Moduł oferowany także w ramach programów studiów:
Informacje ogólne:
Nazwa:
Analiza i przetwarzanie obrazów
Tok studiów:
2018/2019
Kod:
JFM-2-106-TO-s
Wydział:
Fizyki i Informatyki Stosowanej
Poziom studiów:
Studia II stopnia
Specjalność:
Techniki obrazowania i biometria
Kierunek:
Fizyka Medyczna
Semestr:
1
Profil kształcenia:
Ogólnoakademicki (A)
Język wykładowy:
Polski
Forma i tryb studiów:
Stacjonarne
Strona www:
 
Osoba odpowiedzialna:
dr inż. Joanna Świebocka-Więk (jsw@agh.edu.pl)
Osoby prowadzące:
dr inż. Jędrychowski Mariusz (Mariusz.Jedrychowski@fis.agh.edu.pl)
dr inż. Joanna Świebocka-Więk (jsw@agh.edu.pl)
Krótka charakterystyka modułu

W ramach kursu studenci poznają metody przetwarzania i analizy obrazów 2D i 3D ze szczególnym uwzględniem aspektów praktycznych, w tym doświadczenia i umiejętności w zastosowaniu poznanych technik.

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_W004 Student zna i rozumie podstawowe pojęcia związane z analizą i przetwarzaniem obrazów. FM2A_W03, FM2A_W01 Projekt,
Sprawozdanie
M_W005 Student zna i rozumie podstawowe algorytmy związane z analizą i przetwarzaniem obrazów. FM2A_W02, FM2A_W01 Projekt,
Sprawozdanie
M_W006 Student zna mechanizm działania algorytmów rozpoznawania kształtów. FM2A_W02, FM2A_W01 Projekt,
Sprawozdanie
Umiejętności
M_U003 Student potrafi posługiwać się wybranym oprogramowaniem w celu analizy obrazów. FM2A_U02, FM2A_U04 Projekt,
Sprawozdanie
M_U004 Student potrafi zaprojektować i zaimplementować własny algorytm przetwarzania i analizy obrazów. FM2A_U02, FM2A_U04 Projekt,
Sprawozdanie
Kompetencje społeczne
M_K003 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. FM2A_K03, FM2A_K02 Projekt
M_K004 Student potrafi sporządzić poprawną dokumentację projektową. FM2A_K02 Sprawozdanie
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_W004 Student zna i rozumie podstawowe pojęcia związane z analizą i przetwarzaniem obrazów. + - + + - - - - - - -
M_W005 Student zna i rozumie podstawowe algorytmy związane z analizą i przetwarzaniem obrazów. + - + + - - - - - - -
M_W006 Student zna mechanizm działania algorytmów rozpoznawania kształtów. + - + - - - - - - - -
Umiejętności
M_U003 Student potrafi posługiwać się wybranym oprogramowaniem w celu analizy obrazów. - - + - - - - - - - -
M_U004 Student potrafi zaprojektować i zaimplementować własny algorytm przetwarzania i analizy obrazów. - - + - - - - - - - -
Kompetencje społeczne
M_K003 Student potrafi opracować materiały dotyczące określonych zagadnień w formie referatu i prezentacji. - - - + - - - - - - -
M_K004 Student potrafi sporządzić poprawną dokumentację projektową. - - + - - - - - - - -
Treść modułu zajęć (program wykładów i pozostałych zajęć)
Wykład:

Zagadnienia poruszane na wykładzie :

