Tecniche di restauro delle immagini digitali
|
|
- Letizia Stefani
- 5 anni fa
- Visualizzazioni
Transcript
1 Tecniche di restauro delle immagini digitali
2 Le principali fonti di rumore Le principali sorgenti di rumore nelle immagini digitali si presentano durante il processo di acquisizione e di trasmissione. Le prestazioni dei sensori di una fotocamera digitale sono influenzati da una varietà di fattori, come ad esempio le condizioni ambientali oppure dalla qualità degli stessi elementi di cattura.
3 Le principali fonti di rumore Le immagini posso essere corrotte anche durante la trasmissione, principalmente a causa dell interferenza nel canale di trasmissione. Rumore Input Canale Output
4 Le principali fonti di rumore Aumento di temperatura del sensore Dalla sensibilità del sensore stesso Le dimensioni del sensore Dalla forte compressione JPEG Tempi lunghi di posa
5 Classificazione del Rumore Rumore della luminanza L immagine appare granulosa se osservata su uno schermo Rumore di crominanza Appare una sorta di patina di pixel blu o rossi, nelle parti più in ombra dell immagine.
6 2 Principali categorie di rumori Rumori Casuali Cioè indipendenti dalle coordinate spaziali e dall immagine stessa. Rumore Gaussiano Rumore di Rayleigh Rumore di Erlang Rumore Esponenziale Rumore Uniforme Rumore impulsivo o Sale & Pepe Rumore Speckle
7 2 Principali categorie di rumori Rumori Periodici Uniforme Non Uniforme È una distorsione sistematica, cioè che si ripete all interno dell immagine.
8 Restauro VS Enhancement Restauro Enhancement Processo Oggettivo Processo Soggettivo
9 Tecniche di restauro Filtraggio Spaziale Filtraggio nel dominio delle frequenze
10 Tipi di filtraggio Filtri di Media Statistiche D ordine Filtri Adattivi Media Aritmetica Media Geometrica Media Armonica Media Controarmonica Max Min Mediano Punto Medio Alpha Trimmed Locale Adattivo Mediano Adattivo Filtraggio Spaziale
11 Tipi di filtraggio Gaussiano Band Reject Butterworth Band Reject Ideal Band Reject Wiener Filter Notch Filter Filtraggio Nel dominio delle Frequenze
12 Interfaccia Matlab Importa Immagine
13 Interfaccia Matlab Applica rumore
14 Interfaccia Matlab Rimuovi rumore
15 Caso di Studio 1 Rumore: Gaussiano (media =0, varianza=0.01) Filtri Rimozione rumore: Media Artimetica, Media Geometrica, Mediano, Mediano Adattivo Dimensione Kernel: 5x5
16 Focus on..rumore Gaussiano Questo tipo di rumore si presenta a causa del rumore presente nei circuiti elettrici o ancora a causa del rumore del sensore dovuto alla scarsa illuminazione e/o alta temperatura
17 Caso di Studio 1 IM=getimage(handles.axes1); IM_noise=imnoise(IM,'gaussian'); imshow(im_noise,[]); Immagine Originale
18 Caso di Studio 1 IM=getimage(handles.axes1); IM_noise=imnoise(IM,'gaussian'); imshow(im_noise,[]); Immagine Rumorosa
19 Caso di Studio 1- The Winner is..
20 Caso di Studio 1- I Risultati Media Aritmetica Media Geometrica
21 Caso di Studio 1- I Risultati Mediano Mediano Adattivo
22 Caso di Studio 1 - Analisi I risultati migliori li otteniamo con il filtro media aritmetica e con il filtro mediano. Media Aritmetica Media Geometrica Il risultato con la media aritmetica risulta essere leggermente più sfocato rispetto al secondo. Mediano Mediano Adattivo
23 Caso di Studio 1 - Analisi Con la media geometrica si introducono degli artefatti Media Aritmetica Mediano Media Geometrica Mediano Adattivo
24 Caso di Studio 1 - Analisi Media Aritmetica Mediano Media Geometrica Mediano Adattivo
25 Caso di Studio 2 Immagine: motherboard.jpg Rumore: Sale e Pepe (densità= 0,1) Filtri Rimozione rumore: Media Controarmonica, Mediano Adattivo, Adattivo locale, Alpha trimmed Dimensione Kernel: 5x5
26 Focus on..rumore Sale&Pepe Il rumore ad impulsi si riscontra in situazioni dove si verificano transizioni veloci durante il processo di imaging
27 Caso di Studio 2 IM=getimage(handles.axes1) prompt = {'Densità(max 1)'}; answer = inputdlg(prompt,'inserire i parametri'); IM_noise=imnoise(IM,'salt & pepper',wstr2num(answer{1})); imshow(im_noise,[]); Immagine Originale
28 Caso di Studio 2 IM=getimage(handles.axes1) prompt = {'Densità(max 1)'}; answer = inputdlg(prompt,'inserire i parametri'); IM_noise=imnoise(IM,'salt & pepper',wstr2num(answer{1})); imshow(im_noise,[]); Immagine Rumorosa
29 Caso di Studio 2- The Winner is..
30 Caso di Studio 2- I Risultati Media Controarminica Q=1.5 Media Controarmonica Q=-1.5
31 Caso di Studio 2- I Risultati Mediano Adattivo Adattivo Locale
32 Caso di Studio 2- I Risultati Alpha-Trimmed (d=4)
33 Caso di Studio 2 - Analisi Media Controarmonica Q=1.,5 Media Controarmonica Q=-1.,5 Media Alpha-Trimmed (d=4) Il filtro Controarmonico, non si adatta a questo tipo di rumore. Ottimo è invece il restauro dell immagine con l utilizzo del filtro mediano adattivo. Adattivo Locale Mediano Adattivo Il filtro alpha trimmed ottiene un risultato migliore rispetto a quello adattivo locale, ma tende a sfocare l immagine
34 Caso di Studio 2 - Analisi Media Controarmonica Q=1.,5 Media Controarmonica Q=-1.,5 Adattivo Locale Media Alpha-Trimmed (d=4) Mediano Adattivo
35 Caso di Studio 3 Immagine: Lena2.jpg Rumore: Rayleigh (A=2, B=1) Filtri Rimozione rumore: Media Aritmetica, Media Armonica, Media Geometrica, Media Controarmonica Dimensione Kernel: 5x5
36 Focus on..rumore Rayleigh
37 Caso di Studio 3 IM=getimage(handles.axes1); [M N]=size(IM) prompt = {'A','B'} answer = inputdlg(prompt,'inserire i parametri'); tmp=im2double(im); r=imnoise2('rayleigh',m,n,wstr2num(answer{1}), wstr2num(answer{2})); Immagine Originale for i=1:m IM_noise(i,:)=(tmp(i,:)+r(i,:)); End IM_noise=normalizeImage(I); imshow(im_noise,[]);
38 Caso di Studio 2 IM=getimage(handles.axes1); [M N]=size(IM) prompt = {'A','B'} answer = inputdlg(prompt,'inserire i parametri'); tmp=im2double(im); r=imnoise2('rayleigh',m,n,wstr2num(answer{1}), wstr2num(answer{2})); Immagine Rumorosa for i=1:m IM_noise(i,:)=(tmp(i,:)+r(i,:)); End IM_noise=normalizeImage(I); imshow(im_noise,[]);
39 Caso di Studio 3- The Winner is..
40 Caso di Studio 3- I Risultati Media Aritmetica Media Geometrica
41 Caso di Studio 3- I Risultati Media Armonica Media Controarmonica Q=1.5
42 Caso di Studio 3- I Risultati Media Controarmonica Q=-1.5
43 Caso di Studio 3 - Analisi Media Aritmetica Media Geometrica Media Armonica I filtri di media, non sono adattati a rimuovere questo tipo di rumore. Da un punto di vista visivo, il filtro che restaura meglio l immagine è il filtro di media aritmetica Media Controarmonica Q=1.5 Media Controarmonica Q=-1,5
44 Caso di Studio 3 - Analisi Media Aritmetica Media Geometrica Media Armonica Media Controarmonica Q=1.5 Media Controarmonica Q=-1,5
45 Caso di Studio 4 Immagine: motherboard.jpg Rumore: Uniforme(A=0,B=1) Filtri Rimozione rumore: Mediano, Min, Max, Midpoint, Alpha-Trimmed Dimensione Kernel: 5x5
46 Focus on..rumore Uniforme
47 Caso di Studio 4 Immagine Originale IM=getimage(handles.axes1 [M N]=size(IM prompt = {'A','B'}; answer = inputdlg(prompt,'inserire i parametri'); tmp=im2double(im); r=imnoise2('uniform',m,n,wstr2num(answer{1}), wstr2num(answer{2 for i=1:m IM_noise(i,:)=(tmp(i,:)+r(i,:));%Lo applico end IM_noise=normalizeImage(IM_noise); imshow(im_noise,[]);
48 Caso di Studio 4 Immagine Rumorosa IM=getimage(handles.axes1 [M N]=size(IM prompt = {'A','B'}; answer = inputdlg(prompt,'inserire i parametri'); tmp=im2double(im); r=imnoise2('uniform',m,n,wstr2num(answer{1}), wstr2num(answer{2 for i=1:m IM_noise(i,:)=(tmp(i,:)+r(i,:));%Lo applico end IM_noise=normalizeImage(IM_noise); imshow(im_noise,[]);
49 Caso di Studio 4- The Winner is..
50 Caso di Studio 4- I Risultati Mediano MAX
51 Caso di Studio 4- I Risultati MIN MIDPOINT
52 Caso di Studio 4- I Risultati Alpha-Trimmed (d=4)
53 Caso di Studio 4 - Analisi Mediano MAX MIN Il filtro del punto medio, ottiene il miglior restauro. Il filtro Alpha-Trimmed, batte quello mediano. Punto Medio Alpha-Trimmed (d=4) I Filtri di MAX e di MIN, invece hanno un pessimo restauro
54 Caso di Studio 4 - Analisi Mediano MAX Punto Medio MIN Alpha-Trimmed (d=4)
55 Caso di Studio 5 Immagine: Lena.jpg Rumore: Periodico Filtri Rimozione rumore: Ideale, Gaussiano, Butterworth BandReject
56 Focus on..rumore Periodico Si manifesta su un immagine, a causa di interferenze di natura elettrica o elettromeccanica, durante il processo di acquisizione dell immagine
57 Caso di Studio 5 Immagine Originale function nodeg_callback(hobject, eventdata, handles) IM_noise=getimage(handles.axes1); tmp=double(im_noise); [M N]=size(tmp); u=tmp; for i=1:m for j=1:n u(i,j) = u(i,j) *(1+sin(2*pi*((i-1)/M)*200)) *(1+sin(2*pi*((j-1)/N)*200)) *(1+cos(2*pi*((i-1)/M+(j- 10.*(1+sin(2*pi*((i-1)/M-(j-1)/N)*141)); end end
58 Caso di Studio 5 Immagine Rumorosa function nodeg_callback(hobject, eventdata, handles) IM_noise=getimage(handles.axes1); tmp=double(im_noise); [M N]=size(tmp); u=tmp; for i=1:m for j=1:n u(i,j) = u(i,j) *(1+sin(2*pi*((i-1)/M)*200)) *(1+sin(2*pi*((j-1)/N)*200)) *(1+cos(2*pi*((i-1)/M+(j- 10.*(1+sin(2*pi*((i-1)/M-(j-1)/N)*141)); end end
59 Caso di Studio 5- The Winner is..
60 Caso di Studio 5- I Risultati Ideale Gaussiano
61 Caso di Studio 5- I Risultati Butterworth
62 Caso di Studio 5 - Analisi Ideale Gaussiano Butterworth Utilizzando una frequenza di taglio D0=199, otteniamo il restauro dell immagine, con tutti e tre i filtri. Il filtro Ideale tende a scurire un po l immagine, mentre quello di Butterworth tende a schiarirla.
63 Caso di Studio 5 - Analisi Ideale Gaussiano Butterworth
64 Fine
Restauro di immagini. Prof. Filippo Stanco. Multimedia
Restauro di immagini Prof. Filippo Stanco Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo
DettagliRestauro di immagini. Prof. Filippo Stanco. Multimedia
Restauro di immagini Prof. Filippo Stanco Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo
DettagliSegnali analogici. Segnali aleatori. Segnali determinati Trasmissione ideale Trasmissione perfetta. Trasmissione imperfetta
Segnali determinati Trasmissione ideale Trasmissione perfetta Segnali analogici 40 20 Segnali aleatori Trasmissione imperfetta Laboratorio di Segnali Segnali modulati Segnali tempo discreto e segnali in
DettagliImage Processing 2. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
http://imagelab.ing.unimo.it Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing 2 Prof. Roberto Vezzani Relazioni tra pixel Esistono delle relazioni di base tra pixel in un
DettagliElaborazioni d Immagini A.A. 2007/2008 S. Battiato
PDF: Funzione densità di probabilità; CDF: Funzione di distribuzione cumulativa Interessante è la possibilità di rendere il filtro adattivo rispetto alle caratteristiche statistiche locali dell immagine,
DettagliIMAGE PROCESSING & DOMINIO DELLE. Pagano Luca 18/12/2013
IMAGE PROCESSING & DOMINIO DELLE FREQUENZE Pagano Luca 18/12/2013 IN GENERALE Trasformata: Antitrasformata: In cui le funzioni r ed s vengono chiamate funzioni o immaginibase. Invece i termini T(u,v) vengono
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
DettagliFondamenti di Data Processing
Fondamenti di Data Processing Vincenzo Suraci Automazione INTRODUZIONE AL DATA PROCESSING ACQUISIZIONE DATI SCHEMA COSTRUTTIVO SCHEDA INPUT OSCILLATORE A FREQUENZA COSTANTE BANDA PASSANTE ACCORDATA AL
DettagliDYNAMIC 3D VISION INSPECTION Alessandro Colombi area sales manager CamTec, wenglor sensoric Ing. Andrea Grilli, Sintec Ingegneria direttore tecnico
DYNAMIC 3D VISION INSPECTION Alessandro Colombi area sales manager CamTec, wenglor sensoric Ing. Andrea Grilli, Sintec Ingegneria direttore tecnico Smart Vision - Le tecnologie per l industria del futuro
DettagliRumore termico. Telecomunicazioni per l Aerospazio. P. Lombardo DIET, Univ. di Roma La Sapienza Rumore - 1
Rumore termico. Lombardo DIET, Univ. di Roma La Sapienza Rumore - 1 Rumore Termico: statistica Il rumore ha una densità di probabilità gaussiana Istogramma Volts Volts Realizzazione rumore t Contatore.
DettagliIdentificazione del dispositivo sorgente
UNIVERSITÀ DEGLI STUDI DI FIRENZE Facoltà di Ingegneria Corso di Laurea in INGEGNERIA INFORMATICA Identificazione del dispositivo sorgente mediante tecniche di Image Forensics Tesi di Laurea di ANDREA
DettagliCapitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI
Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo
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
DettagliCorso di Visione Artificiale. Filtri parte II. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte II Samuel Rota Bulò Numeri complessi parte reale parte immaginaria in coordinate polari complesso coniugato formula di Eulero Trasformata di Fourier discreta (DFT)
DettagliINDICE. Capitolo 1 Introduzione 1. Capitolo 2 Rappresentazione di Fourier di segnali e sistemi 19. Capitolo 3 Modulazione d ampiezza 99
INDICE Capitolo 1 Introduzione 1 1.1 Inquadramento storico 1 1.2 Applicazioni 4 1.3 Risorse principali e requisiti operativi 13 1.4 Teorie alla base dei sistemi di comunicazione 14 1.5 Osservazioni conclusive
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
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
DettagliSommario. 2 I grafici Il sistema di coordinate cartesiane Gli istogrammi I diagrammi a torta...51
Sommario 1 I dati...15 1.1 Classificazione delle rilevazioni...17 1.1.1 Esperimenti ripetibili (controllabili)...17 1.1.2 Rilevazioni su fenomeni non ripetibili...18 1.1.3 Censimenti...19 1.1.4 Campioni...19
DettagliCorso di Laurea in Ingegneria Biomedica Corso di Trasmissione Numerica (6 crediti) Prova scritta 16.02.2006
Prova scritta 16.02.2006 D. 1 Si derivi l espressione dei legami ingresso-uscita, nel dominio del tempo per le funzioni di correlazione nel caso di sistemi LTI e di segnali d ingresso SSL. Si utilizzi
DettagliIntroduzione a Matlab
Introduzione a Matlab Contrasto, Soglia, Rumore A cura di: Daniel Riccio http://www.dmi.unisa.it/people/riccio/www/teaching.htm http://www.dmi.unisa.it/people/nappi 26/11/2013 Introduzione a Matlab 1 Istogramma
DettagliDato un vettore di lunghezza N, questo può essere pensato come un elemento di uno spazio N dimensionale.
Base canonica Dato un vettore di lunghezza N, questo può essere pensato come un elemento di uno spazio N dimensionale. 234 204 34 16 44 134 12 11 56 Quindi possiamo scomporlo usando la base canonica di
DettagliIntroduzione a Matlab
Introduzione a Matlab Contrasto, Soglia, Rumore Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Istogramma di un immagine Conta il numero di occorrenze di ciascuna tonalità,
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
Dettagli1 PROCESSI STOCASTICI... 11
1 PROCESSI STOCASTICI... 11 Introduzione... 11 Rappresentazione dei dati biomedici... 11 Aleatorietà delle misure temporali... 14 Medie definite sul processo aleatorio... 16 Valore atteso... 16 Esercitazione
DettagliSistemi ottici come sistemi lineari
Sistemi ottici come sistemi lineari 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_2017.html
Dettagli2.2.5 Approssimazione di un segnale in una base biortogonale (segnali rettangolari) Esercizi proposti... 46
Indice 1 Operazioni elementari, convoluzione, correlazione 1 1.1 Operazioni elementari........................ 1 1.1.1 Ribaltamento, traslazione, scalatura............ 1 1.2 Convoluzione.............................
DettagliCANALE STAZIONARIO CANALE TEMPO INVARIANTE
CANALE STAZIONARIO Si parla di un Canale Stazionario quando i fenomeni che avvengono possono essere modellati da processi casuali e le proprietà statistiche di tali processi sono indipendenti dal tempo.
DettagliVariabili aleatorie continue
Variabili aleatorie continue Per descrivere la distribuzione di una variabile aleatoria continua, non si può più assegnare una probabilità positiva ad ogni valore possibile. Si assume allora di poter specificare
DettagliTrasmissione numerica: Compito del 22/07/2008
Trasmissione numerica: Compito del /07/008 1 Esercizio1 Sia dato un sistema di trasmissione numerica che utilizza un impulso di trasmissione g(t) a radice di coseno rialzato, e una costellazione PAM con
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
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
DettagliStrumentazione biomedica
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Caratteristiche della strumentazione biomedica Nicola Vanello Dipartimento di Ingegneria dell Informazione A
DettagliQualità delle Immagini
Qualità delle Immagini Master: Verifiche di Qualità in Radiodiagnostica, Medicina Nucleare e Radioterapia Lezioni n. 7-8 Dr. Rocco Romano (Dottore di Ricerca) Facoltà di Farmacia, Università degli Studi
DettagliPrime nozioni sui segnali
Prime nozioni sui segnali Ø Conce'o di segnale Ø ed esempi di segnali elementari sia determinis4ci che casuali (media, deviazione standard, densità di probabilità) Ø Operazioni sui segnali Ø Energia, potenza,
DettagliCorso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005
Corso di Fondamenti di Segnali e Trasmissione - Appello del 07 Settembre 2005 Gli esercizi devono essere risolti solo sui fogli dei colori indicati Per esiti e soluzioni si veda il sito web del corso:
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
DettagliElaborazioni nel dominio della frequenza
Elaborazione di Segnali Multimediali a.a. 2017/2018 Elaborazioni nel dominio della frequenza L.Verdoliva In questa esercitazione elaboreremo le immagini nel dominio della frequenza, in particolare realizzeremo
DettagliCOMUNICAZIONI ELETTRICHE A
COMUNICAZIONI ELERICHE A Laurea riennale in Ingegneria Elettronica e delle elecomunicazioni Prova del 10/1/007 empo a disposizione: ore 1. Si illustri il funzionamento di un ricevitore supereterodina,
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
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
DettagliLa teoria delle serie di Fourier dimostra che la maggior parte dei segnali e quindi di forme d onda può essere prodotta sommando assieme onde
FILTRI La teoria delle serie di Fourier dimostra che la maggior parte dei segnali e quindi di forme d onda può essere prodotta sommando assieme onde sinusoidali Segnale sinusoidale rappresentato proiettando
DettagliIntroduzione ai filtri digitali
ARSLAB - Autonomous and Robotic Systems Laboratory Dipartimento di Matematica e Informatica - Università di Catania, Italy santoro@dmi.unict.it Programmazione Sistemi Robotici Sistemi, misura e predizione
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 =
DettagliModulazioni di ampiezza
Modulazioni di ampiezza 1) Si consideri un segnale z(t) modulato in ampiezza con soppressione di portante dal segnale di informazione x(t): z(t) = Ax(t)cos(2πf 0 t) Il canale di comunicazione aggiunge
DettagliCause di disturbo in tomografia. Rumore e sua propagazione Conservazione della componente continua (analisi quantitativa) Dati insufficienti
Cause di disturbo in tomografia Rumore e sua propagazione Conservazione della componente continua (analisi quantitativa) Dati insufficienti Noise Si possono identifica due tipi di noise sui dati (proiezioni).
DettagliTEORIA DELL INFORMAZIONE ED ENTROPIA FEDERICO MARINI
TEORIA DELL INFORMAZIONE ED ENTROPIA DI FEDERICO MARINI 1 OBIETTIVO DELLA TEORIA DELL INFORMAZIONE Dato un messaggio prodotto da una sorgente, l OBIETTIVO è capire come si deve rappresentare tale messaggio
DettagliFiltraggio dei segnali. Soluzioni Fracarro. fracarro.com -50.00 -40.00 -30.00 20.00 -10.00 0.000 -20.00
Filtraggio dei segnali Soluzioni Fracarro 5.. 3.. 1...... -5. fracarro.com Cos'è LTE? Il termine LTE, acronimo di Long Term Evolution, è un nuovo standard internazionale, adottato dalla Comunità Europea,
DettagliMULTIMEDIA E LABORATORIO
DIPARTIMENTO DI MATEMATICA E INFORMATICA Corso di laurea magistrale in Informatica Anno accademico 2016/2017-2 anno - Curriculum Data Science E 9 CFU - 1 semestre Docenti titolari dell'insegnamento FILIPPO
DettagliCorso di Fondamenti di Telecomunicazioni Esercizi Teoria dei segnali Prof. Giovanni Schembra
Corso di Fondamenti di Telecomunicazioni Esercizi Teoria dei segnali Prof. Giovanni Schembra Sommario CARATTERISTICHE DEI SEGNALI DETERMINATI.... ESERCIZIO.... ESERCIZIO... 5.3 ESERCIZIO 3 CONVOLUZIONE...
DettagliIntroduzione. Il rumore spesso e causato da sorgenti esterne al sistema elettronico che stiamo studiando:
Introduzione Si definisce rumore, nel senso piu generale del termine, un qualsiasi disturbo che nasconde o interferisce con il segnale che stiamo misurando Il rumore spesso e causato da sorgenti esterne
DettagliVideo Parte 2. Errori di registrazione Drop e Artefatti. Multimedia
Video Parte 2 Errori di registrazione Drop e Artefatti L errore è ineliminabile Quando si tratta di segnali, di qualunque natura, non si può evitare che essi siano generati o trasmessi senza la presenza
DettagliIntroduzione al modello Uniforme
Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x () t x ( t ) q Tempo Discreto Continuo Segnale Analogico ( ) x t k t t Segnale
DettagliElementi di informatica musicale Conservatorio G. Tartini a.a Sintesi del suono. Sintesi del suono
Elementi di informatica musicale Conservatorio G. Tartini a.a. 2001-2002 Sintesi del suono Ing. Antonio Rodà Sintesi del suono E neccessaria una tecnica di sintesi, ossia un particolare procedimento per
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Deinizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
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
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
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:
Dettagliln x a 2 f x exp x 0
Il Modello Lognormale La funzione di densità di probabilità lognormale è data: ln x a 1 f x exp x 0 X b xb in cui a e b sono due costanti, con b 0. Se X è una v.a. lognormale allora Y lnx è distribuita
DettagliSOMMARIO DELLE MISURE DIRETTE
p. 1/21 SOMMARIO DELLE MISURE DIRETTE Studio delle caratteristiche degli strumenti usati, evidenziare possibili errori sistematici, correggerli. p. 1/21 SOMMARIO DELLE MISURE DIRETTE Studio delle caratteristiche
DettagliEsercitazione 1.3. Indici di variabilità ed eterogeneità. Prof.ssa T. Laureti a.a
Corso di Statistica Esercitazione.3 Indici di variabilità ed eterogeneità Concentrazione Asimmetria Prof.ssa T. Laureti a.a. 202-203 Esercizio Si considerino i seguenti dati relativi al numero di addetti
DettagliFiltraggio nel Dominio della Frequenza
Filtraggio nel Dominio della Frequenza Parte 2 Filtro di enfasi ad alta frequenza Solitamente i filtri passa alto riducono a zero il termine dc, dunque riducono l intensità media nell immagine filtrata
DettagliCIFRA DI RUMORE. Ing. Fabio Gianota. Napoli, date h
CIFRA DI RUMORE Ing. Fabio Gianota Napoli, date h AGENDA Definizione e classificazione Rumori Elettromagnetici Esterni Sorgenti di rumore nei circuiti elettronici Rumore Granulare (Shot Noise) Rumore Termico
DettagliTRASMISSIONE dei SEGNALI del MODULATORE
TRASMISSIONE dei SEGNALI del MODULATORE X Canale Modulaore Y Y rasmissivo Demodulaore IPOTESI Il modulaore è un disposiivo SENZA MEMORIA. Trasmee sul canale forme d onda scele da un opporuno alfabeo sulla
DettagliPROCESSI CASUALI 1 Fondamenti di segnf a o lin d e a t m ra e s n mtii s T si L o C ne
PROCESSI CASUALI Fondamenti di segnali Fondamenti e trasmissione TLC Segnali deterministici Un segnale (t) si dice deterministico se è una funzione nota di t, cioè se ad un qualsiasi istante di tempo t
DettagliEsercitazione 8: Spazi Colore
Laboratorio di Immagini Esercitazione 8: Spazi Colore Sir. Mauro Zucchelli 19/05/2016 Colori RGB In MATLAB di default quando viene letta un immagine a colori viene caricata nello spazio RGB Red Green Blue
DettagliArgomenti trattati (Lez. 7)
Argomenti trattati (Lez. 7) Caratteristiche dinamiche Modello/relazione di riferimento (sistema del secondo ordine) Studio fisico del sistema (variabili, parametri, leggi) Trasformata di Laplace (formalismo)
DettagliProbabilità e statistica
Probabilità e statistica The formulation of a problem is often more essential than its solution which may be merely a matter of mathematical or experimental skill. Albert Einstein Farsi la domanda giusta
DettagliIntroduzione a Matlab
Introduzione a Matlab Filtri: Media, Gaussiano, Mediano Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Definizione di un filtro: Kernel Ciascun filtro è definito dal
DettagliFiltraggio spaziale Soluzioni
1 Filtri di smoothing 1. Smoothing seguito da thresholding. Elaborazione di Segnali Multimediali a.a. 2017/2018 Filtraggio spaziale Soluzioni x = double(imread( spazio.jpg )); figure(1); imshow(x); h =
DettagliPROGRAMMA DI STATISTICA BITETTO-BOGLI aa. 2018/2019 CON DETTAGLIO ARGOMENTI DA STUDIARE E LEGGERE * SUI LIBRI ADOTTATI
1 PROGRAMMA DI STATISTICA BITETTO-BOGLI aa. 2018/2019 CON DETTAGLIO ARGOMENTI DA STUDIARE E LEGGERE * SUI LIBRI ADOTTATI In merito al programma del corso B di statistica già pubblicato con i relativi riferimenti
DettagliTrasformata di Fourier
Trasformata di Fourier Filtri lineari Filtri lineari Gli operatori locali che operano su una immagine mediante la convoluzione con maschere di pesi possono essere descritti mediante la teoria dei segnali
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Esercitazione 16 Segnali d immagine I Esercizio: Rapporto d aspetto Si calcoli il rapporto
DettagliCORSO DI: TEORIA DEI SEGNALI
Anno accademico 2018-2019 CORSO DI: TEORIA DEI SEGNALI Docente: prof. Claudio Sacchi INTRODUZIONE AL CORSO Contenuti Obbiettivi del corso; Programma del corso; Modalità di esame; Testi di riferimento;
DettagliPIXEL. Il valore quantizzato misurato da ciascun sensore diventa un. PICTURE ELEMENT = PIXEL dell immagine. Interazione & Multimedia
La risoluzione PIXEL Il valore quantizzato misurato da ciascun sensore diventa un PICTURE ELEMENT = PIXEL dell immagine La risoluzione Definizione: si dice risoluzione il numero di pixel per unità di misura.
DettagliFiltro attivo per la compensazione delle armoniche
SEI SISTEMI S.R.L. Via Calamelli, 40-40026 IMOLA - BO Tel. 0542 640245 - Fax 0542 641018 E - mail: siei@sieisistemi.it Filtro attivo per la compensazione delle armoniche (SAF Shunt Active Filter) SEI SISTEMI
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
DettagliIntroduzione al modello Uniforme
Teoria dei Fenomeni Aleatori 1 AA 01/13 Introduzione al modello Uniforme Esempio: conversione Analogico/Digitale Errore di quantizzazione Ampiezza Continua Discreta x t x q t Tempo Discreto Continuo 0
Dettagli3 Rumore termico [PROAKIS, x6.5]
3 Rumore termico [PROAKIS, x6.5] Il rumore termico è una fonte di disturbo sempre presente qualità di trasmissione di un segnale attraverso dispositivi elettronici. La sua importanza è maggiore quanto
DettagliCORSO DI SISTEMI DI TELECOMUNICAZIONI. Anno accademico 2003/2004. Esercitazione in aula del 8 Aprile 2004
Università di Trento CORSO DI SISTEMI DI TELECOMUNICAZIONI Anno accademico 2003/2004 Esercitazione in aula del 8 Aprile 2004 Argomenti: Canali wireless, sistemi di trasmissione Spread Spectrum e metodi
DettagliElaborazione delle immagini
Scuola di Specializzazione in Fisica Sanitaria a.a. 2005/2006 Corso di Informatica e Statistica Medica Elaborazione delle immagini 1/3/2006 Filtri non lineari Tra i filtri non lineari il più conosciuto
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 207-208 Informazioni sul corso Mercoledì 0.00-2.00 Aula 22 Giovedì 0.00-2.00 Aula 25 Venerdì
DettagliCalcolo della Concentrazione Rappresentativa della Sorgente (CRS)
Calcolo della Concentrazione Rappresentativa della Sorgente (CRS) Prof. Renato Baciocchi, Università di Roma Tor Vergata Emiliano Scozza Università di Roma Tor Vergata 1 Valutazione dei Dati Data Set di
DettagliUniversità degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale
Università degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale Alessandro Ortis Estensione del software ImageJ con l implementazione di un
DettagliCdL in Informatica e Comunicazione Digitale Statistica Matematica anno accademico 2007/08 ulteriori esercizi di Statistica Descrittiva
CdL in Informatica e Comunicazione Digitale Statistica Matematica anno accademico 2007/08 ulteriori esercizi di Statistica Descrittiva 1. Vengono eseguite n = 50 misure di una quantità aleatoria ottenendo
DettagliPROVE SCRITTE, A.A. 2012/2013 P (Z = 2) = P (B 1 R 2 ) + P (R 1 B 2 ) = P (B 1 )P (R 2 B 1 ) = P (R 1 )P (B 2 R 1 ) =
PROVE SCRITTE, A.A. 202/20 Giugno 20 () Un'urna contiene palline rosse e 2 palline bianche. Le estraiamo senza rimpiazzo nché non otteniamo almeno una pallina per ciascun colore. Denotiamo con X il numero
DettagliStatistica Esercitazione. alessandro polli facoltà di scienze politiche, sociologia, comunicazione
Statistica Esercitazione alessandro polli facoltà di scienze politiche, sociologia, comunicazione Obiettivo Esercizio 1. Questo e alcuni degli esercizi che proporremo nei prossimi giorni si basano sul
DettagliAnalisi Statistica dei Dati Sperimentali. M. Trimarchi e P. La Rocca
Analisi Statistica dei Dati Sperimentali M. Trimarchi e P. La Rocca Misura delle Grandezze Fisiche Misure dirette Confronto con un campione dell unità di misura Lunghezze Metro Misure indirette Operazioni
DettagliSTIME STATISTICHE. Consideriamo il caso della misura di una grandezza fisica che sia affetta da errori casuali. p. 2/2
p. 1/1 INFORMAZIONI Prossime lezioni Giorno Ora Dove 10/02 14:30 P50 11/02 14:30 Laboratorio (via Loredan) 17/02 14:30 P50 23/02 14:30 P50 25/02 14:30 Aula informatica (6-7 gruppi) 02/03 14:30 P50 04/03
DettagliSegnale e Rumore Strumentale
Chimica Analitica dei Processi Industriali Corso di Laurea Magistrale in Chimica Industriale Università degli Studi di Padova Segnale e Rumore Strumentale Andrea Tapparo Università degli Studi di Padova
DettagliCorso di Elaborazione Numerica dei Segnali Esame del 7 Luglio 2004
Corso di Elaborazione Numerica dei Segnali Esame del 7 Luglio TOTALE PUNTI: L allievo é invitato a dare una ragionata e succinta risposta a tutti gli argomenti proposti, per dimostrare il livello di preparazione
DettagliAPPUNTI DI ELETTRONICA V D FILTRI ATTIVI. Campi di applicazione. I filtri nel settore dell elettronica sono utilizzati per:
APPUNTI DI ELETTRONICA V D FILTRI ATTIVI Campi di applicazione I filtri nel settore dell elettronica sono utilizzati per: attenuare i disturbi, il rumore e le distorsioni applicati al segnale utile; separare
DettagliAlessandro Ascari Corso di Studi di Fabbricazione LO STATO DELLE SUPERFICI. La rugosità superficiale Il rugosimetro
Alessandro Ascari Corso di Studi di Fabbricazione LO STATO DELLE SUPERFICI La rugosità superficiale Il rugosimetro Il concetto di Rugosità Lo stato della superficie di un oggetto dipende dal tipo di lavorazione
Dettagli0.6 Filtro di smoothing Gaussiano
2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche
DettagliUniversity of Messina, Italy
ERRORI CASUALI ELL AALISI CHIMICA Errori casuali Gli errori casuali si incontrano tutte le volte che un sistema di misura viene usato al massimo della sua sensibilità. In queste circostanze i risultati
DettagliRestauro e Ricostruzione da Immagini
Restauro e Ricostruzione da Immagini Prof. Sebastiano Battiato Premessa Come nel caso del miglioramento di qualità, anche per il ripristino di qualità o restauro l obiettivo dell elaborazione è migliorare
DettagliNote su filtri digitali
Progettazione nell'ambiente LPCXpresso Introduzione alla progettazione di sistemi embedded a microcontrollore Note su filtri digitali S. Salvatori - Microelettronica aprile 2016 (1 di 42) Sommario Perché
DettagliQuesta viene trasmessa sul canale (wireless o wired). In questo corso, modellizzeremo il canale di trasmissione come un canale Gaussiano bianco
Canale di trasmissione Dati una costellazione M un labeling binario e è possibile associare alle sequenze binarie di informazione u da trasmettere una forma d onda s(t). Questa viene trasmessa sul canale
DettagliEsame di INFORMATICA Lezione 4
Università di L Aquila Facoltà di Biotecnologie Esame di INFORMATICA Lezione 4 MACCHINA DI VON NEUMANN Il sottosistema di memorizzazione (memoria) contiene dati + istruzioni, inseriti inizialmente tramite
DettagliEsame di INFORMATICA ARCHITETTURA DI VON NEUMANN. Lezione 4 ARCHITETTURA DI VON NEUMANN
Università degli Studi di L Aquila Facoltà di Biotecnologie Esame di INFORMATICA A.A. 2008/09 Lezione 4 ARCHITETTURA DI VON NEUMANN Anni 40 i dati e i programmi che descrivono come elaborare i dati possono
Dettagli