% INF600F — Traitement d'images % UQAM — Département d'informatique % Plan de cours — Hiver 2021 * Horaires, locaux et enseignants: * Site web du cours: Responsable(s) du cours ======================= Coordination ------------ Lefebvre, Joël PK-4840 Enseignement ------------- Lefebvre, Joël 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 canal de discussion en ligne (Teams) est l'outil pour interagir avec le professeur, démonstrateurs et les autres étudiants. Pour les questions d'ordre général, utilisez cette équipe Teams, attendez quelques jours avant de relancer. Pour des questions plus spécifiques, personnelles ou pour relancer, contactez le professeur par courriel en ajoutant le libellé \[INF600F-H2021\] dans le sujet de votre courriel. Aucune remise de TP 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 (examens, quiz, remises de TP, etc.). 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. Préalables académiques ---------------------- - INF3105 - Structures de données et algorithmes Modalités d'enseignement ------------------------ Ce cours comporte un atelier obligatoire (2 heures). **Note** : En raison de la COVID-19, les cours se dérouleront à distance. Les étudiant.e.s devront réaliser les exercices sur leur ordinateur personnel plutôt qu'au laboratoire. 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 traitement d'images pour diverses applications Contenu du cours ================ - **Chapitre 1** : Introduction à Python et à l'imagerie numérique - **Chapitre 2** : Filtre spatial - **Chapitre 3** : Traitements dans le domaine fréquentiel (Fourier) - **Chapitre 4** : Transformation et rehaussement d'images - **Chapitre 5** : Segmentation d'images - **Chapitre 6** : Opérations morphologiques - **Chapitre 7** : Extraction d'information à partir d'images - **Sujets spéciaux** : Acquisition d'images, analyse de texture, 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 Formule pédagogique ------------------- - Le cours sera donné entièrement en ligne pour la session d'hiver 2021. - Le premier cours de la session sera en mode synchrone (avec Zoom) - Les cours suivants seront en mode asynchrone (capsules préenregistrées sur Panopto) avec des périodes de questions en direct sur Teams et parfois sur Zoom. Les périodes de questions/réponses synchrones seront annoncées sur Moodle. - Le matériel pédagogique (présentations, capsules vidéos, énoncés de laboratoire ...) sera partagé sur le site Moodle du cours. - **Les informations techniques concernant la première séance de cours et les modalités vidéos (lien Zoom ou Teams) seront partagées par courriel aux étudiant.e.s inscrit.e.s dans la semaine précédant le premier cours.** Modalités d'évaluation ====================== - 4 travaux pratiques (15% chaque) - Examen de mi-session (20%) - Examen final (20%) Outil d'évaluation Pondération Échéance -------------------- ------------- ------------------ Travail pratique 1 15% Semaines 1 à 3 Travail pratique 2 15% Semaines 4 à 6 Travail pratique 3 15% Semaines 9 à 10 Travail pratique 4 15% Semaines 11 à 13 Examen intra 20% Semaine 7 Examen final 20% Semaine 16 Modalité d'examen ----------------- - Les examens se dérouleront en ligne sur Moodle. - Les examens seront accessibles à partir du début du cours (mardi à 13h30) et le demeureront pour une durée de 24h (mercredi à 13h29). - À partir de l'ouverture du questionnaire par l'étudiant.e, l'examen devra être complété dans un délai de 3h30. - Une seule tentative d'examen sera permise. - **Aucune consultation entre étudiant.e.s n'est permise.** Modalité des travaux pratiques ------------------------------ - Les remises des TP se font électroniquement sur Moodle (les détails techniques seront donnés en classe). - Plusieurs remises peuvent être faites, seule la plus récente sera considérée. - Les TPs peuvent être réalisés en équipe de 2 maximum, et les membres de chaque équipe doivent être communiqués aux enseignants avant la remise du premier TP - **Retards** : 10% de la note sera retranché par jour de retard. Règles concernant le seuil de passage ------------------------------------- L'étudiant.e doit obtenir - Une moyenne cumulée et pondérée aux examens supérieure ou égale à 50% - et une moyenne générale pondérée (TP et examens) supérieure ou égale à 50% Si ces seuils ne sont pas atteints, la mention échec sera automatiquement attribuée au cours. Matériel et logiciels utilisés ------------------------------ En raison du COVID-19, les laboratoires s'effectueront à distance. Les étudiant.e.s devront donc disposer d'un ordinateur personnel sur lequel seront effectué les démonstrations, les TPs, 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) devront être installés 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 - Chityala, R., & Pudipeddi, S. (2020). *Image processing and acquisition using python* (Second, Ser. Chapman & hall/crc python series). CRC Press. (Version électronique gratuite ([Biblio](https://uqam-bib.on.worldcat.org/oclc/1224520279)), Livre imprimé ([Coop](https://www.coopuqam.com/809935-Livres--produit.html))). Ressources complémentaires -------------------------- - 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)) - R. Gonzalez et R. Woods, *Digital Image Processing*, 4e édition. Pearson, 2018. ([Biblio](https://uqam-bib.on.worldcat.org/oclc/300738034)) - J. Ross et F. Neal, *The Image Processing Handbook*. CRC Press, (2016). ([Biblio](https://uqam-bib.on.worldcat.org/oclc/299456096)) - 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) - R. Szeliski, *Computer Vision: Algorithms and Applications*. London: Springer, 2010. [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/))