Digital bildbehandling grundkurs

Mål

Efter genomgången kurs:

• Studenten ska kunna redogöra för den grundläggande teorin för 1D och 2D kontinuerlig fouriertransform med tillhörande teorem, sampling, rekonstruktion och DFT. Studenten ska kunna redogöra för den grundläggande teorin för digitala bilder (tvådimensionella signaler), exempelvis 2D diskret faltning, omsampling, interpolation, samt begreppet skalrymd. Studenten ska kunna redogöra för enkla faltningskärnor och filter för derivering, lågpass- och högpassfiltrering. Studenten ska kunna utföra relaterade beräkningar.
• Studenten ska kunna redogöra för flera av de klassiska bildanalysmetoderna, se kursinnehållet. Studenten ska kunna redogöra för färgmodeller och färgtransformationer för bilder. Studenten ska kunna utföra relaterade beräkningar.
• Studenten ska kunna utföra beräkningar på bilder i ett högnivåspråk såsom Python och/eller Matlab. Här ingår att tolka resultatet av 2D fouriertransformer, samt att lösa enklare bildanalysproblem.

Innehåll

Kursen består av 2 delar. Den första delen avser att ge grundläggande kunskaper i signalbehandling på bilder. Dessa kunskaper ger en god grund för den andra delen som ägnas åt klassiska bildanalysmetoder, samt färg.

1) Grundläggande signalbehandling på bilder:

• Den digitala bilden. Färgtabeller.
• Repetition av 1D fouriertransform. Från 1D till 2D fouriertransform. Teorem för 1D och 2D fouriertransform, såsom skalning, translation, derivering, faltning och multiplikation. Teorem för 2D fouriertransform såsom rotationsteoremet. Titta på bilder och dess fouriertransformer och relatera dessa till teoremen.
• Dirac-pulsen. Sampling och rekonstruktion. Effekter på bilden vid vikningsdistorsion i spatial- eller fourierdomän.
• 1D och 2D DFT. Diskret 1D och 2D faltning. Faltningskärnor i spatial- och fourierdomän: lågpass (gauss), högpass (laplace), deriverande (sobel).
• 2D geometriska operationer. Omsampling och interpolation. Skalrymd.

Laborationer:

Lab 1: Operationer på gråskalebilder. Linjära filter i spatial- och fourierdomän.

Lab 2: Omsampling och interpolation.

2) Klassiska bildanalysmetoder, samt färg:

• Segmentering: Regional growing, watersheds, etikettering.
• Histogramoperationer. Tröskelsättning: automatisk, lokal, med hysteres.
• Operationer på binära bilder: Morfologiska operationer, avståndstransformer, konnektivitetsbevarande operationer, egenskapsextraktion, kedjekodning, polygonapproximation och fourierdeskriptorer.
• Matchad filtrering och mönsterdetektering. Kantdetektering med sobel och canny. Houghtransform. Linjedetektering. Hörndetektion. Strukturtensorn.
• Bildrestaurering: Inversfiltrering, wienerfiltrering.
• Olinjär filtrering: Homomorf filtrering, medianfiltrering, max- och min-filter, mm.
• Färgmodeller, färgtransformationer, färgsegmentering

Laborationer:

Lab 3: Operationer på binära bilder. Histogram och färgtabeller.

Lab 4: Automatisk tröskelsättning och sifferigenkänning.

Lab 5: Segmentering av celler i mikroskopi-bilder.

Lab 6: Automatisk räkning av blodkroppar. Strukturtensorn.

Lab 7: Bildrestaurering. Kantdetektering med houghtransform och canny. Olinjära filter.