Digital image processing
Karta opisu przedmiotu
Informacje podstawowe
- Kierunek studiów
- Informatyka Geoprzestrzenna
- Specjalność
- -
- Jednostka organizacyjna
- Wydział Geodezji Górniczej i Inżynierii Środowiska
- Poziom kształcenia
- Studia inżynierskie I stopnia
- Forma studiów
- Stacjonarne
- Profil studiów
- Ogólnoakademicki
- Cykl dydaktyczny
- 2022/2023
- Kod przedmiotu
- DGEIS.Ii20.06398.22
- Języki wykładowe
- angielski
- Obligatoryjność
- Do wyboru
- Blok zajęciowy
- Przedmioty obieralne w języku obcym
- Przedmiot powiązany z badaniami naukowymi
- Tak
Prowadzący zajęcia
Sławomir Mikrut
|
Okres
Semestr 6
|
Forma zaliczenia
Zaliczenie
Forma prowadzenia i godziny zajęć
Wykład:
15
Ćwiczenia projektowe: 15 |
Liczba punktów ECTS
3
|
Efekty uczenia się dla przedmiotu
| Kod | Efekty w zakresie | Kierunkowe efekty uczenia się | Metody weryfikacji |
| Wiedzy – Student zna i rozumie: | |||
| W1 | the methods of compression and filtration of digital images, process automation | GEI1A_W03, GEI1A_W04, GEI1A_W05 | Kolokwium |
| W2 | a synthetic knowledge of applied digital image processing methods | GEI1A_W01, GEI1A_W02, GEI1A_W03 | Kolokwium |
| Umiejętności – Student potrafi: | |||
| U1 | perform basic operations on digital images including: digital image filtering with appropriate algorithms and lossy and lossless compression; can automate processes | GEI1A_U03, GEI1A_U05 | Wykonanie ćwiczeń laboratoryjnych, Kolokwium |
| Kompetencji społecznych – Student jest gotów do: | |||
| K1 | do independently and be creative in solving problems | GEI1A_K01, GEI1A_K02, GEI1A_K03 | Kolokwium |
Treści programowe zapewniające uzyskanie efektów uczenia się dla modułu zajęć
This module deals with the processing of digital images. The student acquires the ability to program in Matlab language and is able to solve the basic issues of image processing.
Nakład pracy studenta
| Rodzaje zajęć studenta | Średnia liczba godzin* przeznaczonych na zrealizowane aktywności | |
| Wykład | 15 | |
| Ćwiczenia projektowe | 15 | |
| Przygotowanie do zajęć | 15 | |
| Samodzielne studiowanie tematyki zajęć | 15 | |
| Egzamin lub kolokwium zaliczeniowe | 2 | |
| Przygotowanie projektu, prezentacji, pracy pisemnej, sprawozdania | 15 | |
| Łączny nakład pracy studenta |
Liczba godzin
77
|
|
| Liczba godzin kontaktowych |
Liczba godzin
30
|
|
* godzina (lekcyjna) oznacza 45 minut
Treści programowe
| Lp. | Treści programowe | Efekty uczenia się dla przedmiotu | Formy prowadzenia zajęć |
| 1. | Basic definitions in digital image processing: Basic definitions used in digital image processing, examples of simple images used in geodesy and cartography, multi-dimensional images. Decimal and binary system (computer image recording). | W1, W2, K1 | Wykład |
| 2. | Basic operations on digital images: The aim of the course is to familiarize students with basic operations in digital images such as compression or filtration. | W1, W2, U1, K1 | Ćwiczenia projektowe |
| 3. | Filtration of digital images: The aim of the course is to familiarize students with basic operations on digital images in Matlab. Software algorithms for filtering images and feature extraction. | W1, W2, U1, K1 | Ćwiczenia projektowe |
| 4. | Methods of obtaining digital images: Digital image acquisition methods: direct, indirect. Sampling, quantization Geometric, spectral, radiometric, color spaces. Compression lossless and lossy digital images. | W1, W2, K1 | Wykład |
| 5. | Compression and filtering of digital images: Lossless and lossy compression methods of digital images. Split filters. Linear and nonlinear filters. Conflict. Upper and lower pass filters. Edge extraction. Filtration in the frequency space. Removing noise from the image. Texture and structure of the image. | W1, W2, K1 | Wykład |
| 6. | Automation of processes: The aim of the course is to familiarize students with the basic operations of digital images related to process automation in Matlab. Executing an example project that automates the process. | W1, W2, U1, K1 | Ćwiczenia projektowe |
| 7. | Geometric processing of images: Geometric processing of images: rotation, scale change, surface projection. Transformations: Helmert, affine, projective, polynomial, finite elements. Re-sampling Image pyramids. Matching images. Application of image analysis algorithms. | W1, W2, K1 | Wykład |
| 8. | Digital image processing - practical examples: Image processing in sample projects. Actions on multispectral images. Main component method. Linking images with different geometric resolutions. Pansharpening Technique - Examples. Steganography. | W1, W2, K1 | Wykład |
Informacje rozszerzone
Metody i techniki kształcenia :
Mini wykład
| Rodzaj zajęć | Metody zaliczenia | Warunki zaliczenia przedmiotu |
|---|---|---|
| Wykład | Kolokwium | |
| Ćwiczenia projektowe | Wykonanie ćwiczeń laboratoryjnych, Kolokwium |
Warunki i sposób zaliczenia poszczególnych form zajęć, w tym zasady zaliczeń poprawkowych, a także warunki dopuszczenia do egzaminu
Student has to pass the laboratory test.
