SNY har ordet

Kursen examineras med laborationer som tar tid men är givande på sättet att de täcker en stor del av kursen. Tentamen skrivs i pappersform där man utför bildbehandlingsalgoritmer.

Kursutvärderingar

Logga in för att läsa kursutväderingar

Innehåll

• 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.

Mål

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.

Examinationsmoment

LAB2 - 2,0 HP
Laborationskurs (U, G)
TEN1 - 4,0 HP
Skriftlig tentamen (U, 3, 4, 5)

Organisation

Kursen består av föreläsningar, lektioner och laborationer baserade på Matlab.

Litteratur

Ordinarie litteratur

Webbsidor

• Power-Pointpresentationer från föreläsningarna.

Kompendier

• Maria Magnusson, Laborationshäften i digital bildbehandling

Övrigt

• 1) Föreläsningsbilder

  2) Lektionsuppgifter

  3) Formelsamling

  Allt material ovan är tillgängligt i pdf-format på kurshemsidan. 

Kompletterande litteratur

Böcker

• Gonzalez, Rafael C., Woods, Richard E., (2017) Digital image processing 4. ed. Upper Saddle River, N.J. : Pearson Prentice Hall, cop. 2008
  ISBN: 9781292223049

Relaterade profiler

Datadriven analys och maskinintelligens DAMI - ISY

Medicinsk bildanalys och visualisering BV - IMT

Signal- och bildbehandling SBB - ISY

Rekommenderade förkunskaper

Signaler och System (1D)/Linjära system/Signaler, information och bilder: deterministiska signaler, linjära system, faltning, kontinuerlig fouriertransform och dess teorem, enkla filter (lågpass, högpass, bandpass), diskret fouriertransform (önskvärt men inte nödvändigt), sampling och rekonstruktion (önskvärt men inte nödvändigt). 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, Python eller Matlab

Flervariabelanalys TATA43 - 8,0 HP - VT2 block 2

Linjär algebra TATA24 - 8,0 HP - HT1 block 1, HT2 block 4 | HT1 block 4, HT2 block 4

Signaler och system TSDT18 - 6,0 HP - HT2 block 3

Påbyggnadskurser

Bild- och ljudkodning TSBK02 - 6,0 HP - VT2 block 4

Bildsensorer TSBB09 - 6,0 HP - HT2 block 4

Datorgrafik TSBK07 - 6,0 HP - VT1 block 4, VT2 block 1

Datorseende TSBB15 - 12,0 HP - VT1 block 1, VT2 block 3

Medicinsk bildanalys TBMI02 - 6,0 HP - HT2 block 1

Multidimensionell signalanalys TSBB06 - 6,0 HP - HT1 block 2, HT2 block 3

Neuronnät och lärande system TBMI26 - 6,0 HP - VT1 block 2

Visuell detektion och igenkänning TSBB17 - 6,0 HP - HT1 block 2

Kommentarer

Logga in för att kunna läsa och skriva kommentarer.