====== Введение в компьютерное зрение ======
=== А.В.Шокуров ===

----

**Аннотация курса**: специальный курс для студентов о способах обработки растровых изображений. Изучаются как простейшие методы, такие как линейные/нелинейные фильтры, так и более сложные, такие как морфологические операторы, определение особых точек и другие. Результатом обработки считаются некие числовые характеристики, которые либо сами по себе имеют важность, либо предполагают дальнейший их анализ: ручной или автоматизированный.

----

== Тематическое содержание курса ==
== 1 семестр ==
== Введение в цифровую обработку изображений ==
  - Фотометрия. Физика света и психика цвета. Преобразование цветов.
  - Формирование растрового изображения. Формулировка Теоремы Котельникова.
  - Простейшие преобразования растрового изображения. Попиксельные  преобразования.
  - Глобальные преобразования изображения. Фурье преобразование и другие.
  - Оконные преобразования. Весовая функция.
  - Линейные фильтры: сглаживание, поиск градиента.
  - Бинарные изображения. Морфологические преобразования.
  - Геометрические преобразования. Устранение дисторсии.
  - Выделение ребер, отрезков, линий, контуров в растровом изображении.
  - Методы сегментации изображения.
  - Соединение отрезков в кривые (контура). Определение окружностей и эллипсов. Преобразование Хаффа.
  - Хэш функции на изображениях. Инварианты бинарных изображений.
  - Поиск по образцу. Определение движения от кадра к кадру.
  - Особые окрестности, точки, отрезки. Сопоставление оных.
  - Проективная геометрия. Гомография. Сшивка изображений.
  - Калибровка одной камеры. Взаимная калибровка камер.
  - Восстановление трехмерного объекта исходя из его изображения с разных ракурсов.

----

== 2 семестр ==
== Введение в машинное обучение ==
  - Интерполяция, Аппроксимация.
  - Деревья решений.
  - Геометрические подходы.
  - Персептрон.
  - Линейная модель.
  - Ядровый подход в персептроне.
  - Нейронные сети. Многослойные сети.
  - Метод опорных векторов.
  - Вероятностные подходы. 
  - Максимизация ожидания.
  - Аппаратная поддержка методов обучения.
  - Приведение изображения к нормализованному/каноническому виду.
  - Характеристические точки растрового изображения.
  - Распознавание плоских объектов в изображении.
  - Распознавание трехмерных объектов в сцене.
  - Распознавание движения нескольких объектов.
  - Сегментация изображения на классы объектов.

----

== Типовые контрольные задания ==
  * Растровое представление изображения: а) преобразовать изображение в оттенки серого; б) изменить (увеличить/уменьшить) яркость изображения.
  * Баланс белого: а) корректировка баланса белого изображения по выбранной точке (белой/черной/серой); б)реализовать автоматизированный метод, основанный на модели "серого мира".
  * Бинаризация: а) для заданного изображения, выбрав пороговое значение, выполнить бинаризацию изображения; б)используя гистограмму построенную по интенсивностям, найти "хорошее" пороговое значение. Можно считать, что в изображении есть только фон и объект; в)разработать метод цветового квантования изображения, т.е. метод уменьшающий количество цветов в изображении. Фактически строиться палитра для данного изображения.
  * Подсчет количества объектов: а)применив к изображению бинаризацию из предыдущего задания, посчитать количество объектов; б) посчитать количество объектов в зависимости от некой характеристики, например, исходя из площади. Написать программу, которая считает количество монет разных достоинств (фото сделано с верху, т.е. перспективные искажения отсутствуют.);
  * Приближение контуров: а) Пусть имеется некий (бинарный) объект, например, монета. В общем случае, учитывая перспективную коррекцию, объект будет представлять эллипс. Необходимо найти уравнение этой кривой. *б) Найдя уравнения для каждой из монет, выполнить перспективную коррекцию.
  * Откуда берется трех-компонентное представление цветов? Все ли цвета в таком представлении достижимы?
  * Каким образом формируется цифровое растровое изображение? В чем суть теоремы Котельникова?
  * Какие классы преобразований на растровыми изображениями существуют?
  * Что есть глобальное преобразование изображения? Назвать известные глобальные преобразования.
  * Что есть оконное преобразование? В чем их суть? Привести примеры.

----

== Перечень учебной литературы ==
  * William Pratt, "Digital Image Processing", John Wiley & Sons, Inc., 4th ed. (2007), 3rd ed. (2001), 2nd ed. (1991)
  * Rafael Gonzalez, Richard Woods, "Digital Image Processing", Prentice Hall, 3rd ed. (2007), 2nd ed. (2002)
  * David A. Forsyth, Jean Ponce, "Computer Vision: A modern Approach", Pearson, 2nd ed. (2011), 1st ed. (2002)
  * Richard Szeliski, "Computer Vision: Algorithms and Applications", Springer, 2011, draft

----

== Перечень ресурсов информационно-телекоммуникационной сети «Интернет» ==
  * [[http://машинноезрение.рф]]