile robots), etc.

Ćwiczenia projektowe:
  1. Introduction to Pythona

    Starting. Access to libraries. Import data. IPython – instructions for use, run the code. Import module, a temporary path searches. Read any file – standard method, read the file “csv” – csv modules, numpy and pandas, read data from a file .xls (Excel) – module pandas, read data from a file dbf – pysal module, access to the graphic file.

  2. Acquisition of Sentinel data.

    Getting to know a new series of satellite images provided free of charge by the European Space Agency (ESA). Acquiring images from the Sentinel group for the implementation of the project. Semi-Automatic Classification Plugin QGIS – possibilities, limitations.

  3. Initial image processing in Pythonie

    Visualization, histogram analysis, stretching the image contrast Sentinel. Module – matplotlib.

  4. Image processing in Pythonie

    Image classifications, segmentation.

  5. Image filtration

    Averaging, edge, morphology filetrs.

  6. Project preparation

    Topic, image, method selection. Discussion about the project.

  7. Project realisation

    IIndividual work os the project

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 104 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 15 godz
Udział w ćwiczeniach projektowych 30 godz
Samodzielne studiowanie tematyki zajęć 30 godz
Wykonanie projektu 25 godz
Dodatkowe godziny kontaktowe z nauczycielem 4 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Na zakończenie zajęć student otrzymuje ocenę z projektu oraz oceną końcową.
Ocena końcowa jest wystawia na podstawie indywidualnego zaliczenia projektu, w ramach którego sprawdzane są umiejętności zdobyte w ramach przedmiotu.

Wymagania wstępne i dodatkowe:

brak

Zalecana literatura i pomoce naukowe:

Python – Official Site – https://www.python.org
Zanurkuj w Pythonie (POL) : https://pl.wikibooks.org/wiki/Zanurkuj_w_Pythonie
Moduł csv: https://docs.python.org/2/library/csv.html
Moduł numpy: http://www.numpy.org/
Moduł matplotlib: http://matplotlib.org/
Landsat 8 – http://landsat.usgs.gov/landsat8.php
Landsat 8 – http://earthexplorer.usgs.gov/
ESA Sentinel-2 – European Space Agency -http://www.esa.int/Our_Activities/Observing_the_Earth/Copernicus/Sentinel-2

Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

Nie podano dodatkowych publikacji

Informacje dodatkowe:

Activities in the exercise of design consists of two parts. In the first part, students become familiar with the basic functionality of Python, routed for processing images. In the second part they perform an individual project on a topic of their choice and on the basis of your own images.