IMAGE PROCESSING

Ingegneria Informatica IMAGE PROCESSING

0622700068
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
EQF7
COMPUTER ENGINEERING
2022/2023

OBBLIGATORIO
YEAR OF COURSE 2
YEAR OF DIDACTIC SYSTEM 2017
AUTUMN SEMESTER
CFUHOURSACTIVITY
540LESSONS
432LAB
Objectives
L'INSEGNAMENTO MIRA A FORNIRE I PRINCIPALI STRUMENTI PER L’ANALISI E L’ELABORAZIONE DELLE IMMAGINI DIGITALI E PREVEDE LO SVOLGIMENTO DI ESERCITAZIONI DI LABORATORIO SUGLI ARGOMENTI SVILUPPATI A LEZIONE.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE
L’OBIETTIVO È DI FORNIRE LE CONOSCENZE DI BASE PER
• ACQUISIZIONE ED ELABORAZIONE DI IMMAGINI ED ALTRI SEGNALI MULTIMEDIALI.
• CONOSCENZA DEI PRINCIPALI STANDARD PER LA RAPPRESENTAZIONE DI IMMAGINI ED ALTRI SEGNALI MULTIMEDIALI.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE
• CAPACITÀ DI APPLICARE LE PRINCIPALI METODOLOGIE DI ELABORAZIONE DI IMMAGINI ED ALTRI SEGNALI MULTIMEDIALI.
• CAPACITÀ DI UTILIZZARE STRUMENTI (ES., MATLAB, OPEN-CV) PER L’ELABORAZIONE DI IMMAGINI, ED ALTRI SEGNALI MULTIMEDIALI.
Prerequisites
SONO RICHIESTE CONOSCENZE MATEMATICHE DI BASE ACQUISIBILI DURANTE UN CORSO DI LAUREA IN INGEGNERIA DI PRIMO LIVELLO, CON PARTICOLARE RIFERIMENTO ALL’ANALISI MATRICIALE, ALLA TEORIA DELLA PROBABILITÀ ED ALL’ELABORAZIONE DEI SEGNALI.
Contents
UNITÀ DIDATTICA (UD) 1: INTRODUZIONE ALL’ACQUISIZIONE E TRATTAMENTO DELLE IMMAGINI (LEZ/ESE/LAB: 6/0/8)
1 (2H LEZ): INTRODUZIONE AL CORSO.
2 (2H LEZ): MODELLO PIN-HOLE, MODELLI REALI
3 (2H LAB): INTRODUZIONE AL TRATTAMENTO DI MATRICI
4 (2H LEZ): CARATTERISTICHE DELL’IMMAGINE. CAMPIONAMENTO, RISOLUZIONE
5 (2H LAB): SOLUZIONE DI SISTEMI. AUTOVALORI, AUTOVETTORI.
6 (2H LAB): ISTOGRAMMI DELLE INTENSITÀ. MOMENTI EMPIRICI.
7 (2H LAB): IMMAGAZZINAMENTO E VISUALIZZAZIONE DELLE IMMAGINI DIGITALI.
CONOSCENZE E CAPACITA DI COMPRENSIONE
ACQUISIZIONE E IMMAGAZZINAMENTO DELLE IMMAGINI.
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
ANALIZZARE LA DISTRIBUZIONE DELLE INTENSITÀ DEI PIXEL DI UN’IMMAGINE.

UD 2: ELABORAZIONE NEL DOMINIO SPAZIALE (LEZ/ESE/LAB: 6/0/8)
8 (2H LEZ): ELABORAZIONI PUNTUALI. ISTOGRAMMI, EQUALIZZAZIONE, MIGLIORAMENTO DEL CONTRASTO.
9 (2H LAB): TRASFORMAZIONI DI INTENSITÀ IN MATLAB
10 (2H LEZ): TRASFORMAZIONI SPAZIALI. FILTRI LP.
11 (2H LEZ): FILTRI NON LINEARI. FILTRI HP.
12 (2H LAB): SEGNALI E SISTEMI LTI IN MATLAB.
13 (2H LAB): OPERAZIONI ELEMENTARI SULLE IMMAGINI IN OPENCV.
14 (2H LAB): ELABORAZIONE DI IMMAGINI IN PYTHON/OPENCV
CONOSCENZE E CAPACITA DI COMPRENSIONE
ELABORAZIONE MEDIANTE FILTRI LINEARI E NONLINEARI
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
IMPLEMENTARE FILTRAGGI IN MATLAB E PYTHON/OPENCV

