Les imatges són a tot arreu. Vivim en un món ple d'estímuls audiovisuals, i estem sent constantment bombardejats amb imatges i vídeos. Si això no fos suficient, gairebé cada un de nosaltres porta un telèfon intel·ligent a la butxaca, i constantment fem fotos i capturar vídeos del que ens envolta.
Les tècniques de processament digital d'imatges s'utilitzen en una àmplia gamma d'aplicacions. A més de les aplicacions en la medicina i el programa espacial, procediments informàtics s'utilitzen per millorar el contrast o codificar els nivells d'intensitat en color per facilitar la interpretació dels raigs X i altres imatges utilitzades en la indústria, la medicina i les ciències biològiques.
Aquesta assignatura és una introducció a lampli camp del tractament digital dimatges, dotant als alumnes dels coneixements fonamentals en aquest àmbit.
El curs s'inicia presentant conceptes fonamentals per a l'anàlisi d'imatges tant en el domini espacial com en el freqüencial. A més, s'estudien tècniques per a la modificació d'imatges, fent èmfasi en tècniques de filtratge lineals i no lineals. A la part final del curs es tracten tècniques que permeten analitzar les imatges i treure característiques associades a les mateixes que permeten dur a terme tasques de parametrització i reconeixement d'objectes, , incloent una petita introducció a l'aprenentatge profund aplicat a la classificació d'imatges.
A més, lassignatura té un fort enfoc pràctic. Les classes seran de caire teòrico-pràctic, i caldrà que els alumnes hi assisteixin amb els seus ordinadors portàtils amb Matlab instal·lat. A més, es realitzaran diverses pràctiques que permetin a lalumnat aplicar els continguts de lassignatura en problemes reals de tractament digital de la imatge.
Professors Titulars
Els Resultats dAprenentatge daquesta assignatura són:
RA.1 Coneixements generals bàsics de processament digital d´imatges.
RA.2 Capacitat d´aplicar els coneixements de processament d´imatge a la pràctica.
Tema 1. Introducció al tractament digital de la imatge
1. La ubiqüitat de les imatges
2. Tipus dimatges i aplicacions del tractament digital de la imatge
3. El sistema visual humà
4. Adquisició dimatges digitals
5. Operacions bàsiques amb imatges
6. Histograma duna imatge
7. Espais de color
Tema 2. Millora i restauració dimatges
1. La importància de la millora i restauració dimatges
2. Millora del contrast
3. Reducció del soroll en imatges
4. Morfologia matemàtica
Tema 3. Segmentació dimatges
1. La importància de la segmentació dimatges
2. Segmentació basada en discontinuïtat
3. Segmentació basada en similitud
4. Criteris dhomogeneïtat per segmentació
Tema 4. Detecció i reconeixement dobjectes
1. La importància de la detecció i reconeixement dobjectes en imatges
2. Detecció dobjectes per template matching
3. Classificació dimatges
Lassignatura simparteix en 2 sessions lectives setmanals, una de 100 minuts de durada i laltra de 50 minuts.
La dinàmica habitual de cada classe consistirà en una combinació dexplicacions teòriques seguides sempre de la realització dexercicis teòrics i/o pràctics que exemplifiquin allò que sacaba dexplicar. Metodologies aplicades: classe magistral (MD0), classe de problemes i exercicis (MD1), pràctiques de laboratori (MD2).
Addicionalment, a leStudy es proporcionen recursos per a que lestudiant realitzi activitats pràctiques daprenentatge complementàries. Metodologia aplicada: self-paced learning (MD5).
Per últim, i amb lobjectiu dassolir una visió aplicada dels conceptes exposats a classe, es realitzaran dues pràctiques en grup usant el software Matlab . Metodologia aplicada: aprenentatge basat en reptes (MD11).
Veure carpeta electrònica de l'assignatura.
Veure carpeta electrònica de l'assignatura.
- Diapositives usades a classe
- Anil K. Jain, `Fundamentals of digital image processing´, Prentice Hall, 1989
- Gonzalo Pajares, Jesús M. de la Cruz, `Visión por computador´, Ra-Ma
- Rafael C. Gonzalez, Richard E. Woods `Digital Image Processing´, Addison Wesley
- Arturo de la Escalera. Visión por computador. Prentice Hall 2001.
- Jain, Ramesh, Kasturi, Schunk, Brian. Machine Vision. MacGraw Hill, 1995.