Image Processing. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
|
|
- Bruno Luciano Sorrentino
- 5 anni fa
- Visualizzazioni
Transcript
1 Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing Prof. Roberto Vezzani
2 Immagini digitali IMMAGINE e una funzione D acquisita con opportuni sensori visuali da una scena IMMAGINE DIGITALE e una matrice limitata di (N,M) valori: ognuno dei quali è detto PIXEL (picture elements); M x N=640 x 480 solitamente il pixel rappresenta una quantità campionata e quantizzata del valore misurato dal sensore (per telecamere della funzione di luminosità f(x,y)) ma può essere anche creato graficamente e in modo sintetico VIDEO DIGITALE è una sequenza temporale di immagini (frame), normalmente campionata o trasmessa con intervallo di campionamento t costante (frame rate).
3 Risoluzione RISOLUZIONE SPAZIALE (N,M), numero di campionamenti nel piano immagine; N,M (righe e colonne) dipendono dalla applicazione e dal sistema di acquisizione; esempi: character recognition 64 x 64 automatic inspection 18 x 18, 56 x 56. biomedical images; surveillance 51 x 51, 104 x 104 satellite images 4096 x 4096 RISOLUZIONE TEMPORALE nei video e la frequenza di campionamento (frame rate) RISOLUZIONE A LIVELLI DI GRIGIO (quantizzazione o risoluzione radiometrica) il numero di livelli di grigio distinguibili k n. di bit per rappresentare i livelli di grigio (es. 56 con k=8)
4 Immagini digitali Immagini di intensita (o brillantezza): ogni pixel corrisponde alla brillantezza del punto della scena 3D proiettato nello spazio D (con proiezione prospettica non lineare o con proiezione ortografica, lineare); dipende dalla luminosita dell oggetto, dalla illuminazione. Fotometria studia la misurazione della brillantezza La brillantezza non dipende dalla lunghezza d onda ma dipende dalla distribuzione dell energia della sorgente di luminosita e dalla sensibilita spettrale dei sensori. Immagini monocromatiche hanno solo informazioni di brillantezza Immagini a colori o multispettrali: sono composte da piu componenti spettrali (di solito RGB) N immagini nelle dimensioni dello spazio colore M immagini nella dimensione della multispettralita Colorimetria studia l emissione e la riflessione della luce in funzione della sua lunghezza d onda
5 Immagini digitali Immagini di trasmissione: quando la luce passa attraverso gli oggetti raggi X, CAT scanner, mammografie in cui il pixel e tanto piu scuro quanto piu e denso l oggetto immagini sonore: prodotte dalla riflessione di onde sonore da parte di un oggetto immagini mediche ad ultrasuoni, ecografie immagini radar: immagini radar con synthetic aperture radar, immagini satellitari e spaziali immagini di pressione: prodotti da matrici di sensori di pressione es; le immagini prese in gare d atletica immagini range (di profondita ) prodotte da sonar o da laser finder o da scanners ogni pixel ha l informazione della terza dimensione, ossia della distanza dall osservatore
6 Istogramma L istogramma di un immagine a livelli di grigio è un vettore con un numero di elementi pari al numero dei livelli di grigio; il valore di ciascun elemento è dato dal numero di pixel che nell immagine assumono uno specifico livello di grigio. Calcolo dell istogramma: for (n = 0; n < NLIV; n++) hist[n] = 0; for (i = 0; i < NROW; i++) for (j = 0; j < NCOL; j++) hist [img [i][j]] ++; L istogramma fornisce informazioni utili per varie operazioni sulle immagini, tra cui il miglioramento del contrasto e la binarizzazione tramite soglia
7 Istogramma L istogramma puo essere visto come una approssimazione ad una distribuzione di probabilità pdf (se i dati fossero in numero grande rispetto alla variabilità del modello e fossero i.i.d). Per probabilità si assume quindi l istogramma normalizzato (l istogramma a meno di un fattore di normalizzazione) J j= 0 P F ( j) = 1 L istogramma permette analisi del contenuto dell immagine e informazioni statistiche molto utili per il miglioramento della qualità dell immagine Istogramma per immagini a colori: Istogramma 4-dimensionale 3 istogrammi separati (uno per canale) Istogramma su spazio colore ridotto
8 Algoritmi: modelli computazionali Puntuali: il valore I(x,y) della nuova immagine dipende solo dal valore della vecchia immagine nello stesso punto. Tipica applicazione è l esaltazione del contrasto (contrast stretching) o la binarizzazione che trasforma l informazione associata ad un pixel da n bit ad un solo bit. O (N xm) Locali (con finestra ristretta): il valore della nuova immagine in un punto dipende dai valori della vecchia immagine in un intorno ristretto k k dello stesso (normalmente 3 3). Queste operazioni sono utilizzate per realizzare semplici filtri o per la determinazione del gradiente di un immagine, utile per l estrazione dei contorni (algoritmi near-neighbour). O ( N M K ) Locali (con finestra allargata): in questo caso la finestra con cui si esamina l immagine può assumere dimensioni non trascurabili rispetto all immagine complessiva (ad esempio una finestra 3 3 in un immagine 51 51). Tali operazioni possono essere applicate per la ricerca di un particolare oggetto in un immagine (template matching) o per lo studio della struttura interna alle varie regioni (texture analysis). Globali, ove ogni punto dell immagine risultato dipende da tutti i punti dell immagine di partenza. Un esempio tipico è rappresentato dal calcolo della trasformata di Fourier.
