Skip to main content
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
If you continue browsing this website, you agree to our policies:
  • Condizioni di utilizzo e trattamento dei dati
Continue
x
e-Learning - UNIMIB
  • Home
  • More
Listen to this page using ReadSpeaker
English ‎(en)‎
English ‎(en)‎ Italiano ‎(it)‎
 Log in
e-Learning - UNIMIB
Home
Percorso della pagina
  1. Science
  2. Bachelor Degree
  3. Informatica [E3102Q - E3101Q]
  4. Courses
  5. A.A. 2024-2025
  6. 3rd year
  1. Image Processing
  2. Summary
Insegnamento Course full name
Image Processing
Course ID number
2425-3-E3101Q118
Course summary SYLLABUS

Course Syllabus

  • Italiano ‎(it)‎
  • English ‎(en)‎
Export

Obiettivi

Il corso ha l'obiettivo di fornire agli studenti le competenze teoriche e pratiche per l’elaborazione, la segmentazione, l’analisi e la classificazione di immagini e video digitali.

Contenuti sintetici

Lo studente acquisirà competenze specifiche che lo porranno in grado di comprendere la catena di elaborazione, analisi e classficazione di immagini e video. Lo studente acquisirà inoltre le competenze necessarie per progettare, sviluppare ed integrare specifici moduli in sistemi applicativi complessi.

Programma esteso

1 Cenni sulla percezione visiva, la visione umana e artificiale, il colore. Acquisizione e digitalizzazione di immagini.

2 Miglioramento delle immagini con operatori puntuali.

3 Filtraggio spaziale lineare e non-lineare

4 Spazi colore. Elaborazione di immagini a colori.

5 Segmentazione di immagini per regioni e per contorni.

6 Analisi tessiturale; morfologia matematica.

7 Descrizione e rappresentazione di immagini (regioni, contorni, approssimazione poligonale)

8 Riconoscimento, classificazione supervisionata e non supervisionata.

9 Introduzione alle reti neurali convoluzionali profonde

Prerequisiti

nessuno

Modalità didattica

Lezioni frontali (48) in presenza con modalita' erogativa ed interattiva.
Esercitazioni/ lab (MATLAB) con discussione di studi di caso, in presenza con modalita' interattiva ed erogativa

Materiale didattico

Digital Image Processing, 3rd Edition, Gonzalez & Woods I S B N n u m b e r : 9 7 8 0 1 3 1 6 8 7 2 8 8 , 2 0 0 8 , http://www.imageprocessingplace.com/index.htm

slide fornite in format PDF dal docente

Periodo di erogazione dell'insegnamento

primo semestre

Modalità di verifica del profitto e valutazione

L’esame è composto di due parti,

Esame Scritto che a sua volta è composto di domande a risposta chiusa, e domande a risposta aperte inerenti gli argomenti trattati nel corso.

Prova pratica concernente la Realizzazione e discussione di un progetto l’elaborazione ed analisi di immagini. Gruppo di al massimo 3 persone con valutazione individuale.

Il voto finale è la media dei voti dello scritto e del progetto.

Saranno anche erogati alcuni esercizi di laboratorio facoltativi la cui consegna dà dei punti aggiuntivi nel voto finale.

Orario di ricevimento

dopo le lezioni e su appuntamento

Sustainable Development Goals

ISTRUZIONE DI QUALITÁ
Export

Aims

The course aims to give students the theoretical and practical skills for the design and development of algorithms and systems for the processing, segmentation, analysis and classification of digital images and videos.

Contents

The student will acquire specific skills that will put him in a position to understand the chain of processing, analysis and classification of images and videos. The student will also acquire the skills needed to design, develop and integrate specific modules in complex application systems .

Detailed program

1 A background on visual perception, human vision vs. artificial vision, color perception. Image sampling and quantization.

2 Image enhancement using intensity transformation functions.

3 Spatial image filtering using liner and non-liner filters "

4 Color spaces. Color image processing.

5 Region-based and edge-based image segmentation

6 Mathematical morphology. Texture analysis

7 Image description and representation (regions, contours, polygonal approximation)

8 Image recognition; supervised and unsupervised image classification.

  1. Introduction to deep convolutional neural networks

Prerequisites

none

Teaching form

Lectures (48) in presence with delivery and interactive mode. Exercises/lab (MATLAB) (20) with discussion of case studies, in-presence with interactive and delivery mode

Textbook and teaching resource

Digital Image Processing, 3rd Edition, Gonzalez & Woods I S B N n u m b e r : 9 7 8 0 1 3 1 6 8 7 2 8 8 , 2 0 0 8 , http://www.imageprocessingplace.com/index.htm

PDF of the slides provided by the professors.

Semester

first semester

Assessment method

The exam is composed of two parts,

The Written exam is composed of closed-ended questions, and open-ended questions related to the topics covered in the course.

The practical part concerns the Implementation and discussion of a project concerning the processing and analysis of images. Group of at most 3 persons with individual evaluation.

The final grade is the average of the written and project scores.

Some, non mandatory, assignments will be provided. Submitting them will provide extra points on the final evaluation.

Office hours

after each lessons, and by request

Sustainable Development Goals

QUALITY EDUCATION
Enter

Key information

Field of research
INF/01
ECTS
8
Term
First semester
Activity type
Mandatory to be chosen
Course Length (Hours)
0
Degree Course Type
Degree Course
Language
Italian

Staff

    Teacher

  • Gianluigi Ciocca
    Gianluigi Ciocca
  • RS
    Raimondo Schettini

Students' opinion

View previous A.Y. opinion

Bibliography

Find the books for this course in the Library

Enrolment methods

Self enrolment (Student)
Manual enrolments

Sustainable Development Goals

QUALITY EDUCATION - Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all
QUALITY EDUCATION

You are not logged in. (Log in)
Policies
Get the mobile app
Powered by Moodle
© 2025 Università degli Studi di Milano-Bicocca
  • Privacy policy
  • Accessibility
  • Statistics