% INF8240 — Traitement d'images par ordinateur % UQAM — Département d'informatique % Plan de cours — Automne 2022 * Horaires, locaux et enseignants: Enseignement ============ Lefebvre, Joël PK-4840 Groupes: 001 Ceci est un cours de 2e cycle. Les étudiant.e.s doivent consulter régulièrement le site Moodle du cours, moyen officiel de communication entre le professeur et le groupe-cours. Les annonces et mises à jour seront publiées sur le forum de nouvelles du site Moodle. - Un forum de discussion en ligne est l'outil pour interagir avec le professeur et les autres étudiants. - Pour les questions d'ordre général, utilisez le forum de discussion et attendez quelques jours avant de relancer. - Pour des questions plus spécifiques, personnelles ou pour relancer, contactez le professeur par courriel en ajoutant le libellé \[INF8240\] dans le sujet de votre courriel. - Aucune remise par courriel n'est acceptée. Le site web officiel du cours est sur Moodle, il contient le matériel du cours (diapositives, vidéos, etc.) et servira pour les évaluations en ligne (ex. devoirs). Description du cours ==================== Propriétés des images. Échantillonnage, codage. Traitement algébrique et géométrique, filtrage spatial, transmission des images. Segmentation et approximation des images. Représentation en deux et trois dimensions. Équipements et logiciels pour le traitement graphique. Analyse de scènes. Applications. Système interactif et système en différé. Objectifs du cours ------------------ À l'issue de ce cours, les étudiant.e.s devraient : - Connaître les fondements théoriques et pratiques du traitement d'images par ordinateur - Savoir implémenter des méthodes et algorithmes liés au traitement d'images par ordinateur - Réaliser un projet simple lié au traitement d'images Contenu du cours ---------------- Semaine Date Sujet Évaluation --------- ---------- ------------------------------------------------- ------------ \#1 5 sept. ***Pas de cours (Fête du travail)*** \#2 12 sept. Présentation du cours & Formation des images \#3 19 sept. Couleurs & Numérisation et affichage des images \#4 26 sept. Propriété des images & Organisation des données \#5 3 oct. ***Pas de cours (Élection provinciale)*** \#6 10 oct. ***Pas de cours (Action de grâce)*** \#7 17 oct. Amélioration d'images (Spatial) **Devoir** \#8 24 oct. Amélioration d'images (Fréquentiel) \#9 31 oct. Opérations locales \#10 7 nov. Transformations linéaires **Devoir** \#11 14 nov. Transformations géométriques \#12 21 nov. Restauration \#13 28 nov. Segmentation **Devoir** \#14 5 déc. Détecteur et descripteurs de points d'intérêts \#15 12 déc. Reconnaissance d'objets \#16 19 déc. **Examen** Formule pédagogique ------------------- - Le cours sera donné en présence pour la session d'automne 2022. - Le matériel pédagogique (présentations, énoncés des devoirs, etc.) sera partagé sur le site Moodle du cours. Modalités d'évaluation ====================== - 3 devoirs (20% chacun) - 1 examen (40%) **Note** : Voir le calendrier sur Moodle pour les dates précises. Description Date Pondération ------------- ------------ ------------- Devoir 1 Semaine 7 20% Devoir 2 Semaine 10 20% Devoir 3 Semaine 13 20% Examen Semaine 16 40% La note finale (en lettre, A+, A, etc.) pour le trimestre sera attribuée en fonction de l'atteinte des objectifs spécifiques à travers les évaluations. La distribution des résultats dans le groupe pourrait aussi être utilisée. Aucune autre opportunité (travail supplémentaire, etc.) d'augmenter le nombre de points ne sera accordée. Règles concernant le seuil de passage ------------------------------------- L'étudiant.e doit obtenir - Une note à l'examen supérieure ou égale à 50% - **ET** une moyenne générale pondérée (devoirs et examen) supérieure ou égale à 50% Si ces seuils ne sont pas atteints, la mention échec sera automatiquement attribuée au cours. Modalité d'examen ----------------- - Les examens se dérouleront A) en présence ou B) en ligne sur Moodle, selon l'évolution des directives sanitaires (COVID-19). - Les fautes de français ne seront pas corrigées dans les examens, mais vos phrases doivent être compréhensibles. - **Aucune consultation entre étudiant.e.s n'est permise.