Beruflich Dokumente
Kultur Dokumente
2012/2013
Gua Didctica
La actual gua didctica constituye la hoja de ruta de la asignatura Procesamiento Digital de Imgenes en el curso 2012/2013. Su contenido est basado, como no puede ser de otra forma, en la gua docente oficial aprobada por el departamento de Ciencias de la Computacin e I.A. y que puede consultarse en http://sl.ugr.es/guiaPDI . Este documento pretende recopilar en un nico lugar todos aquellos aspectos que son relevantes para el desarrollo de la asignatura en el presente curso, incluyendo, entre otros, el horario, informacin sobre el profesor, los contenidos tericos y prcticos, la metodologa, y el procedimiento de evaluacin.
La asignatura
Procesamiento Digital de Imgenes es una asignatura cuatrimestral optativa de cuarto curso que se imparte en la titulacin de Ingeniero de Telecomunicacin. Consta de 4.5 crditos tericos y 1.5 prcticas, sumando un total de 6 crditos.
Horario
La asignatura comienza el 18 de febrero y termina el 11 de Junio, impartindose 3 horas de teora semanales y dos horas prcticas cada dos semanas. El horario y el aula de cada sesin se muestran en la siguiente tabla: HORARIO Lunes: 8:00 10:00 Martes: 8:00 9:00 Mircoles 15:00 17:00 AULA 0.6 2.8
TEORIA PRACTICAS
Existe un nico grupo de teora, pero dos grupos de prcticas cuyas sesiones sern en semanas alternas (cada grupo de prcticas tiene 7 sesiones). Las sesiones prcticas del grupo A comienzan el 27 de febrero, mientras que las del grupo B comienzan el 6 de marzo. El siguiente calendario resume las sesiones de teora (en verde) y las de prcticas de cada grupo (azules) a lo largo del cuatrimestre.
l
4
m x
5 6
j
7
v
1 8
s
2
d
3
l
4
m x
5 6
j
7
v
1 8
s
2
d
3
l
1 8
m x
2 3
j
4
v
5
s
6
d
7
Fe br er
ar zo
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28
11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
Ab ril
9 10
9 10
9 10 11 12 13 14
15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
l
6
m x
1 7 8
j
2
v
3
s
4
d
5
l
3
m x
4 5
j
6
v
7
s
1 8
d
2 9
Ju ni o
ay o
9 10 11 12
13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31
10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
Exmenes
De acuerdo a la gua de la ETSIIT [http://etsiit.ugr.es/pages/escuela/guia_escuela], el examen de la convocatoria ordinaria de Junio est previsto que se realice el 28 de junio en horario de maana. El examen de la convocatoria extraordinaria de septiembre est previsto que se celebre el da 11 de septiembre por la tarde. No obstante, ESTAS FECHAS SON PROVISIONALES. Slo debe considerarse definitiva la fecha y hora consignadas en la convocatoria oficial que se har pblica, como mnimo, 10 das antes de los respectivos exmenes en los tablones destinados al efecto en la Escuela.
Contenidos tericos
La asignatura se estructura en torno a 7 bloques principales que van ordenados por niveles de abstraccin. Son los siguientes: Introduccin al procesamiento digital de imgenes Preprocesamiento de imgenes Segmentacin Representacin de formas y descripcin Reconocimiento de patrones Aplicaciones del procesamiento de imgenes Compresin y transmisin de imgenes
Los contenidos completos y detallados de la asignatura se pueden consultar en la gua docente oficial [http://sl.ugr.es/guiaPDI] publicada en la web del departamento.
Contenidos prcticos
Los siguientes contenidos se desarrollarn en las sesiones prcticas en el laboratorio: Introduccin al tratamiento de imgenes en MATLAB. Transformaciones geomtricas y fotomtricas. Modelos de color. Transformaciones del histograma de una imagen. Utilizacin de filtros. Algoritmos de deteccin de fronteras. Mtodos de segmentacin basados en similaridad.
Para realizar los ejercicios prcticos se har uso de MATLAB. Las aulas de prcticas de la escuela cuentan con dicho software instalado, aunque el alumno es libre de usar su propio porttil. No obstante, el alumno debe asegurarse de que sus ejercicios funcionan, al menos, en alguna versin de MATLAB.
Objetivos
Al finalizar la asignatura, se pretende que el alumno sea capaz de: Entender, de forma bsica, cmo funciona la visin humana. Comprender los modelos de representacin de imgenes en un computador. Realizar transformaciones computacionales bsicas a una imagen. Realizar transformaciones a distintos espacios de color a una imagen. Estimar y comprender la forma del histograma de distintas imgenes. Realizar transformaciones geomtricas a una imagen. Identificar los defectos de una imagen. Transformar una imagen para mejorar su visualizacin, incluyendo mejora de contraste y eliminacin de ruido. Entender el funcionamiento de filtros y convoluciones. Disear el filtro ms adecuado para distintas tareas de tratamiento de imgenes. Segmentar imgenes utilizando la tcnica ms apropiada. Utilizar las tcnicas apropiadas para representar y describir computacionalmente las formas de una imagen. Conocer distintas tcnicas para reconocimiento de patrones. Manejar con soltura MATLAB, al menos para problemas relacionados con el tratamiento de imgenes.
