Elmélet: 50 %

Gyakorlat: 50 %

A tantárgy tantervi helye: 2. félév

Munkarend: Levelező

Előtanulmányi feltételek: -

Értékelés: kollokvium

Tantárgy besorolása: kötelező

Oktatás nyelve: Magyar

Tantárgyfelelős: Dr. Megyesi Zoltán

Felelős tanszék: Informatika Tanszék

Tantárgy oktatója(i): Dr. Megyesi Zoltán , Kátai-Urbán Gábor, Koszna Ferenc

Ellenőrzésért felel: Johanyák Edit

Tárgy oktatásának célja:
Az előadás sorozat bemutatja az iparban használt képfeldolgozási folyamatok leggyakoribb lépéseit a képvételtől a döntéshozatalig. A gyakorlati anyag példákon keresztül megismerteti a hallgatókkal az iparban használt kamerákat és képfeldolgozó szoftvereket. A kurzus hallgatói megismerik a képfeldolgozás lehetőségeit és eszközeit valamint megismerik az eszközök működésének alapjait. A hallgatók képesek lesznek a tanult eszközök felhasználásával képfeldolgozási problémák gyakorlati megoldására és elméleti hátteret kapnak a saját eszközök fejlesztéséhez is.

Elsajátítandó ismeretanyag:

Elmélet:1. A képfeldolgozás fogalmai, feladatai, eszközei, problémái, kapcsolódó területek, alkalmazások; A vizuális mérési folyamat, fontosabb modellek; A számítógépes látás csővezeték; A számítógépes látási folyamat tipikus lépései, azok jellemzői, példák; Képalkotó eszközök. 2. Kamera felépítés; Színmodellek; Hisztogram; Intenzitás transzformációk: Kontraszt széthúzás, binarizálás, gamma korrekció, negálás3. Környezetfüggő operátorok, korreláció és konvolúció; simító szűrők, mediánszűrő, Laplace szűrő.4. Mintaillesztés, hasonlósági mértékek, problémák és megoldások.5. Éldetektálás, intenzitás gradiens, gradiens operátorok, non maxima suppression6. Képi sarkok detektálása, KLT sarokdetektáló7. Intenzitás alapú szegmentálás, küszöbölés, hisztogram alapú automatikus küszöb meghatározás (Otsu módszer).8. Bináris képfeldolgozás alapok, szomsédság, összefüggőség, hatrávonal, zsugorítás/növesztés, csontváz (skeleton).9. 2D Alakreprezentációk, futamhossz kód, összefüggő komponens analízis, lánc kód.10. Mesterséges intelligencia a gépi látásban, fogalmak, gépi tanulás csoportosítások, példák használatra, mesterséges neuron hálók, CNN, gépi tanulási könyvtárak11. 3D számítógépes látás, alkalmazási területek, színterek, kamerák száma, bázis távolság, problémák, kalibráció, epipoláris geometria, rektifikáció, trianguláció, sűrű illesztés, vizuális burok módszerGyakorlat:Gyakorlati példák kamerák kezelésére és iparban is használt képfeldolgozási szoftverek használatára.

Elsajátítandó szakmai kompetenciák (tudás, képesség, attitűd, autonómia és felelősség, további szakmai kompetenciák):
Tudása:

- Ismeri az informatika alapvető technikáit, az informatikai rendszerkomponensek szerepét, feladatát és működését.- Tisztában van az informatikai szolgáltatások típusaival és azok szerepével.- Ismeri a fejlesztési módszertanok szerepét, legalább egy fontos módszertant használ.- Ismeri a dokumentálás és a folyamatok ábrázolásnak általánosan használt eszközeit, jelölési-ábrázolási rendszerét.[@[képesség ]]

Képességei:

- Képes az új ismeretek, programnyelvek befogadására, alkalmazására.- Képes informatikai rendszerek komponenseit installálni, működtetni és karbantartani.- Legalább egy meghatározó programozási környezetben képes készség szintjén programozni, és a fontosabb algoritmusokat alkalmazni.- Képes az informatikus szakma fogalmainak és szaknyelvének használatára.- Képes programok implementációjára legalább egy programnyelven és fejlesztési környezetben.- Képes együttműködni a felhasználókkal és a szakember-kollégákkal.

Attitűdje:

- Nyitott az új informatikai technológiák, programnyelvek és módszerek megismerésére.- Nyitott a megbízók szakmai üzemeltetési, fejlesztési környezetének megismerésére.- Minden területen törekszik a hatékony és minőségi munkavégzésre.- Szolgáltatóként viszonyul a felhasználókhoz.

Autonómia és felelősség:

- Felelősséget vállal az általa menedzselt eszközök megfelelő állapotáért, valamint az önállóan és csapatban végzett munkájáért.- Fokozottan figyeli a rendszerek biztonsági állapotát, intézkedik, kezdeményezi a hiányosságok megszüntetését

További szakmai kompetenciák:

A számonkérés és értékelés rendszere:
Félévközi tanulmányi követelmények:
Beadandó feladatok a gyakorlat anyagából
Vizsgakövetelmények:

Sikeres gyakorlati teljesítés esetén a vizsga szóbeli és írásbeli

Tanulmányi segédanyagok, laborháttér:

Kamerás labor és képfeldolgozási szoftverek (Cognex, NI, DVT)

Kötelező irodalom:

Ajánlott irodalom:

M. Sonka, V. Hlavac, R. Boyle: Image Processing, Analysis, and Machine Vision; Cengage Learning, 4th edition (28 Oct. 2013); ISBN-13: 978-1133593607 L. G. Shapiro, G. C. Stochman: Computer Vision; Prentice Hall, 1st edition (23 Jan. 2001); ISBN-13: 978-0130307965 R. C. Gonzalez, R. E. Woods: Digital Image Processing; Prentice Hall (3rd edition) (August 31, 2007); ISBN-13: 978-0131687288