Liczba godzin: |
15
|
Limit miejsc: |
(brak limitu) |
Zaliczenie: |
Zaliczenie na ocenę |
Rygory zaliczenia zajęć: |
zaliczenie na ocenę
|
Literatura uzupelniająca: |
1. R. Tadeusiewicz, Systemy wizyjne robotów przemysłowych, WNT, Warszawa, 1992.
2. Tutorial OpenCV https://docs.opencv.org/master/d9/df8/tutorial_root.html
|
Metody dydaktyczne: |
ćwiczenia konwersatoryjne zajęcia realizowane innymi metodami
|
Metody dydaktyczne - inne: |
Prezentacja przykładu, objaśnienie, praca samodzielna na stanowisku komputerowym, praca samodzielna przy tworzeniu kodu w wybranych środowisku obliczeniowym
|
Literatura: |
1. Wróbel Z. Goprowski R. Praktyka przetwarzania obrazów z zadaniami w programie Matlab, Akademicka Oficyna Wydawnicza Elit, Warszawa 2008
2. Dokumentacja Matlab Image Processing Toolbox http://www.mathworks.com/help/signal/index.html
3. Cytowski J., Gielecki J., Gola A., Cyfrowe przetwarzanie obrazów medycznych. Algorytmy. Technologie. Zastosowania, EXIT, Warszawa 2008
|
Efekty uczenia się: |
U1. Potrafi planować i przeprowadzać badania i eksperymenty, w tym modelowanie i symulacje komputerowe, interpretować uzyskane wyniki i wyciągać wnioski oraz opracowywać i sprawdzać hipotezy związane z zagadnieniami przetwarzania obrazów cyfrowych (K_U03 )
|
Metody i kryteria oceniania: |
Sprawdzian wiedzy praktycznej polegający na zaimplementowaniu w wybranym środowisku programistycznym wskazanego przez prowadzącego zagadnienia omawianego w ramach wykładu. Ocena na podstawie poprawności działania kodu oraz stopnia trudności zaimplementowanego zagadnienia.
|
Zakres tematów: |
W części laboratoryjnej studenci realizują praktyczne zagadnienie z obszaru przetwarzania obrazów cyfrowych przedstawiane na wykładach. Studenci implementują algorytmy służące do przetwarzania i analizy obrazów z wykorzystaniem biblioteki przetwarzania obrazów (Image Processing Toolbox) środowiska obliczeniowego MATLAB oraz narzędzi i bibliotek środowiska OpenCv w języku Python. W szczególności wykonywane są przekształcenia kontekstowe na obrazach cyfrowych. Przeprowadzana jest filtracja liniowa oraz nieliniowa w dziedzinie przestrzennej. Studenci wykonują również przekształcenia wykrywania krawędzi oraz przekształcenia morfologiczne w tym erozji i dylatacji. Studenci stosują FFT przy przetwarzaniu obrazów poprzez wykorzystanie środowiska obliczeniowego MATLAB (Scilab lub Octave) i zaawansowanych narzędzi dostępnych w oprogramowywaniu OpenCV.
|