シラバス情報
|
教員名 ： 依田 育士
|
科目授業名称（和文） Name of the subject/class (in Japanese)
画像処理工学特論
科目授業名称（英文） Name of the subject/class (in English)
Advanced Theory of Image Processing
授業コード Class code
994F19B
科目番号 Course number
45ASDMD529
教員名
依田 育士
Instructor
Ikushi Yoda
開講年度学期
2026年度後期
Year
2026年度
Semester
②Second semester
曜日時限
月曜5限
Class hours
Mon. 5th
開講学科・専攻 Department
工学研究科 機械工学専攻
Department of Mechanical Engineering, Graduate School of Engineering 単位数 Course credit
2.00単位
授業の方法 Teaching method
講義
Lecture 外国語のみの科目（使用言語） Course in only foreign languages (languages)
-
授業の主な実施形態 Main class format
① [対面]対面授業/ [On-site] On-site class
概要 Description
画像処理技術は、機械システムの自立化、人と機械の円滑なインタフェースなどを目的とし、様々な応用分野で活用されている。本講義では、計算機を用いた画像処理・認識技術の理論的基礎をその現実的な活用例とともに解説し、実応用を意識した基礎技術の習得を目標とする。
Image processing is an important basis of many applications, such as automation of mechanical systems, human-machine interface, and so on. In this course, the theoretical basis of the image processing for understanding 2D/3D images is introduced with its wide-area applications. 目的 Objectives
画像処理・認識の基本となる考え方・手法を把握する。
The purpose is to learn basic idea and methods of Image processing/recognition. 到達目標 Outcomes
画像処理・認識技術が必要となったときに、課題に応じた適切な手法が自身で導き出せる基盤を取得する。
One of the outcomes is to gain the ability of selecting proper methods of image processing/recognition depending on the task. 卒業認定・学位授与の方針との関係（学部科目のみ）
履修上の注意 Course notes prerequisites
Google Colaboratory上で実習を毎回行うので、各自、自分のノートPCを持参すること。
Web上で実行できるので、ブラウザー以外のソフトは不要で、WindowsでもMacでもOSは何でも良い。 言語はPythonを用いるが、プログラミング自身は非常に簡単なので、Pythonに不慣れでも問題ない。 All students will bring own laptop PC, and use Google Colaboratory on own WEB browser software. Google Colaboratory works on WEB browsers and it is not depending on any OS. The programming language is Python, but the programming is very easy. If you do not know Python well, it is not so problem. アクティブ・ラーニング科目 Teaching type（Active Learning）
小テストの実施 Quiz type test／プレゼンテーション Presentation
-
準備学習・復習 Preparation and review
事前学習：教科書に準拠するので、毎回の予定されている1-2章分を目を通しておくと良い。
授業中： 簡単なプログラミングの問題（Python）を1問を行い、授業終了時にその場で提出する。 復習： 授業中の問題に続く2問目をその週の土曜日まで提出する。 次回の授業ではその2問の解説から開始する。 成績評価方法 Performance grading policy
毎回、70分程度の講義の後に、その内容に関する画像処理のプログラミングをGoogle Colaboratory上で行い、週末までに提出して頂き、その内容で評価する。2回目以降の授業は、最初に簡単なプログラミング解説から開始し、講義、プログラミングのターンを繰り返す。期末テストは行わない。欠席は最大でも2回までとし（学会発表等の公欠は除く）、欠席時はその回の課題を提出すれば出席とする。
学修成果の評価 Evaluation of academic achievement
・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している ・B：到達目標を達成している ・C：到達目標を最低限達成している ・D：到達目標を達成していない ・-：学修成果の評価を判断する要件を欠格している ・S：Achieved outcomes, excellent result ・A：Achieved outcomes, good result ・B：Achieved outcomes ・C：Minimally achieved outcomes ・D：Did not achieve outcomes ・-：Failed to meet even the minimal requirements for evaluation 教科書 Textbooks/Readings
教科書の使用有無（有=Y , 無=N） Textbook used(Y for yes, N for no)
Y
書誌情報 Bibliographic information
ディジタル画像処理[改訂第二版](CG-ARTS協会発行)
MyKiTSのURL（教科書販売サイト） URL for MyKiTS(textbook sales site)
教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://gomykits.kinokuniya.co.jp/tokyorika/ It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store). https://gomykits.kinokuniya.co.jp/tokyorika/ 参考書・その他資料 Reference and other materials
授業計画 Class plan
「ディジタル画像処理[改訂第二版](CG-ARTS協会発行)」を教科書として準拠して進める。
1. 1/2章 自己紹介、授業目標、イントロダクション／ディジタル画像の撮影 2. 3/4章 画像の性質と色空間／画素ごとの濃淡変換 3. 5/6章 領域に基づく濃淡変換／周波数領域におけるフィルタリング 4. 7/8章 画像の生成と復元／幾何学的変換 5. 9章 2値画像処理 6. 10章 領域処理 7. 11章 パターン・図形・特徴の抽出とマッチング 8. 12章 パターン認識 9. 13章 深層学習による画像認識と生成 10. 14章 動画像処理 11. 15章 画像からの3次元復元 12. 16章 光学的解析とシーン復元 13. 17章 画像符号化 14. 『画像ラボ』からの発表1 15. 『画像ラボ」からの発表2／最新研究動向 担当教員の実務経験とそれを活かした教育内容 Work experience of the instructor
授業は教科書の内容を13回分と実施する。
残りの1-2回（履修人数による）は、画像ラボから論文を1件選んで全員が内容紹介を行う。 さらに時間的余裕があれば教員のリアタイム画像認識に関する紹介を行う。 教育用ソフトウェア Educational software
-
Google Colaboratoryを毎回使います。
https://colab.research.google.com/notebooks/intro.ipynb 備考 Remarks
授業でのBYOD PCの利用有無 Whether or not students may use BYOD PCs in class
Y
授業での仮想PCの利用有無 Whether or not students may use a virtual PC in class
Y
|
