Úvod do zpracování obrazů pomocí Matlab Počítačový Kurz

Základy obrázku a zpracování obrazů v MATLAB

1. Úvod do digitálního zpracování obrazů

• Pochopení digitálních obrazů a pixelů
• Dimenze obrazu, rozlišení a datové typy
• Úvod do balíčku MATLAB Image Processing Toolbox
• Pochopení základního toku práce se zpracováním obrazů

2. Import a vizualizace obrazů

• Načítání obrazů do MATLAB
• Zobrazení a prozkoumání vlastností obrazů
• Práce s dimenzemi a datovými typy obrazů
• Srovnání různých reprezentací obrazů

3. Práce s barevnými obrázky

• Pochopení RGB barevných obrazů
• Přístup k jednotlivým červeným, zeleným a modrým kanálům
• Kombinace a manipulace s barevnými kanály
• Převody mezi barevnými reprezentacemi

4. Šedostónové a binární obrazy

• Převod RGB obrazů do šedostónu
• Pochopení hodnot intenzity
• Vytvoření binárních obrazů
• Základy prahování
• Srovnání šedostónových a binárních reprezentací

5. Masky obrazů a oblasti zájmu

• Pochopení masek obrazů
• Vytvoření logických masek
• Aplikace masek na obrazy
• Vybraní a analýza oblastí zájmu

6. Ukládání a export obrazů

• Ukládání zpracovaných obrazů
• Správa formátů obrazů
• Export výsledků pro další analýzu

Praktické cvičení: Vytvořte základní pracovní tok v MATLAB pro načtení, prozkoumání, manipulaci, maskování a uložení obrázku.

Optimalizace obrazů, redukce šumu, registrace a detekce funkcí

1. Interaktivní analýza obrazů

• Interaktivní prozkoumávání obrazů
• Kontrola hodnot pixelů a oblastí obrazu
• Vybraní oblastí zájmu
• Srovnání původních a zpracovaných obrazů

2. Optimalizace obrazů

• Zlepšování viditelnosti obrazu
• Úprava intenzity obrazu
• Optimalizace kontrastu
• Příprava obrazů pro následnou analýzu

3. Šum a restaurování obrazů

• Pochopení běžného obrazového šumu
• Identifikace šumu v obrazech
• Aplikace technik hlazení
• Srovnání různých přístupů k redukcí šumu
• Zvažování poměru mezi odstraňováním šumu a zachováním detailů obrazu

4. Zarovnání a registrace obrazů

• Pochopení registrace obrazů
• Zarovnání obrazů s různými pohledy nebo polohami
• Výběr příslušných přístupů k registraci
• Hodnocení přesnosti zarovnání

5. Vytváření panoramatických obrazů

• Kombinace překrývajících se obrazů
• Detekce odpovídajících vlastností obrazů
• Zarovnání a prolínání obrazů
• Vytvoření panoramatické scény

6. Detekce geometrických vlastností

• Detekce přímek
• Detekce kružnic
• Pochopení konceptu Houghovy transformace
• Aplikace detekce přímek a kružnic na praktické obrazy

Praktické cvičení: Odstraňte šum z obrázku, zarovnejte více obrazů, vytvořte panoramu a detekujte geometrické vlastnosti.

Histogramy, filtrování a segmentace obrazů

1. Histogramy obrazů

• Pochopení distribucí intenzity obrazů
• Vytváření a interpretace histogramů
• Analýza obrazů na základě histogramů
• Použití histogramů k podpoře výběru prahové hodnoty
• Srovnání charakteristik obrazů pomocí histogramů

2. 2D filtrování obrazů

• Pochopení prostorového filtrování
• Základy konvoluce obrazů
• Navrhování 2D filtrace jader
• Aplikace filtrů na obrazy
• Hlazení a ostření
• Srovnání různých odezv filtrů

3. Detekce hran

• Pochopení hran obrazů
• Detekce hran na základě gradientu
• Detekce hran předmětů
• Výběr příslušných metod detekce hran
• Zlepšování detekce hran pomocí předzpracování

4. Segmentace předmětů

• Úvod do segmentace obrazů
• Odlišování předmětů v popředí od pozadí
• Segmentace na základě prahování
• Segmentace na základě intenzity
• Hodnocení výsledků segmentace

5. Segmentace na základě barvy

• Pochopení barevných prostorů
• Výběr užitečných barevných informací
• Segmentace předmětů podle barvy
• Zpracování změn osvětlení

6. Segmentace na základě textury

• Pochopení texturovaných informací
• Identifikace předmětů pomocí texturovaných charakteristik
• Kombinace texturovaných informací s jinými technikami segmentace

Praktické cvičení: Vypracujte kompletní pracovní tok segmentace pomocí filtrování, detekce hran, intenzity, barvy a texturovaných informací.

Automatizovaná analýza obrazů, morfologie a měření předmětů

1. Hromadné zpracování obrazů

• Pochopení automatizovaných pracovních toků zpracování obrazů
• Načítání více obrazů z složky
• Aplikace stejných kroků zpracování na kolekce obrazů
• Ukládání a organizace výsledků analýzy
• Vytváření znovupoužitelných skriptů MATLAB pro analýzu obrazů

2. Morfologické zpracování obrazů

• Úvod do matematické morfologie
• Strukturační prvky
• Eroze a dilatace
• Otevření a uzavření
• Vyplňování otvorů a odstraňování nežádoucích oblastí
• Zdokonalení výsledků binární segmentace

3. Segmentace předmětů na základě tvaru

• Identifikace předmětů podle tvaru
• Oddělení spojených předmětů
• Odstraňování malých nebo nežádoucích předmětů
• Zdokonalení hran předmětů
• Kombinace segmentace a morfologických technik

4. Měření vlastností předmětů

• Detekce jednotlivých předmětů
• Měření plochy a obvodu předmětů
• Ohraničující boxy a těžiště
• Měření tvaru a geometrických vlastností
• Extrakce vlastností předmětů pro další analýzu

5. Kvantitativní analýza obrazů

• Převod výsledků zpracování obrazů na číselná data
• Vytvoření tabulek měření
• Srovnání předmětů
• Identifikace předmětů na základě naměřených vlastností
• Export výsledků analýzy

6. Kompletní pracovní tok zpracování obrazů

Účastníci budou kombinovat techniky naučené během kurzu k vypracování kompletního pracovního toku analýzy obrazů:

Získání obrazu → předzpracování → optimalizace → filtrování → segmentace → morfologické zpracování → detekce předmětů → měření → reportování

Praktické cvičení: Vytvořte automatizovanou aplikaci MATLAB, která zpracuje kolekci obrazů, segmentuje předměty, extrahuje vlastnosti tvaru a vygeneruje kvantitativní výsledky.

Praktická cvičení

Po celou dobu kurzu budou účastníci procházet praktické příklady týkající se:

• Optimalizace a vizualizace obrazů
• Analýza RGB a šedostónových obrazů
• Redukce šumu
• Filtrovaní obrazů
• Vytváření panoram
• Detekce přímek a kružnic
• Detekce hran
• Segmentace podle barvy a textury
• Morfologické zpracování
• Detekce předmětů na základě tvaru
• Měření předmětů
• Automatizované hromadné zpracování