Digitalna obrada slike

Cilj i ishod predmeta

Upoznavanje studenata sa konceptima, tehnikama i algoritmima digitalne obrade slike u prostornom i frekvencijskom domenu. Po završetku kursa student poznaje osnovne tehnike i koncepte digitalnog procesiranja slika i može da primeni stečeno znanje o tehnikama obrade slike uključujući filtriranje slike, uklanjanje šuma iz slike, uklanjanje zamućenja iz slike, izoštravanje slike, poboljšanje kontrasta slike, izdvajanje ivica iz slike, segmentaciju slike, izdvajanje obeležja slike, prepoznavanje (klasifikacija) objekata u slici. Na kraju kursa student je osposobljen da koristi programski paket za obradu slike i da samostalno kreira algoritme za obradu slike.

Teorijska nastava

Značaj digitalne obrade slike, vrste slika na osnovu različitih opsega u spektru elektromagnetnog zračenja, osnove vizuelnog sistema čoveka, formiranje slike, obrada slike u prostornom domenu (transformacija intenziteta slike, manipulacija histograma, filtriranje slika u prostornom domenu primenom linearnih i nelinearnih filtara), predstavljanje slike u frekvencijskom domenu primenom 2D diskretne Furijeove transformacije, filtriranje slike u frekvencijskom domenu primenom filtara: propusnika niskih frekvencija, propusnika visokih frekvencija, propusnika opsega, nepropusnika opsega; restauracija degradirane slike: uklanjanje šuma iz slike filtriranjem slike u prostornom domenu, uklanjanje periodičnog šuma iz slike filtriranjem slike u frekventnom domenu; obrada slika u boji: modeli (prostori) boja (RGB, HSI), segmentacija slike na osnovu boje; reprezentacija slike na više rezolucija: piramidalna reprezentacija slike, reprezentacija slike pomoću talasića (wavelets); morfološka obrada slike: operacije matematičke morfologije, primena morfoloških operatora za deskripciju oblika binarnih slika: redukcija šuma, ekstrakcija ivica, skeletonizacija, popunjavanje praznina, istanjivanje i podebljanje oblika u slici, detekcija oblika primenom hit-or-miss transformacije, primena morfoloških filtara na monohromatske slike: za glačanje slike, za uklanjanje šuma, za izdvajanje ivica, top-hat i bottom-hattransformacije za korekciju neuniformnog osvetljenja slike, segmentacija teksture primenom morfoloških operatora; segmentacija slike na osnovu diskontinuiteta intenziteta piksela slike (pomoću detekcije ivica), segmentacija slike na osnovu sličnosti intenziteta piksela slike metodom rasta regiona, metodom podela i spajanja regiona, segmentacija slike primenom praga, segmentacija slike kombinovanjem metoda, segmentacija slike primenom aktivnih kontura; izdvajanje obeležja iz slike, detekcija obeležja, opis obeležja, deskriptori konture, deskriptori regiona, deskriptori teksture, ključna obeležja (keypoint features); prepoznavanje (klasifikacija) objekata: klasifikacija na osnovu poklapanja sa prototipom: klasifikacija na osnovu minimalne udaljenosti vektora objekta od vektora prototipa klasa (minimum distance-nearest neighborclassifier), klasifikacija na osnovu korelacije maske i slike (image correlation classifier), strukturne metode prepoznavanja oblika kontura na osnovu stringova, klasifikacija na osnovu statistike, klasifikacija korišćenjem neuralnih mreža, izdvajanje mapa obeležja pomoću konvolucionih neuralnih mreža (CNN),  klasifikacija pomoću potpuno povezanih neuralnih mreža (FCNN).