  • Ogólny wstęp do tematyki analizy obrazu: obecny stan wiedzy i podstawowe zastosowania. Budowa oka i postrzeganie obrazu przez człowieka (prawo Webera-Fechnera). Problem subiektywnej interpretacji w obrazu – przykłady: iluzje optyczne (w tym sześcian Nekera), konturowanie nowotworów. Budowa i zasada działania matryc LCD i CCD. Problem rozdzielczości i głębi kolorów.
  • Dostępne oprogramowanie. Instalacja i prezentacja programu ImageJ oraz dystrybucji Fiji
  • Formaty plików: znaczenie standardu Tiff i DICOM w medycynie. Grafika wektorowa i rastrowa. Kompresja stratna i bezstratna.
  • Przestrzenie barwne: RGB, HSV, CMYK, Lab
  • Reprezentacje bitowe w ImageJ: 8 bit, 16 bit, 32 bit (real), obrazy kolorowe. Problem przepełnienia reprezentacji 8 bit. Rozmiar obrazu w pamięci komputera: relacja pomiędzy obciążeniem pamięci RAM a rozdzielczością i reprezentacją bitową obrazów 2D (3D – duże zbiory danych tomograficznych).
  • Histogram obrazu, opis kształtu, analiza pików (peakiness test), histogram 3D. Porównywanie histogramów. Macierz sąsiedztwa.
  • Progowanie histogramu: z jednym progiem, z dwoma progami, wielokryterialne, ręczne, automatyczne, globalne, lokalne, oparte o kształt histogramu, oparte o metody statystyczne
  • Metody globalne progowania obrazów: progowanie z histerezą, metoda średniej (mean), algorytm Intermodes, algorytm Isodata, metoda Otsu, metoda Huanga, metoda trójkąta (geometryczne wyznaczenie progu), metoda maksymalnej entropii, metoda balansowania histogramu.
  • Metody lokalne progowania obrazów – metody: Bernsen, White, Niblack, Sauvola, Phansalskar
  • Progowanie obrazów kolorowych w programie ImageJ, progowanie w przestrzeni RGB i HSV, progowanie w wybranym kanale przestrzeni. Przykład detekcji skóry w przestrzeni HSV i w oparciu o metodę wstecznej projekcji.
  • Zarządzanie kanałami w ImageJ. Tworzenie kolorowych map pierwiastków na podstawie danych pochodzących z pomiarów techniką fluorescencji rentgenowskiej.
  • Zarządzenie zaznaczeniami (selekcją) w programie ImageJ – ROI manager. Przenoszenie zaznaczeń pomiędzy obrazami, zapis selekcji do pliku. Modyfikowanie parametrów zaznaczenia. Tryb nakładki (overlay) w plikach tiff.
  • Metody wstępnego przetwarzania obrazów – krzywa poprawy jasności i kontrastu
  • Rozciąganie i wyrównywanie histogramu. Contrast Limited Adaptive Histogram Equalization – CLAHE jako metoda poprawy zdjęć rentgenowskich.
  • Filtry liniowe. Definicja korelacji i konwolucji (splotu). Rozmiar filtru. Warunki brzegowe: Filtry: uśredniający, gaussowski, różnica dwóch Gaussów – DoG, laplasjan funkcji Gaussa – LoG, maska wyostrzająca – Unsharp Mask.
  • Wykrywanie krawędzi i narożników: filtr Prewitty, Sobela, Canny’ego, Harrisa
  • Filtry nieliniowe: przekształcenia matematyczne: logarytm, eksponenta, gamma; filtry: medianowy, ważnonej mediany, większościowy (majority/maksimum), mniejszościowy (minority/minimum), Kuwahary (rotating matrix)
  • Metody usuwania tła
  • Filtracja w dziedzinie częstotliwości – transformata Fouriera. Ręczna filtracja obrazu amplitudy TF. Filtr pasmowy. Filtr Buttherwortha i jego zastosowanie w obrazowaniu medycznym. Obrazy hybrydowe.
  • Transformata Hougha – wyznaczanie linii, okręgów w obrazie
  • Operacje morfologiczne dla obrazów zbinaryzowanych: erozja, dylatacja, otwarcie, domknięcie, kontur, szkieletyzacja, wypełnienie dziur, mapa Voronoi, filtr wododziałowy (watershed)
  • Filtry morfologiczne w skali szarości
  • Filtr Flat Field w obrazowaniu X-ray
  • Metody segmentacji obrazów: rozrost obszarów,
  • Analiza cząstek: algorytm połączonych komponentów/powodziowy. Narzędzie Particle Analyzer w ImageJ. Analiza liczby i powierzchni obiektów.
  • Analiza obrazów. Kalibracja skali obrazu oraz jasności pikseli. Profil jasności wzdłuż zadanego kierunku.
  • Deskryptory kształtu – wtyczka Biovoxxel i narzędzie Extended Particle Analyzer
  • Metody ekstrakcji cech – piramidy Gaussowskie – algorytm SIFT (Scale Invariant Feature Transform) i jego zastosowanie w laparoskopii. Tworzenie panoram w oparciu o ekstrakcję cech.
  • Śledzenie obiektów – narzędzie TrackMate
  • Analiza szkieletu – narzędzie Analyse Skeleton
  • Analiza anisotropii struktur (algorytm mean intercept length MIL). Wtyczka BoneJ: grubość (thickness), porowatość, wymiar fraktalny
  • Klasyfikacja obrazów – podstawowe algorytmy.
  • Analiza i przetwarzanie danych 3D: opereacje wykonywane na stosach, wizualizacja danych

Ćwiczenia laboratoryjne:
  1. Ogólny opis zajęć

    Laboratorium realizuje tematykę wykładów poprzez zapoznanie z dostępnym oprogramowaniem (dystrybucja ImageJ) oraz demonstrację jego zastosowania do analizy obrazu z uwzględnieniem problemów, jakie spotyka się podczas analizy.