** ### A) Modalité pour l'examen en présentiel - L'examen se déroulera en classe - La durée de l'examen sera de 3h ### B) Modalité pour l'examen en ligne - Les examens seront accessibles à partir du début du cours et le demeureront pour une durée de 24h. - À partir de l'ouverture du questionnaire par l'étudiant.e, l'examen devra être complété dans un délai de 3h. - Une seule tentative d'examen sera permise. Modalité des travaux pratiques ------------------------------ - Les remises des devoirs se font électroniquement sur Moodle (les détails techniques seront donnés en classe). - Plusieurs remises peuvent être faites, seule la plus récente sera considérée. - **Retards** : 10% de la note sera retranché par jour de retard. Après 5 jours de retard, aucune remise ne sera acceptée. - **Qualité du français** : La note des travaux pratiques sera réduite de 1% par faute, pour un maximum de 10 % par travail. Matériel et logiciels utilisés ------------------------------ Les étudiant.e.s devront disposer d'un ordinateur personnel sur lequel seront effectués les devoirs et les autres tâches de programmation. Le langage de programmation Python sera utilisé pour ce cours. Une distribution Python fournie par Anaconda comprenant les modules et dépendances nécessaires au cours et un environnement de développement (Spyder) devra être installée sur l'ordinateur des étudiant.e.s. Ananconda est disponible pour les principaux systèmes d'exploitation (Windows, Mac, Linux). Les laboratoires et travaux pratiques seront réalisés avec Jupyter notebook. Médiagraphie ============ Obligatoires ------------ - Notes de cours sur le site Moodle Références recommandées ----------------------- - Distante, A., & Distante, C. (2020). *Handbook of image processing and computer vision. Volume 1: from energy to image*. Springer. [Biblio](https://uqam-bib.on.worldcat.org/oclc/1157084891). - Distante, A., & Distante, C. (2020). *Handbook of image processing and computer vision. Volume 2: from image to pattern*. Springer. [Biblio](https://uqam-bib.on.worldcat.org/oclc/1157085109). - Distante, A., & Distante, C. (2020). *Handbook of image processing and computer vision. Volume 3: from pattern to object*. Springer. [Biblio](https://uqam-bib.on.worldcat.org/oclc/1158230002). - R. Gonzalez et R. Woods, *Digital Image Processing*, 4e édition. Pearson, 2018. ([Biblio](https://uqam-bib.on.worldcat.org/oclc/300738034)) - Burger, W., & Burge, M. J. (2009). *Principles of digital image processing : fundamental techniques* (Ser. Undergraduate topics in computer science). Springer. ([Biblio](https://uqam-bib.on.worldcat.org/oclc/1136519670)). - Burger, W., & Burge, M. (2009). *Principles of digital image processing : core algorithms* (Ser. Undergraduate topics in computer science). Springer. ([Biblio](https://uqam-bib.on.worldcat.org/oclc/656394834)). - Burger, W., & Burge, M. (2013). *Principles of digital image processing : advanced methods* (Ser. Undergraduate topics in computer science). Springer. ([Biblio](https://uqam-bib.on.worldcat.org/oclc/843189235)) - J. Ross et F. Neal, *The Image Processing Handbook*. CRC Press, (2016). ([Biblio](https://uqam-bib.on.worldcat.org/oclc/299456096)) - Szeliski, R. (2021). *Computer Vision: Algorithms and Applications*. 2e édition London: Springer. ([DOI](https://doi.org/10.1007/978-1-84882-935-0), [Biblio](https://uqam-bib.on.worldcat.org/oclc/696299718), version gratuite accessible sur le [site web de l'auteur](http://szeliski.org/Book/)) Des références complémentaires seront partagées sur le site Moodle du cours.