Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Analiza obrazów

Informacje ogólne

Kod przedmiotu: 1100-3BF11
Kod Erasmus / ISCED: (brak danych) / (brak danych)
Nazwa przedmiotu: Analiza obrazów
Jednostka: Wydział Fizyki
Grupy: ZFBM - Fizyka medyczna; przedmioty dla III roku
ZFBM - Neuroinformatyka; przedmioty dla III roku
Punkty ECTS i inne: 3.00 Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.
Język prowadzenia: polski
Założenia (opisowo):

Osoba uczęszczająca na ćwiczenia powinna mieć zaliczony przedmiot "Technologie informacyjne i komunikacyjne" lub inny przedmiot wymagający opanowania podstaw programowania w języku Python

Tryb prowadzenia:

w sali

Skrócony opis:

Praktyczne ćwiczenia z metod cyfrowej analizy obrazów.

Pełny opis:

Przedmiot składa się z serii praktycznych ćwiczeń dotyczących wydobywania informacji z obrazów. Opracowywanym materiałem są obrazy medyczne, zdjęcia mikroskopowe, fotografie i filmy zebrane w ciągu ostatnich lat pracy badawczej w Zakładzie Fizyki Medycznej. Jako narzędzia do wykonywania ćwiczeń wykorzystywane są biblioteki języka Python oraz program do analizy obrazów ImageJ.

Tematyka:

1. Formaty cyfrowego zapisu obrazów, w tym DICOM. Obrazy 2D i 3D.

2. Program ImageJ oraz biblioteki do analizy obrazów w języku Python

3. Histogram jasności pikseli. Modyfikacja jasności i kontrastu.

4. Częstość przestrzenna i rozdzielczość. Filtrowanie częstościowe.

5. Sposoby na szum i artefakty aparaturowe na obrazie.

6. Klasyczne sposoby parametryzacji, klasyfikacji lub segmentacji obrazu.

7. Głębokie konwolucyjne sieci neuronowe.

Literatura:

In English:

ImageJ principles: https://imagej.nih.gov/ij/docs/examples/index.html

Free handbook in pdf: Richard Szeliski, Computer Vision: Algorithms and Applications, 2nd ed.

Efekty uczenia się:

WIEDZA

Student zna podstawowe pojęcia stosowane w analizie obrazu.

Student rozumie działanie podstawowych algorytmów stosowanych w analizie i przetwarzaniu obrazów.

UMIEJĘTNOŚCI

Student potrafi zastosować odpowiednie narzędzie programistyczne, aby z obrazu wydobyć informacje niewidoczne w bezpośredniej analizie wzrokowej.

Student potrafi zautomatyzować czasochłonne zadanie związane z analizą jednego lub wielu obrazów.

Metody i kryteria oceniania:

Wymagana obecność na ćwiczeniach, możliwe dwie nieusprawiedliwione nieobecności.

Zaliczenie odbywa się na podstawie wykonania samodzielnie 6 zadań omówionych w trakcie zajęć (60% oceny) oraz końcowego testu podsumowującego zdobytą wiedzę i umiejętności (40% oceny).

Praktyki zawodowe:

brak

Zajęcia w cyklu "Semestr zimowy 2021/22" (zakończony)

Okres: 2021-10-01 - 2022-02-20
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Józef Ginter
Prowadzący grup: Józef Ginter
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę

Zajęcia w cyklu "Semestr zimowy 2022/23" (w trakcie)

Okres: 2022-10-01 - 2023-01-29
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć:
Ćwiczenia, 30 godzin więcej informacji
Koordynatorzy: Józef Ginter
Prowadzący grup: Józef Ginter
Lista studentów: (nie masz dostępu)
Zaliczenie: Zaliczenie na ocenę
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
kontakt deklaracja dostępności USOSweb 6.8.0.0-7 (2022-11-16)