Estudia

• Aplicar eines i coneixements matemàtics
• Aplicar coneixements de física
• Interpretar les característiques tècniques i aplicar components comercials en el disseny electrònic aplicat a la indústria
• Ser capaç d'analitzar
• Aprendre de forma autònoma

1. Introducció a la visió per computador (1 hora)

2. Sensors òptics (1 hora)

          2.1. Introducció

          2.2. Components sensibles a la llum

          2.3. Càmeres CCD

3. Procés de formació de la imatge (2 hores)

          3.1. Introducció

          3.2. Adquisició i representació d’imatges

          3.3. Mostratge i quantificació

4. (Pre-)Processament digital d’imatges (4 hores)

          4.1. Introducció

          4.2. Mètodes de domini espaial vs mètodes de domini freqüencial

          4.3. Histograma d’una imatge

          4.4. Transformacions a nivell de píxel

          4.5. Transformacions bases en el veïnatge d’un píxel

          4.6. Morfologia Matemàtica

          4.7. Transformada de Hough

5. Segmentació d’imatges en regions (4 hores)

          5.1. Introducció

          5.2. Segmentació basada en regions

          5.3. Segmentació basada en contorns

          5.4. Segmentació per clustering

          5.5. Segmentació basada en models: template matching

6. Caracterització de regions en imatges (4 hores)

          6.1. Introducció

          6.2. Extracció del color

          6.3. Extracció de la textura

          6.4. Extracció de la forma

7. Pattern Classification (2 hores)

          7.1. Introducció

          7.2. Classificadors basats en distància

          7.3. Classificadors basats en arbres de decisió

          7.4. Altres classificadors

8. Aplicacions en l’entorn informàtic (2 hores)

          8.1. Introducció

          8.2. Interpretació i reconeixement d’escenes

          8.3. Recuperació d’imatges per contingut

9. Aplicacions a la indústria (4 hores)

          9.1. Introducció

          9.2. La il•luminació

          9.3. Exemples

10. Presentacions dels alumnes (2 hores)

• Vernon, David (1991). Machine vision : automated visual inspection and robotvision. New York [etc.]: Prentice-Hall.
• González, Rafael C., Woods, Richard E. (1993). Digital image processing (Repr. with corr.). Reading [etc.]: Addison-Wesley.
• Shapiro, Linda G., Stockman, George C. (cop. 2001). Computer vision. Upper Saddle River: Prentice Hall.
• Davies, E. R. (cop. 1997). Machine vision : theory, algorithms, practicalities (2nd ed). San Diego [etc.]: Academic Press.

Activitats d'avaluació:

L'avaluació de l'assignatura serà de 50% de la nota de pràctiques i 50% de l'examen.

L'examen constarà de dues parts: 40% de test sense apunts i 60% de problemes amb apunts.

La nota de pràctiques sorgirà del 50% d'avaluació continuada a les sessions pràctiques, un 20% de la seva documentació i el 30% de la presentació oral que es realitzarà.

Les pràctiques es faran amb material de Matrox i programant amb Visual C++. Per tant, es suposaran adquirides unes nocions bàsiques de programació.

Les tutories es faran qualsevol hora previ acord per e-mail, al Laboratori de Visió, Ed P-IV.
NOTA IMPORTANT: Només hi haurà tutories durant les setmanes lectives. Quan s’acabin les classes no hi haurà tutories. Per tant, és convenient anar estudiant durant el curs, perquè els dubtes surtin mentre es va fent l’assignatura i no la setmana abans de l’examen.

• Fonaments d'informàtica