| 課程與核心能力關聯配比(%) |
課程目標之教學方法與評量方法 |
| 課程目標 |
核心能力 |
配比(%) |
教學方法 |
評量方法 |
| 1. 瞭解影像處理的基本觀念，理論基礎及實作方法2. 分析及解決影像處理的相關應用與問題 |
| 5.具備分析、設計與實作資訊網路與多媒體系統之能力 |
| 7.具備資料蒐集、獨立思考、解決問題及研究創新之能力 |
|
|
|
|
| 授課內容(單元名稱與內容、習作/每週授課、考試進度-共18週) |
| 週次 |
授課內容 |
| 第1週 |
1 Introduction |
| 第2週 |
2 Digital Image Fundamentals (1/2) |
| 第3週 |
2 Digital Image Fundamentals (2/2) |
| 第4週 |
3 Intensity Transformations and Spatial Filtering (1/2) |
| 第5週 |
3 Intensity Transformations and Spatial Filtering (2/2) |
| 第6週 |
4 Filtering in the Frequency Domain |
| 第7週 |
5 Image Restoration and Reconstruction (1/2) |
| 第8週 |
5 Image Restoration and Reconstruction (2/2) |
| 第9週 |
6 Wavelet and Other Image Transforms |
| 第10週 |
7 Color Image Processing |
| 第11週 |
8 Morphological Image Processing |
| 第12週 |
9 Image Segmentation I: Edge Detection, Thresholding, and Region Detection |
| 第13週 |
11 Feature Extraction |
| 第14週 |
12 Image Pattern Classification (1/2) |
| 第15週 |
12 Image Pattern Classification (2/2) |
| 第16週 |
Final exam. |
| 第17週 |
自主學習：Object Detection with Deep Learning 線上影片教學 |
| 第18週 |
自主學習：期末專題報告繳交 |
|
| 學習評量方式 |
| 作業, 期末筆試, 期末報告 |
| 教科書＆參考書目(書名、作者、書局、代理商、說明) |
[1]”Digital Image Processing”, R. C. Gonzalez and R. E. Woods, 4rd Edition, Pearson, 2018.
[2]”Digital Image Processing Using MATLAB”, R. C. Gonzalez and R. E. Woods, 2nd Edition, Prentice Hall, 2011.
[3] ”Artificial Inteligence” by Leonardo Araujo dos Santos. 2018.
[4] ”Hands-On Computer Vision with TensorFlow 2”, by Benjamin Planche and Eliot Andres, Packt Publishing, 2019. |
| 課程教材（教師個人網址請列在本校內之網址） |
| https://web2.nchu.edu.tw/~jlwu |
| 課程輔導時間 |
| 周二早上0800-1100 |
| 聯合國全球永續發展目標(連結網址) |
|
|