Дигитална обрада слике

Циљ и исход предмета

Упознавање студената са концептима, техникама и алгоритмима дигиталне обраде слике у просторном и фреквенцијском домену. По завршетку курса студент познаје основнe технике и концепте дигиталног процесирања слика и може да примени стечено знање о техникама обраде слике укључујући филтрирање слике, уклањање шума из слике, уклањање замућења из слике, изоштравање слике, побољшање контраста слике, издвајање ивица из слике, сегментацију слике, издвајање обележја слике, препознавање (класификација) објеката у слици. На крају курса студент је оспособљен да користи програмски пакет за обраду слике и да самостално креира алгоритме за обраду слике.

Теоријска настава

Значај дигиталне обраде слике, врсте слика на основу различитих опсега у спектру електромагнетног зрачења, основе визуелног система човека, формирање слике, обрада слике у просторном домену (трансформација интензитета слике, манипулација хистограма, филтрирање слика у просторном домену применом линеарних и нелинеарних филтара), представљање слике у фреквенцијском домену применом 2Д дискретне Фуријеове трансформације, филтрирање слике у фреквенцијском домену применом филтара: пропусника ниских фреквенција, пропусника високих фреквенција, пропусника опсега, непропусника опсега; рестаурација деградиране слике: уклањање шума из слике филтрирањем слике у просторном домену, уклањање периодичног шума из слике филтрирањем слике у фреквентном домену; обрада слика у боји: модели (простори) боја (RGB, HSI), сегментација слике на основу боје; репрезентација слике на више резолуција: пирамидална репрезентација слике, репрезентација слике помоћу таласића (wavelets); морфолошка обрада слике: операције математичке морфологије, примена морфолошких оператора за дескрипцију облика бинарних слика: редукција шума, екстракција ивица, скелетонизација, попуњавање празнина, истањивање и подебљање облика у слици, детекција облика применом hit-or-miss трансформације, примена морфолошких филтара на монохроматске слике: за глачање слике, за уклањање шума, за издвајање ивица, top-hat и bottom-hatтрансформације за корекцију неуниформног осветљења слике, сегментација текстуре применом морфолошких оператора; сегментација слике на основу дисконтинуитета интензитета пиксела слике (помоћу детекције ивица), сегментација слике на основу сличности интензитета пиксела слике методом раста региона, методом подела и спајања региона, сегментација слике применом прага, сегментација слике комбиновањем метода, сегментација слике применом активних контура; издвајање обележја из слике, детекција обележја, опис обележја, дескриптори контуре, дескриптори региона, дескриптори текстуре, кључна обележја (keypoint features); препознавање (класификација) објеката: класификација на основу поклапања са прототипом: класификација на основу минималне удаљености вектора објекта од вектора прототипа класа (minimum distance- nearest neighbor classifier), класификација на основу корелације маске и слике (image correlation classifier), структурне методе препознавања облика контура на основу стрингова, класификација на основу статистике, класификација коришћењем неуралних мрежа, издвајање мапа обележја помоћу конволуционих неуралних мрежа (CNN),  класификација помоћу потпуно повезаних неуралних мрежа (FCNN).

Практична настава

Основе програмског пакета Оctave за обраду слика; представљање слике као матрице, pixel као елемент слике, учитавање, приказ и упис слике, монохроматска слика, бинарна слика, слика у боји, просторна резолуција, резолуција интензитета, трансформација интензитета слике (манипулација контраста, постављање прага, израчунавање “негатива” слике,  power-law (gamma) трансформација, репрезентација слике по бит равнима), обрада хистограма на целој слици и по деловима слике (израчунавање и цртање хистограма, еквализација хистограма, спецификација хистограма), филтрирање у просторном домену за изоштравање слике, за глачање слике, за уклањање шума; израчунавање и приказ спектра слике, трансформација интензитета у спектралном домену (log трансформација),  илустрација ефекта aliasing у сликама,  филтрирање слике у фреквенцијском домену применом Gaussian, Laplacian, Butterworth филтара за изоштравање и замућење слика, селективно филтрирање за уклањање периодичне интерференције, хомоморфно филтрирање слике; рестаурација зашумљене слике филтрирањем слике у просторном домену: уклањање Гаусовог шума из слике, уклањање шума типа “со и бибер“, филтрирање слике која саджи замућење и шум, рестаурација слике зашумљене синусоидалним шумом филтрирањем слике у фреквенцијском домену; геометријске трансформације слике: скалирање, ротација, транслација, рефлексија, развлачење, регистрација (поравнање) слика; обрада слика у боји: просторно филтрирање слике у боји за изоштравање и за глачање слике; репрезентација слике на више резолуција применом Gaussian пирамиде, Laplacian пирамиде, steerable пирамиде, декомпозиција слике применом таласића (wavelets), детекција ивица, уклањање шума, замућење слике на основу репрезентације слике помоћу таласића, wavelet packet декомпозиција слике, реконструкција слике на основу пирамидалне репшрезентације, реконструкција слике на основу wavelet репрезентације слике; морфолошка обрада слике: примена морфолошких оператора на бинарне слике за редукцију шума, за екстракцију ивица, за попуњавање празнина у слици, примена морфолошких оператора на монохроматске слике: за глачање слике, за уклањање шума, за корекцију неуниформног осветљења слике применом top-hat и bottom-hat трансформације, за раздвајање честица применом морфолошке гранулометрије, за сегментацију текстуре, сегментација слике применом морфолошких вододелница, примена морфошког градијента за издвајање ивица у слици; сегментација слике: на основу ивица, на основу карактеристика региона, применом прага, сегментација слике са варијацијом интензитета, сегментација текста из слике зашумљене синусоидалним шумом, сегментација слике применом технике “раст региона“, сегментација слике применом k-means  алгоритма, сегментација слике применом суперпиксела, сегментација слике на основу текстуре, сегментација слике применом вододелница на основу градијента, сегментација слике помоћу променљиве контуре “snakes“, сегментација слике на основу имплицитне репрезентације активних контура  “level sets “; детекција углова у слици; репрезентација контуре применом minimum-perimeter polygon (MPP) алгоритма, реконструкција контуре на основу Фуријеових дескриптора, налажење скелетона, израчунавање и приказ co-occurrence матрица слика различитих текстура, приказ спектра слика са уређеним и са случајним распоредом објеката, одређивање локације објекта на слици израчунавањем корелације шаблона и слике, препознавање облика израчунавањем вектора облика signatures и коришћењем feedforward неуралне мреже за класификацију, препознавање објеката на основу поклапања стрингова, препознавање руком писаних цифара на сликама из MNIST базе слика коришћењем конволуционих неуралних мрежа (CNN) за издвајање мапа обележја и потпуно повезаних неуралних мрежа (FCNN) за класификацију, препознавање објеката на сликама из CIFAR-10 базе слика коришћењем CNN/ FCNN.