Značnou část práce student vypracoval v rámci semestrální práce. V dalším průběhu konzultoval minimálně a pracoval samostatně. Výsledná práce je ovšem na dobré úrovni, splňuje zadání bezezbytku. V některých částech student volil jednoduchá řešení, i když složitější řešení by nebyly o hodně pracnější, ale aplikace by byla univerzálnější. Např. u volby použitých  kontur do finálního řešení by bylo vhodné zavést možnost určovat jejich hierarchii (vnitřní, vnější, nepoužitá …) a příslušné parametry generování pro danou oblast. Student aplikaci realizoval a následně kvalitně odzkoušel. Dosažené výsledky svědčí o použitelnosti a tedy správnosti navrženého řešení. Prezentační a formální úroveň práce je na dobré úrovni. Použitá literatura je v práci citovaná.
Předložená práce svědčí o bakalářských schopnostech studenta. Points proposed by supervisor: 85

Student Uladzimir Volhinau zrealizoval práci okolo tématu snímání, úpravy a transformace 2D kontur do 3D objektu, za účelem 3D tisku. Seznámil se s pokročilými koncepty z oblasti strojového vidění a vyvinul program v jazyce Python, pomocí knihovny OpenCV, jehož funkčnost následně ověřil na čtyřech typech tvarově komplexních objektů.
Práce má 65 stran, z čehož úvod zabírá polovinu jedné stránky, teoretický rozbor 17 stran a praktická část 46 stran. Dosažené výsledky jsou shrnuty na dvou stranách závěru. Pracuje s 19 literárními zdroji.
V teoretické části student popisuje elementární prvky nutné k vyhotovení svého úkolu, nezachází však příliš do hloubky a například Cannyho hranový detektor, který je zásadní pro studentovu práci, je ponechán pouze jako „vícekroková metoda“. Z několika možností je zde vybrána metoda pro snímání objektu a datový typ
V praktické části pan Volhinau správně rozvrhnul hrubou strukturu programu na základě úvahy o potřebách uživatele. Student zde vytváří dataset komplexních objektů pod různými světelnými podmínkami, aby vyvinul dostatečně robustní algoritmus pro výpočet kontur. Obraz nejprve převede do šedotónové oblasti a následně aplikuje Gaussův filtr pro odstranění šumu. Jakou transformaci mezi RGB a šedotónovým obrazem použil není zmíněno. Student se zde potýká s problémy při detekování hran a identifikaci slabých kontur, které řeší poněkud zjednodušeným způsobem. Naopak velmi sofistikovaně zde student řeší problematiku duplicitních kontur, jejich aproximaci a následné filtrování vytvořených polygonů, které jsou převedeny do STL a DXF souborů. Součástí práce je také jednoduché grafické uživatelské rozhraní umožňující nastavení parametrů pro detekci kontur, kalibraci rozměrů objektu a nastavení tloušťky výsledného tisku. Na závěr pan Volhinau testuje geometrickou přesnost takto vytvořených 3D objektů a dosahuje úctyhodných výsledků.
Práce je kvalitně zpracovaná a odpovídá schopnostem bakaláře. Doporučuji k obhajobě se stupněm A (90b). Topics for thesis defence:

1. 1. Jak OpenCV defaultně transformuje RGB obraz do šedotónového prostoru?
2. 2. Popište jednotlivé kroky Cannyho hranového detektoru.

Points proposed by reviewer: 90