Τα θέματα που καλύπτονται περιλαμβάνουν δειγματοληψία και κβαντικοποίηση δυδιάστατου σήματος, αποθήκευση και ανάκτηση αρχείων εικόνας σε δημοφιλείς μορφές, βελτίωση εικόνας, μετασχηματισμούς έντασης, φιλτράρισμα στο πεδίο του χώρου και της συχνότητας, δυδιάστατος μετασχηματισμός Fourier, παρεμβολή και αναδειγματοληψία εικόνας, γεωμετρική επεξεργασία εικόνας, ταυτοποίηση και κατάτμηση υφών, αναπαράσταση και επεξεργασία έγχρωμης εικόνας, μορφολογική επεξεργασία εικόνας, halftoning, αποκατάσταση εικόνων και ανακατασκευή εικόνας από προβολές, συμπίεση εικόνας. Όλα τα θέματα καλύπτονται στην τάξη με μια παρουσίαση της θεωρίας και αντίστοιχων παραδειγμάτων, που ακολουθείται από υλοποιήσεις σε γλώσσες προγραμματισμού C / C++ / Python, τεχνικές βελτιστοποίησης και, τέλος, από αναθέσεις ασκήσεων/εργασιών για το σπίτι που υλοποιούν ορισμένα από τα θέματα. Μια τελική εργασία απαιτείται από κάθε φοιτητή που δίνει την ευκαιρία στους σπουδαστές να εφαρμόσουν τόσο αναλυτικά και συνθετικά τις δεξιότητες που έχουν αποκτήσει, ξεκινώντας με την ικανότητά τους να αναλύουν και να προσφέρουν λύση σε μια εφαρμογή που απαιτείται επεξεργασία εικόνας, να εφαρμόσουν αποτελεσματικά λογισμικό και να το παρουσιάσουν κατάλληλα μέσα από μια τελική έκθεση της εργασίας τους.

Σε τίτλους, τα θέματα είναι:

• Δυδιάστατη δειγματοληψία και κβαντικοποίηση σημάτων
• Αποθήκευση και ανάκτηση αρχείων εικόνας σε δημοφιλείς μορφές
• Βελτίωση εικόνας – μετασχηματισμοί έντασης
• Φιλτράρισμα στο πεδίο του χώρου και της συχνότητας
• Δυδιάστατος (γρήγορος) μετασχηματισμός Fourier
• Παρεμβολή και αναδειγματοληψία εικόνας
• Γεωμετρική επεξεργασία εικόνας
• Ταυτοποίηση και κατάτμηση υφών εικόνας
• Αναπαράσταση και επεξεργασία έγχρωμων εικόνων
• Μορφολογική επεξεργασία εικόνας
• Halftoning
• Αποκατάσταση εικόνων και ανακατασκευή εικόνας από προβολές
• Συμπίεση εικόνας

Οι ασκήσεις για το σπίτι και η τελική εργασία είναι επίσης σημαντικά συστατικά του μαθήματος.

Το μάθημα αυτό εισάγει τους φοιτητές στις βασικές αρχές της ψηφιακής επεξεργασίας εικόνας, τους αλγόριθμους και τις εφαρμογές της.

Πρόκειται για ένα προχωρημένο μάθημα με γνώμονα τις εφαρμογές που παρέχει στους φοιτητές τις ευκαιρίες για να αναπτύξουν τις δικές τους ιδέες σε χρήσιμες εφαρμογές, να μάθουν τα επαγγελματικά εργαλεία και τις τεχνικές ανάπτυξης λογισμικού και να δοκιμάσουν τις γνώσεις τους σε θέματα έρευνας. Μπορεί να παράσχει περαιτέρω το σημείο εκκίνησης για προχωρημένα θέματα όρασης υπολογιστών που μπορούν να συνδυαστούν σε μεταγενέστερα εξάμηνα και, τέλος, τη βάση για συναφείς διπλωματικές εργασίες.

