K-INFO
HU
EN
Login

Machine Vision

Gépi látás
A tantárgyleírás hatályossága
Hatályosság kezdete:
2026. March 21.
Hatályosság vége:
Subject name (Hungarian, English)
Gépi látás
Machine Vision
Subject code BMEVIIIM021
Subject type
Training Level
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 2 0 1
type (linked/independent) derived course
Assessment type félévközi érdemjegy
Credits 4
Subject coordinator
DR. Szemenyei Márton
position: egyetemi docens
Responsible department
Irányítástechnika és Informatika Tanszék
Faculty Villamosmérnöki és Informatikai Kar
Subject website
Primary curriculum type
Direct prerequisites – Strong prerequisite none
Direct prerequisites – Weak prerequisite none
Direct prerequisites – Parallel prerequisite none
Direct prerequisites – Milestone prerequisite none
Direct prerequisites – Exclusion none

Objectives

Programme
A számítógépes látás fogalmai, definíciók. Alkalmazási példák. Emberi látás alapjai. A térbeli érzékelés lehetősége monokuláris látással. Binokuláris látás.

 

Optoelektronikai eszközök: Alapfogalmak. Fénytechnikai mértékegységek. Optikai érzékelők, CCD érzékelők, PSD érzékelők. Térbeli információk mérésére alkalmas eszközök (3D kamerák). Képalkotó diagnosztikai eszközök. Korszerű képmegjelenítő eszközök. LCD és plazma kijelzők, projektorok. Lentikuláris megjelenítők.

 

A képek matematikai leírása. A képfüggvények tulajdonságai. Tértranszformációk szerepe a képfeldolgozásban. 2D Fourier transzformáció tulajdonságai, képi ábrázolása, interpretálása.

 

Digitális kép matematikai reprezentációja: Mintavételezés, kvantálás. Koordinátageometriai alapok. Geometriai transzformációk. Kameramodellek: Pin-hole modell. A perspektív leképzés transzformációs modellje. Megvilágítás, optika, érzékelő modellezése. Árnyalási modellek. Sztereo képalkotás modellezése.

 

Ipari képfeldolgozási példák. Bináris képek feldolgozása. Morfológiai alapműveletek.

 

A képek szűrése a tér- és a frekvencia tartományban. Lineáris és nemlineáris szűrések. Alkalmazási példák.

 

A képek szegmentálásának alapfogalmai. hasonlóság alapú szegmentálások. Szegmentálás a nagyfrekvenciás tulajdonságok alapján. Hough transzformáció. Alkalmazási példák.

 

Optical flow feldolgozás. Motion sztereo. Mobil robotok látórendszerei.

 

3D látórendszerek alkalmazása a gyakorlatban. Ipari minőség-ellenőrzés. Navigáció. Közlekedési alkalmazások. Biztonságtechnika és terrorizmus elleni küzdelem.

 

A korszerű szenzorrendszerek integráns eleme az optikai mérés, a képfeldolgozás. Az ember-gép kapcsolatban egyre fokozottabb az optikai megjelenítés szerepe. Mindkét téma hasonló megoldásokat alkalmaz, és fejlődésük a legutóbbi időben a térbeli információk feldolgozás és megjelenítése irányában teljesedett ki.  A tantárgy célkitűzése a térbeli információk feldolgozására is alkalmas képfeldolgozási technikák, és a valós térérzetet keltő vizualizációs eljárások megismertetése. Ezeket a módszereket a hallgatók sikeresen alkalmazhatják a teleoperációs rendszerek, virtuális valóság alapú rendszerek, számítógépes tervezés, marketing- és reklámtechnikai eszközök fejlesztése és alkalmazása területén. 

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

Előadás és laborgyakorlat 

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
-
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
-
General rules
Követelmények: a.             A szorgalmi időszakban: zárthelyi és egy csoportos vagy egyéni házi feladat, valamint három sikeres labormérés  b.       A vizsgaidőszakban:        - c.              Elővizsga:                        - Az osztályzat megszerzésének feltétele legalább elégséges szintű zárthelyi, elfogadott házi feladat és a labormérések sikeres elvégzése. Pótlás a TVSz szerint. Pótlási lehetőségek: Igény szerint, az előadóval előre egyeztetett időpontban. 
Assessment methods
In-term assessments

No detailed assessments provided.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses
-
Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements
Requirements valid from:
Requirements valid until:
Curriculum placement

No curriculum placements recorded for this subject version.