UD 3: TRASFORMATE ED APPLICAZIONI (LEZ/ESE/LAB: 8/0/8)
15 (2H LEZ): RICHIAMI DI CTFT. CAMPIONAMENTO.
16 (2H LEZ): DTFT E DFT. ELABORAZIONE NUMERICA CON LA DFT.
17 (2H LAB): DFT DI SEGNALI CONVERTITI DA ANALOGICO A DIGITALE.
18 (2H LAB): DECIMAZIONE E ALIASING.
19 (2H LEZ): DTFT E DFT BIDIMENSIONALE. DFT BIDIMENSIONALE
20 (2H LEZ): CALCOLO DELLA CONVOLUZIONE MEDIANTE LA DFT
21 (2H LAB): ELABORAZIONE DI IMMAGINI NEL DOMINIO TRASFORMATO.
22 (2H LAB): ELIMINAZIONE DI DISTURBI NELLE IMMAGINI
CONOSCENZE E CAPACITA DI COMPRENSIONE
TRATTARE IMMAGINI MEDIANTE ELABORATORI NUMERICI
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
IMPLEMENTARE TRASFORMAZIONI DI IMMAGINI MEDIANTE LA DFT.

UD 4: TRASFORMAZIONI GEOMETRICHE (LEZ/ESE/LAB: 2/0/2)
23 (2H LEZ): TRASFORMAZIONI GEOMETRICHE. INTERPOLAZIONE. REGISTRAZIONE DI IMMAGINI
24 (2H LAB): IMPLEMENTAZIONE DELLE TRASFORMAZIONI GEOMETRICHE
CONOSCENZE E CAPACITA DI COMPRENSIONE
UTILIZZO DELLE TRASFORMAZIONI AFFINI PER EFFETTUARE TRASFORMAZIONI GEOMETRICHE
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
IMPLEMENTARE TRASFORMAZIONI DI IMMAGINI E RICAMPIONARE UN’IMMAGINE.

UD 5: ELABORAZIONE DI IMMAGINI A COLORI (LEZ/ESE/LAB: 4/0/2)
25 (2H LEZ): IMMAGINI A COLORI. PIANI DI COLORE.
26 (2H LEZ): CONVERSIONI DI PIANO. COMPRESSIONE ED ESPANSIONE DEI LIVELLI DI COLORE
27 (2H LAB): ELABORAZIONE DI IMMAGINI A COLORI
CONOSCENZE E CAPACITA DI COMPRENSIONE
RAPPRESENTAZIONE DI IMMAGINI A COLORI IN DIFFERENTI SPAZI DI COLORE.
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
UTILIZZARE GLI SPAZI DI COLORE PER L’ELABORAZIONE DELLE IMMAGINI.

UD 6: CODIFICA E COMPRESSIONE DI IMMAGINI (LEZ/ESE/LAB: 4/0/2)
28 (2H LEZ): CODIFICA DI IMMAGINI E STANDARD
29 (2H LEZ): COMPRESSIONE DI IMMAGINI
30 (2H LAB): COMPRESSIONE MEDIANTE DFT E WAVELET.
CONOSCENZE E CAPACITA DI COMPRENSIONE
PRINCIPI DI CODIFICA E COMPRESSIONE DELLE IMMAGINI
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
COMPRIMERE LE IMMAGINI MEDIANTE TRASFORMATE

