% INF600F — Traitement d'images % UQAM — Département d'informatique % Plan de cours — Hiver 2020 * Horaires, locaux et enseignants: * Site web du cours: Responsable(s) du cours ======================= Coordination ------------ Lefebvre, Joël PK-4840 poste 3307 Les étudiants doivent consulter régulièrement leur courriel UQAM, moyen de communication du professeur avec le groupe-cours. Description du cours ==================== Connaître les algorithmes fondamentaux en traitement et analyse d'images. Comprendre les principes de l'imagerie numérique. Être capable de mettre en place un pipeline de traitement d'images simple à l'aide de bibliothèques existantes. Introduction à l'imagerie numérique. Notions de base en algèbre linéaire, calcul différentiel et intégral. Acquisition et affichage d'images. Transformations dans le domaine spatial et fréquentiel. Rehaussement et restauration d'images. Morphologie mathématique. Détection de primitives, segmentation, et analyse de texture. Autres sujets (selon le temps disponible): Apprentissage machine appliqué au traitement d'images, classification, détection d'objets, introduction à l'apprentissage profond pour la vision par ordinateur. Modalité d'enseignement ----------------------- Ce cours comporte une séance obligatoire de laboratoire (2 heures). Préalables académiques ---------------------- - INF3105 - Structures de données et algorithmes Objectifs du cours ================== Ce cours a pour objectif principal de présenter les concepts de base en lien avec la représentation sur ordinateur des images, leurs manipulations, et les principales méthodes d'analyse et de traitement des images numériques. À la fin du cours, l'étudiante ou l'étudiant sera capable de : - Comprendre les différentes approches de traitement d'images numériques - Utiliser des bibliothèques de traitement d'images - Identifier les méthodes de traitements d'images à appliquer selon différentes problématiques - Développer des outils de traitements d'images pour diverses applications Contenu du cours ================ - Chapitre 1: Introduction à l'imagerie numérique - Chapitre 2: Transformations dans le domaine spatial - Chapitre 3: Transformations dans le domaine fréquentiel - Chapitre 4: Rehaussement d'images - Chapitre 5: Restauration d'images - Chapitre 6: Segmentation d'images - Chapitre 7: Détection de primitives - Chaptire 8: Analyse de texture - (**Annulé**) Sujet spécial: Vision par ordinateur / Apprentissage machine appliqué à l'analyse d'images (si le temps le permet) Séances de laboratoires ======================= Les laboratoires servent à: - expérimenter les concepts et outils vus en cours; - présenter de la matière technique nouvelle qui ne sera pas vue en classe; - offrir un support pour la réalisation des travaux pratiques. - Les séances de laboratoire sont obligatoires Modalités d'évaluation ====================== - 4 travaux pratiques (15% chaque) - Examen de mi-session (20%) - Examen final (20%) --------------------------------------------------------------------------- Outil d'évaluation Pondération Échéance **Modification pour COVID-19** -------------------- ------------- ---------- ----------------------------- Travail pratique 1 15% Semaines 1 à 3 Travail pratique 2 15% Semaines 4 à 6 Travail pratique 3 15% Semaines 9 Remise repoussée au 3 avril à 10 Travail pratique 4 15% Semaines TP4 allégé, remise le 17 11 à 13 avril Examen intra 20% Semaine 7 Examen final 20% Semaine 16 Remplacé par un quiz sur Moodle, 1h de plus pour compléter --------------------------------------------------------------------------- Les examens durent 3h et portent sur toute la matière vue à date. L'examen final portera principalement sur la matière vue depuis l'examen intra. Pour les examens, aucun document ni aucune ressource électronique n'est autorisé. Les remises des TP se font électroniquement (les détails techniques seront donnés en classe). Plusieurs remises peuvent être faites, seule la plus récente sera considérée. Aucun retard ne sera accepté pour les TP. Règles concernant le seuil de passage ------------------------------------- L'étudiant doit obtenir une moyenne générale pondérée (TP et examens) supérieure ou égale à 50%. Si ce seuil n'est pas atteint, la mention échec sera automatiquement attribuée au cours. Matériel de cours ================= Le matériel pédagogique est accessible sur [Moodle](https://www.moodle2.uqam.ca/coursv3/course/view.php?id=34150) Calendrier détaillé du cours ============================ Semaine 1 --------- - Chapitre 1: Introduction à l'imagerie numérique Semaine 2 --------- - Chapitre 2: Transformations dans le domaine spatial Semaine 3 --------- - Chapitre 3: Transformations dans le domaine fréquentiel - **Remise du TP1** Semaine 4 --------- - Chapitre 4: Rehaussement d'images Semaine 5 --------- - Chapitre 5: Restauration d'images Semaine 6 --------- - Chapitre 5: Restauration d'images (suite) - **Remise du TP2** Semaine 7 --------- - **Examen intra** Semaine 8 --------- - **Semaine de relâche (Pas de cours)** Semaine 9 --------- - Chapitre 6: Segmentation d'images Semaine 10 ---------- - Chapitre 6: Segmentation d'images (suite) - **Remise du TP3** Semaine 11 ---------- - Chapitre 7: Détection de primitives Semaine 12 ---------- - Chapitre 7: Détection de primitives (suite) Semaine 13 ---------- - Chapitre 8: Analyse de texture - **Remise du TP4** Semaine 14 ---------- - Chapitre 8: Analyse de texture (suite) Semaine 15 ---------- - Sujet spécial (si le temps le permet) Semaine 16 ---------- - **Examen final** Médiagraphie ============ Il n'y a pas de manuel obligatoire. Les notes de cours seront disponibles sur Moodle. Ressources complémentaires -------------------------- Le cours est basé principalement sur le manuel suivant: - R. Gonzalez et R. Woods, *Digital Image Processing*, 4e édition. Pearson, 2018. ([Amazon](https://www.amazon.ca/fr/Digital-Image-Processing-Rafael-Gonzalez/dp/0133356728)) Ce livre est associé à un [site web compagnon](http://www.imageprocessingplace.com/index.htm). Autres références pertinentes - J. Ross et F. Neal, *The Image Processing Handbook*. CRC Press, (2016). ([Amazon](https://www.amazon.ca/fr/Image-Processing-Handbook-John-Russ/dp/149874026X)) - R. Szeliski, *Computer Vision: Algorithms and Applications*. London: Springer, 2010. [DOI](https://doi.org/10.1007/978-1-84882-935-0). (Version gratuite accessible sur le [site web de l'auteur](http://szeliski.org/Book/)) - J. E. Solem, *Programming Computer Vision with Python*. O'Reilly Media, 2012. [Site web](http://programmingcomputervision.com/), [PDF](http://programmingcomputervision.com/downloads/ProgrammingComputerVision_CCdraft.pdf)