Sposób obliczania oceny końcowej
The final grade consists of the arithmetic mean of the partial scores: - lab assessment (Lab) - average grade from four exercises - assessment from colloquium (Kol) Final Grade = 0,5*Lab + 0,5*Kol A student may retake final test twice. This right can be used by a student who took part in obligatory classes, ie he left no more than three classes without justification. The lecturer sets the dates and rules of the credits in the repetition dates.
Sposób i tryb wyrównywania zaległości powstałych wskutek nieobecności studenta na zajęciach
The student can do a lesson on another group or on consultations.
Wymagania wstępne i dodatkowe
Basics of programing.
Zasady udziału w poszczególnych zajęciach, ze wskazaniem, czy obecność studenta na zajęciach jest obowiązkowa
Wykład: Studenci uczestniczą w zajęciach poznając kolejne treści nauczania zgodnie z syllabusem przedmiotu. Studenci winni na bieżąco zadawać pytania i wyjaśniać wątpliwości. Rejestracja audiowizualna wykładu wymaga zgody prowadzącego. Ćwiczenia projektowe: Studenci wykonują prace praktyczne mające na celu uzyskanie kompetencji zakładanych przez syllabus. Ocenie podlega sposób wykonania projektu oraz efekt końcowy.
Literatura
Obowiązkowa- 1. Gonzales R.C., Woods R.E., 2008, Digital Image Processing, Third Edition. Pearson Education, Inc.
- 2. Bishop C.M., 2006, Pattern Recognition and Machine Learning, Springer.
- 3. Malina W., Siemiatacz M.,2005, Metody cyfrowego przetwarzania obrazów. EXIT.
- 4. Skarbek W., 1993, Metody reprezentacji obrazów cyfrowych. Akademicka Oficyna
- Wydawnicza PLJ, Warszawa.
- 5. Tadeusiewicz R., Korohoda P., 1997, Komputerowa analiza obrazów. Wydawnictwo Fundacji
- Postępu Komunikacji, Kraków.
Badania i publikacje
Publikacje- 1. Czechowicz A., , Gryboś P., Jachimski J., Mikrut S., Mikrut Z. , Pawlik P., Tadeusiewicz R. (Redakcja naukowa dr inż. Sławomir Mikrut). Sieci neuronowe w procesach dopasowania zdjęć lotniczych. Autorzy: Wydawnictwa AGH. Kraków. 2010.
- 2. Mikrut S., Mikrut Z., Moskal A. ,Pastucha E. : Detection and Recognition of Selected Class Railway signs. Image Processing & Communications : an International Journal; ISSN 1425-140X, 2014 vol. 19 no. 2–3, s. 83–96, 2014
- 3. Mikrut, 2012. Integration of Digital Images and laser scanning data based on selected images. Automatyka. Image Processing & Communications : an International Journal ; ISSN 1425-140X. vol. 17 no. 4, s. 161–166, 2012.
- 4. Mikrut S., Mikrut Z., Neural networks in the automation of photogrammetric processes. The International Archives of the Photogrammetry, Remote Sensing and Spatial Information Sciences. Vol. XXXVII. Part B4. Beijing, s. 331-336. 2008.