Evaluacin
Dado el carcter eminentemente aplicado de la asignatura, se conceder un mayor peso a las prcticas en relacin a su carga docente. De esta forma, el 50% de la nota final de la asignatura provendr de prcticas y el otro 50% de teora. A la calificacin de TEORA contribuirn el examen final de la asignatura y los ejercicios que se vayan proponiendo en clase. Tanto los ejercicios como el examen son optativos y ser el alumno quien decida si participar en ellos y en qu grado. En cuanto a PRCTICAS, se tendr en cuenta para la evaluacin la realizacin de los guiones de prcticas y los ejercicios que en ellos se proponen, y la elaboracin de un pequeo proyecto que integre los conocimientos aprendidos. Tanto la realizacin de los guiones como el proyecto son optativos, siendo el alumno quien decide si llevarlos a cabo. Para demostrar que los guiones de prcticas se han realizado, es necesario, para cada prctica, subir a SWAD (en "mis trabajos") el/los fichero/s .m con los distintos comandos probados, comentarios, as como cualquier otro fichero que el alumno estime conveniente (imgenes usadas, capturas de pantalla, resultados...). La fecha lmite para subirlos es el 21 de junio. Por tanto, la asistencia a clase (teora y/o prcticas) no es obligatoria, como tampoco lo es aprobar alguna de las partes para aprobar la asignatura.
Pgina web
Todos los materiales de la asignatura, as como otra informacin relevante estarn disponibles en la plataforma SWAD [https://swad.ugr.es]. El alumno debe asegurarse que tiene acceso a la asignatura en dicha plataforma y, en caso contrario, contactar con el profesor a la mayor brevedad.
El profesor
Miguel Molina es Ingeniero Informtico y doctor por la Universidad de Granada. Actualmente pertenece al departamento de Ciencias de la Computacin e Inteligencia Artificial, donde lleva a cabo su investigacin y sus tareas docentes. Ha trabajado en el campo de la representacin computacional de comportamientos humanos, y en particular en el campo de la interpretacin musical. Actualmente, desarrolla su investigacin en optimizacin y control eficiente de consumo energtico en edificios. Ha impartido docencia en el Grado en Estadstica, en las titulaciones de Ingeniero en Informtica e Ingeniero en Telecomunicacin, y en el mster universitario de Educacin Secundaria. Su despacho se encuentra en el CITIC-UGR (edificio a espaldas de la Escuela). Su correo electrnico es miguelmolina@ugr.es (para facilitar la gestin, es conveniente que todos los emails referentes a la asignatura comiencen su asunto por [PDI]). El horario de tutoras es lunes y mircoles de 12:00 a 13:00. Debido a problemas de espacio, es necesario pedir cita por email con antelacin.
Bibliografa
GONZALEZ, R.C. y R.E. WOODS. Digital Image Processing. Prentice Hall, 2001. GONZALEZ, R.C. y R.E. WOODS. Digital Image Processing using Matlab. Prentice Hall, 2004. JAIN, A.K. Foundamentals of Digital Image Processing. Prentice Hall,Englewood Cliffs, 1989. MATLAB reference guides. http://www.mathworks.com/access/helpdesk/help/techdoc/ 2006. PAJARES, G. DE LA CRUZ, J. Visin por Computador. Rama. 2001. SAYOOD, K. Introduction to data compression. Morgan Kaufmann Publish. 2000. SCHALKOFF, R.J. Digital Image Processing and Computer Vision. Wiley, New York. 1999. SONKA, M., HLAVAC, V., BOYLE, R. Image Processing, Analysis and Machine Vision. Brooks/ColeThomsom Publish. 2000. UMBAUGH, S.E. Computer Imaging. Digital Image Analysis and Processing. CRC Press. 2005
Adicionalmente, se recomienda matricularse y participar en el curso online gratuito impartido por Guillermo Sapiro en la plataforma Coursera [ https://class.coursera.org/images-2012-001/class/index ].
Introduccin
El presente guion de trabajo est dedicado a mostrar cmo trabajar con operaciones aritmticas simples sobre imgenes y el significado y objetivo de stas. Antes de comenzar este guion, asegrese de haber completado los guiones de trabajo autnomo anteriores. Si no es as, por favor, realice aquellos antes de proseguir. Lea con detenimiento las secciones 2.6.2, 2.6.7 y 3.2 del libro de Gonzalez & Woods (la referencia a este libro puede encontrarla en la bibliografa de la asignatura). En ellas encontrar las bases tericas necesarias para completar este guion de trabajo con xito.
IMAGEN ORIGINAL A B
A la vista de lo anterior, parece que multiplicar una imagen por un escalar produce el mismo resultado que sumar un escalar a la imagen. Es entonces indistinto utilizar una operacin u otra? Razone las posibles diferencias. Cundo sera ms apropiado utilizar la suma/resta y cundo el producto/divisin?
Reto
Con lo que conoce hasta ahora, sera capaz de mejorar la visualizacin de la imagen de ms abajo? Piense en el procedimiento que aplicara e implemntelo en Matlab. Funciona? El procedimiento que ha ideado servira para mejorar la visualizacin de cualquier imagen que tuviera un problema similar?
Investigue sobre el mtodo de stretching en una imagen. Podra esta tcnica servir para mejorar la visualizacin de la imagen anterior? Investigue sobre la cuantizacin del histograma de una imagen. Sera este mecanismo tambin vlido para mejorar la visualizacin? Intuye algunas diferencias entre ambos mtodos?