Obdelava slik in videa

Opis predmeta

Nastanek slike (zajem, vzorčenje in rekonstrukcija slik ter percepcija slikovne informacije); barve in barvne slike (fizikalni pomen barv, barvni modeli, prostori in metrika, primerjava in pretvorba med barvnimi prostori); histogrami slik ter teorija informacij; interpolacija in decimacija slik; prikazovanje slik; preslikave slik (intenzitetne in geometrijske preslikave); zgoščevanje slik; prostorsko filtriranje slik (z jedrom, statistično in morfološko filtriranje); razgradnja slik (z odvodi oz. robljenjem, upragovljanjem, razvrščanjem in modeli, Houghova preslikava, analiza osnovnih komponent); frekvenčna analiza slik; filtriranje slik v frekvenčni domeni; obdelava in analiza videa (detekcija, analiza in vrednotenje premikov, vektor premika, filtriranje šuma, detekcija in odstranjevanje madežev, odpravljanje migetanja); standardi zapisa in kvaliteta slikovnih in video komunikacijskih storitev. 

Cilji in kompetence

Cilj predmeta je pridobiti znanja iz področja digitalne obdelave slikovnega in video gradiva, ki vključuje razumevanje postopkov za digitalno obdelavo večdimenzionalnih signalov, pridobitev usposobljenosti za izbor načina zajema, obdelave in shranjevanja slik, interpretacijo barv v digitalnih slikovnih sistemih, razumevanje predstavitve večdimenzionalnih signalov v frekvenčnem prostoru ter poznavanje postopkov za zgoščevanje slik in videa. Praktične laboratorijske vaje temeljijo na implementaciji računalniških oziroma informacijsko podprtih postopkov za digitalno obdelavo slik in videa.   

Metode poučevanja in učenja

Predavanja so namenjena podajanju teoretičnih postopkov, obstoječih standardov ter uveljavljenih metod, ki so dodatno utemeljene z opisom praktičnih primerov na različnih področjih. Laboratorijske vaje so namenjene pridobivanju praktičnih znanj, in sicer izdelavi računalniških postopkov za obdelavo in analizo slik in videa.

Predvideni študijski rezultati

Po uspešnem zaključku predmeta naj bi bili študenti sposobni:

  • opredeliti sliko oz. video kot večdimenzionalni signal;
  • primerjati različne načine prikazovanja slik in videa ter njihove predstavitve v barvnih prostorih;
  • razlikovati med različnimi vidiki vzorčenja slik in videa (ločljivost slikovnega elementa, prostorska, spektralna, časovna in radiometrična ločljivost);
  • razlikovati med različnimi standardi za zgoščevanje slik in videa z vidika teorije informacij;
  • izbrati ustrezno metodo za filtriranje slik v prostorski ali frekvenčni domeni za namene dane aplikacije;
  • uporabiti različne tehnike za preslikavo slik (intenzitetne preslikave, geometrijske preslikave);
  • razviti poenostavljene računalniške algoritme za reševanje problemov iz področja obdelave slik in videa;
  • vrednotiti obstoječe in nove metode za obdelavo slik in videa.

Reference nosilca

  1. Bulat Ibragimov, Robert Korez, Boštjan Likar, Franjo Pernuš, Lei Xing in Tomaž Vrtovec. Segmentation of pathological structures by landmark-assisted deformable models. IEEE Transactions on Medical Imaging, 36(7):1457-1469, 2017. [doi:10.1109/TMI.2017.2667578] [FV: 3.942 (2016); 9/105 computer science, interdisciplinary applications; četrtina]
  2. Ching-Wei Wang, Cheng-Ta Huang, Jia-Hong Lee, Chung-Hsing Li, Sheng-Wei Chang, Ming-Jhih Siao, Tat-Ming Lai, Bulat Ibragimov, Tomaž Vrtovec, Olaf Ronneberger, Philipp Fischer, Tim F. Cootes in Claudia Lindner. A benchmark for comparison of dental radiography analysis algorithms. Medical Image Analysis, 31:63-76, 2016. [doi:10.1016/j.media.2016.0004] [FV: 4.188 (2016); 8/105 computer science, interdisciplinary applications; 1. četrtina]
  3. Robert Korez, Bulat Ibragimov, Boštjan Likar, Franjo Pernuš in Tomaž Vrtovec. A framework for automated spine and vertebrae interpolation-based detection and model-based segmentation. IEEE Transactions on Medical Imaging, 34(8):1649-1662, 2015. [doi:10.1109/TMI.2015.2389334] [FV: 390 (2014); 18/249 engineering, electrical & electronic; 1. četrtina]
  4. Bulat Ibragimov, Boštjan Likar, Franjo Pernuš in Tomaž Vrtovec. Shape representation for efficient landmark-based segmentation in 3D. IEEE Transactions on Medical Imaging, 33(4):861-874, 201 [doi:10.1109/TMI.2013.2296976] [FV: 3.390 (2014); 18/249 engineering, electrical & electronic; 1. četrtina]
  5. Bulat Ibragimov, Boštjan Likar, Franjo Pernuš in Tomaž Vrtovec. A game-theoretic framework for landmark-based image segmentation. IEEE Transactions on Medical Imaging, 31(9):1761-1776, 2012. [doi:10.1109/TMI.2012.2202915] [FV: 4.027 (2012); 8/242 engineering, electrical & electronic; 1. četrtina]

Temeljni viri in literatura

  1. R.C. Gonzalez, R.E. Woods: Digital Image Processing, Pearson Prentice Hall, 3. izdaja, 2008.
  2. B. Likar: Biomedicinska slikovna informatika in diagnostika, Založba FE in FRI, 2008.
  3. W. Burger, M.J. Burge: Principles of Digital Image Processing: Fundamental Techniques, Springer, 2009.
  4. W. Burger, M.J. Burge: Principles of Digital Image Processing: Core Algorithms, Springer, 2009.
  5. W. Burger, M.J. Burge: Principles of Digital Image Processing: Advanced Methods, Springer, 2013.

Bodi na tekočem

Univerza v Ljubljani, Fakulteta za elektrotehniko, Tržaška cesta 25, 1000 Ljubljana

E:  dekanat@fe.uni-lj.si T:  01 4768 411