Environmental image processing

Course Title

Course Title in English

Environmental image processing

Course Type

Major Courses

-

Eligible Students

School of Human Science and Environment

Target Grade

3Year

Course Numbering Code

HHHBE3MCA7

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義・演習 (Lecture/Seminar)

Eligible Year/Semester

Spring semester 2026

(Spring semester)

Instructor

木村敏文

Affiliation

環境人間学部

Language of Instruction

Japanese

Related SDGs

11／14／15

Office Hours and Location

オフィスアワー一覧表(ユニバーサルパスポートに掲示) を参照のこと

Contact

オフィスアワー一覧表(ユニバーサルパスポートに掲示) を参照のこと

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

3◎／1〇／2〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

ー

Course Objectives and Learning Outcome

画像や映像には多くの情報が含まれており、本学部における研究でも広く⽤いられている。画像や映像から得られる情報は人それぞれ違うため、多くの情報を見逃してしまっている現状がある。本講義では、画像・映像の基本的な知識と様々な解析に必要な情報を得るための方法の習得を目的としている。
本講義の到達目標は、１）画像・映像の基本的知識の習得、２）特徴的な情報を得る方法の習得、３）コンピュータを使った画像処理方法の実践、である。

Subtitle and Keywords of the Class

-

Course Overview and Schedule

本講義では様々な環境で利用されている画像・映像処理についての基本的な知識を紹介すると共に、画像・映像から得られる特徴量から必要な情報を得る方法について講義する。さらに後半では、コンピュータを使い、画像処理ソフトウェア、フリーソフトウェア、プログラミングを通じて、画像処理を演習する。

○ ガイダンス
1．ガイダンス本講義の目標や講義計画を説明
○講義
2. 環境画像処理の紹介　様々な環境で利用されている画像処理の紹介
3. 画像・映像の基礎知識（１）　デジタル画像について
4. 画像・映像の基礎知識（２）　色空間について
5. 画像処理の基礎　明るさ・コントラスト調整など
6. フィルタリング処理　画像平滑化、輪郭強調、細線化など
7. 幾何学的画像処理　アフィン変換など
8. ２値画像処理　２値化、ラベリングなど
○演習
9．環境画像処理演習（１）画像処理ソフトウェアの利⽤⽅法
10．環境画像処理演習（２）画像ファイル、映像ファイルの扱い⽅
11．環境画像処理演習（３）画像平滑化、強調、細線化や領域拡張、収縮など
12．環境画像処理演習（４）画像計測、個体追跡⼿法など
13．環境画像処理演習（５） python + OpenCV を利用した画像処理
14．環境画像処理演習（６）プログラミングを用いた画像処理実践
○ まとめ
15．講義のまとめ

※パソコンの利⽤: 毎回使⽤予定

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

対面授業のみ
遠隔授業単位上限の適用を受けない

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。
生成ＡＩの利用については担当教員の指示に従うこと。
生成ＡＩによる出力結果をそのまま課題・レポートとして提出してはならない。
教員が認める範囲を超えて生成ＡＩを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。

Textbook

ユニバーサルパスポートのクラスプロファイル機能を使って資料を配布する。

References

三浦耕太・塚田祐基編著　ImageJではじめる生物画像解析　秀潤社
北山直洋著　Pythonで始める OpenCV 4 プログラミング　カットシステム

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【予習】講義に際して配布する資料確認（15ｈ）、講義で使用するソフトウェアの準備と操作確認（15ｈ）
【復習】レポート作成（５回、30ｈ）、講義内容の理解を深め定着させるために配布資料を読み直し（30ｈ）

Contents of Active Learning

受講学生間で情報共有や意見交換を行い、課題に対する議論を実施する。

Grading Criteria and Methods

成績評価の基準
　画像・映像の基本的な知識を習得し、コンピュータを用いた画像処理手法について理解できた者については、講義目的・到達目標に記載する能力（画像・映像についての知識、データ取得方法等）の到達度に基づき、S（90点以上）、Ａ（80点以上）。B（70点以上）、C（60点以上）による成績評価のうえ、単位を付与する。
成績評価の方法
　レポート・演習課題 60 %、定期試験 40 % 、発表内容を基準として、総合的に評価する。

How to Disclose Assignments and Exam Results

演習課題は、原則次の講義内で解説する。
定期試験は、ユニバーサルパスポートのクラスプロファイル機能を使って試験結果に関するコメントを示す。

Precautions and Requirements for Course Registration

・本講義は画像処理についていの基礎知識を学ぶ講義とソフトウェアやプログラミングによる演習で構成している。
・演習においては画像処理ソフトウェアやプログラミング言語を用いて、演習を行う。
・学生持参のノートＰＣへのソフトウェアのインストールも行う。
・画像処理プログラムの作成も行うため、プログラミング演習や応用プログラミング演習などを受講していることが望ましい。
・病欠の配慮を希望する場合、証明書（診断書（原本）／診断書（コピー可）／病院の領収書）を学務課を通じて、必ず提出すること。

Practical Education

該当しない

Remarks

担当教員の研究は生物行動解析のための画像・映像処理手法の開発であり、この講義の目的である環境分野に関する画像処理のスキルを教授することに深く関連している。

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data