 |
Enver SANGINETO
Ricercatore t.d. art. 24 c. 3 lett. B
Dipartimento di Ingegneria "Enzo Ferrari"
|
Insegnamento: Image Processing
Ingegneria informatica (MN) (Offerta formativa 2024)
Obiettivi formativi
Il corso fornisce i fondamenti dell'elaborazione delle immagini: l’acquisizione e la formazione delle immagini digitali, lo studio e la scelta delle ottiche, dei sensori e dell'illuminazione, gli algoritmi di image processing ed analysis, le trasformate geometriche. Il corso sarà effettuato tramite lezioni frontali, con una parte di programmazione per l'implementazione di algoritmi di image processing e l'uso di librerie evolute ai sistemi di visione.
Prerequisiti
Nessuno
Programma del corso
Acquisizione e formazione delle immagini (3 CFU):
- Le ottiche e le lenti
- Basi di Ottica
- Qualità dell’Immagine
- Lenti a Focale Fissa e Macro
- Lenti 360°
- Lenti Telecentriche
- Principio di Scheimpflug
- Illuminazione e geometrie di illuminazione
-Perché è importante in Machine Vision
- Comportamento della Luce
- Sorgenti Luminose
- Geometrie di illuminazione
- Interazione tra diverse lunghezze d'onda e oggetti
- Illuminazione strutturata
- Camere
- Basi di Camere
- CCD vs CMOS
- Sensori monocromatici e a colori
- Caratteristiche di un sensore
- Parametri della camera
- Interfacce di comunicazione
- GeniCam
Image Processing (3 CFU):
- Digital Image Fundamentals
- Gli spazi colore (caratteristiche e impiego dei principali spazi colore, conversione tra spazi colore)
- Istogramma (tipologie di istogrammi, normalizzazione, istogrammi di colore)
- Equalizzazione
- Metodologie e metriche di confronto tra istogrammi
- Thresholding (soglie fisse, soglie automatiche, soglie adattive)
- Operatori puntuali e locali, filtri convolutivi
-Image Restoration
- Edge detection
- Spazio delle frequenze, Trasformata di Fourier
Metodi didattici
Lezioni in presenza. Il corso è erogato in lingua italiana. Gli studenti lavoratori troveranno su moodle.unimore.it il materiale per la preparazione dell'esame, compreso le registrazioni delle lezioni di un precedente anno accademico.
Il corso prevede anche alcuni esercizi di programmazione sugli argomenti trattati.
Testi di riferimento
- Dispense a cura dei docenti
- Digital Image Processing, 4Th Edition (Rafael C. Gonzalez, Richard E. Woods)
- Alexander Hornberg (eds.) - Handbook of Machine and Computer Vision - The Guide for Developers and Users-Wiley-VCH (2017)
Verifica dell'apprendimento
Esame orale sui contenuti del corso.
L’obiettivo dell’esame è valutare la preparazione teorica dello studente e la capacità di comprensione degli argomenti visti al corso.
Risultati attesi
Alla fine del corso lo studente avrà acquisito le conoscenze base dell’Image Processing e dei suoi algoritmi e concetti principali, così come i principi base riguardanti l’illuminazione, le ottiche e i sistemi di acquisizione di immagini e video. L’analisi e le discussioni in classe dei vari argomenti, nonché gli esercizi di programmazione in Python, permetteranno allo studente di conseguire le capacità necessarie per applicare la conoscenza acquisita durante il corso a problemi d’interesse pratico.