🔵 🔴 🟡 Περιγραφή μαθήματος

Το μάθημα αποτελεί μια εισαγωγή στις αρχές της ψηφιακής επεξεργασίας εικόνας και στις εφαρμογές της στις ψηφιακές τέχνες. Στόχο έχει να μάθει στους φοιτητές να χρησιμοποιούν ψηφιακές κάμερες και άλλες πηγές εικόνων, σε συνδυασμό με το κατάλληλο λογισμικό, για να εμπλουτίζουν τις ψηφιακές τους δημιουργίες με οπτικό περιεχόμενο. Μετά την επιτυχή ολοκλήρωση των μαθημάτων οι φοιτήτριες και οι φοιτητές θα είναι σε θέση να: 

• γνωρίζουν τις ιδιότητες των ψηφιακών φωτογραφικών μηχανών και τις διαδικασίες ψηφιοποίησης της εικόνας
• διακρίνουν τα χαρακτηριστικά και τις διαφορές των χαρτογραφικών και διανυσματικών εικόνων
• κατανοούν τη λειτουργία των βασικών αλγορίθμων ψηφιακής επεξεργασίας εικόνας
• επιλέγουν κατάλληλο λογισμικό και αποτελεσματικές μεθόδους για να επεξεργαστούν μία φωτογραφία ή ένα βίντεο
• εφαρμόζουν φίλτρα και άλλα οπτικά εφέ στις καλλιτεχνικές τους δημιουργίες
• χρησιμοποιούν εργαλεία τεχνητής νοημοσύνης όταν τα χρειάζονται
• σχεδιάζουν γραφικά αξιοποιώντας τεχνικές υπολογιστικής όρασης

🔵 🔴 🟡 Θεωρία (1 ώρα)

1. Η ψηφιακή κάμερα
2. Χαρτογραφικές εικόνες
3. Επεξεργασία χαρτογραφικών εικόνων
4. Εφαρμογές στις ψηφιακές τέχνες
5. Γραμμικά και μορφολογικά φίλτρα
6. Καλλιτεχνικά φίλτρα
7. Φασματική ανάλυση και επεξεργασία
8. Διανυσματικές εικόνες
9. Υπολογιστική όραση και τεχνητή νοημοσύνη
10. Αναγνώριση περιεχομένου σε εικόνες
11. Το βίντεο
12. Επεξεργασία στο χρόνο
13. Εκτίμηση βάθους 

🔵 🔴 🟡 Εργαστήριο (2 ώρες)

1. Σύλληψη εικόνας, ιδιότητες φακών, θερμοκρασία χρώματος, διόρθωση γάμμα
2. Φωτεινότητα, χρωματικοί χώροι, ιστογράμματα
3. Συγχώνευση, γεωμετρικοί μετασχηματισμοί, ρύθμιση χρώματος
4. Pixel art, threshold art, gif art, glitch art, φωτομωσαϊκά, πανοραμικές φωτογραφίες
5. Αφαίρεση θορύβου, τόνωση ακμών και περιγραμμάτων, ειδικά οπτικά εφέ
6. Ψηφιακή ζωγραφική, μετατροπή φωτογραφίας σε πίνακα
7. Χρωματικό φάσμα, υφή, φίλτρα συχνοτήτων
8. Αναπαράσταση γραφικών, μετατροπή φωτογραφίας σε σκίτσο
9. Συνελικτικά νευρωνικά δίκτυα, αντιπαραθετική μηχανική μάθηση
10. Μεταφορά στυλ πίνακα ζωγραφικής σε φωτογραφία
11. Τεχνικές επεξεργασίας βίντεο
12. Οπτική ροή και παρακολούθηση κίνησης
13. Σχεδίαση 3Δ μοντέλων από διαδοχικές εικόνες, με στερεοσκοπική αντιστοίχιση

Γλώσσα αξιολόγησης: Ελληνική

🔵 🔴 🟡 Μέθοδος αξιολόγησης: 

• 50% τελική εξέταση
• 50% ατομική εργασία

Σημείωση: Η τελική βαθμολογία προκύπτει από τον μέσο όρο του βαθμού της γραπτής ή προφορικής εξέτασης (στο τέλος του εξαμήνου) και του βαθμού της ατομικής εργασίας (που παραδίδεται πριν τη λήξη του εξαμήνου). Απαιτείται η βαθμολογική βάση του 5.0 και για την τελική εξέταση και για την εργασία.

