Przetwarzanie i rozpoznawanie obrazów [0800-PROZOB] Semestr letni 2022/23
Laboratorium, grupa nr 1

1. R. Tadeusiewicz, P. Korohoda, Komputerowa analiza i przetwarzanie obrazów, Wydawnictwo Fundacji Postępu Telekomunikacji, Kraków 1997.

2. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Exit, Warszawa 2008.

3. Z. Wróbel, R. Koprowski, Praktyka przetwarzania obrazów w programie Matlab, Exit, Warszawa 2004.

4. R. C. Gonzales, R. E. Woods. Digital Image Processing, Prentice Hall Inc., 2007.

5. K. W. Zieliński, M. Strzelecki, Komputerowa analiza obrazu biomedycznego - wstęp do morfometrii i patologii ilościowej, Wydawnictwa Naukowe PWN, 2002.

6. R. Koprowski, Z. Wróbel, Image Processing in Optical Coherence Tomograpphy using Matlab, University of Siilesia, 2011.

Studenci zostaną wprowadzeni do tematyki systemów wizyjnych (jako przykłady: przemysłowe, biometryczne i biomedyczne). Pytanie: „Po co studentom fizyki potrzebna jest analiza obrazów/przetwarzanie obrazów?”. Przedstawiona zostanie kompleksowa „motywacja” dla potrzeby stosowania metod cyfrowej analizy/przetwarzania obrazu. Następnie, wyjaśnienia pojęć: przetwarzanie obrazu kontra analiza obrazu (różnice). Na zajęciach zajmujemy się głównie przetwarzaniem obrazów cyfrowych. Podstawy opisu obrazu - wektory cech (odnośnie analizy obrazów). Wyjaśniona podstawowa różnica pomiędzy analizą obrazów (cyfrowych) a grafiką komputerową (proces odwrotny). Wprowadzone definicje obrazu (w tym: f(x,y) = i, gdzie i – wartość piksela, np. poziom szarości), pojęcie akwizycji obrazu, próbkowania oraz kwantyzacji. Kolory a poziomy szarości, różne rodzaje obrazów (praktycznie: RGB, szarościowe). Zajęcia składają się z części merytorycznej (przekaz na zajęciach) oraz z części praktycznej przy użyciu programu MATLAB oraz ImageJ. Omówione oraz przećwiczone (praktycznie) zostaną m.in. następujące zagadnienia/metody:

1. Metody punktowe (także ich podział oraz konkretne zastosowania – np. poprawa kontrastu), różnice pomiędzy operacjami punktowymi, kontekstowymi oraz operacjami morfologicznymi; wybrane metody punktowe:

a) krzywa tonalna oraz tablice korekcji (LUT),

b) nieliniowe przekształcenia poziomów jasności – w tym korekcja gamma z podaniem zastosowań i interpretacją fizyczną,

c) operacje arytmetyczne (ustnie) z wprowadzeniem pojęcia przesycenia oraz „niedosycenia” obrazu (np. dodawanie, dzielenie, itp., Log, itp., w ImageJ),

d) automatyczne operacje na histogramie obrazu: rozciąganie oraz wyrównywanie histogramu (zaznaczono wykorzystanie obu metod do poprawy kontrastu obrazu) oraz proste progowanie – tutaj też zajęcia praktyczne przy użyciu wybranych obrazów,

2. Metody kontekstowe – filtracje, pojęcie sąsiedztwa, maski filtra, splot, itp.:

a) filtry konwolucyjne: praktycznie: uśredniający, gaussa, gradientowe (także dolnoprzepustowe i górnoprzepustowe - zastosowania) w MATLAB i ImageJ oczywiście (w przypadku MTLABA: m.in. funkcje: filter2, fspecial, rgbtogray, itp. ; ImageJ: convolve filter + zaimplementowane); omówione zostały zastosowania np. do usuwania szumów, wykrywania krawędzi odpowiednio + wprowadziłem pojecie szumu, ich rodzaje sposoby wyznaczania ich parametrów; zastosowano funkcję imnoise oraz zaszumianie w ImageJ; student posiadł wiedzę jakich filtracji stosować w odpowiedniej sytuacji (tam gdzie to jest oczywiste); problem rozmiaru maski filtra oraz rozmiaru obrazu po filtracji (!) – metody postepowania (MATLAB);

b) filtry nieliniowe na podstawie filtru medianowego: zastosowania, praktyka w przypadku szumów impulsowych, wyjaśnienie, dlaczego filtracja medianowa jest tak skuteczna w przypadku szumów impulsowych – porównanie w MATLAB i ImageJ z filtracją np. Gaussa i uśredniający,

3. Filtracje w dziedzinie częstotliwości: transformata Fouriera (także ćwiczenia przy tablicy dla 1D DFT), widmo ampl., faza itp., filtracje górno- i dolnoprzepustowe. Wprowadzenie pojęcia częstości przestrzennych – wysokie i niskie częstotliwości na obrazie – interpretacja i praktyka. Jako dodatek: usuwanie szumów okresowych – z uwagi na wysoką efektywność filtracji częstotliwościowych; inne zastosowania: np. wykrywanie krawędzi (filtracja górnoprzepustowa);

4. Operacje morfologiczne (po co i dlaczego…?) – zastosowania, np.: progowanie, binaryzacja -> cechy obrazu…; element strukturyzujący, dylacja, erozja, otwarcie i zamknięcie, itp.; operacje omówione na przykładzie wizyjnego systemu przemysłowego – kontrola jakości (proces: akwizycja – framegrabber, przetwarzanie wstępne – np. filtracje, progowanie/segmentacja/binaryzacja, rozpoznawanie elementów obrazu i ich opis);

-----------------------------------------------------------------------------------------------

Zadania domowe: filtracja sygnałów jednowymiarowych – słupki (pojęcie rzędu filtra), problem różnicy pomiędzy filtrem uśredniającym i medianowym (zachowanie krawędzi).

Przy tablicy (zadania indywidualne): wspomniane „słupki”, filtracje splotowe dla małych tablic (różne rodzaje masek), filtracja medianowa – później wyniki sprawdzane w MATLAB.

- ćwiczeniowa/laboratoryjna

- klasyczna metoda problemowa

- metoda projektu

- projektu

- pokaz

W związku ze zdalną formą prowadzenia zajęć, zaliczenie przedmiotu w części laboratoryjnej odbędzie się w formie projektu indywidualnego. W jego ramach studenci otrzymają do realizacji indywidualnie ustalone zadanie projektowe. W trakcie realizacji projektu będą się odbywać regularnie zdalne konsultacje z prowadzącym. Dwukrotnie w ciągu semestru odbędzie się seminarium w trakcie którego każdy student przedstawie stan prac (pierwsze seminarium) i uzyskane wyniki (drugie seminarium). Przeprowadzone prace zostaną opisane w sprawozdaniu. Ocena końcowa będzie wystawiona na podstawie dwóch referatów, sprawozdania i rozmowy ze studentem. Wszelkie zdalne kontakty będą się odbywać za pośrednictwem platformy MSTeams.

Fizyka Techniczna s2, rok I, specj.: IBI; Informatyka Stosowana s2, przedmiot do wyboru