PRESENTAZIONE

OBIETTIVI E CONTENUTI

OBIETTIVI FORMATIVI

Il corso Digital Image Processing fornisce agli studenti gli strumenti per comprendere gli algoritmi per l'elaborazione numerica, simbolica e semantica delle immagini digitali, distinguendo metodi lineari e non lineari, approcci adattivi e concentrandosi sui criteri di valutazione dei risultati. Gli studenti impareranno a comprendere gli approcci e i metodi più avanzati, distinguendo gli approcci consolidati dalle soluzioni più innovative e all'avanguardia. Uno degli obiettivi principali è quello di fornire allo studente la capacità di orientarsi in modo critico e costruttivo di fronte all'offerta di siti Internet che non riescono a cogliere la complessità del problema, propongono approcci confusi, standardizzati e spesso limitati se non soluzioni errate in questo settore specialistico. Competenze soft-skill di alfabetizzazione funzionale (lettura e uso critico delle fonti) e capacità di apprendere (autoapprendimento). Un altro obiettivo riguarda la capacità di analizzare un problema, scomporlo nelle sotto-parti principali e scegliere gli approcci più adatti per ciascuna fase (competenze soft-skills nella creazione di progetti: orientamento, problem solving e pianificazione del progetto). I laboratori pratici SW consentono allo studente di comprendere la teoria e metterla in pratica con strumenti specializzati in grado di analizzare in dettaglio tutti i passaggi e i risultati intermedi dei più importanti algoritmi di elaborazione delle immagini allo stato dell'arte. Vengono affrontati gli Obiettivi di Sviluppo Sostenibile 4 (Istruzione di qualità) e 9 (Industria, Innovazione e Infrastrutture) dell'Agenda 2030, consentendo allo studente di acquisire forti competenze per affrontare l'era della trasformazione digitale relativa a vari campi di applicazione delle fonti di informazione digitale.

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.