Metody wydobywania cech z obrazów
    Zbiory zdjęć Bilioteka IFE
  1. Wykład 1 (2021-10-04)
  2. Ćwiczenia 1 (2021-10-04)
  3. Ćwiczenia 2 (2021-10-11)
    • Materials: Colaboratory configuration
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Implementować typowe operatory punktowe (point operators):
        1. Brightness operator (with level and gain)
        2. Histogram normalization
        3. Treshold
        4. Histogram equalisation
        
  4. Wykład 2 (2021-10-18)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Umieć policzyć splot dla przypadku dyskretnego, w 1 i 2 wymiarach.
  5. Ćwiczenia 3 (2021-10-18)
  6. Ćwiczenia 4 (2021-10-25)
  7. Wykład 3 (2021-11-08)
    • Materials
      • Colour images (do modelu CIE RGB/CIE XYZ i diagramów chromatyczności (chromaticity diagram)) - prezentacja dostępna w aplikacji Teams.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Mechanizm postrzegania kolorów przez człowieka
      • Model CIE RGB oraz CIE XYZ
  8. Ćwiczenia 5 (2021-11-08)
    • Materials
      • Wykonać eksperymenty z kolorami, np.:
        • Mapowanie RGB - Gray - ile kolorów przypada na każdy odcień szarości?
        • Wybieramy kolor (kolory) - mnożymy składowe przez taką samą wartość - patrzymy jak zmieniła się jasność. Zmieniamy wybraną składową o określoną wartość i znowu patrzymy jak zmieniła się jasność (Ćwiczenie do slajdu 13 a także 15).
        • Zbadać, czy można utworzyć kolorową (jasnościową) sygnaturę pliku?
        • Zmiana jasności obrazu w modelu RGB i HSL.
        • Zmiana kolorów na obrazie przez obrót stożka.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
  9. Ćwiczenia 6 (2021-11-15)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Implementować mechanizmy wykrywania krawędzi:
        1. Wykorzystanie tzw. first-order differentiation
        2. Roberts cross operator
        3. Prewitt edge detection operator
        4. Sobel-Feldman edge detection operator
        5. Canny edge detection operator
        
  10. Wykład 4 (2021-11-22)
    • Materials
      • Colour images (od modelu CIE RGB/CIE XYZ i diagramów chromatyczności (chromaticity diagram) do końca) - prezentacja dostępna w aplikacji Teams.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Mechanizm postrzegania kolorów przez człowieka
      • Model CIE RGB oraz CIE XYZ
  11. Ćwiczenia 7 (2021-11-22)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Implementować mechanizmy wykrywania krawędzi:
        1. Wykrywanie rogów na podstawie zmiany kierunku krzywej
        2. Wykrywanie rogów na podstawie gradientu
        3. Harris corner detector
        
  12. Ćwiczenia 8 (2021-11-29)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • ...
  13. Wykład 5 (2021-12-06)
    • Materials
      • Feature point detection (od modelu CIE RGB/CIE XYZ i diagramów chromatyczności (chromaticity diagram) do końca) - prezentacja dostępna w aplikacji Teams.
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć:
      • Znać i implementować podstawowe algorytmy z tej grupy: Dog, HoG, SIFT, FAST.
  14. Ćwiczenia 9 (2021-12-06)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć:
      • Znać i implementować podstawowe algorytmy z tej grupy:
        1. Dog
        2. HoG
        3. SIFT
        4. FAST
        
  15. Ćwiczenia 10 (2021-12-13)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Implementować podstawowe metody segmentacji obrazu:
        1. Algorytm Watershed transform
        2. Simple Linear Iterative Clustering (SLIC)
        
      • Implementować podstawowe metody opisu tekstury:
        1. Co-occurrence matrix
        2. Local Binary Pattern (LBP)
        
  16. Wykład 6 (2021-12-20)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Podstawowa idea transformaty Hough'a.
  17. Ćwiczenia 11 (2021-12-20)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Wykorzystać transformatę Hough'a do:
        • Identyfikajca odcinaka na płaszczyźnie (odcinka a nie prostej, a więc potrzebuujemy jego początek i koniec).
        • Identyfikacja figur typu trjkąt, prostokąt.
        • Identfikacja pól formularza.
  18. Ćwiczenia 12 (2022-01-03)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Problematykę związaną z detekcją i opisem ruchu.
  19. Ćwiczenia 13 (2022-01-10)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Znać definicję szkieletu i metody wywodzące się z tych definicji.
  20. Ćwiczenia 14 (2022-01-17)
    • Materials
    • Co po tych zajęciach powinno się znać / wiedzieć / umieć
      • Znać podstawowe pojęcia związane ze sztucznymi sieciami neuronowymi, w tym siecim głebokimi.
      • Znać podstawy budowy sieci konwolucyjnych.
      • Umieć wskazać ograniczenia metod opartych na sztucznych sieciach neuronowych.