9 Operatori puntuali Operazioni sui livelli di grigio, indipendentemente dalla posizione del pixel sull immagine Trasformazioni sui livelli di grigio sono usati normalmente per interfaccia con operatore umano per migliorare il contrasto e rendere l immagine piu interpretabile I (p) = F(I(p)) 1) trasformazioni con LOOK-UP TABLE ogni colore o livello di grigio e memorizzato in una tabella con il colore o il livello di grigio corrispondente usato per pseudo-colori: ad esempio una LUT di 64 livelli Immagine 100 x100 a 56 livelli di grigio mappata in una LUT a 64 livelli
10 Operatori lineari Operatori puntuali lineari se la trasformazione F puo essere scritta nella forma I (p)=f(i(p))= S I(p) + K S fattore di scala e K costante di offset Aritmetica saturata: condizioni di saturazione I (p)=0 if S I(p) + K < 0 I (p)=maxrange if S I(p) + K > maxrange Maxrange a livelli di grigio=55 Aritmetica intera: è necessario approssimare i valori
11 Contrast-stretching ) Contrast stretching Operazione di espansione dei livelli di grigio; serve per modificare in modo dinamico (non statico come le LUT) l istogramma I(p) I (p) 0 min max 0 min1 max1 Per ogni pixel dell immagine p viene calcolato I (p): FattoreDiScala= (max1-min1)/(max-min) if (I(p)<=min) I (p)=min1; if (I(p)>=max) I (p)= max1; if ((I(p)>min)&(f(i,j)<max)) I (p)= I(p)-min)* FattoreDiScala +min1;
12 Esempi
13 Variazione di luminosita Variare la luminosità (brightness) significa soltanto spostare l istogramma verso il valore massimo o il valore minimo aumento del 10%+ e del 10%-
14 Operatore quadratico Operatore non lineare di contrast stretching: migliora gli istogrammi tendenzialmente bimodali operatore non lineare I (p)= I (p) per ogni i,j g(i,j)=p(i,j) p(i,j) /
15 Correzione gamma Operatore non lineare I (p)= C I γ (p) C costante positiva spesso a 1 o usata per normalizzare in un range voluto γ costante positiva se minore di 1 ha gli stessi effetti di una trasformazione logaritmica se maggiore di 1 variazione dinamica che tende a saturare
16 Inversione Può essere ottenuta usando la trasformazione lineare seguente: I (p) = (-1) I(p) + maxval
17 Sogliatura L operazione di sogliatura permette di ottenere una immagine a due soli livelli (bianco/nero) Fissato un valore di soglia globale Th, si ha: I (p) = 55 se I(p)>=Th I (p) = 0 se I(p)<Th Il valore della soglia di norma è unico per tutta l immagine Può essere impostato manualmente oppure calcolato in modo automatico in base all istogramma (es.: metodo di Otsu)
18 Obiettivo: individuare automaticamente la soglia ottimale per separare in due gruppi i livelli di luminosità Metodo di Otsu (1979): - minimizzare la varianza nei gruppi: per ogni soglia t si definiscono due gruppi minori e maggiori di t di cui si puo conoscere la varianza; lo scopo è di rendere omogenei tali gruppi; siano: q1(t), e q(t) le probabilità che un pixel appartenga ad uno dei due gruppi P(i) la probabilità che un pixel abbia livello i con i=1 L n (NxN) numero di pixel nell immagine q Ricerca della soglia ottimale 1 t) P( i) ( = t i= 1 q t L () = Pi () i= t+ 1
19 Ricerca della soglia ottimale siano µ t 1 ( t) = ip( i) / q1( t) i= 1 I valori medi per ogni gruppo (di istogramma) e µ L ( t) = ip( i) / q( t) i= t+ 1 le varianze; allora σ 1 ( t) [ i µ 1( t)] P( i) / q1( t) σ σ ( t) = q ( t) σ ( t) + q W = t i= 1 L ( t) = [ i µ ( t)] P( i) / q( t) i= t ( t) σ ( t) E la varianza intra-gruppo,(within-group variance) tanto piu e piccola tanto piu i due gruppi sono raggruppati vicino ai valori medi Processo di minimizzazione: la varianza intra-gruppo e la somma pesata da minimizzare ossia bisogna valutare quale tra le possibili t minimizza la somma pesata delle varianze La soglia migliore può essere cercata anche per tentativi (t = 1..L)
20 Esempi Immagine originale Soglia di Otsu (89) Soglia manuale (18) Soglia manuale (64)
