到達目標
１． アナログ画像データとディジタル画像データの違いを理解し，ディジタル画像データの標本化や量子化の概念を整理し，まとめることができる。
２． ディジタル画像データの加工方法の原理を理解し，実際に画像処理することができる。
３． 画像データの空間フィルタリングと空間周波数フィルタリングを使った画像処理ができる。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
| 評価項目1 | アナログとディジタル画像データの違いを完全に理解できる。 | アナログとディジタル画像データの違いを理解できる。 | アナログとディジタル画像データの違いを理解できない。 |
| 評価項目2 | ディジタル画像データの加工方法の原理を理解し，様々な画像処理を行うことができる。 | ディジタル画像データの加工方法の原理を理解し，画像処理を行うことができる。 | ディジタル画像データの加工方法の原理を理解し，画像処理を行うことができない。 |
| 評価項目3 | 画像データの空間フィルタリングと空間周波数フィルタリングを使った様々な画像処理を行うことができる。 | 画像データの空間フィルタリングと空間周波数フィルタリングを使った画像処理を行うことができる。 | 画像データの空間フィルタリングと空間周波数フィルタリングを使った画像処理を行うことができない。 |
学科の到達目標項目との関係
教育方法等
概要:
ディジタル画像処理は、インターネットを中心とした新しい情報化社会において、不可欠で重要な技術である。画像処理論では、ディジタル画像データの加工、フィルタリング、パターン認識などの基本的な画像処理技術を学習し、実際にパソコンを用いて画像処理の実習を行うことにより、その仕組みを理解し応用能力を養う。
授業の進め方・方法:
授業では、画像処理に関する理論の説明と画像処理プログラムの実装を行う。Googole Formにて課題や作成したプログラム、画像処理結果を提出してもらう。画像処理プログラムの実装を通して、画像処理アルゴリズムの理解と実践を学ぶ。
注意点:
試験の成績を50%，平素の学習状況等（課題・小テスト・レポート等を含む）を50%の割合で総合的に評価する。実務に応用できる専門基礎として，到達目標に対する達成度を試験等において評価する。
【学修単位科目(授業時間外の学習時間等)】
本科目は学修単位のため、以下の標準学習時間を設定した自主学習を累計45時間分以上実施しなければ、成績が60点を 超えた場合でも59点として扱い単位を認定しない。事後学習の実施状況は提出された課題プログラムの内容から判断する。
・全15回の授業に対して，0.5時間の事前学習と2.5時間の事後学習。計45時間分。
・期末試験に対してそれぞれ試験勉強のための課題学習8時間分。
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
| 後期 |
| 3rdQ |
| 1週 |
オリエンテーション:学習目的、到達目標、学習方法の指 導、学習環境の整備を行う。また、計算機における情報処 理について講義する。 |
授業の進め方や学習環境について理解できる。広く利用されている情報処理技術について理解できる。
|
| 2週 |
ディジタル画像の基礎:計算機におけるディジタル画像デ ータの基礎について学ぶ。また、ディジタル画像の特徴、 画像の分類、画像の標本化、量子化について学ぶ。 |
ディジタル画像データの基礎について理解できる。ディジ タル画像の分類と標本化、量子化がどのようなものか理解 できる。
|
| 3週 |
ディジタル画像の基礎:計算機におけるディジタル画像デ ータの基礎について学ぶ。また、ディジタル画像の特徴、 画像の分類、画像の標本化、量子化について学ぶ。 |
ディジタル画像データの基礎について理解できる。ディジ タル画像の分類と標本化、量子化がどのようなものか理解 できる。
|
| 4週 |
アプリケーション開発: コンピュータとディジタル画像について講義し、アプリケーション開発の環境整備を行う。 |