Praktična nastava

Osnove programskog paketa Octave za obradu slika; predstavljanje slike kao matrice, pixel kao element slike, učitavanje, prikaz i upis slike, monohromatska slika, binarna slika, slika u boji, prostorna rezolucija, rezolucija intenziteta, transformacija intenziteta slike (manipulacija kontrasta, postavljanje praga, izračunavanje “negativa” slike,  power-law (gamma) transformacija, reprezentacija slike po bit ravnima), obrada histograma na celoj slici i po delovima slike (izračunavanje i crtanje histograma, ekvalizacija histograma, specifikacija histograma), filtriranje u prostornom domenu za izoštravanje slike, za glačanje slike, za uklanjanje šuma; izračunavanje i prikaz spektra slike, transformacija intenziteta u spektralnom domenu (log transformacija),  ilustracija efekta aliasing u slikama,  filtriranje slike u frekvencijskom domenu primenom Gaussian, Laplacian, Butterworth filtara za izoštravanje i zamućenje slika, selektivno filtriranje za uklanjanje periodične interferencije, homomorfno filtriranje slike; restauracija zašumljene slike filtriranjem slike u prostornom domenu: uklanjanje Gausovog šuma iz slike, uklanjanje šuma tipa “so i biber“, filtriranje slike koja sadži zamućenje i šum, restauracija slike zašumljene sinusoidalnim šumom filtriranjem slike u frekvencijskom domenu; geometrijske transformacije slike: skaliranje, rotacija, translacija, refleksija, razvlačenje, registracija (poravnanje) slika; obrada slika u boji: prostorno filtriranje slike u boji za izoštravanje i za glačanje slike; reprezentacija slike na više rezolucija primenom Gaussian piramide, Laplacian piramide, steerable piramide, dekompozicija slike primenom talasića (wavelets), detekcija ivica, uklanjanje šuma, zamućenje slike na osnovu reprezentacije slike pomoću talasića, wavelet packet dekompozicija slike, rekonstrukcija slike na osnovu piramidalne repšrezentacije, rekonstrukcija slike na osnovu wavelet reprezentacije slike; morfološka obrada slike: primena morfoloških operatora na binarne slike za redukciju šuma, za ekstrakciju ivica, za popunjavanje praznina u slici, primena morfoloških operatora na monohromatske slike: za glačanje slike, za uklanjanje šuma, za korekciju neuniformnog osvetljenja slike primenom top-hat i bottom-hat transformacije, za razdvajanje čestica primenom morfološke granulometrije, za segmentaciju teksture, segmentacija slike primenom morfoloških vododelnica, primena morfoškog gradijenta za izdvajanje ivica u slici; segmentacija slike: na osnovu ivica, na osnovu karakteristika regiona, primenom praga, segmentacija slike sa varijacijom intenziteta, segmentacija teksta iz slike zašumljene sinusoidalnim šumom, segmentacija slike primenom tehnike “rast regiona“, segmentacija slike primenom k-means  algoritma, segmentacija slike primenom superpiksela, segmentacija slike na osnovu teksture, segmentacija slike primenom vododelnica na osnovu gradijenta, segmentacija slike pomoću promenljive konture “snakes“, segmentacija slike na osnovu implicitne reprezentacije aktivnih kontura  “level sets “; detekcija uglova u slici; reprezentacija konture primenom minimum-perimeter polygon (MPP) algoritma, rekonstrukcija konture na osnovu Furijeovih deskriptora, nalaženje skeletona, izračunavanje i prikaz co-occurrence matrica slika različitih tekstura, prikaz spektra slika sa uređenim i sa slučajnim rasporedom objekata, određivanje lokacije objekta na slici izračunavanjem korelacije šablona i slike, prepoznavanje oblika izračunavanjem vektora oblika signatures i korišćenjem feedforward neuralne mreže za klasifikaciju, prepoznavanje objekata na osnovu poklapanja stringova, prepoznavanje rukom pisanih cifara na slikama iz MNIST baze slika korišćenjem konvolucionih neuralnih mreža (CNN) za izdvajanje mapa obeležja i potpuno povezanih neuralnih mreža (FCNN) za klasifikaciju, prepoznavanje objekata na slikama iz CIFAR-10 baze slika korišćenjem CNN/ FCNN.