21 Altri metodi Per vedere e confrontare altri metodi si veda Metodo di Kittler e Illingworth (1985): minimizzare la distanza di Kullback fra l istogramma e una distribuzione f(i), e utilizzare la distribuzione per individuare la soglia ottima t J = L P( i) P( i)log i= 1 f ( i) Metodo ITERATIVO approssimato (Ridler e Carvard 78), che funziona bene quando l immagine ha due valori di grigio dominanti (esempio un foglio stampato) Consideriamo T 0 una soglia iniziale che divide l istogramma in due parti e l immagine in due gruppi 1, che possono essere associati al background e agli oggetti (B,O) consideriamo i valori medi di grigio alla iterazione t; usiamo il valore medio tra i gruppi come nuova soglia; stop se converge o dopo n passi
22 Esercizi Impiegando l ambiente Imagelab e le immagini a livello di grigio a disposizione Operatori puntuali Eseguire istogramma dell immagine Implementare gli operatori puntuali di LUT nello spazio colore Contrast stretching Variazione di luminosità
Operazioni puntuali. Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma Analisi di Basso Livello In ingresso abbiamo le immagini provenienti dai sensori. In uscita si hanno un insieme di matrici ognuna delle
DettagliL istogramma. Interazione & Multimedia 2
Istogramma 1 L istogramma I pixel di una immagine sono una popolazione sulla quale possiamo calcolare tutte le quantità statistiche descrittive che si usano normalmente: Media, mediana, varianza, deviazione
DettagliElaborazione dei dati. pkt /9
Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione
DettagliOperazioni sulle immagini digitali
Operazioni sulle immagini digitali Categorie di operatori L istogramma dei livelli di grigio Trasformazioni puntuali Equalizzazione Operazioni su immagini digitali I tipi di operazioni che si possono realizzare
DettagliElementi di grafica raster
Elementi di grafica raster Segnali mono-bidimensionali Segnale: variazione di una grandezza fisica rispetto al tempo e/o allo spazio cioè Valore della grandezza ad ogni istante di tempo (spazio) Un segnale
DettagliAcquisizione e rappresentazione di immagini
Acquisizione e rappresentazione di immagini Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Radiazione elettromagnetica λ
DettagliLez. 5 Digital Image Processing
Lez. 5 Digital Image Processing Prof. Giovanni Mettivier 1 Dott. Giovanni Mettivier, PhD Dipartimento Scienze Fisiche Università di Napoli Federico II Compl. Univ. Monte S.Angelo Via Cintia, I-80126, Napoli
DettagliElaborazione dei dati
Elaborazione dei dati Corso di Laurea Magistrale in SIT&TLR a.a. 2009/10 Ing. Claudio La Mantia pkt006-179-3.0 4/5 info@planetek.it rgomenti della lezione 1. nalisi delle immagini multispettrali 2. nalisi
DettagliVideo Analysis (cenni) Annalisa Franco
1 Video Analysis (cenni) Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Visual motion Un video è una sequenza di frame catturati nel corso del tempo Il valori dell immagine sono
DettagliOperazioni sulle immagini digitali
Operazioni sulle immagini digitali Categorie di operatori L istogramma dei livelli di grigio Trasformazioni puntuali Equalizzazione Operazioni su immagini digitali I tipi di operazioni che si possono realizzare
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
DettagliIstogramma dei livelli di grigio
Capitolo 4 - Operatori Puntuali 1 Istogramma dei livelli di grigio L istogramma dei livelli di grigio di un immagine è una funzione che associa a ciascun livello il numero di pixel dell immagine aventi
DettagliElaborazione di immagini. Trasformare e migliorare. Scopi dell elaborazione. Tipi di elaborazione
Elaborazione di immagini Trasformare e migliorare Procedimento che data un immagine originale f(x,y) ne generi una nuova g(x,y) i cui pixel siano stati trasformati secondo un determinato algoritmo. f(x,y)
