Introduksjon til bildebehandling ved hjelp av Matlab Treningskurs

Bildegrunnlegge og MATLAB-bildebehandling

1. Introduksjon til digital bildebehandling

• Å forstå digitale bilder og piksler
• Bildeflytter, oppløsning og datatyper
• Introduksjon til MATLAB Image Processing Toolbox
• Å forstå den grunnleggende arbeidsflyten for bildebehandling

2. Importering og visualisering av bilder

• Lasting av bilder inn i MATLAB
• Vise og inspisere bildeegenskaper
• Å jobbe med bildeflytter og datatyper
• Sammenlikning av ulike bildefremstillinger

3. Å jobbe med fargebilder

• Å forstå RGB-fargebilder
• Å tilgang til individuelle røde, grønne og blå kanaler
• Kombinering og manipulasjon av fargekanaler
• Konvertering mellom ulike fargefremstillinger

4. Gråskala og binære bilder

• Konvertering av RGB-bilder til gråskala
• Å forstå intensitetsverdier
• Oppretting av binære bilder
• Grundlag for terskelverdi
• Sammenlikning av gråskala- og binærfremstillinger

5. Bilmasker og interesseområder

• Å forstå bilmasker
• Oppretting av logiske masker
• Anvendelse av masker på bilder
• Utvelgelse og analyse av interesseområder

6. Lagring og eksportering av bilder

• Lagring av behandlede bilder
• Administrering av bildeformater
• Eksportering av resultater for videre analyse

Praktisk øvelse: Bygg en grunnleggende MATLAB-arbeidsflyt for å laste, inspisere, manipulere, maske og lagre et bilde.

Bildeforbedring, støyredusering, registrering og funksjonsdeteksjon

1. Interaktiv bildeanalyse

• Eksploring av bilder interaktivt
• Inspirering av pikselverdier og bildeområder
• Utvelgelse av interesseområder
• Sammenlikning av originale og behandlede bilder

2. Bildeforbedring

• Forbedring av bildesynlighet
• Justering av bildeintensitet
• Kontrastforbedring
• Forberedelse av bilder for etterfølgende analyse

3. Støy og bilderegenerering

• Å forstå vanlig bildestøy
• Identifisering av støy i bilder
• Anvendelse av glattings-teknikker
• Sammenlikning av ulike støyreduksjonsmetoder
• Balanse mellom støyfjerning og bevarelse av bildedetaljer

4. Bildejustering og registrering

• Å forstå bilderegistrering
• Justering av bilder med ulike synsvinkler eller posisjoner
• Utvelgelse av egnede registreringsmetoder
• Vurdering av justeringsnøyaktighet

5. Oppretting av panoramabilder

• Kombinering av overlappende bilder
• Deteksjon av tilsvarende bildefunksjoner
• Justering og blending av bilder
• Oppretting av et panoramisk landskap

6. Deteksjon av geometriske funksjoner

• Deteksjon av rette linjer
• Deteksjon av sirkler
• Å forstå begrepet Hough-transformasjon
• Anvendelse av linje- og sirkeldeteksjon på praktiske bilder

Praktisk øvelse: Fjern støy fra et bilde, juster flere bilder, opprett et panorama og detekter geometriske funksjoner.

Histogrammer, filtrering og bildesegmentering

1. Bildehistogrammer

• Å forstå bildeintensitetsfordelinger
• Oppretting og tolkning av histogrammer
• Analysе av bilder basert på histogrammer
• Bruk av histogrammer for å støtte valg av terskelverdi
• Sammenlikning av bildefunkseer ved hjelp av histogrammer

2. 2D-bildefiltrering

• Å forstå romlig filtrering
• Grundlag for bildekonsvolusjon
• Utforming av 2D filterkjerner
• Anvendelse av filtre på bilder
• Glattning og skarping
• Sammenlikning av ulike filterrespons

3. Kantdeteksjon

• Å forstå bildekantene
• Gradientbasert kantdeteksjon
• Deteksjon av objektgrenser
• Utvelgelse av egnede kantdeteksjonsmetoder
• Forbedring av kantdeteksjon gjennom forbehandling

4. Objektssegmentering

• Introduksjon til bildesegmentering
• Separering av forgrunnsobjekter fra bakgrunn
• Terskelverdi-basert segmentering
• Intensitet-basert segmentering
• Vurdering av segmenteringsresultater

5. Fargebasert segmentering

• Å forstå fargerom
• Utvelgelse av nyttig fargeinformasjon
• Segmentering av objekter basert på farge
• Håndtering av variasjoner i belysning

6. Tekstur-basert segmentering

• Å forstå teksturinformasjon
• Identifisering av objekter ved hjelp av teksturegenskaper
• Kombinering av teksturinformasjon med andre segmenteringsteknikker

Praktisk øvelse: Utvikle en komplett segmenteringsarbeidsflyt ved hjelp av filtrering, kantdeteksjon, intensitet, farge og teksturinformasjon.

Automatisert bildeanalyse, morfologi og objektmåling

1. Batch-bildebehandling

• Å forstå automatiserte bildebehandlingsarbeidsflyter
• Lese flere bilder fra en mappe
• Anvendelse av samme behandlingssteg på bildesamlinger
• Lagring og organisering av analyseresultater
• Bygge gjenbrukbare MATLAB-skripter for bildeanalyse

2. Morfologisk bildebehandling

• Introduksjon til matematisk morfologi
• Strukturerende elementer
• Erosjon og dilatation
• Åpning og lukking
• Fylling av hull og fjerning av uønskede områder
• Forfeinering av binære segmenteringsresultater

3. Form-basert objektssegmentering

• Identifisering av objekter basert på form
• Separering av sammenhengende objekter
• Fjerning av små eller uønskede objekter
• Forfeinering av objektgrenser
• Kombinering av segmentering og morfologiske teknikker

4. Måling av objektegenskaper

• Deteksjon av individuelle objekter
• Måling av objektflate og omkrets
• Minste rektangulære rammer og sentroide
• Form- og geometrisk måling
• Uttrekk av objektegenskaper for videre analyse

5. Kvantitativ bildeanalyse

• Konvertering av bildebehandlingsresultater til numeriske data
• Oppretting av målingstabeller
• Sammenlikning av objekter
• Identifisering av objekter basert på målte egenskaper
• Eksportering av analyseresultater

6. Helhetlig bildebehandlingsarbeidsflyt

Deltakerne vil kombinere teknikker som er lært i løpet av kurset for å utvikle en komplett bildeanalysearbeidsflyt:

Bildeinnsamling → forbehandling → forbedring → filtrering → segmentering → morfologisk behandling → objekteteksjon → måling → rapportering

Praktisk øvelse: Utvikle et automatisert MATLAB-program som behandler en samling av bilder, segmenterer objekter, uttrekker egenskaper og produserer kvantitative resultater.

Praktiske øvelser

I løpet av kurset vil deltakerne arbeide med praktiske eksempler som involverer:

• Bildeforbedring og visualisering
• RGB- og gråskala-bildeanalyse
• Støyreduksjon
• Bildefiltrering
• Oppretting av panoramabilder
• Linje- og sirkeldeteksjon
• Kantdeteksjon
• Farge- og tekstursegmentering
• Morfologisk behandling
• Form-basert objekteteksjon
• Objektmåling
• Automatisk batch-behandling