PRESENTAZIONE

Le più recenti tecnologie elettroniche e la potenza di calcolo disponibile consentono la fruizione di grandi quantità di dati e immagini digitali, anche attraverso economici dispositivi portatili. Tuttavia, mentre programmi e librerie per il miglioramento e la trasformazione delle immagini digitali sono largamente disponibili, i software per l'analisi delle immagini digitali e l'estrazione dei contenuti informativi richiedono competenze specifiche per comprenderne l'elaborazione e per un utilizzo corretto e appropriato.

L'insegnamento offre un’introduzione al mondo delle immagini digitali focalizzandosi su teoria e tecniche per l'elaborazione e l'analisi, con riferimento alle principali  applicazioni dell'imaging medico, del telerilevamento (immagini da satellite) e del colore.

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

L'obiettivo formativo principale prevede l'acquisizione da parte dello studente delle principali competenze per comprendere, applicare e implementare tecniche di trasformazione e analisi delle immagini digitali. Lo studente apprenderà come tali metodi possano essere utilizzati per affrontare e risolvere problemi pratici riguardanti le immagini digitali in diversi contesti applicativi, comprendendo i diversi approcci e il significato dei principali parametri di elaborazione.
Oltre alla capacità di sviluppare metodi e algoritmi di elaborazione originali, lo studente acquisirà anche le competenze necessarie per ottenere il risultato desiderato dall'applicazione di pacchetti SW preesistenti.

OBIETTIVI FORMATIVI (DETTAGLIO) E RISULTATI DI APPRENDIMENTO

At the end of the course, students must have learned the main tools for digital image processing.
In detail:
• Definition of digital signal, digital image, and their representations;
• Knowledge of the main image processing techniques in the spatial domain and in the spectral domain;
• Knowledge of color spaces, CIE standards, color matching and chromaticity diagrams;
• Knowledge of the main pre-processing and filtering techniques such as: histogram transformation, noise models, linear filters and non-linear filters;
• Knowledge of the main edge-detection techniques such as: gradient-based methods, second derivative-based methods and directional derivatives;
• Knowledge of the main segmentation techniques such as: grouping and labeling, statistical methods, region growing;
• Knowledge of Mathematical Morphology applied to binary and gray level images;
• Knowledge of the main techniques used for texture analysis such as: spectral and statistical methods, co-occurrence matrix and fractals.
Furthermore, they must have acquired the ability to choose and use the most suitable techniques for the type of image and type of application (biomedical imaging, radar image, etc.) also thanks to practical laboratory exercises.
In detail:
• Ability to analyze the properties and requirements of different image processing techniques;
• Ability to choose the most appropriate technique based on the application requirements;
• Ability to use different techniques in order to identify and classify objects present in the digital image;
• Ability to define the correct parameters depending on the instrument and application scenario;
• Ability to use Matlab and ImageJ image processing software for image processing and analysis.
In general, the student must demonstrate that he has acquired the ability to design specific procedures based on the image model and the processing target.

PREREQUISITI

Non sono richiesti prerequisiti.

MODALITA' DIDATTICHE

Tutte le attività didattiche si svolgono in lingua inglese.

Lezioni frontali con l’ausilio di presentazioni in PowerPoint. 
Esercitazioni pratiche di laboratorio SW.

Le lezioni si tengono in presenza. La frequenza, sebbene non obbligatoria, è consigliata. Sono considerati frequentanti gli studenti che partecipano in presenza alle lezioni.

Si raccomanda l’iscrizione su Aulaweb per ricevere informazioni e per scaricare il materiale didattico.

PROGRAMMA/CONTENUTO

Dopo un'introduzione sulle immagini digitali riguardante le definizioni di pixel, canali di colore, quantizzazione e risoluzione, viene proposto un approfondimento su alcuni degli spazi colore più diffusi, le modalità di trasformazione tra l'uno e l'altro, con particolare riferimento alla colorimetria e agli spazi-colore percettivamente uniformi. Il corso illustra le tecniche fondamentali per il miglioramento dell'immagine secondo scopi specifici: controllo della luminosità, controllo del contrasto, sogliatura, equalizzazione dell'istogramma e filtraggio del rumore. In particolare vengono presentate le diverse soluzioni per la riduzione dei disturbi basate sul modello del rumore, con analisi nel dominio della frequenza e con approcci non lineari.

CONTENUTI:

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

L'insegnamento contribuisce all'acquisizione di competenze nell'ambito delle tecnologie dell'informazione e della digitalizzazione, come descrritto all'obiettivo SDG 9 dell'Agenda ONU 2030 (aumentare in modo significativo l'accesso alle tecnologie dell'informazione e della comunicazione).

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 slide delle lezioni possono essere scaricate da Aulaweb.

  Testi d’esame con bozze di soluzione  possono essere scaricati da Aulaweb. Per studenti non frequentanti, studenti con disabilità e DSA saranno concordati eventuali revisioni del programma dell'insegnamento.

DOCENTI E COMMISSIONI

Commissione d'esame

SILVANA DELLEPIANE (Presidente)

GIULIA IACONI

SEBASTIANO SERPICO

GABRIELE MOSER (Presidente Supplente)

LEZIONI

INIZIO LEZIONI

https://corsi.unige.it/8732/p/studenti-orario

Orari delle lezioni

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

ESAMI

MODALITA' D'ESAME

L'esame consiste di due parti da svolgersi in unica sessione:

• Prova scritta
• Prova pratica di laboratorio SW

MODALITA' DI ACCERTAMENTO

L’esame scritto permetterà di verificare i risultati di apprendimento riguardanti gli argomenti del programma, la capacità di orientamento e ragionamento dello studente nell'ambito dell'eleborazione delle immagini digitali.

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

Calendario appelli

ALTRE INFORMAZIONI

Gli studenti con disabilità o con DSA possono fare richiesta di misure compensative/dispensative per l'esame. Le modalità saranno definite caso per caso insieme al Referente per Ingegneria del Comitato di Ateneo per il supporto agli studenti disabili e con DSA. Gli studenti che volessero farne richiesta sono invitati a contattare il docente dell'insegnamento con congruo anticipo mettendo in copia il Referente per Ingegneria (https://unige.it/commissioni/comitatoperlinclusionedeglistudenticondisabilita.html), senza inviare documenti in merito alla propria disabilità.