• Πρόσωπο με πρόσωπο
• Χρήση Τ.Π.Ε. κατά τη διδασκαλία
• Χρήση Τ.Π.Ε. κατά την επικοινωνία με τις φοιτήτριες και τους φοιτητές.
• Μαθησιακή διαδικασία μέσω ηλεκτρονικής πλατφόρμας.

https://eclass.uop.gr/courses/2627/ 

🔵 🔴 🟡 Συγγράμματα Μαθήματος [ΕΥΔΟΞΟΣ]

• Βιβλίο [94701659]: Η ΤΕΧΝΙΚΗ ΤΗΣ ΑΝΑΛΟΓΙΚΗΣ ΚΑΙ ΤΗΣ ΨΗΦΙΑΚΗΣ ΦΩΤΟΓΡΑΦΙΑΣ, Αναστάσιος Σχίζας
• Βιβλίο [68374176]: Επεξεργασία Ψηφιακών Εικόνων, Αναγνωστόπουλος Χρήστος Νικόλαος

Έξτρα Βιβλιογραφία

• ΠΑΠΑΜΑΡΚΟΣ ΝΙΚΟΛΑΟΣ, ΨΗΦΙΑΚΗ ΕΠΕΞΕΡΓΑΣΙΑ ΚΑΙ ΑΝΑΛΥΣΗ ΕΙΚΟΝΑΣ, ΑΦΟΙ ΠΑΠΑΜΑΡΚΟΥ Ο.Ε., 2013
• Maître, Henri. From photon to pixel: the digital camera handbook. John Wiley & Sons, 2017
• Chung, Bryan WC. Pro Processing for Images and Computer Vision with OpenCV: Solutions for Media Artists and Creative Coders. Apress, 2017.
• Gonzales, Στέφανος Κόλλιας (επιμέλεια), Ψηφιακή Επεξεργασία Εικόνας, 4η Έκδοση, Α. ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε., 2018
• Furht, Borko, Esad Akar, and Whitney Angelica Andrews. Digital Image Processing: Practical Approach. Springer International, 2018.
• Singh, Himanshu. Practical Machine Learning and Image Processing: For Facial Recognition, Object Detection, and Pattern Recognition Using Python. Apress, 2019.
• Αναστάσιος Σχίζας, Η ΤΕΧΝΙΚΗ ΤΗΣ ΑΝΑΛΟΓΙΚΗΣ ΚΑΙ ΤΗΣ ΨΗΦΙΑΚΗΣ ΦΩΤΟΓΡΑΦΙΑΣ, ΑΝΑΣΤΑΣΙΟΣ ΣΧΙΖΑΣ, 2020
• Kovalevsky, Vladimir. Modern Algorithms for Image Processing: Computer Imagery by Example Using C. Apress, 2019.
• Nagar, Sandeep. "Introduction to Octave." Introduction to Octave. Apress, Berkeley, CA, 2018. 1-16.
• Camastra, F., and A. Vinciarelli. Machine learning for audio, image and video analysis: theory and applications. Springer, 2015.
• Wöhler, Christian. 3D computer vision: efficient methods and applications. Springer Science & Business Media, 2012.
• Smith, Jan, Roman Joost, and Alexandre Prokoudine. GIMP for Absolute Beginners. Berkeley, CA: Apress, 2012.
• Van Gumster, Jason, and Robert Shimonski. Gimp Bible. Vol. 616. John Wiley and Sons, 2011.
• Furht, Borivoje, ed. Handbook of multimedia for digital entertainment and arts. Springer, 2009.