コンピュータにおけるディジタル画像とアプリケーション 開発について理解し、アプリケーションの開発環境を構築 できる。
|
| 5週 |
濃淡画像処理 [コントラスト改善]:濃度変換や平坦化などのコントラスト改善手法について学び、アプリケーション の実装を行う。 |
濃度変換や平坦化などコントラスト改善手法のアルゴリズムを理解できる。
|
| 6週 |
濃淡画像処理 [コントラスト改善]:濃度変換や平坦化などのコントラスト改善手法について学び、アプリケーション の実装を行う。 |
濃度変換や平坦化などコントラスト改善手法のアルゴリズムを理解できる。
|
| 7週 |
濃淡画像処理 [ノイズ除去]:線形フィルタや非線形フィルタによるノイズ除去手法について学び、アプリケーション の実装を行う。 |
移動平均フィルタやメディアンフィルタなどがどのようなノイズ除去手法か理解できる。
|
| 8週 |
濃淡画像処理 [ノイズ除去]:線形フィルタや非線形フィルタによるノイズ除去手法について学び、アプリケーション の実装を行う。 |
移動平均フィルタやメディアンフィルタなどがどのようなノイズ除去手法か理解できる。
|
| 4thQ |
| 9週 |
濃淡画像処理 [コントラスト強調]:鮮鋭化などのコントラスト強調手法について学び、アプリケーションの実装を行 う。 |
鮮鋭化などのコントラスト強調手法について理解できる。
|
| 10週 |
濃淡画像処理 [コントラスト強調]:鮮鋭化などのコントラスト強調手法について学び、アプリケーションの実装を行 う。 |
鮮鋭化などのコントラスト強調手法について理解できる。
|
| 11週 |
濃淡画像処理 [エッジ検出]:エッジ検出の手法について学び、アプリケーションの実装を行う。 |
オペレータなどを使ったエッジ検出手法について理解できる。
|
| 12週 |
濃淡画像処理 [エッジ検出]:エッジ検出の手法について学び、アプリケーションの実装を行う。 |
オペレータなどを使ったエッジ検出手法について理解できる。
|
| 13週 |
濃淡画像処理 [2値化]:濃淡画像の2値化処理について学び 、アプリケーションの実装を行う。 |
濃淡画像の2値化処理について理解できる。
|
| 14週 |
濃淡画像処理[空間・周波数フィルタリング]：画像データの空間フィルタリングと空間周波数フィルタリングを使った画像処理について学び、アプリケーションの実装を行う。 |
ディジタル画像の空間フィルタリングや空間周波数フィルタリングの処理方法について理解ができる。
|
| 15週 |
濃淡画像処理[空間・周波数フィルタリング]：画像データの空間フィルタリングと空間周波数フィルタリングを使った画像処理について学び、アプリケーションの実装を行う。 |
ディジタル画像の空間フィルタリングや空間周波数フィルタリングの処理方法について理解ができる。
|
| 16週 |
|
|
モデルコアカリキュラムの学習内容と到達目標
| 分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
| 専門的能力 | 分野別の専門工学 | 機械系分野 | 情報処理 | プログラムを実行するための手順を理解し、操作できる。 | 3 | |
| 定数と変数を説明できる。 | 3 | |
| 整数型、実数型、文字型などのデータ型を説明できる。 | 3 | |
| 演算子の種類と優先順位を理解し、適用できる。 | 3 | |
| 算術演算および比較演算のプログラムを作成できる。 | 3 | |
| データを入力し、結果を出力するプログラムを作成できる。 | 3 | |
| 条件判断プログラムを作成できる。 | 3 | |
| 繰り返し処理プログラムを作成できる。 | 3 | |
| 一次元配列を使ったプログラムを作成できる。 | 3 | |
評価割合
| 試験 | 課題・レポート | 合計 |
| 総合評価割合 | 50 | 50 | 100 |
| 基礎的能力 | 10 | 20 | 30 |
| 専門的能力 | 30 | 30 | 60 |
| 分野横断的能力 | 10 | 0 | 10 |