Processamento de imagens

Atendimento

• Quarta e Quinta- 15h30 - 17h (DComp, sala 9)
• Mediante agendamento (thiago.paixao@ufes.br)

Bibliografia

• Gonzalez, R. C.; Woods, R. E.; Digital Image Processing. 3ed, Ed. Prentice Hall, 2007.
• Gonzalez, R. C.; Woods, R. E.; Eddins, S. L.; Digital Image Processing using Matlab. Ed. Prentice Hall, 2003.
• Velho, L.; Frery, A.; Gomes, J.; Image Processing for Computer Graphics and Vision. Ed. Springer, 2008.
• Conci, A,; Azevedo, E.; Leta, F. R.; Computação Gráfica: Processamento de Imagens Digitais 1ed, Ed. Elsevier, 2007.

Ementa

• Introdução: problemas, aplicações, fases de processamento, sistemas de imageamento.
• Noções de Percepção visual: sistema visual humano, brilho, contraste, cor, Sistema RGB, equipamento de visualização, tabela de cores.
• Digitalização: Amostragem e Quantização.
• Transformadas: Fourier, wavelet.
• Registro de imagens: transformações geométricas, métodos de interpolação.
• Realce de Imagens: processamento pontual, filtragem espacial e no domínio da freqüência e filtros não-lineares.
• Realce de Cores: IHS, pseudocor, falsa cor.
• Segmentação.
• Extração de atributos.
• Componentes Principais.
• Restauração de imagens: Modelos de degradação, filtragem inversa e filtragem Wiener.
• Modelo Linear de Mistura.

Recursos

• Python
  • Windows: instale o Python(x,y)
  • Linux (Debian-based):
    • Python-basics: sudo apt-get install python-pip python-dev build-essential
    • Scipy: sudo apt-get install python-numpy python-scipy python-matplotlib ipython ipython-notebook python-pandas python-sympy python-nose
    • Scikit-learn: sudo pip install -U scikit-learn
    • Scikit-image: sudo pip install -U scikit-image
• Material didático
  • pythonvision
  • Programming Computer Vision with Python
  • Handbook PIL
  • Scipy/Numpy reference guide
  • Introduction to Numpy and Matplotlib (video)
  • Tutorial numpy (scipy-lectures)

Avaliação [resultado parcial]

• 3 trabalhos práticos:
  • T1 (entrega 10/04)
  • T2 (entrega 13/04)
  • T3 (entrega 29/05)
• Trabalho final: Tf (apresentação 01 e 02/07)
  • Transformada watershed: Gustavo e Marcelo
  • Reconhecimento de assinatura manuscrita: Silvia e Leonardo
  • Watermarking: Marília e Juliana
  • Detecção e reconhecimento de faces: Lucas e Guilherme
  • Reconstrução de documentos mutilados em formato "spaghetti": Paulo e Aliston
  • Compressão/compactação de imagens: Renan e Tales
  • Multifocus image fusion using artificial neural networks: Maycown Douglas
• Nota = 0,15*T1 + 0,2*T2 + 0,25*T3 + 0,4*Tf