DettagliTrasformare e migliorare
Trasformare e migliorare Elaborazione di immagini Da f(x,y) a g(x,y) pixel trasformati secondo un determinato algoritmo f(x,y) g(x,y) Scopi dell elaborazione Eliminazione dei disturbi Esaltazione dei particolari
DettagliElaborazione di immagini digitali: trasformare e migliorare
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2009/2010 Docente: ing. Salvatore
DettagliTecniche di enfatizzazione
Tecniche di enfatizzazione Cosa è l enfatizzazione delle immagini L enfatizzazione o enhancement delle immagini è un insieme di tecniche che vengono utilizzate per migliorare l aspetto delle immagini al
DettagliCorso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco. Segmentazione. A cura di Andrea Tambone
Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco Segmentazione A cura di Andrea Tambone Introduzione Lo scopo della segmentazione è suddividere un immagine in regioni contenenti pixel
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 6 Esplorazione, enfatizzazioni e filtri Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Cosa è l enfatizzazione delle immagini L enfatizzazione
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliElaborazione di immagini. I filtri Digital Image Processing
Elaborazione di immagini I filtri Digital Image Processing Tre livelli di image processing Basso livello Filtro di smoothing Tre livelli di image processing Medio livello Contrast saliency region detection,
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliFondamenti di Elaborazione di Immagini Introduzione. Raffaele Cappelli.
Fondamenti di Elaborazione di Immagini Introduzione Raffaele Cappelli raffaele.cappelli@unibo.it Obiettivi del corso Il corso introduce i principali concetti e le tecniche di base per l elaborazione delle
DettagliL immagine. Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale
L immagine Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale Da dove vengono le immagini? Il principale (e più familiare, in quanto legato
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Definizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliElaborazione delle immagini
Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L =
DettagliImage Elaboration. Image Processing
Image Elaboration Immagine digitale Un immagine digitale può essere rappresentata come una matrice con un prefissato numero di righe e colonne che ne determinano la risoluzione (campionamento). L'unità
DettagliCalcolo numerico per utilizzare i residui di udito
Calcolo numerico per utilizzare i residui di udito Andrea Trucco, Ph.D. Dipartimento Ingegneria Biofisica ed Elettronica DIBE - Università di Genova trucco@ieee.org 1 Segnale audio Variazione della pressione
DettagliI.4 Rappresentazione dell informazione - Altre codifiche
I.4 Rappresentazione dell informazione - Altre codifiche Università di Ferrara Dipartimento di Economia e Management Insegnamento di Informatica Ottobre 20, 2015 Argomenti 1 2 3 4 L immagine viene suddivisa
DettagliLe immagini digitali. Introduzione
Le immagini digitali Introduzione 2 L informazione grafica grafica a caratteri grafica vettoriale grafica raster 3 Due grandi categorie Immagini reali: acquisite da una scena reale mediante telecamera,
DettagliTelecamere per la vision artificiale. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Telecamere per la vision artificiale Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Immagini monocromatiche Ogni cella corrisponde ad un bit. Y Row 1 1 1 1 q X 0: nero 1: bianco
DettagliL informazione numerica
L informazione numerica Sorgenti di informazione Abbiamo esaminato delle sorgenti di informazione analogiche (audio, video). Abbiamo visto come trasmetterle a distanza per mezzo di sistemi analogici. Come
DettagliIstogramma dei livelli di grigio
Istogramma dei livelli di grigio Uno degli strumenti più semplici e più utili nell elaborazione delle immagini l istogramma dei livelli di grigio contenuti in una immagine. istogramma di una immagine contiene
DettagliFiltraggio. Stefano Ferrari. Università degli Studi di Milano Tecniche di calcolo e sistemi operativi e informatica
Filtraggio Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Tecniche di calcolo e sistemi operativi e informatica anno accademico 2017 2018 Filtraggio Il termine filtraggio fa
DettagliSegnali Numerici. Segnali Continui
Segnali Continui La descrizione dell andamento nel tempo di un fenomeno fisico è data da una funzione continua nel tempo (X) e nelle ampiezze (Y) Il segnale analogico è una serie continua di valori x e
DettagliFORMATI GRAFICI BITMAP
MULTIMEDIALITA Integrazione di diverse forme di comunicazione impiegate nelle presentazioni per corsi, per convegni, per addestramento professionale o nei giochi, nelle simulazioni o sul Web. Sono coinvolti
DettagliModelli di Colore. Michele Nappi, Ph.D Università degli Studi di Salerno biplab.unisa.it
Modelli di Colore Michele Nappi, Ph.D Università degli Studi di Salerno mnappi@unisa.it biplab.unisa.it 089-963334 Spettro Visibile Spettro Visibile: Luce bianca attraverso un prisma ottico 30/03/2016
DettagliTrasformazioni di intensità Filtraggio spaziale. 31/03/2010 Francesca Pizzorni Ferrarese
Trasformazioni di intensità Filtraggio spaziale 31/03/2010 Francesca Pizzorni Ferrarese Istogrammi L istogramma è la rappresentazione grafica della quantità di pixel presenti nell immagine per ciascun
DettagliF. Milotta Ph.D. Student
F. Milotta Ph.D. Student milotta@dmi.unict.it Le immagini digitali Rappresentazione delle immagini digitali Luce incidente e luce riflessa Immagini vettoriali e raster Operazioni affini sulle immagini
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 3 Immagini digitali e visualizzazione Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Radiazione riflessa Diverse superfici riflettono parte
DettagliDall occhio al JPEG (2)
Dall occhio al JPEG (2) Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2018.html
DettagliLe immagini digitali. Introduzione. Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia]
1 Le immagini digitali Introduzione Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia] 2 Definizione di immagine Superficie 2D di dimensioni finite con una determinata distribuzione di intensità
DettagliLa memorizzazione dei dati e delle istruzioni
La memorizzazione dei dati e delle istruzioni La più piccola unità di informazione memorizzabile (e quindi utilizzabile) è il bit (Binary digit), che può assumere valore 0 o 1. Il dispositivo utilizzato
DettagliElementi di grafica raster
Elementi di grafica raster Le immagini Una immagine è una rappresentazione spaziale di un oggetto o di una scena Una immagine digitale è una rappresentazione di una scena anche 3D dopo il processo di acquisizione
DettagliAnno accademico Presentazione del corso di Elaborazione di Segnali Multimediali
Anno accademico 2009-2010 Presentazione del corso di Elaborazione di Segnali Multimediali Informazioni sul docente E-mail: verdoliv@unina.it Sito web: www.die.unina.it/gruppotlc/didattica/corsi.shtml Orario
DettagliLe immagini digitali. Introduzione. Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia]
1 Le immagini digitali Introduzione Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia] 2 Definizione di immagine Superficie 2D di dimensioni finite con una determinata distribuzione di intensità
DettagliTecnologie informatiche per il suono e l immagine Esercitazioni Immagini Vincenzo Lombardo Aggiornato a.a. 2013/14
Tecnologie informatiche per il suono e l immagine Esercitazioni Immagini Vincenzo Lombardo Aggiornato a.a. 2013/14 Il programma di laboratorio propone argomenti in parallelo agli argomenti teorici del
