Vizualizace dat (FSI-SVD)

Akademický rok 2023/2024
Garant: Mgr. Jana Procházková, Ph.D.  
Garantující pracoviště: ÚM všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:

Studenti se ve své budoucí kariéře mohou setkat s různými druhy dat a potřebou je správně vizualizovat. Předmět pokrývá většinu možných zobrazovacích metod použitelných pro různé druhy vstupních dat. Absolventi tohoto předmětu budou mít ucelený přehled a také se seznámí s algoritmizací vybraných řešení.

 

Student bude mít přehled o různých typech dat a možnostech jejich reprezentace.

 

Pro obrazová a prostorová data se také naučí používat neuronové sítě.

Student bude schopen vizualizovat různé typy prostorových dat.

Student se seznámí i s nastavením parametrů pro vizualizace jako světlo, viditelnost, stíny nebo mapování textur.

 

Výstupy studia a kompetence:

Student bude mít přehled o různých typech dat a možnostech jejich reprezentace.

Student bude schopen vizualizovat různé typy prostorových dat.

Student se seznámí i s nastavením parametrů pro vizualizace jako světlo, viditelnost, stíny nebo mapování textur.

 

Prerekvizity:

Základní programovací techniky a jejich implementace v jazyce Python. 

Prostředí softwaru Matlab.

Základní algoritmy rovinné a prostorové grafiky (barevné systémy, promítání, konstrukce křivek a ploch)

Obsah předmětu (anotace):

Data, se kterými se v praxi setkáváme, mohou být v různých reprezentacích, například dány jako 3D souřadnice, předpisem funkce nebo dvojdimenzionální řezy. Vizualizace dat je předmět určený ke studiu algoritmů a principů zobrazování různých druhů těchto prostorových dat. 

V první části se studenti seznámí s aproximačními a interpolačními reprezentacemi dat pomocí matematických funkcí. Druhá a třetí část je věnována zobrazovacím algoritmům pro modelování těles a objemové reprezentaci těles. Poslední část se věnuje promítání, nastavení světla, viditelnosti, určení stínů a pokrytí texturou  a následujícím globálním zobrazovacím metodám (např. ray-tracing) a vizualizaci objemových dat (tzv. volumetric rendering).

Pro algoritmizaci a programování bude použit jazyk Python nebo prostředí Matlab. 

 

Metody vyučování:
Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.
Způsob a kritéria hodnocení:

Zápočet se uděluje na základě zpracování a prezentace semestrálního projektu.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky:

Chybějící účast na výuce lze nahradit zpracováním chybějícího tématu jako domácího úkolu.

Typ (způsob) výuky:
    Přednáška  13 × 1 hod. nepovinná                  
    Cvičení s počítačovou podporou  13 × 2 hod. povinná                  
Osnova:
    Přednáška

Výuka je členěna do čtyř tématických bloků, které se týkají vizualizace dat. 


1. Křivky a plochy ve 2D, 3D (B-spline, NURBS, implicitní plochy, subdivision surface)


2. Modelování těles (trojúhelníková a hraniční reprezentace)


3. Objemová reprezentace těles (voxel, digitální topologie, převod izoploch)


4. Zobrazování prostorových dat


- základní vlastnosti promítání, světlo, viditelnost, stíny, textury


- globální zobrazovací metody - ray tracing


- vizualizace objemových dat - volumetric rendering


5. Neuronové sítě - teoretické základy (back-propagation, aktivační funkce)


6. Konvoluční neuronové sítě


7. Neuronové sítě na mračnech bodů

    Cvičení s počítačovou podporou

Cvičení navazují na přednášky a slouží k pochopení algoritmů vhodných pro různé druhy zobrazení prostorových dat. Dále jsou vybrané algoritmy implementovány v Pythonu nebo v prostředí Matlab. Každé oblasti jsou věnovány 2-3 týdny výuky. 


1. Křivky a plochy ve 2D, 3D


- Bézierovy křivky a plochy (algoritmus de Casteljau), B-spline, NURBS (algoritmus de Boor)


- funkce dané implicitně a jejich zobrazení


- subdivision surface


2. Modelování těles (trojúhelníková a hraniční reprezentace)


3. Objemová reprezentace těles 


4. Zobrazování prostorových dat


- základní vlastnosti promítání, světlo, viditelnost, stíny, textury


- globální zobrazovací metody - ray tracing


- vizualizace objemových dat - volumetric rendering (skládání snímků do výsledného 3D modelu)


5. Neuronové sítě - použití pro obrazová a objemová data


Příprava a konzultace semestrální práce


Účast na cvičení je povinná.

Literatura - základní:
1. Wilke, C.O: Fundamentals of Data Visualization, O’Reilly Media, 2019
2. Chen, C, Hardle, W., Unwin, A.: Handbook of Data Visualization, Springer-Verlag. 2008
2. Martišek, K.: Adaptive filters for 2-D and 3-D Digital Images Processing, FME BUT Brno, 2012
Literatura - doporučená:
1. Martišek, D.: Matematické principy grafických systémů, Littera, Brno 2002
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-MAI-P prezenční studium --- bez specializace -- kl 4 Povinný 2 2 L