| TSBB08 |
Digital bildbehandling grundkurs, 6 hp
/Digital Image Processing/
För:
BME
D
I
Ii
IT
MED
U
Y
|
| |
Prel. schemalagd
tid: 62
Rek. självstudietid: 98
|
| |
Utbildningsområde: Teknik
Huvudområde: Elektroteknik Nivå (G1,G2,A): A
|
| |
Mål:
IUAE-matris
Kursen avser att ge grundkunskaper i 2D signalbehandling och en systematisk och ingenjörsmässig framställning av de klassiska metoderna inom ämnet digital bildbehandling. Sammanfattningsvis gäller att studenten, efter fullgjord kurs, förväntas kunna:
- Redogöra för generaliseringen från 1D till 2D för dessa begrepp: kontinuerlig och diskret fouriertransform med tillhörande teorem, sampling och rekonstruktion, faltning, omsampling och interpolation, samt begreppet skalrymd.
- Tolka resultatet av en 2D fouriertransform av en bild, såsom att förstå vad en spatiell frekvens innebär samt redogöra för de vanligaste faltningskärnornas utseende i spatial- och fourierdomän.
- Redogöra för de flesta av de klassiska bildbehandlingsoperationerna, se kursinnehåll nedan.
- Lösa enklare bildanalysproblem med hjälp av Matlab-programmering.
|
| |
Förkunskaper: (gäller studerande antagna till program som kursen ges inom, se 'För:' ovan)
Signaler och System (1D): deterministiska signaler, linjära system, faltning, kontinuerlig och diskret fouriertransform, sampling och rekonstruktion, samplingsteoremet, enkla filter (lågpass, högpass, bandpass). Linjär algebra: vektor, matris, determinant, skalärprodukt, baser, minstakvadrat-metoden. En- och flerdimensionell analys. Programmering: Kunna programmera i ett språk av typen C, C++, Java, Ada eller Matlab.
OBS! Tillträdeskrav för icke programstudenter omfattar vanligen också tillträdeskrav för programmet och ev. tröskelkrav för progression inom programmet, eller motsvarande.
|
| |
Påbyggnadskurser
Multidimensionell signalanalys, Datorseende, Bildsensorer, Bild- och ljudkodning, Neuronnät och lärande system, Medicinsk bildanalys, Datorgrafik, Visuell detektion och igenkänning, Projektkurser inom bildområdet.
|
| |
Organisation:
Kursen består av föreläsningar, lektioner och laborationer baserade på Matlab.
|
| |
Kursinnehåll:
- Begrepp och definitioner. Från 1D till 2D Fouriertransform. Kontinuerlig och diskret fouriertransform, DFT, FFT. Sampling och rekonstruktion. Faltning och filtrering, translation, skalning, derivering, rotation, m fl linjära operationer på digitala bilder. Faltningskärnor i spatial- och fourierdomän: lågpass (gauss), högpass (laplace), deriverande(sobel).
- Omsampling och interpolation. Skalrymd.
- Färgmodeller, färgtransformationer, färgsegmentering.
- Segmentering: Regional growing, watersheds, etikettering. Histogramoperationer. Tröskelsättning: automatisk, lokal, med hysteres.
- Operationer på binära bilder: Morfologiska operationer, avståndstransformer, konnektivitetsbevarande operationer, egenskapsextraktion, kedjekodning, polygonapproximation och fourierdeskriptorer.
- Matchad filtrering och mönsterdetektering. Kantdetektering med sobel och canny. Houghtransform. Linjedetektering. Hörndetektion. Strukturtensorn.
- Bildrestaurering: Inversfiltrering, wienerfiltrering.
- Olinjär filtrering: Homomorf filtrering, medianfiltrering, max- och min-filter, mm.
Laborationerna:
- Lab 1: Operationer på gråskalebilder. Linjära filter i spatial- och fourierdomän.
- Lab 2: Omsampling och interpolation.
- Lab 3: Operationer på binära bilder. Histogram och färgtabeller.
- Lab 4: Automatisk tröskelsättning och sifferigenkänning.
- Lab 5: Segmentering av celler i mikroskopi-bilder.
- Lab 6: Automatisk räkning av blodkroppar. Strukturtensorn.
- Lab 7: Bildrestaurering. Kantdetektering med houghtransform och canny. Olinjära filter.
|
| |
Kurslitteratur:
Boken "Digital Image Processing" av Gonzalez och Woods.
Laborationshäfte i digital bildbehandling.
Power-Pointpresentationer från föreläsningarna.
|
| |
Examination: |
TEN1
LAB2
|
En skriftlig tentamen (U,3,4,5)
En laborationskurs (U,G)
|
4 hp
2 hp
|
| |
|
|
|