DettagliLaboratorio di Segnali e Sistemi A. A. 2009/ Lezione 5: Immagini
Laboratorio di Segnali e Sistemi A. A. 2009/ 2010 Lezione 5: Immagini 28 maggio 2010 Introduzione Immagini: risultato di un sistema di acquisizione/elaborazione/visualizzazione della radiazione EM visibile
DettagliImmagini in medicina
Università degli Studi di Roma Tor Vergata - Facoltà di Ingegneria Corso di Laurea Triennale in Ingegneria Medica Immagini in medicina BIOIMMAGINI Scopo: Studio delle parti interne del corpo statiche Studio
DettagliINDICE Esempi di segnali determinati: periodici e di energia Esempio di segnale aleatorio...4
INDICE 1 Introduzione: definizione e classificazione dei segnali... 1 1.1 Introduzione all elaborazione numerica dei segnali... 1 1.2 Classificazione dei segnali... 2 1.2.1 Esempi di segnali determinati:
DettagliElaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. I suoni Rappresentazione digitale
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2008/2009 Docente: ing. Salvatore
DettagliLa compressione video. Analis i in multiris oluzione Wavelet La compres s ione di immag ini C ompres s ione JPEG S tandard MPEG
La compressione video Analis i in multiris oluzione Wavelet La compres s ione di immag ini C ompres s ione JPEG S tandard MPEG Trasformata di Fourier Analisi in frequenza delle immagini 2 Trasformata di
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Segnali di immagine Immagini fisse Immagine: definizione Immagine: insieme di punti
DettagliSECONDA LEZIONE: interazione della radiazione con la materia misure sperimentali e loro statistica. Stati di aggregazione della materia
SECONDA LEZIONE: interazione della radiazione con la materia misure sperimentali e loro statistica Stati di aggregazione della materia Stati o fasi della materia: Gas Liquido Solido ------------------------------
DettagliDigitalizzazione Parte 2
Digitalizzazione Parte 2 Prof. Filippo Milotta milotta@dmi.unict.it Quantizzazione - Definizione La trasformazione di un segnale a valori continui in un segnale a valori discreti, prende il nome di quantizzazione.
DettagliElaborazioni nel dominio spaziale (1)
Elaborazione di Segnali Multimediali a.a. 2017/2018 Elaborazioni nel dominio spaziale (1) L.Verdoliva In questa lezione vedremo come caratterizzare immagini digitali in Matlab tramite media e varianza
DettagliCLASSIFICAZIONE DELLE IMMAGINI. Immagini fisiche (non visibili): distribuzioni bidimensionali di parametri (proprietà fisiche misurabili)
CLASSIFICAZIONE DELLE IMMAGINI Immagini visibili: percepibili dall'occhio Immagini fisiche (non visibili): distribuzioni bidimensionali di parametri (proprietà fisiche misurabili) Funzioni matematiche:
DettagliCompressione Parte 2. Prof. Filippo Milotta Informatica Musicale
Compressione Parte 2 Prof. Filippo Milotta milotta@dmi.unict.it Fattori di compressione per codifiche basate su PCM Dipendono dalla implementazione della PCM: IMA ADPCM: 4/1 (75%) Con specifica G.721:
DettagliRM - riepilogo. Ricostruzione di immagini - Ricostruzione immagini in RM
Leonardo Bocchi Ricostruzione immagini in RM Retroproiezione - metodo di Fourier RM - riepilogo Consideriamo degli atomi di idrogeno Applichiamo un campo magnetico statico B 0 Si genera un vettore di magnetizzazione
DettagliCapitolo 3 Compressione sorgenti statiche
Capitolo 3 Compressione sorgenti statiche Elementi di codifica di sorgente Entropia Classificazione degli algoritmi Testo RLE Huffman statico Huffman dinamico Codifica aritmetica LZ Immagini Prestazioni
DettagliAcquisizione di immagini
Acquisizione di immagini Immagini e Filmati L immagine Un'immagine è un modo di rappresentare in un spazio generalmente piano (a coordinate indipendenti) un oggetto o una scena o una creazione della fantasia.
