Digitální zpracování obrazu v praxi - NPGR032

• Anglický název: Digital Image Processing in Practice
• Zajišťuje: Katedra softwaru a výuky informatiky (32-KSVI)
• Fakulta: Matematicko-fyzikální fakulta
• Platnost: od 2024
• Semestr: zimní
• E-Kredity: 3
• Rozsah, examinace: zimní s.:0/2, Z [HT]
• Počet míst: neomezen
• Minimální obsazenost: neomezen
• 4EU+: ne
• Virtuální mobilita / počet míst pro virtuální mobilitu: ne
• Stav předmětu: vyučován
• Jazyk výuky: čeština
• Způsob výuky: prezenční
• Další informace: https://zoi.utia.cas.cz/index.php/teaching/lecture-courses/npgr032
• Garant: doc. RNDr. Barbara Zitová, Ph.D.
• Vyučující: Ing. Adam Novozámský, Ph.D.
• Třída: Informatika Bc.; Informatika Mgr. - volitelný
• Kategorizace předmětu: Informatika > Počítačová grafika a geometrie

Anotace

čeština

Seminář, který nabízí prohloubení teorie digitálního zpracování obrazu a rozpoznávání kurzu NPGR002 a její doplnění o experimenty a praktické aplikace v prostředí programovacího jazyku MATLAB. Pozornost je věnována digitalizaci obrazu, předzpracování (potlačení šumu, zvýšení kontrastu, odstranění rozmazání), detekci hran, geometrickým transformacím, příznakovému popisu objektů a metodám automatického rozpoznávání (klasifikace).

Poslední úprava: G_I (14.05.2013)

angličtina

The seminar aims at digital image processing and pattern recognition. It complements NPGR002. Moreover, experiments and practical applications will be demonstrated here, in the programming language MATLAB. The covered topics are: image acquisition and preprocessing (noise reduction, contrast enhancement, deblurring), edge detection, geometric transformations, features for object description and methods of automatic recognition (classification).

Poslední úprava: G_I (15.05.2013)

Podmínky zakončení předmětu

čeština

Odevzdání správně vypracovaných domácích úloh, které řeší praktické problémy ve zpracování obrazu.

Poslední úprava: Novozámský Adam, Ing., Ph.D. (24.06.2025)

Literatura

čeština

Gonzales R. C., Woods R. E., Digital Image Processing (3rd ed.), Addison-Wesley, 2008

Pratt W. K.: Digital Image Processing (3rd ed.), John Wiley, New York, 2001

Poslední úprava: G_I (14.05.2013)

Sylabus

čeština

Seznámení se základy Pythonu

Fourierova transformace ( práce s amplitudou, fází, reálnou i imaginární částí, filtrace ve frekvenční oblasti)

Šum a jeho odstranění (zašumění snímku solí a pepřem, bílým šumem, parametry šumu, odstranění - konvoluční filtry, frekvenční oblast, průměrování)

Detektory hran a ekvalizace histogramu (Roberts, Sobel, Maar-Hilbert, zvýraznění hran, ekvalizace pomocí kumulativního histogramu)

Morfologie (eroze, dilatace, opening, closing, počítání objektů, skeletonizace binárních dat)

Registrace obrazu (korelace, fázová korelace, registrace afinně transformovaného obrazu)

Dekonvoluce (konvoluční teorém, inverzní filtr, Wienerův filtr, odhad parametrů)

Rozpoznávání (Fourierovy deskriptory, příznakový prostor, distanční matice, klasifikace, momentové invarianty)

Hough transformace (parametrizace a vyhledávání objektů pomocí Houghova prostoru)

Segmentace ( segmentace obrazu s důrazem na prahování, klasifikace objektů)

Bližsí podrobnosti (studijní materiály, rozvrh, zkoušky, navazující diplomové práce, apod.) najdete na

Doporučené navazující předměty v letním semestru: NPGR013 (J. Flusser, B. Zitová), NPGR022 (J. Flusser, B. Zitová), a NAIL072 (J. Štanclová).

Poslední úprava: Novozámský Adam, Ing., Ph.D. (24.06.2025)

angličtina

Python basics

Fourier transform ( basics: amplitude, phase, real and imaginary part; filtering in frequency domain)

Noise removal (noise and its variations, noise parameters, noise removal - convolution filters, frequency based filters, averaging)

Edge detection and histogram equalization (Roberts, Sobel, Maar-Hilbert, edge enhancement, histogram equalization)

Morphology (erosion, dilatation, opening, closing, object counting, skeletonization)

Image registration (correlation, a registration of an affinely transformed image )

Deconvolution (convolution theorem, inverze filtering, Wiener filter, parameter estimation)

Classification (Fourier descriptors, feature space, distance matrix, classification, moment invariants)

Hough transform

Segmentation ( image segmentation, object classification)

Detailed info can be found here https://zoi.utia.cas.cz/index.php/teaching/lecture-courses/npgr032.

Recomended lectures: NPGR013 (J. Flusser, B. Zitová), NPGR022 (J. Flusser, B. Zitová), a NAIL072 (J. Štanclová).

Poslední úprava: Novozámský Adam, Ing., Ph.D. (24.06.2025)