Zum Hauptinhalt
Website-Übersicht
Disciplinas »
2024
2023
2022
2021
2020
2019
2018
2017
2016
2015
2014
2013
2012
AACCs/FFLCH
Pró-Reitoria de Pós-Graduação
Outros
Suporte »
Acesso
Perfis
Ouvintes
Docentes
Criação de Disciplinas da USP
Documentação
HelpDesk e Contato
Guia de uso
Sobre
Deutsch (de)
Deutsch (de)
English (en)
Español - Internacional (es)
Français (fr)
Italiano (it)
Português - Brasil (pt_br)
Suchen
Schließen
Suchen
Sucheingabe umschalten
Acessar
MAC0417/5768 - Visão e Processamento de Imagens
Startseite
Kurse
2020
IME
MAC
MAC5768--MAC0417--2020
Representação e descrição
JN: Contour finding
JN: Contour finding
Klicken Sie auf '
JN: Contour finding
', um die Ressource zu öffnen.
◄ JN: Straight line Hough transform
Direkt zu:
Direkt zu:
Fórum de discussão
Avisos
Ementa do Curso
Slides - Gonzalez, Woods & Eddins
Livro de referência: Shape Classification
Livro de referência: Gonzalez & Woods
Enunciados e discussão dos EPs
Exercício Programa 1
Exercício Programa 2
Exercício Programa 3
Vídeo da discussão do EP3: Segmentação e classificação
Slides: Intro à Disciplina
Slides Chap1 G&W
Material de estudos (ME): TOC Overview: GW
Material de estudo: Chap1 G&W
Jupyter Notebook (JN): Intro: Google Colab e Scikit Image - Filtering Coins
Jupyter Notebook: Overview & User Guide
Vídeo da aula - Intro ao Curso
Vídeo da aula - Intro ao Curso 2
Vídeo da aula - Intro ao Curso 3
Slides: Chap2 G&W
Material de estudo: Princípios de formação de imagens
Material de estudo: Livro G&W, Seção 2.6 Uma introdução às ferramentas matemáticas utilizadas no processamento digital de imagens
Material de referência: Livro Shape Classification, Costa&Cesar, Seções 2.1 e 2.2 do Capítulo 2 - Basic Mathematical Concepts
Jupyter Notebook (JN): Scikit Image Data
JN: Using simple NumPy operations for manipulating images
JN: RGB 2 Gray Scale
JN: Pirâmides de imagens
Vídeo da aula - Image acquisition 1
Vídeo da aula - Image acquisition 2
Vídeo da aula - Image acquisition 3
Vídeo da aula - Image acquisition 4
Vídeo da aula - Image acquisition 5
Slides: Chap3 G&W
Material de estudo: Livro G&W, Chap3, Transformações de intensidade e filtragem espacial
Material de estudo: Convolution! (CDT-14)
JN: Histogram matching
JN: Histogram Equalization
JN: Mean filters
JN: Median filter
JN: Opencv Smoothing Images
Vídeo da aula - Filtragem espacial 1
Vídeo da aula - Filtragem espacial 2
Vídeo da aula - Filtragem espacial 3
Vídeo da aula - Filtragem espacial 4
Vídeo da aula - Filtragem espacial 5
Vídeo da aula - Filtragem espacial 6
Vídeo da aula - Filtragem espacial 7
Vídeo da aula - Palestra sobre visão computacional e cidades inteligentes
fourier-ShapeAnalysis
Slides: Chap4 G&W
convolution-Fourier-ShapeAnalysisBook
Material de estudo: Livro G&W, Chap4, Filtragem no domínio da frequência
JN: Image denoising by FFT
JN: Band-pass filtering by Difference of Gaussians
JN: Opencv Fourier Transform
Vídeo da aula - Filtragem no domínio da frequência e análise de Fourier 1
Vídeo da aula - Filtragem no domínio da frequência e análise de Fourier 2
Vídeo da aula - Filtragem no domínio da frequência e análise de Fourier 3
Slides: Chap10 G&W
Material de estudo: Livro G&W, Chap10, Segmentação de imagens
JN: Edge operators
JN: Canny Edge Detection
JN: Thresholding
JN: Watershed segmentation
JN: Comparison of segmentation and superpixel algorithms
NJ: Label image regions
JN: Comparing edge-based and region-based segmentation
Vídeo da aula - Segmentação 1
Vídeo da aula - Segmentação 2
Vídeo da aula - Segmentação 3
Slides: Chap9 G&W
Material de estudo: Livro G&W, Chap9, Morfologia matemática
JN: OpenCV Morphological operations
JN Morphological Filtering
JN: Generate structuring elements
JN: Flood Fill
Vídeo da aula - Morfologia 1
Vídeo da aula - Morfologia 2
Slides: Chap11 G&W
Material de estudo: Livro G&W, Chap11, Representação e descrição
Material de estudo: On Features and Categories (CDT-20)
JN: Approximate and subdivide polygons
JN: Skeletonize
JN: Straight line Hough transform
JN: Shape measures
Vídeo da aula - Representação 1
Slides: Chap12 G&W
Material de estudo: Livro G&W, Chap12, Reconhecimento de objetos
Material de estudo: Bayesian Classification (CDT-34)
Material de estudo: Neurons as Pattern Recognizers (CDT-25)
Material de estudo: Learning Deep Learning (CDT-15)
JN: Template matching
JN: Scikit Learn Classifier comparison
JN Faces recognition example using eigenfaces and SVMs
JN: Semantic image segmentation with a U-Net-like architecture
Vídeo da aula - Classificação 1
Vídeo da aula - Classificação 2
Slides: Chap5 G&W
Material de estudo: Livro G&W, Chap5, Restauração e reconstrução de imagens
JN: Noise models
Slides: Chap6 G&W
Material de estudo: Livro G&W, Chap6, Color Image Processing
JN: RGB to HSV
JN: Shape measures ►