Χρησιμοποιούμε cookies για την ανάλυση της επισκεψιμότητάς μας. Αν συνεχίσετε να χρησιμοποιείτε την ιστοσελίδα μας, συναινείτε στη χρήση των cookies μας. Οκ Συμφωνώ!

ΕΠΕΞΕΡΓΑΣΙΑ ΕΙΚΟΝΑΣ ΚΑΙ ΒΙΝΤΕΟ

Μαθησιακά Αποτελέσματα:

Στόχος το μαθήματος είναι ο φοιτητής μετά την ολοκλήρωση του μαθήματος να έχει αποκτήσει τις απαραίτητες γνώσεις και δεξιότητες ώστε:

  • Να κατανοήσει τις μαθηματικές βάσεις της ανάλυσης εικόνων.
  • Να κατανοήσει τη θεωρία και εφαρμογές μετασχηματισμών σε δύο διαστάσεις.
  • Να κατανοήσει τον σχεδιασμό και εφαρμογές ψηφιακών φίλτρων.
  • Να κατανοεί τη θεωρίας και εφαρμογές αποκατάστασης και κωδικοποίησης εικόνων.
  • Να έχει κατανοήσει βασικά ζητήματα σχετικά με την αναπαράσταση και χειρισμό ψηφιακών Εικόνων.
  • Να κατανοεί τις μεθόδους επεξεργασίας Εικόνων στον χώρο και το πεδίο συχνοτήτων.
  • Να κατανοεί τους βασικούς αλγόριθμους για αποκατάσταση Εικόνων, βελτίωση, συμπίεση, κλπ.




Γενικές Ικανότητες:

Οι ικανότητες που πρέπει να αποκτήσει ο πτυχιούχος και στις οποίες αποσκοπεί το μάθημα είναι:

  • Αυτόνομη εργασία.
  • Ομαδική εργασία.
  • Εργασία σε διεθνές περιβάλλον.
  • Εργασία σε διεπιστημονικό περιβάλλον.




Περιεχόμενο Μαθήματος:

  • Εισαγωγή στην Ψηφιακή Επεξεργασία Εικόνας
  • Η κατώτερη αναπαράσταση της εικόνας:
  • Pixel, Στοιχεία συστημάτων ψηφιακής επεξεργασίας εικόνας και βασικές έννοιες
  • Βασικοί δισδιάστατοι μετασχηματισμοί και αναπαραστάσεις εικόνας (Fourier, Walsh Hadamard, KL μετασχηματισμός διακριτού συνημίτονου (DCT), Ψηφιακή Καταγραφή Εικόνας
  • Βελτίωση της ποιότητας εικόνας
  • Βελτίωση εικόνας (μετασχηματισμοί έντασης, εξισορρόπηση ιστογράμματος, χωρικά φίλτρα, φίλτρα επιλογής συχνοτήτων, ομομορφικά φίλτρα)
  • Eπεξεργασία έγχρωμης εικόνας (βασικά χρωματικά υποδείγματα, ψευδοχρωματισμός, επεξεργασία πλήρους χρώματος)
  • Αποκατάσταση εικόνας(υποδείγματα παραμορφώσεων, αντίστροφα φίλτρα και φιλτρο Wiener, προσαρμοστικό φίλτρο Wiener)
  • Συμπίεση ψηφιακής εικόνας
  • Συμπίεση και κωδικοποίηση (Μορφές πληροφοριακού πλεονάσματος και κριτήρια πιστότητας, σχεδιασμός κβαντιστών Max Loyd, υποδείγματα συμπίεσης και κωδικοποίησης (προγνωστική κωδικοποίηση, DPCM, κα, συμπίεση με/χωρίς απώλειες,standards)
  • Αλγόριθμοι ανίχνευσης ακμών
  • Κατάτμηση εικόνας (ανίχνευση ασυνεχειών σημείου ευθείας ακμών, μετασχηματισμός Hough, κατωφλίωση, κατάτμηση με περιοχές, κωδικοποίηση αλυσίδας, περιγραφής συνόρου)
  • Εργαστήριο Μαθήματος:
  • Χρησιμοποιείται το Matlab (Image processing toolbox) για την υλοποίηση των αλγορίθμων που παρουσιάζονται στη διάλεξη.
  • Χρησιμοποιούνται επίσης τα προγράμματα από το βιβλίο των Gonzalez και Woods τα οποία καλύπτουν σχεδόν όλη την προαναφερθείσα ύλη.