1. Uvedení problematiky, literatura, zdroje. Digitalizace obrazu (HW
podpora), vzorkování a kvantování spojitých funkcí, Shannonův teorém,
2. Obrazové snímače, typy, vlastnosti, rozhraní kamer (analogové,
digitální), přenos obrazu, obrazové formáty
3. Základy projektivní geometrie. Geometrická kalibrace kamery
4. Základní operace s obrazy, histogram, změny kontrastu, odstranění
šumu, zaostření obrazu, Lineární filtrace v prostorové a frekvenční oblasti,
konvoluce,
5. Fourierova transformace, Komprese obrazu. JPEG komprese. Fraktální
komprese. MPEG komprese a digitální video. Přenos obrazu.
6. Rekonstrukce zašuměných a zkreslených obrazů. Aliasing. Kvantování
Metody segmentace obrazu. Prahování. Stanovení prahu. Detekce hran.
7. Gradientní metoda. Metoda průchodu nulou. Cannyho detektor hran.
Detektory rohů. Detekce čar v obrazu - Houghova transformace.
8. Neuronové sítě. Použití neuronových sítí pro vyhodnocení klasifikátorů
obrazu (viz dále).
9. (pokračování) Neuronové sítě. Použití neuronových sítí pro vyhodnocení
klasifikátorů obrazu (viz dále).
10. Stereovidění. Rekonstrukce prostorových souřadnic na základě znalosti
dvou nebo více
různých obrazů téže scény.
11. Absolutní a relativní kalibrace kamery. Problém korespondence bodů.
12. Průmyslové aplikace, praktická doporučení
13. Příznakový popis rovinných objektů - obecné principy, obrazové
momenty, korelace, rozpoznávání 2-D objektů.
1. Moderní návrhové prostředky - Matlab. Seznámení s prostředím MATLAB -
Image Processing Toolbox, Prostředky a funkce poskytované Matlabem. Interakce
Matlabu s ostatními programovacími jazyky: VB.net, C,C++.
2. Experimentální pořizování obrazových dat, instalace a konfigurace
kamer
3. Základní operace s obrazem v originální oblasti
4. Detekce hran a rohů, histogram – vlastní naprogramování jako „m funkce“
5. Práce se systémem National Instruments – analýza obrazu
6. Charakteristické parametry obrazu, (momenty), neuronové sítě
7. 2D diskretní systémy, ověření charakteristik , neuronové sítě
8. 2D DFT, spektra obrazů
9. detekce čar, rozpoznání objektů
podpora), vzorkování a kvantování spojitých funkcí, Shannonův teorém,
2. Obrazové snímače, typy, vlastnosti, rozhraní kamer (analogové,
digitální), přenos obrazu, obrazové formáty
3. Základy projektivní geometrie. Geometrická kalibrace kamery
4. Základní operace s obrazy, histogram, změny kontrastu, odstranění
šumu, zaostření obrazu, Lineární filtrace v prostorové a frekvenční oblasti,
konvoluce,
5. Fourierova transformace, Komprese obrazu. JPEG komprese. Fraktální
komprese. MPEG komprese a digitální video. Přenos obrazu.
6. Rekonstrukce zašuměných a zkreslených obrazů. Aliasing. Kvantování
Metody segmentace obrazu. Prahování. Stanovení prahu. Detekce hran.
7. Gradientní metoda. Metoda průchodu nulou. Cannyho detektor hran.
Detektory rohů. Detekce čar v obrazu - Houghova transformace.
8. Neuronové sítě. Použití neuronových sítí pro vyhodnocení klasifikátorů
obrazu (viz dále).
9. (pokračování) Neuronové sítě. Použití neuronových sítí pro vyhodnocení
klasifikátorů obrazu (viz dále).
10. Stereovidění. Rekonstrukce prostorových souřadnic na základě znalosti
dvou nebo více
různých obrazů téže scény.
11. Absolutní a relativní kalibrace kamery. Problém korespondence bodů.
12. Průmyslové aplikace, praktická doporučení
13. Příznakový popis rovinných objektů - obecné principy, obrazové
momenty, korelace, rozpoznávání 2-D objektů.
1. Moderní návrhové prostředky - Matlab. Seznámení s prostředím MATLAB -
Image Processing Toolbox, Prostředky a funkce poskytované Matlabem. Interakce
Matlabu s ostatními programovacími jazyky: VB.net, C,C++.
2. Experimentální pořizování obrazových dat, instalace a konfigurace
kamer
3. Základní operace s obrazem v originální oblasti
4. Detekce hran a rohů, histogram – vlastní naprogramování jako „m funkce“
5. Práce se systémem National Instruments – analýza obrazu
6. Charakteristické parametry obrazu, (momenty), neuronové sítě
7. 2D diskretní systémy, ověření charakteristik , neuronové sítě
8. 2D DFT, spektra obrazů
9. detekce čar, rozpoznání objektů