  2. Zastosowanie podstawowych operacji na obrazach

    Studenci poznają w praktyce algorytmy przetwarzania obrazu:

    • zarządzanie zaznaczeniami (ROI manager w ImageJ), narzędzie straighten
    • konwersja do odcieni szarości i zarządzanie kanałami w przestrzeni RGB
    • tworzenie makr w ImageJ
    • normalizacja i wyrównywanie histogramu; zmiana jasności
    • tablice LUT do prezentacji obrazu w skali szarości za pomocą kolorów z zadanego zakresu
    • lokalna poprawa kontrastu – algorytm CLAHE
    • funkcje matematyczne, w tym operacje wykonywane na dwóch obrazach (Image Calculator)
    • skalowanie, obrót, przycinanie do zadanego narożnika obrazu
    • progowanie (binaryzacja) globalne i lokalne
    • filtry splotowe
    • filtry nieliniowe
    • operacje morfologiczne dla obrazów binarnych i w skali szarości
    • detekcja krawędzi i narożników
    • usuwanie tła
    • segmentacja w skali szarości
    • analiza i śledzenie cząstek, profil jasności, kalibracja skali, kalibracja jasności
    • generowanie map reprezentujących deskryptory kształtu
    • wtyczki: BoneJ oraz Biovoxxel
    • analiza cząstek w 3D i wizualizacja wyników
    • filtr pasmowy i transformata Fouriera
    • detekcja linii i okręgów za pomocą transformaty Hougha
    • ekstrakcja cech za pomocą algorytmu SIFT, tworzenie panoram
    • usuwanie szumu i tworzenie złożonych algorytmów segmentacji obiektów w oparciu o szeroki zestaw przykładowych obrazów uzyskanych z obrazowania medycznego

Ćwiczenia projektowe:

Zagadnienia prezentowane na wykładzie oraz umiejętności praktyczne zdobyte na laboratorium są rozszerzane przez studentów w formie projektów. Każda grupa studentów (1-3) opracowuje temat, który prezentuje na zajęciach projektowych.
Przykładowe tematy:

  • Analiza użyłkowania liści
  • Algorytm do klasyfikacji skanów dłoni
  • Analiza kompozytów gumowych o różnej zawartości gumy na podstawie danych tomograficznych
  • Iluzje optyczne
  • Śledzenie i analiza ruchu piłki koszykowej
  • Śledzenie i analiza ruchu kul bilardowych
  • Algorytm do segmentacji, analizy i klasyfikacji podpisu ręcznego
  • Technika DTI (na podstawie danych MRI)
  • Detekcja twarzy
  • Wtyczka Trainable WEKA Segmentation
  • Segmentacja serca na podstawie danych TK
  • Analiza porównawcza zdjęć mikroskopowych krwi pochodzącej od pacjentów zdrowych oraz chorych na leukemię
  • Analiza kodów kreskowych typu Code 39
  • Rozpoznawanie znaków drogowych w oparciu o algorytm SIFT
  • Analiza struktur kostnych w oparciu o dane tomograficzne
  • Odnajdywanie wyjścia z labiryntu
  • Zliczanie i analiza komórek za pomocą programu ImageJ
  • Analiza i zastosowanie wtyczek Tubeness oraz Skeleton do badania zwapnień w płatku półksiężycowatym zastawki aortalnej
  • Przygotowanie obrazu linii papilarnych do analizy minucji

Nakład pracy studenta (bilans punktów ECTS)
Forma aktywności studenta Obciążenie studenta
Sumaryczne obciążenie pracą studenta 113 godz
Punkty ECTS za moduł 4 ECTS
Udział w wykładach 18 godz
Samodzielne studiowanie tematyki zajęć 15 godz
Udział w ćwiczeniach laboratoryjnych 30 godz
Przygotowanie do zajęć 30 godz
Dodatkowe godziny kontaktowe z nauczycielem 10 godz
Wykonanie projektu 10 godz
Pozostałe informacje
Sposób obliczania oceny końcowej:

Ocena końcowa (OK) będzie wystawiana na podstawie testu praktycznego z pracy wykonanej na zajęciach laboratoryjnych (L), wykonanego projektu (P) oraz kolokwium z zagadnień omawianych na wykładzie (K) według następującego wzoru:

OK = 0.4*L + 0.3*P + 0.3*K.

Wymagania wstępne i dodatkowe:

Zalecana literatura i pomoce naukowe:
  • Gonzalez R. C., Woods R. E.: Digital Image Processing. Prentice Hall, 2008.
  • Choraś R. S.: Komputerowa wizja: Metody interpretacji i identyfikacji obiektów. Problemy współczesnej nauki, teoria i zastosowania, informatyka, Akademicka Oficyna Wydawnicza EXIT, 2005.
  • Tadeusiewicz R.: Komputerowa analiza i przetwarzanie obrazów. Społeczeństwo globalnej informacji, Wydawnictwo fundacji postępu Telekomunikacji, Kraków, 1997.
  • Malina W., Ablemeyko S., Pawlak W.: Podstawy Cyfrowego Przetwarzania Obrazów. Akademicka Oficyna Wydawnicza EXIT, Warsaw, 2002.
  • Kasprzyk W.: Rozpoznawanie obrazów i sygnałów mowy. Oficyna Wydawnicza Politechniki Warszawskiej, Warszawa 2009.
  • Saeed K., Image Analysis for Object Recognition. Bialystok University of Technology, Bialystok, 2004.
Publikacje naukowe osób prowadzących zajęcia związane z tematyką modułu:

1. Analiza i przetwarzanie obrazów tomograficznych w zastosowaniu do interpretacji skał geologicznych — Mariusz JĘDRYCHOWSKI

2. Wykorzystanie pomiarów mikrotomograficznych do badania skał łupkowych — Microtomography measurements for shale rocks investigations] / Paulina KRAKOWSKA, Jacek TARASIUK, Sebastian WROŃSKI, Mariusz JĘDRYCHOWSKI

Pozycje 1 i 2 znajdują się w: Adaptacja do warunków polskich metodologii wyznaczania \emph {sweet spotów} na podstawie korelacji pomiarów geofizycznych z rdzeniami wiertniczymi : zadanie 10. w projekcie MWSSSG: metodologia wyznaczania \emph {sweet spotów} na podstawie własności geochemicznych, petrofizycznych, geomechanicznych w oparciu o korelację wyników badań laboratoryjnych z pomiarami geofizycznymi i model generacyjny 3D / red. nauk. Jadwiga Jarzyna, Kamila Wawrzyniak-Guz. — Kraków : Drukarnia GOLDDRUK Wojciech Golachowski, 2017

3. Shale gas formations in Poland – new evaluation methods for processing and quantitative interpretation using computed X-ray tomography / KRAKOWSKA P., PUSKARCZYK E., JĘDRYCHOWSKI M., Madejski P., HABRAT M. // W: International Symposium of the Society of Core Analysts [Dokument elektroniczny] : Vienna, Austria : 27 August – 1 September 2017

4. Segmentation method of pore space based on Fourier transform processing of micro-CT 3D data / M. JĘDRYCHOWSKI, P. I. KRAKOWSKA, E. PUSKARCZYK, P. Madejski, M. HABRAT // W: Paris 2017 [Dokument elektroniczny] : 79th EAGE conference & exhibition 2017 : 12–15 June 2017, Paris, France

5. Relation between 3D spatial distributions of pyrite and pore space in Polish shale gas deposits / P. KRAKOWSKA, M. JĘDRYCHOWSKI, E. PUSKARCZYK, P. Madejski, M. HABRAT // W: ICTMS 2017 [Dokument elektroniczny] : 3rd International Conference on Tomography of Materials and Structures : Lund, Sweden, 26th–30th June 2017

6. Quantitative comparison of pore space volume distributions in Polish tight sandstones reservoirs / M. JĘDRYCHOWSKI, P. KRAKOWSKA, E. PUSKARCZYK, M. HABRAT, P. Madejski // W: ICTMS 2017 [Dokument elektroniczny] : 3rd International Conference on Tomography of Materials and Structures : Lund, Sweden, 26th–30th June 2017

7. A new method of pore space segmentation in highly noised micro-CT 3D data applied to Polish shale gas deposits / M. JĘDRYCHOWSKI, P. KRAKOWSKA, E. PUSKARCZYK, M. HABRAT, P. Madejski // W: ICTMS 2017 [Dokument elektroniczny] : 3rd International Conference on Tomography of Materials and Structures : Lund, Sweden, 26th–30th June 2017

8. Opinia dotycząca obrazu Teodora Axentowicza “Dama w pawich piórach” dla Sądu Rejonowego dla Warszawy-Śródmieścia w Warszawie, Laboratorium Analiz i Nieniszczących Badań Obiektów Zabytkowych, Kraków 2017

Informacje dodatkowe:

Sposób i tryb wyrównania zaległości powstałych wskutek nieobecności studenta
na zajęciach laboratoryjnych:
- usprawiedliwiona nieobecność wymaga od studenta samodzielnego (z możliwością wykorzystania godzin konsultacji) opanowania przerabianego na tych zajęciach materiału,
- nieusprawiedliwiona nieobecność na więcej niż jednych zajęciach oznacza brak
możliwości zaliczenia ćwiczeń laboratoryjnych.