DettagliEsposizione riassuntiva
Esposizione riassuntiva L elaborazione elettronica di immagini e video riveste un ruolo importante nello sviluppo di tecnologie per la sicurezza. Le telecamere per videosorveglianza sono molto diffuse
DettagliLa distribuzione delle frequenze. T 10 (s)
1 La distribuzione delle frequenze Si vuole misurare il periodo di oscillazione di un pendolo costituito da una sferetta metallica agganciata a un filo (fig. 1). A Figura 1 B Ricordiamo che il periodo
Dettagli1/55. Statistica descrittiva
1/55 Statistica descrittiva Organizzare e rappresentare i dati I dati vanno raccolti, analizzati ed elaborati con le tecniche appropriate (organizzazione dei dati). I dati vanno poi interpretati e valutati
DettagliLa codifica video. Il codificatore ibrido. Principi di base Compressione spaziale Tecniche di predizione temporale Stima e compensazione del movimento
La codifica video Marco Cagnazzo Elaborazione dei Segnali Multimediali Sommario Il segnale video La codifica video Principi di base Compressione spaziale Tecniche di predizione temporale Stima e compensazione
DettagliRAPPRESENTAZIONE DELLE INFORMAZIONI
RAPPRESENTAZIONE DELLE INFORMAZIONI 1 RAPPRESENTAZIONE DELLE INFORMAZIONI Le informazioni gestite dai sistemi di elaborazione devono essere codificate per poter essere memorizzate, elaborate, scambiate,
DettagliSistemi di Elaborazione delle Informazioni
Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle Informazioni A.A. 26/27 Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle
DettagliElaborazione di Segnali e Immagini (ESI)
Elaborazione di Segnali e Immagini (ESI) AA 2002-2003 Paola Bonetto email: bonetto@disi.unige.it Stanza: #110 Tel: 010 353 6643 Programma Colore e spazi di colore (CIE, RGB, HSV, gray, ) Formati di immagini
DettagliAcquisizione di immagini
Università di Roma Tor Vergata Anno Accademico 2016 2017 Acquisizione di immagini Immagini e Filmati L immagine Un'immagine è un modo di rappresentare in un spazio generalmente piano (a coordinate indipendenti)
DettagliProbabilità e Statistica
Probabilità e Statistica Non faremo una trattazione sistematica di probabilità e statistica (si veda in proposito il corso di Esperimentazioni III) Richiameremo alcuni argomenti che avete già visto quando
DettagliTeoria e pratica I formati sonori
ACQUISIZIONE ED ELABORAZIONE DEI SUONI Teoria e pratica I formati sonori L. De Panfilis - G. Manuppella La digitalizzazione La digitalizzazione di oggetti legati a fenomeni di tipo analogico, avviene attraverso
DettagliTecniche di sondaggio
SMID a.a. 2005/2006 Corso di Statistica per la Ricerca Sperimentale Tecniche di sondaggio 24/1/2006 Nomenclatura Indicheremo con P una popolazione, con N la sua numerosità, con k la sua etichetta e con
DettagliLa visione spaziale (1): dalla visita oculistica al JPEG
La visione spaziale (1): dalla visita oculistica al JPEG Corso di Principi e Modelli della Percezione Prof. Giuseppe Boccignone Dipartimento di Informatica Università di Milano boccignone@di.unimi.it http://boccignone.di.unimi.it/pmp_2015.html
DettagliScuola di Specializzazione in Fisica Sanitaria a.a. 2005/2006. Corso di Informatica e Statistica Medica. Immagini digitali
Scuola di Specializzazione in Fisica Sanitaria a.a. 005/006 Corso di Informatica e Statistica Medica Immagini digitali 8//006 Obiettivi Qual è il miglior uso che possiamo fare delle immagini cliniche acquisite?
DettagliHISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A
HISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A 2013-2014 Introduzione Un istogramma è un grafico che mostra la distribuzione delle varie tonalità di una data immagine digitale
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. I suoni Rappresentazione digitale
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 2016/2017 Docente: ing. Salvatore Sorce I suoni Rappresentazione digitale Quantizzazione
DettagliRisonanza Magnetica Nucleare
Risonanza Magnetica Nucleare La ricostruzione delle immagini Gradienti di codifica dei singoli voxel Codifica dello spazio, della frequenza e della fase Il K-spazio e le frequenze di impulsi RF Le immagini
DettagliDealing with Videos. Oliver Giudice
Dealing with Videos Oliver Giudice ictlab s.r.l. - Spinoff dell Università di Catania Image Processing LAB (IPLAB) - Dipartimento di Matematica e Informatica Catania - Maggio, 2018 Motion Blur Super Resolution
DettagliGUIDA PER UNA SCANSIONE OTTIMALE
Condizioni per ottenere una buona scansione I fattori che intervengono nel processo di scansione sono fattori ambientali, propri della configurazione e della calibrazione dello scanner e dell oggetto da
DettagliCalcolo applicato alla Statistica Maximum Likelihood
Calcolo applicato alla Statistica Maximum Likelihood Problema fisico 1/2 Consideriamo un esperimento consistente nella misura, per un tempo T fissato, delle trasmutazioni nucleari (spontanee o indotte)
DettagliMorfologia Matematica su immagini in scala di grigio
Morfologia Matematica su immagini in scala di grigio Dilation, erosion, opening, closing Top-Hat, Bottom-Hat Algoritmi Morfologici in scala di grigio Dalle immagini binarie alle immagini in scala di grigio
DettagliTelerilevamento. Workflow. pkt Immagine georeferita. Correzione geometrica. Immagine scena. Correzione Radiometrica.
