TSBB08 · Linköpings universitet
Digital bildbehandling grundkurs
Ny kurs
Inga tentor än
Ladda upp dina tidigare tentor och få hjälp med att strukturera ditt studiematerial
Få dina tentauppgifter kategoriseradeBli guidad genom ditt studiematerialFå hjälp direkt med teori och tipsHåll koll på dina framsteg
HP
6
Språk
Svenska
Nivå
Avancerad nivå
Fakultet
Tekniska fakulteten
Institution
Institutionen för systemteknik
Lärandemål
Efter genomgången kurs:
- Studenten ska kunna redogöra för den grundläggande teorin för 1D och 2D kontinuerlig fouriertransform med tillhörande teorem, sampling, rekonstruktion och DFT. Studenten ska kunna redogöra för den grundläggande teorin för digitala bilder (tvådimensionella signaler), exempelvis 2D diskret faltning, omsampling, interpolation, samt begreppet skalrymd. Studenten ska kunna redogöra för enkla faltningskärnor och filter för derivering, lågpass- och högpassfiltrering. Studenten ska kunna utföra relaterade beräkningar.
- Studenten ska kunna redogöra för flera av de klassiska bildanalysmetoderna, se kursinnehållet. Studenten ska kunna redogöra för färgmodeller och färgtransformationer för bilder. Studenten ska kunna utföra relaterade beräkningar.
- Studenten ska kunna utföra beräkningar på bilder i ett högnivåspråk såsom Python och/eller Matlab. Här ingår att tolka resultatet av 2D fouriertransformer, samt att lösa enklare bildanalysproblem.
Kursinnehåll
Kursen består av 2 delar. Den första delen avser att ge grundläggande kunskaper i signalbehandling på bilder. Dessa kunskaper ger en god grund för den andra delen som ägnas åt klassiska bildanalysmetoder, samt färg. Grundläggande signalbehandling på bilder: Den digitala bilden. Färgtabeller. Repetition av 1D fouriertransform. Från 1D till 2D fouriertransform. Teorem för 1D och 2D fouriertransform, såsom skalning, translation, derivering, faltning och multiplikation. Teorem för 2D fouriertransform såsom rotationsteoremet. Titta på bilder och dess fouriertransformer och relatera dessa till teoremen. Dirac-pulsen. Sampling och rekonstruktion. Effekter på bilden vid vikningsdistorsion i spatial- eller fourierdomän. 1D och 2D DFT. Diskret 1D och 2D faltning. Faltningskärnor i spatial- och fourierdomän: lågpass (gauss), högpass (laplace), deriverande (sobel). 2D geometriska operationer. Omsampling och interpolation. Skalrymd. Laborationer: Lab 1: Operationer på gråskalebilder. Linjära filter i spatial- och fourierdomän. Lab 2: Omsampling och interpolation. Klassiska bildanalysmetoder, samt färg: 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. Färgmodeller, färgtransformationer, färgsegmentering 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.
Förutsättningar
- Från någon av kurserna Signaler och System, Linjära system, Signaler och bilder, Multidimensionell signal- och bildanalys: Deterministiska signaler, linjära system, faltning, 1D kontinuerlig fouriertransform och dess teorem, enkla filter (lågpass, högpass, bandpass), diskret fouriertransform (önskvärt men inte nödvändigt), sampling och rekonstruktion (önskvärt men inte nödvändigt).
- Från kursen 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
Litteratur
1) Föreläsningsbilder
2) Lektionsuppgifter
3) Formelsamling
Allt material ovan är tillgängligt i pdf-format på kurshemsidan
Digital image processing - Gonzalez, Rafael C., Woods, Richard E.
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis