Drukuj Eksport do pliku (MS Word)
Nazwa przedmiotu:
Widzenie maszynowe
Koordynator przedmiotu:
Dr inż. Robert Sitnik
Status przedmiotu:
Obowiązkowy
Poziom kształcenia:
Studia I stopnia
Program:
Mechatronika
Grupa przedmiotów:
Obowiązkowe
Kod przedmiotu:
WMA
Semestr nominalny:
7 / rok ak. 2017/2018
Liczba punktów ECTS:
3
Liczba godzin pracy studenta związanych z osiągnięciem efektów uczenia się:
1) Liczba godzin bezpośrednich: 47, w tym: • wykład 15 godz, • laboratorium 15 godz. • konsultacje projektowe z prowadzącym 15 godz • egzamin – 2 2) Praca własna stuenta – 45 godz, w tym: • zapoznanie się z literaturą i dokumentacją 10 godz, • projekt i implementacja aplikacji, optymalizacja, testowanie i dokumentacja 35 godz. RAZEM 92 godz. = 3 ECTS
Liczba punktów ECTS na zajęciach wymagających bezpośredniego udziału nauczycieli akademickich:
2 punkty ECTS - Liczba godzin bezpośrednich: 45, w tym: • wykład 15 godz, • laboratorium 15 godz. • konsultacje projektowe z prowadzącym 15 godz,
Język prowadzenia zajęć:
polski
Liczba punktów ECTS, którą student uzyskuje w ramach zajęć o charakterze praktycznym:
3 punkty ECTS – 75 godz., w tym: • zapoznanie się z literaturą i dokumentacją 10 godz, • projekt i implementacja aplikacji, optymalizacja, testowanie i dokumentacja 35 godz. • laboratorium 15 godz. • konsultacje projektowe z prowadzącym 15 godz,
Formy zajęć i ich wymiar w semestrze:
  • Wykład15h
  • Ćwiczenia0h
  • Laboratorium0h
  • Projekt15h
  • Lekcje komputerowe0h
Wymagania wstępne:
Kurs inżynierski matematyki. Podstawy programowania
Limit liczby studentów:
60
Cel przedmiotu:
Znajomość technik i algorytmów akwizycji, przetwarzania i rozpoznawania obrazów cyfrowych. Przetwarzanie i analiza sekwencji animowanych. Kodowanie i kompresja obrazów/sekwencji obrazów cyfrowych. Współczesne zastosowania techniki obrazowej.
Treści kształcenia:
(W) Obrazy szaroodcieniowe i barwne. Przestrzenie barw. Transformata Fouriera. Realizacje numeryczne DFT i FFT. Transformata falkowa. Transformata Hough’a. Porównanie transformat. Przykłady zastosowań. Operacje filtracji w dziedzinie częstości (splotowe: dolnoprzepustowe, górnoprzepustowe, różniczkowanie, wykrywanie krawędzi, poprawa jakości obrazów). Okna filtracji. Zastosowanie metod filtracji w dziedzinie częstości do poprawy metod obrazów prążkowych. Przykłady. Metody kompresji: obrazów i sekwencji obrazów, stratnej i bezstratnej. Przykładowe zastosowania. Reprezentacyjne zastosowania z omówieniem architektury systemu akwizycji i przetwarzania danych (inżynierskich, rozrywkowych, artystycznych, medycznych). (L) Ćwiczenie pozwalające na samodzielne zestawienie sceny akwizycji obrazów. Porównanie obrazów z detektorów CCD i CMOS w różnych warunkach akwizycji. Zapoznanie się z parametrami typowych kamer. Zestawienie sceny. Kalibracja kamery z zastosowaniem różnego typu wzorców oraz algorytmów przetwarzania obrazu. Usunięcie szumów przy zastosowaniu filtracji w dziedzinie obrazu lub częstości. Dobór optymalnych operacji morfologicznych. Dobór optymalnej metody kodowania i kompresji dla wybranego zbioru obrazów. Analiza działania wybranych algorytmów. Przeprowadzenie pełnego procesu rozpoznawania wybranych obiektów z przygotowanych obrazów. Zaprojektowanie sekwencji analizy obrazu w celu znalezienia poszukiwanych obiektów w scenie. (P) Zadanie do wykonania w postaci detekcji położenia obiektów w scenie. Wymagane samodzielne zaaranżowanie sceny (ustawienie oświetlenia, tła, dobór detektora, obiektywu). Zaprojektowanie ścieżki przetwarzania danych i jej realizacja. Poszukiwanie optymalnej przestrzeni cech i określenie zmienności tych cech pozwalających na detekcję zadanych obiektów.
Metody oceny:
(W) Egzamin (L) Suma punktów za wejściówki i wykonanie ćwiczeń (P) Ocena za projekt
Egzamin:
nie
Literatura:
1. D. Watkins, A. Sadun, S. Marenka, Nowoczesne metody przetwarzania obrazu, Wydawnictwa Naukowo-Techniczne, Warszawa, 1995 2. K. Heim, Metody kompresji danych, Mikom, Warszawa, 2000 3. A.R. Weeks, Fundamentals of Electronic Image Processing IEEE/SPIE Press, New York, 1996
Witryna www przedmiotu:
brak
Uwagi:

Efekty uczenia się

Profil ogólnoakademicki - wiedza

Efekt WMA1_W01
Zna rozszerzone techniki przetwarzania, korekcji i rozpoznawania obrazów cyfrowych
Weryfikacja: Zaliczenie kolokwium w trakcie wykładu
Powiązane efekty kierunkowe: K_W04, K_W06
Powiązane efekty obszarowe: T1A_W02, T1A_W03, T1A_W04

Profil ogólnoakademicki - umiejętności

Efekt WMA1_U01
Potrafi zaprojektować i zaimplementować algorytmy przetwarzania obrazu w języku obiektowym C++
Weryfikacja: Zaliczenie projektu programistycznego C++ z przetwarzania obrazów
Powiązane efekty kierunkowe: K_U01, K_U04, K_U05, K_U11, K_U16
Powiązane efekty obszarowe: T1A_U01, T1A_U01, T1A_U03, T1A_U04, T1A_U06, T1A_U05, T1A_U02, T1A_U08, T1A_U09, T1A_U07
Efekt WMA1_U02
Potrafi dobrać właściwą ścieżkę przetwarzania obrazów cyfrowych i zaprojektować scenę analizy
Weryfikacja: Zaliczenie ćwiczeń w laboratorium
Powiązane efekty kierunkowe: K_U16, K_U21, K_U22
Powiązane efekty obszarowe: T1A_U07, T1A_U12, T1A_U15, T1A_U07, T1A_U15

Profil ogólnoakademicki - kompetencje społeczne

Efekt WMA1_S01
Potrafi zaprojektować, zaimplementować, udokumentować i zaprezentować swój projekt
Weryfikacja: Zaliczenie projektu programistycznego C++ z przetwarzania obrazów
Powiązane efekty kierunkowe: K_K01, K_K04
Powiązane efekty obszarowe: T1A_K01, T1A_K03, T1A_K04, T1A_K05
Efekt WMA1_S02
Potrafi pracować w zespole podczas planowania zadań oraz przeprowadzania eksperymentu
Weryfikacja: Zaliczenie ćwiczeń w laboratorium
Powiązane efekty kierunkowe: K_K04
Powiązane efekty obszarowe: T1A_K03, T1A_K04, T1A_K05