UD 7: ESTRAZIONE DELL’INFORMAZIONE (LEZ/ESE/LAB: 4/0/8)
31 (2H LEZ): EGDE-DETECTION, CONTOUR-EXTRACTION, TRASFORMATA DI HOUGH,
32 (2H LEZ): SEGMENTAZIONE. RIVELAZIONE DI FEATURE
33 (2H LAB): RIVELAZIONE DI CONTORNI.
34 (2H LAB): ALGORITMO DI CANNY. TRASFORMATA DI HOUGH
35 (2H LAB): THRESHOLDING.
36 (2H LAB): CLUSTERING.
CONOSCENZE E CAPACITA DI COMPRENSIONE
RIVELAZIONE DI CARATTERISTICHE SALIENTI DALLE IMMAGINI
CONOSCENZE E CAPACITA DI COMPRENSIONE APPLICATE
RILEVARE CONTORNI IN UN’IMMAGINE. EFFETTUARE LA SEGMENTAZIONE DI UN'IMMAGINE.
Teaching Methods
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE ED ESERCITAZIONI IN LABORATORIO. NELLE ESERCITAZIONI DI LABORATORIO VENGONO ASSEGNATI E SVOLTI IN MODO INTERATTIVO ESEMPI DI APPLICAZIONE, IN AMBIENTE MATLAB E IN PYTHON CON LA LIBRERIA OPEN-CV, DEI METODI ILLUSTRATI, QUALI: ELABORAZIONE PUNTUALE, FILTRAGGIO, TRASFORMATE, EGDE-DETECTION, CONTOUR-EXTRACTION, SEGMENTAZIONE, COREGISTRAZIONE.
Verification of learning
LA PROVA DI ESAME FINALE È MIRATA A VALUTARE NEL SUO COMPLESSO: LA CONOSCENZA E LA CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO; LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI DI ANALISI DI IMMAGINI ED IL PROGETTO DI SISTEMI PER L’ELABORAZIONE DELLE IMMAGINI; L’AUTONOMIA DI GIUDIZIO, LE ABILITÀ COMUNICATIVE E LA CAPACITÀ DI APPRENDERE.
LA PROVA CONSISTE NELLA DISCUSSIONE DI MINI-PROGETTI ASSEGNATI DURANTE IL CORSO E DI UN PROGETTO FINALE, IL CUI SCOPO È VALUTARE LA CAPACITÀ DI APPLICARE LE CONOSCENZE E L’AUTONOMIA DI GIUDIZIO, E DA UN COLLOQUIO ORALE, IL CUI SCOPO È VALUTARE LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE ACQUISITE, LA CAPACITÀ DI APPRENDERE, L’ESPOSIZIONE ORALE.
I MINI-PROGETTI ED IL PROGETTO FINALE CONSISTONO NELLA SCRITTURA DI CODICI, BASATI SULLA LIBRERIA OPEN-CV, PER LA RISOLUZIONE DI PROBLEMI TIPICI PRESENTATI AL CORSO, TRA CUI: 1) ELABORAZIONI PUNTUALI DELLE IMMAGINI; 2) TECNICHE DI FILTRAGGIO. FILTRAGGIO LINEARE E NON LINEARE. INTERPOLAZIONE; 3) EGDE-DETECTION, CONTOUR-EXTRACTION, SEGMENTAZIONE; 4) UTILIZZO DELLE TRASFORMATE DI FOURIER, HOUGH, WAVELET.
IL COLLOQUIO ORALE VERTERÀ SU TUTTI GLI ARGOMENTI DEL CORSO E LA VALUTAZIONE TERRÀ CONTO DELLE CONOSCENZE DIMOSTRATE DALLO STUDENTE E DEL GRADO DEL LORO APPROFONDIMENTO, DELLA CAPACITÀ DI APPRENDERE DIMOSTRATA, DELLA QUALITÀ DELL’ESPOSIZIONE.
NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE E LA DISCUSSIOONE DEI MINI-PROGETTI PESERÀ PER IL 15%, IL PROGETTO FINALE E LA RELATIVA DISCUSSIONE ORALE PESERÀ PER IL 40%, MENTRE IL COLLOQUIO ORALE SUGLI ARGOMENTI DI TEORIA PER IL 45%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE CON AUTONOMIA LE CONOSCENZE ACQUISITE A NUOVI PROBLEMI.
Texts
R.C. GONZALEZ, R.E. WOODS. DIGITAL IMAGE PROCESSING, 4TH ED. PEARSON, 2017
R.C. GONZALEZ, R.E. WOODS, S.L. EDDINS. DIGITAL IMAGE PROCESSING USING MATLAB, 3RD ED., GATESMARK PUBLISHING, 2020
More Information
GLI ESERCIZI DI LABORATORIO SONO SVOLTI IN MODO INTERATTIVO. LA LINGUA DI INSEGNAMENTO È L’ITALIANO.
  BETA VERSION Data source ESSE3 [Ultima Sincronizzazione: 2022-09-16]