到達目標
【到達目標】
1.コンピュータにおける情報処理を理解する。
2.画像処理の基礎知識・手法を理解する。
3.画像処理のプログラミングが行える。
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 | コンピュータ画像処理について利点・欠点を導き出せる | 画像処理がどのような処理であるか理解できる | 画像処理がどのような処理であるか理解できない |
評価項目2 | 手法を実現するアルゴリズムを構築できる | 手法を実現するアルゴリズムを理解できる | 手法を実現するアルゴリズムを理解できない |
評価項目3 | 手法を実現するプログラムを構築できる | 手法を実現するプログラムを理解できる | 手法を実現するプログラムを理解できない |
学科の到達目標項目との関係
教育方法等
概要:
コンピュータにおけるディジタル情報を処理する応用分野である画像処理について講義や実習を通して深く学び、様々な情報工学の分野における応用能力を高める。これによって「専門の基礎学力をつけ、応用力を涵養する」力をつける。
授業の進め方・方法:
理論や手法の説明後、アプリケーションの実装を行い説明した手法の理解を深める。実装したアプリケーションのソースや処理した画像、処理結果に対する考察を課題として提出する。
注意点:
【成績評価の基準・方法】
試験の成績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。成績評価は期末試験と提出された課題等の点数を合計したものとする。技術者が身につけるべき専門基礎として,上記の到達目標に対する達成度を試験等において評価する。
【事前・事後学習】
事前学習として教科書の該当部分(事前に説明)を読んで理解が難しかった部分を把握して授業に臨むこと。また,事後学習として授業内で指示した課題を提出すること。
【履修上の注意】
この科目を履修するにあたり,2年生のプログラミング基礎の内容を十分に理解しておくこと。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
前期 |
1stQ |
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。
|
2ndQ |
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 |
2値画像処理 [収縮・膨張]:2値画像の収縮・膨張処理について学び、アプリケーションの実装を行う。 |
2値画像の収縮・膨張処理について理解できる。
|
15週 |
画像認識:領域分割,テンプレートマッチングを学ぶ。 |
領域分割とテンプレートマッチングの手法について理解できる。
|
16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認識:領域分割,テンプレートマッチングを学ぶ。 |
領域分割とテンプレートマッチングの手法について理解できる。
|
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 |
評価割合
| 試験 | 課題 | 合計 |
総合評価割合 | 60 | 40 | 100 |
基礎的能力 | 40 | 30 | 70 |
専門的能力 | 20 | 10 | 30 |
分野横断的能力 | 0 | 0 | 0 |