Opinto-opas

Tavoitteet

Kurssin suoritettuaan opiskelija tuntee keskeiset konenäkömenetelmät sekä ymmärtää, mihin niitä voidaan soveltaa. Sovellusesimerkkejä käydään läpi tekniikan lisäksi myös biologiasta ja lääketieteestä. Opiskelija osaa toteuttaa kuvankäsittely- ja konenäkösovelluksia OpenCV-kirjastoa ja Python-ohjelmointikieltä käyttäen.

Sisältö

- Kuvanmuodostus ja digitaalisen kuvan rakenne
- Esikäsittelymenetelmät
- Segmentointimenetelmät
- Morfologiamenetelmät
- Muotojen ja piirteiden haku ja tunnistus
- Kuvamuunnokset

Oppimateriaalit

Jaetaan kurssilla

Opetusmenetelmät

Lähiopetus
Verkko-opetus (hybridi)
Harjoitukset ja tehtävät
Laboratoriotyö
Harjoitustyö

Opiskelijan ajankäyttö ja kuormitus

Luennot 24 h
Ohjatut harjoitukset 16 h
Laboratoriotyö 10 h
Harjoitustyö 20 h
Itsenäinen opiskelu 38 h

Arviointiasteikko

1-5

Arviointikriteerit, tyydyttävä (1)

Opiskelija osaa lukea ohjelmallisesti digitaalisen kuvan ja tehdä sille yksinkertaisia esikäsittely- ja jälkikäsittelyoperaatioita sekä suorittaa yksinkertaisen segmentaation. Opiskelija tuntee perusteet digitaalisen kuvan rakenteesta.

Arviointikriteerit, hyvä (3)

Opiskelija osaa lisäksi analysoida segmentoitua kuvaa erilaisin menetelmin ja suorittaa siitä mittauksia. Opiskelija tuntee useita erilaisia esikäsittely-, jälkikäsittely- sekä analyysimenetelmiä ja osaa soveltaa niitä. Opiskelija tuntee laajasti konenäön sovelluksia ja osaa kuvailla niitä. Opiskelijan ohjelmointityyli on selkää.

Arviointikriteerit, kiitettävä (5)

Opiskelija hallitsee kurssilla opiskellut menetelmät vahvasti ja osaa soveltaa niitä laajasti omiin käyttötarkoituksiinsa ja kurssilla opetettujen sovellusten ulkopuolelle. Opiskelija lisäksi toteuttaa menetelmänsä erittäin selkeästi hyvää ohjelmointityyliä noudattaen.

Arviointimenetelmät ja arvioinnin perusteet

Kotona tehtävät harjoitukset 40 %, laboratoriotyö 30 %, harjoitustyö 30 %

Esitietovaatimukset

Ohjelmoinnin perusteet 1

Lisätiedot

Suositeltavat muut opinnot:

Ohjelmoinnin perusteet 2