PRESENTAZIONE

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

The Digital Image Processing course provides students with the tools to understand the algorithms for the numerical, symbolic and semantic processing of digital images, distinguishing linear and non-linear methods, adaptive approaches and focusing on the criteria for evaluating the results. Students will learn to understand the most advanced approaches and methods, distinguishing established approaches from the most innovative and state-of-the-art solutions. One of the main objectives is to provide the student with the ability to orient himself in a critical and constructive way when faced with the offer of Internet sites that fail to grasp the complexity of the problem, propose confused, standardized and often limited approaches if not incorrect solutions in this specialist sector. Soft -skill competency of functional literacy (reading and critical use of sources), and ability to learn (self-learning). Another objective concerns the ability to analyze a problem, break it down into the main sub-parts and choose the most suitable approaches for each phase (soft-skills competence in project creation: orientation, problem solving and project planning). The practical SW laboratories allow the student to understand the theory and put it into practice with specialized tools capable of analyzing in detail all the steps and intermediate results of the most important state-of-the-art image processing algorithms. Sustainable Development Goals 4 (Quality Education) and 9 (Industry, Innovation and Infrastructure) of the 2030 Agenda are addressed, enabling the student to acquire strong skills to face the era of digital transformation related to various application fields of digital information sources.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

Il corso offre un’introduzione al mondo dell’elaborazione digitale delle immagini.

L’analisi e l’elaborazione di immagini digitali ha importanti applicazioni in diversi domini applicativi: telerilevamento (immagini da satellite), imaging medico, telecomunicazioni, riconoscimento di caratteri, fotografia pubblicitaria, analisi di oggetti storico-artistici. Negli ultimi anni la potenza di calcolo messa a disposizione anche da economici dispositivi portatili permette di usufruire di algoritmi di elaborazione di immagini in qualsiasi momento.

Dopo un’introduzione sulle immagini digitali trattando le definizioni di pixel, canali di colore, quantizzazione e risoluzione, viene proposto un approfondimento riguardo alcuni tra gli spazi colore più diffusi, i metodi di trasformazione tra l’uno e l’altro, con particolare riferimento alla percezione umana.

Il corso illustra le tecniche fondamentali relative al miglioramento dell’immagine secondo finalità specifiche: controllo della luminosità, del contrasto, thresholding, equalizzazione dell’istogramma e riduzione del rumore. In particolare sono presentate le soluzioni per ridurre il disturbo a seconda della tipologia di rumore, anche con analisi nel dominio della frequenza. A tal proposito vengono introdotte le basi teoriche della Discrete Fourier Transform (DFT) bidimensionale. 

L’applicazione di numerose tecniche di filtraggio viene illustrata in modo teorico a lezione e successivamente implementate a livello software durante alcune esercitazioni di laboratorio. 

Tra le tecniche illustrate vengono proposti in modo approfondito metodi per riconoscimento dei contorni, segmentazione, analisi delle forme, morfologia matematica, e analisi della tessitura finalizzati all’identificazione e alla classificazione di oggetti presenti nell’immagine digitale.

Le esercitazioni di laboratorio prevedono l’utilizzo di software di elaborazione di immagini come ImageJ e Matlab.

MODALITA' DIDATTICHE

Combinazione di lezioni classiche ed esercitazioni di laboratorio obbligatorie.

PROGRAMMA/CONTENUTO

• Rappresentazione digitale di immagini
• Spazi colore
• Filtraggio di immagini (lineare e non lineare)
• Estrazione dei contorni
• Morfologia matematica
• Momenti e trasformata di Hough
• Analisi delle tessiture
•  Introduzione al Deep Learning per Elaborazione/Regressione/Riconoscimento delle Immagini Digitali - Concetti di base - Reti Convoluzionali - esempi applicativi.

TESTI/BIBLIOGRAFIA

• C. OLEARI, Misurare il colore, Hoepli, II edizione, 2008

  R.M. HARALICK , L:G: SHAPIRO, Computer and Robot Vision, Vol. 1, Addison-Wesley, 1991.

  P. ZAMPERONI, Metodi dell'elaborazione digitale di immagini, Masson, 1990.

  D. H. BALLARD, C. M. BROWN, Computer vision, Prentice Hall, 1982.

  Petrou, Maria MP, and Costas Petrou. Image processing: the fundamentals. John Wiley & Sons, 2010.

  Shapiro, L., and G. Stockman. Computer Vision. Prentice-Hall Inc., New Jersey (2001)

  Jain, Anli K. Fundamentals of digital image processing. Prentice-Hall Inc., 1989

   

Le trasparenze delle lezioni possono essere scaricate dal sito internet del corso.

Testi d’esame con bozze di soluzione  possono essere scaricati da aulaweb.

DOCENTI E COMMISSIONI

LEZIONI

INIZIO LEZIONI

https://corsi.unige.it/en/corsi/10378/students-timetable

Orari delle lezioni

L'orario di questo insegnamento è consultabile all'indirizzo: Portale EasyAcademy

ESAMI

MODALITA' D'ESAME

• Esame scritto 
• Esame pratico di laboratorio

Studenti con disturbi dell'apprendimento ("disturbi specifici di apprendimento", DSA) potranno utilizzare modalità specifiche e supporti che saranno determinati caso per caso di comune accordo con il delegato dei corsi di Ingegneria nella Commissione per la Inclusione di studenti con disabilità.

MODALITA' DI ACCERTAMENTO

L’esame scritto permetterà di verificare l’apprendimento degli argomenti del programma e la capacità di orientamento e ragionamento dello studente.

La prova pratica a computer verificherà la capacità di utilizzo dei software visti durante le esercitazioni pratiche di laboratorio.