Μέχρι το τέλος του μαθήματος, οι φοιτητές πρέπει να είναι σε θέση να χειρίζονται ψηφιακές εικόνες με πληθώρα τρόπων, να επεξεργάζονται εικόνες με το δικό τους λογισμικό, να χρησιμοποιούν επαγγελματικά εργαλεία ανάπτυξης λογισμικού σε προσωπικούς υπολογιστές, να βρίσκουν και να διορθώνουν προβλήματα λογικής και προγραμματιστικής φύσης σε πολύπλοκους αλγόριθμους, να βελτιστοποιούν κρίσιμες ως προς τον χρόνο εκτέλεσης λειτουργίες και να εξηγούν αποτελέσματα με επιστημονικούς/τεχνικούς όρους.

Ως αποτέλεσμα, οι φοιτητές θα έχουν αποκτήσει τις ακόλουθες δεξιότητες:

• Κατανόηση της φύσης και των χαρακτηριστικών των ψηφιακών εικόνων και των εφαρμογών γενικών τεχνικών επεξεργασίας σήματος σε εικόνες
• Ικανότητα επιλογής κατάλληλων αλγορίθμων για να επιτελέσουν δίαφορες διεργασίες σε ψηφιακές εικόνες
• Ανάπτυξη υψηλού επιπέδου λογισμικό σε γλώσσα προγραμματισμού C / C++ / Python που υλοποιεί διάφορες διεργασίες σε ψηφιακές εικόνες
• Ικανότητα να σχεδιάσουν τους δικούς τους αλγορίθμους, συνδυάζοντας τις γνώσεις που απέκτησαν με σκοπό την επίλυση νέων προβλημάτων
• Ικανότητα να αξιολογούν τα αποτελέσματα της δουλειάς τους, συγκριτικά με αυτό που προσφέρει η θεωρία και συχνά με τα αποτελέσματα εναλλακτικών μεθόδων
• Τα προσόντα για να συνεχίσουν περαιτέρω και σε πιο εξειδικευμένα, στενά σχετιζόμενα θέματα

Τα παρακάτω χρησιμοποιούνται για την αξιολόγηση των φοιτητών (με κατάλληλα βάρη):

Ι. Τελική Γραπτή Εξέταση:

• Επίλυση προβλημάτων.
• Ερωτήσεις σύντομης απάντησης.

II. Εργασία στο Σπίτι:

• Επίλυση προβλημάτων.
• Ερωτήσεις σύντομης απάντησης.

IΙΙ. Εκπόνηση Μελέτης:

• Ομαδική υπολογιστική εργασία (σε Matlab / OpenCV).

Τα κριτήρια αξιολόγησης αναφέρονται ρητά κατά τη διάρκεια της πρώτης εισαγωγικής διάλεξης.

• Δυσδιάστατη δειγματοληψία και κβαντικοποίηση σημάτων: 1 εβδομάδα.
• Αποθήκευση και ανάκτηση αρχείων εικόνας σε δημοφιλείς μορφές: 1 εβδομάδα.
• Βελτίωση εικόνας – μετασχηματισμοί έντασης: 1 εβδομάδα.
• Φιλτράρισμα στο πεδίο του χώρου και της συχνότητας: 1 εβδομάδα.
• Δυδιάστατος (γρήγορος) μετασχηματισμός Fourier: 1 εβδομάδα.
• Παρεμβολή και αναδειγματοληψία εικόνας: 1 εβδομάδα.
• Γεωμετρική επεξεργασία εικόνας: 1 εβδομάδα.
• Ταυτοποίηση και κατάτμηση υφών εικόνας: 1 εβδομάδα.
• Αναπαράσταση και επεξεργασία έγχρωμων εικόνων: 1 εβδομάδα.
• Μορφολογική επεξεργασία εικόνας: 1 εβδομάδα.
• Halftoning: 1 εβδομάδα.
• Αποκατάσταση εικόνων και ανακατασκευή εικόνας από προβολές: 1 εβδομάδα.
• Συμπίεση εικόνας: 1 εβδομάδα.