Telerilevamento Copyright 2010 Planetek Italia srl formazione@planetekit Workflow scena Correzione geometrica georeferita Mappa finale Estrazione mappe tematiche Correzione Radiometrica Estrazione parametri
Dettagli4.3: La Codifica dei Suoni e dei Video
Rappresentazione dei Dati Multimediali Prof. Alberto Postiglione Università degli Studi di Salerno Dipartimento di Scienze Aziendali - Management & Innovation Systems 4.3: La Codifica dei Suoni e dei Video
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliAnalisi dei dati per la comunicazione
Analisi dei dati per la comunicazione La costruzione e l uso di misure relative semplici e complesse Prof.ssa Isabella Mingo A.A. 2014-2015 La costruzione di indici complessi: fasi In definitiva, la costruzione
DettagliFiltri lineari non ricorsivi (FIR)
Filtri lineari non ricorsivi (FIR) I filtri FIR (Finite Impulse Response) sono circuiti ad anello aperto, cioè senza reazione tra ingresso ed uscita. Le sue caratteristiche principali sono: uscita è sempre
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. Immagini digitali: concetti di base
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 6/7 Docente: ing. Salvatore Sorce Immagini digitali: concetti di base L informazione
DettagliIl sistema binario: bit e Byte Codifica del testo Il Byte come U.d.M. dell'informazione Multipli del Byte
Rappresentazione digitale delle informazioni Il sistema binario: bit e Byte Codifica del testo Il Byte come U.d.M. dell'informazione Multipli del Byte Ordini di grandezza Codifica delle immagini Codifica
DettagliQUANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA. 1 Fondamenti Segnali e Trasmissione
UANTIZZAZIONE E CONVERSIONE IN FORMA NUMERICA Fondamenti Segnali e Trasmissione Campionamento e quantizzazione di un segnale analogico Si consideri il segnale x(t) campionato con passo T c. Campioni del
DettagliIdentificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale
Identificazione dei Parametri Caratteristici di un Plasma Circolare Tramite Rete Neuronale Il presente lavoro, facente segiuto a quanto scritto precedentemente ha il fine di descrivere il codice di calcolo
DettagliTecnologie Multimediali a.a. 2016/2017. Docente: DOTT.SSA VALERIA FIONDA
Tecnologie Multimediali a.a. 2016/2017 Docente: DOTT.SSA VALERIA FIONDA Rappresentazione digitale delle immagini Sistema binario Il computer "capisce" solo 2 stati: passacorrente (1) non passa corrente
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
Dettagli1/4 Capitolo 4 Statistica - Metodologie per le scienze economiche e sociali 2/ed Copyright 2008 The McGraw-Hill Companies srl
1/4 Capitolo 4 La variabilità di una distribuzione Intervalli di variabilità Box-plot Indici basati sullo scostamento dalla media Confronti di variabilità Standardizzazione Statistica - Metodologie per
DettagliProbabilità e Statistica
Probabilità e Statistica Non faremo una trattazione sistematica di probabilità e statistica (si veda in proposito il corso di Esperimentazioni III) Richiameremo alcuni argomenti che avete già visto quando
DettagliSegnale analogico. Analogico vs digitale. Segnale digitale. Trasformazione da analogico a digitale
LEZIONI 2 e 3 Rappresentazione dell informazione 53 Analogico vs digitale LEZIONI 2 e 3 Rappresentazione dell informazione 54 Segnale analogico Il computer può lavorare soltanto con grandezze di tipo digitale
DettagliTIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI. Corso di Informatica Medica
Università degli Studi di Trieste Corso di Laurea Magistrale in INGEGNERIA CLINICA TIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI Corso di Informatica Medica Docente
Dettagli