Faglig innhold

Emnet består av en halvdel med bildesyntese (datagrafikk) og en halvdel med bildeanalyse (bildebehandling). Grafikk: grafiske primitiver, rasterisering, anti-aliasing, klipping, geometriske transformasjoner, betrakningstransformasjoner, hierarkisk modellering av scener, eliminering av ikke synlige objekter og flater, fargerepresentasjon, belysningsmodeller og algoritmer. OpenGL lab basert på C/C++ eller Rust. Bildebehandling: introduksjon til og eksempler på anvendelser av bildebehandling og enkel bildeanalyse. Intro til dyp lærings basert bilde-tolkning og forståelse (fullt sammenkoblede nevrale nettverk og CNNs). Filtrering og bildeforbedring i både det romlige bilde domene og i frekvens / Fourier domene. Ulike former for bilde segmentering og matematisk morfologi. Lab med praktiske øvinger i Python (alternativt MATLAB). For mer informasjon se også: https://www.idi.ntnu.no/grupper/vis/teaching/ og emnet på Blackboard.

Læringsutbytte

Kunnskaper: Kandidaten vil tilegne seg kunnskaper om prinsipper og algoritmer i grunnleggende bildesyntese og bildeanalyse. Ferdigheter: Kandidaten vil tilegne seg ferdigheter i grafikkprogrammering og programmering i bildebehandling med verktøy som er i vanlig bruk. Generell kompetanse: Kandidaten vil få kompetanse til å realisere potensialet som ligger i teknikker for grunnleggende grafikk og bildebehandling. Kandidaten vil sitte igjen med en oversikt over feltet visuell databehandling og ha evnen til å bygge betydelige anvendelser innen visuell databehandling og til å utvide sine kunnskaper på feltet.

Læringsformer og aktiviteter

Forelesninger og øvinger. Forelesninger vil foregå på engelsk. Eksamen vil bli gitt på engelsk.

Anbefalte forkunnskaper

TDT4120 Algoritmer og datastrukturer og TMA4115 Matematikk 3 eller tilsvarende kunnskaper.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon