Image Processing 2. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
|
|
- Filippo Fabbri
- 5 anni fa
- Visualizzazioni
Transcript
1 Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing 2 Prof. Roberto Vezzani
2 Relazioni tra pixel Esistono delle relazioni di base tra pixel in un immagine: intorno di un pixel: 4-intorno di p N 4 (p) con coordinate (x,y) sono i pixel di coordinate (x+1,y), (x,y+1), (x,y-1), (x-1,y); 8-intorno N 8 (p) con anche i 4 diagonali adiacenza: un pixel q è 4-adiacente a p se q N 4 (p), è 8-adiacente se q N 8 (p) connettività: due pixel si dicono connessi, se sono adiacenti e se soddisfano un criterio di similarità del livello di grigio regioni: si definisce regione R un sottoinsieme di pixel dell immagine tra loro connessi contorni: il contorno di una regione è l insieme di pixel della regione R che hanno uno o più pixel adiacenti che non appartengono a R
3 Distanza tra pixel Nelle immagini digitali si usano principalmente 3 distanze tra pixel: distanza city-block (o Manhattan o L 1 ): D 4 (p,q)= x-s + y-t distanza chessboard: D 8 (p,q)=max( x-s, y-t ) distanza Euclidea: D e (p,q)=[(x-s) 2 +(y-t) 2 ] 1/2
4 Rumore sulle immagini Normalmente in assenza di altre informazioni si suppone che il rumore sia bianco, gaussiano a media nulla: cioe che un valore stocastico di varianza σn viene aggiunto al valore del pixel ed e completamente incorrelato con quello aggiunto agli altri pixel. In altri casi si suppone un rumore impulsivo, rumore sale-pepe, che altera in modo random il valore di qualche pixel Image restoration: e quella branca dell image processing che si occupa di migliorare la qualita del segnale immagine
5 Applicazione di kernel f1 f2 f3 f4 f5 h-1 h0 h1 Data una funzione f(x) e un kernel h(t), l applicazione del kernel porta alla generazione di una funzione g(x) + k g( x) = f( x+ tht ) ( ) Nello spazio 2D, data f(x,y), si ottiene g(x,y) mediante l applicazione del kernel h(i,j) quadrato + k + k Questa applicazione si chiama anche correlazione Tutte le operazioni di filtraggio si basano sulla definizione di un filtro h con adeguate proprietà locali. Dato che l immagine non ha dimensioni finite il filtro lavora correttamente nella parte centrale dell immagine, mentre vengono accettati errori nei bordi dell immagine (problema delle condizioni di bordo) t= k gxy (, ) = f( x+ α, y+ β) h( αβ, ) α= k β= k
6 Filtri spaziali: condizione al contorno Un problema dei filtri spaziali basati su intorni è cosa succede quando il centro del filtro è vicini ai bordi dell immagine. Esistono tre soluzioni possibili: non eseguo il filtraggio se la maschera non è completamente inclusa nell immagine; si esegue il filtro solo sugli elementi contenuti nell immagine; padding: si allarga l immagine per compiere completamente il filtraggio. Solitamente si allarga riempiendo di 0 (o di un valore costante) o anche replicando il valore di bordo dell immagine.
7 Filtri di smoothing I filtri di smoothing sono solitamente usati per sfocare (blur) l immagine e per ridurre il rumore. I filtri di smoothing tipicamente sono filtri di media che sostituiscono il valore di ogni pixel dell immagine con la media dei pixel nell intorno. Questo processo riduce le variazioni brusche (sharp), sia quelle dovute al rumore (che è, per definizione, causa di transizioni sharp), che quelle dovute, purtroppo, anche ai contorni. Quindi i filtri di media rimuovono il rumore, ma sfocano anche dettagli utili, come i contorni. Esistono due maschere per i filtri di smoothing: filtro di media filtro di media pesata riduce il blurring
8 Filtri di media con dimensione variabile La dimensione della maschera per il filtro di media stabilisce la dimensione relativa dei dettagli sfocati con lo sfondo. originale filtro 3x3 filtro 11x11 filtro 25x25 filtro 25x25 con replica dei valori di bordo
9 Filtri order-statistics I filtri order-statistics sono filtri non lineari la cui risposta è basata sull ordinamento e il ranking dei pixel contenuti nell intorno. Il più famoso e più utilizzato è il filtro mediano che sostituisce ad un pixel il valore mediano dei livelli di grigio di un suo intorno. E molto diffuso per le sue qualità di riduzione del rumore senza il difetto di sfocamento dei filtri di media, in particolare per rumore impulsivo o detto rumore sale e pepe. Il mediano è quel valore dell intorno tale che la metà dei valori è minore o uguale e l altra metà è maggiore o uguale. Si ottiene ordinando i valori dell intorno e prendendo poi l elemento centrale. Altri esempi di filtri order-statistics: filtro min (0-percentile) e max (100-p). originale corrotta con rumore s&p al 20% filtro di media 5x5 filtro mediano 5x5
10 Filtri di sharpening I filtri di sharpening si comportano all opposto dei filtri di smoothing e il loro scopo è evidenziare i dettagli sfocati nell immagine. Questa operazione equivale alla derivazione. Se ne usano, di solito, due tipi: del primo ordine: generano contorni più evidenziati; del secondo ordine: evidenziano forti dettagli e punti isolati. Per image enhancement, quelli più utilizzati sono quelli di secondo ordine. Servono filtri formulabili nel discreto e isotropici, cioè la cui risposta è indipendente dalla direzione delle discontinuità. Il più semplice e diffuso è il filtro Laplaciano che nel discreto può essere ottenuto con un filtro spaziale con le seguenti maschere: o anche
11 Uso del Laplaciano per image enhancement Così com è il Laplaciano evidenzia le discontinuità dei livelli di grigio. Per migliorare l immagine, basta sommare l immagine originale con il Laplaciano (se si usa la versione con w(0,0) positivo) o sottrarre (se si usa l altra versione). Siccome il Laplaciano è lineare, si possono anche unire le due operazioni in un unica maschera per filtro spaziale:
12 Filtro del primo ordine Gradiente I filtri del primo ordine utilizzano le derivate del primo ordine ed estraggono quindi il gradiente: f( xy, ) f( xy, ) gxy (, ) = x y gx( xyx, ) gy( xyy, ) x + y = + gx( xy, ) Gxy (, ) = g(, ) 2 (, ) 2 x xy + gy xy ϕ ( xy, ) = arctg gy( xy, ) Questo calcolo è di base per l individuazione dei contorni (edge). Ne esistono varie varianti: Roberts Prewitt Frei-Chen Sobel
13 Combinazione di miglioramenti spaziali I vari miglioramenti possono essere tra loro combinati. (a) originale (b) Laplaciano (c) ris di (a) (b) (d) Sobel orizz. (e) Sobel vert. (f) Sobel (g) Media 5x5 su (f) (h) ris di (c)*(g) (i) ris di (a)+(h) (l) power-law (3) su (i)
14 FILTRO GAUSSIANO Filtro gaussiano E il filtro piu efficace per rimuovere il rumore gaussiano con una maschera circolare costruita con una funzione gaussiana bidimensionale di valor medio nullo e deviazione standard σ. Esempio gaussiana monodimensionale in due dimensioni: Gaussiana 13 x 13 in figura Gxy (, ) = GxGy ( ) ( ) = e 1 2 σ 2π ( x + y )/2σ
15 FILTRO GAUSSIANO Discretizzando il filtro: l approssimazione migliora con l aumento della dimensione k del kernel ma diventa computazionalmente più pesante; k dipende anche dalla dimensione del sigma che tanto più è stretto, tanto più k può essere limitata. Esempio: maschera k x k, k circa 5 σ ( copre il 98.7%) Con σ=1 k=5: h = DATA LA SUA COMPLESSITA COMPUTAZIONALE NON ERA MOLTO APPLICATO IN PASSATO
16 ESEMPI L aspetto piu interessante e che e un filtro lineare e ha la proprieta di separabilita : una convoluzione 2D puo essere ottenuta con una sequenza di due convoluzioni 1D lungo x ed y Esempi: Immagine originale filtri con σ=1, σ=2, σ=5
17 FILTRO GAUSSIANO Rimuove il rumore e la texture di piccola scala che contengono variazioni di livelli di grigio ad alta frequenza spaziale Esempio: immagine di test con variazioni di luminosita alta e bassa frequenza spaziale dopo un filtraggio gaussiano (con sigma=4) mentre con un filtro di media 7 x 7
Operatori 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
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
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
DettagliOperatori locali. Operatori locali. Q=f(P,w)
Operatori locali Operatori locali P(i,j) Gli operatori locali associano ad ogni piel ( i,j) della immagine di output Q un valore calcolato in un intorno o finestra w centrata nel piel P(i,j) Q=f(P,w) Operatori
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
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
DettagliSharpening mediante filtraggio spaziale
Sharpening mediante filtraggio spaziale Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Sharpening Il termine sharpening
DettagliEstrazione dei bordi
Estrazione dei bordi L algoritmo di Marr-Hildreth L algoritmo di Canny Operatori per l estrazione dei bordi (edge operators) Lo scopo di questi operatori è quello di generare un immagine dei bordi (edge
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 =
DettagliELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliOperatori locali. Analisi di basso livello
Operatori locali Analisi di basso livello Si applica ad una immagine per produrre una immagine utile all applicazione inale Obiettivo è il miglioramento della immagine e riduzione del rumore introdotto
DettagliIntroduzione a Matlab
Introduzione a Matlab Operazioni di Base & Edge Detection Fondamenti di Visione Artificiale a.a. 25/26 2/5/6 Estrazione dei Contorni Lezione V: indice Filtri e Kernel Line Detection Edge Detection Edge
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
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,
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
DettagliElaborazione delle immagini a basso livello
Sommario Introduzione Percezione Formazione delle immagini Estrazione di informazione 3D da un immagine Riconoscimento di oggetti Manipolazione e navigazione Conclusioni 128 La luce riflessa dagli oggetti
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
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
DettagliTecniche di restauro delle immagini digitali
Tecniche di restauro delle immagini digitali Le principali fonti di rumore Le principali sorgenti di rumore nelle immagini digitali si presentano durante il processo di acquisizione e di trasmissione.
DettagliCorso di Percezione Robotica (PRo) C. Modulo di Percezione Attiva
Corso di Percezione Robotica (PRo) C. Modulo di Percezione Attiva Cecilia Laschi ARTS Lab, Scuola Superiore Sant Anna cecilia.laschi@sssup.it 050-883486 Visione robotica Sommario della lezione (1/2) Immagini
DettagliSEGMENTAZIONE DI IMMAGINI. Elaborazione dei Segnali Multimediali Raffaele Gaetano 06 Maggio 2014
SEGMENTAZIONE DI IMMAGINI Elaborazione dei Segnali Multimediali Raffaele Gaetano 06 Maggio 2014 DEFINIZIONE La segmentazione è un processo di basso livello utile a molte applicazioni basate sull elaborazione
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
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
DettagliUn modello computazionale per la detezione dei bordi
Modelli e Principi della Percezione Data: AA 2010-11 Un modello computazionale per la detezione dei bordi Docente: Prof. Giuseppe Boccignone Scriba: 1 Il problema Il problema della modellazione di un processo
DettagliCorso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.
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
DettagliIntroduzione all elaborazione di immagini Part II
Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)
DettagliImmagini digitali. Annalisa Franco
Immagini digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Formazione dell immagine Immagine tratta dal testo Digital Image Processing (Gonzalez, Woods). Immagini Un immagine
DettagliCorso di Multimedia A.A 2013/2014
Corso di Multimedia A.A 2013/2014 Un immagine è rappresentata da una funzione bidimensionale f(x,y). Il piano XY in cui stanno le coordinate dell immagine è detto DOMINIO SPAZIALE e le variabili x,y sono
DettagliEsercitazione 4: Filters
Laboratorio di Immagini Esercitazione 4: Filters Mauro Zucchelli 07/04/2016 AVVISO Settimana prossima lezione sospesa! Riprendiamo dall ultima volta Abbiamo visto cosa rappresenta la trasformata di Fourier
DettagliEdge e Segmentazione
Edge e Segmentazione Stefano Ferrari Università degli Studi di Milano stefanoferrari@unimiit Tecniche di calcolo e sistemi operativi e informatica anno accademico 2017 2018 Segmentazione di immagini Molte
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
DettagliCorso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
DettagliImage segmentation. Elaborazione intermedia
Image segmentation Edge detection Elaborazione intermedia elaborazione intermedia si occupa di ottenere una descrizione signiicativa della scena mediante la segmentazione suddivisione della immagine in
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
DettagliLinguaggi ed Applicazioni mul1mediali
Università degli Studi di Urbino "Carlo Bo" Linguaggi ed Applicazioni mul1mediali 02.03- Tecniche Tecniche Maurizio Maffi ISTI Informa1on Science and Technology Ins1tute TIFF: Tag Image File Format Formato
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
DettagliCos è una wavelet? Applicazioni della trasformata wavelet. Analisi multirisoluzione
Cos è una wavelet? Applicazioni della trasformata wavelet Analisi multirisoluzione Tre tecniche: Piramidi di immagine Trasformata di Haar Codifica per sottobande Il numero totale di pixel nel caso di una
DettagliElaborazione statistica di dati
Elaborazione statistica di dati 1 CONCETTI DI BASE DI STATISTICA ELEMENTARE 2 Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Per la presenza di errori casuali,
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)
DettagliLEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano. Strumenti statistici in Excell
LEZIONI IN LABORATORIO Corso di MARKETING L. Baldi Università degli Studi di Milano Strumenti statistici in Excell Pacchetto Analisi di dati Strumenti di analisi: Analisi varianza: ad un fattore Analisi
DettagliEsercitazione su filtro di Sobel per l elaborazione delle immagini
Ver. 1. Esercitazione su filtro di Sobel per l elaborazione delle immagini Il filtro di Sobel opera sulle immagini come un gradiente lungo una direzione. In particolare detta f ( x, y) l intensità dell
DettagliFiltri e convoluzioni
Filtri e convoluzioni La terza e ultima famiglia di operazioni per l'elaborazione delle immagini è quella dei filtri e delle convoluzioni Le elaborazioni di questa famiglia modificano il valore (colore,
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
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
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
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
DettagliElaborazione nel dominio delle frequenze. Elaborazione delle immagini digitali 1
Elaborazione nel dominio delle frequenze Elaborazione delle immagini digitali 1 Serie di Fourier Elaborazione delle immagini digitali 2 Introduzione alla trasformata di Fourier Una funzione periodica può
DettagliProgetto di Computer Vision: Plugin per imagej: Harry Corners Detection. Corso di laurea specialistica in Informatica.
Messina Mariagrazia Progetto di Computer Vision: Plugin per imagej: Harry Corners Detection Corso di laurea specialistica in Informatica. A.A. 2006-2007 Introduzione Il progetto realizzato consiste nell
DettagliFiltri e convoluzioni
Filtri e convoluzioni La terza e ultima famiglia di operazioni per l'elaborazione delle immagini è quella dei filtri e delle convoluzioni Le elaborazioni di questa famiglia modificano il valore (colore,
DettagliIl contrasto. La percezione del contrasto. Contrasto e filling-in. Il contrasto simultaneo. Le distribuzioni di luminanza (ii)
20 Aprile 2006 Corso di Laurea in Informatica Multimediale Facoltà di Scienze MMFFNN Università di Verona Il contrasto La percezione del contrasto Chiara Della Libera DSNV Università di Verona Sezione
DettagliElaborazione statistica di dati
Elaborazione statistica di dati CONCETTI DI BASE DI STATISTICA ELEMENTARE Taratura strumenti di misura IPOTESI: grandezza da misurare identica da misura a misura Collaudo sistemi di produzione IPOTESI:
DettagliVideo Parte 4a. Stabilizzazione. Multimedia
Video Parte 4a Stabilizzazione Stabilizzazione Un sistema di stabilizzazione dell immagine ha come scopo quello di rimuovere i movimenti da una sequenza di immagini Padding: movimenti intenzionali Jitter:
DettagliOperazioni locali: Edging
Capitolo 1 Operazioni locali: Edging Nei primi stadi della visione (early stages of vision) alcune caratteristiche intrinseche, rilevanti per identificare gli oggetti della scena sono estratte dall immagine.
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
DettagliOperazioni morfologiche
Elaborazione di Segnali Multimediali a.a. 2013/2014 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso può
DettagliComputazione per l interazione naturale: fondamenti probabilistici (1)
Computazione per l interazione naturale: fondamenti probabilistici (1) Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliOperazioni sulle immagini. Multimedia
Operazioni sulle immagini Semplificazione: toni di grigio Per semplificare la trattazione del problema lavoreremo solo su immagini a toni di grigio. Le medesime operazioni descritte per tali immagini si
DettagliTipi di variabili. Indici di tendenza centrale e di dispersione
Tipi di variabili. Indici di tendenza centrale e di dispersione L. Boni Variabile casuale In teoria della probabilità, una variabile casuale (o variabile aleatoria o variabile stocastica o random variable)
Dettagliper togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione
Rapporti statistici di composizione la parte rispetto al tutto percentuali di derivazione per togliere l influenza di un fattore es.: quoziente di mortalità = morti / popolazione di frequenza (tassi) rapporti
DettagliComputazione per l interazione naturale: processi gaussiani
Computazione per l interazione naturale: processi gaussiani Corso di Interazione uomo-macchina II Prof. Giuseppe Boccignone Dipartimento di Scienze dell Informazione Università di Milano boccignone@dsi.unimi.it
DettagliCapitolo 3: Ottimizzazione non vincolata parte II. E. Amaldi DEI, Politecnico di Milano
Capitolo 3: Ottimizzazione non vincolata parte II E. Amaldi DEI, Politecnico di Milano 3.3 Metodi basati su direzioni di ricerca Problema di ottimizzazione non vincolata: min x R n f(x) con f : R n R di
DettagliRassegna, implementazione e confronto di diversi metodi di filtraggio per le Bio-Immagini
Alma Mater Studiorum - Università di Bologna Campus di Cesena Scuola di Ingegneria e Architettura Corso di Laurea in Ingegneria Biomedica Rassegna, implementazione e confronto di diversi metodi di filtraggio
DettagliCorso di Elaborazione di Segnali Multimediali Elaborazione Morfologica delle Immagini
Corso di Elaborazione di Segnali Multimediali Elaborazione Morfologica delle Immagini Raffaele Gaetano 3 Giugno 2014 L analisi di immagini Tra le discipline informatiche, l analisi di immagini ha come
DettagliOsservazioni e Misura. Teoria degli errori
Osservazioni e Misura ella misura di una grandezza fisica gli errori sono inevitabili. Una misura non ha significato se non viene stimato l errore. Teoria degli errori La teoria degli errori cerca di trovare
DettagliEsercizi svolti. delle matrici
Esercizi svolti. astratti. Si dica se l insieme delle coppie reali (x, y) soddisfacenti alla relazione x + y è un sottospazio vettoriale di R La risposta è sì, perchè l unica coppia reale che soddisfa
DettagliELABORAZIONE E CODIFICA DI IMMAGINI BITONALI
Università degli Studi di Trieste Corso di Elaborazione Elettronica di Immagini II ELABORAZIONE E CODIFICA DI IMMAGINI BITONALI Sommario Parte 1 1 2 3 Parte 2 4 Codifica CCITT Fax 5 Codifica JBIG2 Proprietà
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
DettagliLezione 3: Elaborazione delle immagini (2)
Lezione 3: Elaborazione delle immagini (2) Informatica e Produzione Multimediale Docente: Umberto Castellani Filtraggio di immagini Filtrare un immagine significa eseguire alcune operazioni in modo da
DettagliProbabilità e Statistica
Diario delle lezioni e del tutorato di Probabilità e Statistica a.a. 2014/2015 www.mat.uniroma2.it/~caramell/did 1415/ps.htm 02/03/2015 - Lezioni 1, 2 Breve introduzione al corso. Fenomeni deterministici
DettagliElaborazione dei Segnali Multimediali a.a. 2009/2010. Segmentazione
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Segmentazione In questa esercitazione vengono implementate alcune delle tecniche base per la segmentazione di immagini. In particolare, si focalizzerà
DettagliStruttura topologica di una immagine
Struttura topologica di una immagine Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Una immagine f (x, y) è composta da
DettagliElaborazione di Segnali Multimediali a.a. 2017/2018. Segmentazione
Elaborazione di Segnali Multimediali a.a. 2017/2018 Segmentazione In questa esercitazione vengono implementate alcune delle tecniche base per la segmentazione di immagini. In particolare, si focalizzerà
DettagliIntroduzione al Metodo agli Elementi Finiti (FEM) (x, y) Γ Tale formulazione viene detta Formulazione forte del problema.
Introduzione al Metodo agli Elementi Finiti (FEM) Consideriamo come problema test l equazione di Poisson 2 u x 2 + 2 u = f(x, y) u = f y2 definita su un dominio Ω R 2 avente come frontiera la curva Γ,
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,
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 =
DettagliSegmentazione di immagini. Multimedia
Segmentazione di immagini Introduzione La segmentazione è un processo di partizionamento di un immagine in regioni disgiunte e omogenee. Introduzione (def. formale) (1) Sia R l intera regione spaziale
DettagliKernel Methods. Corso di Intelligenza Artificiale, a.a Prof. Francesco Trovò
Kernel Methods Corso di Intelligenza Artificiale, a.a. 2017-2018 Prof. Francesco Trovò 14/05/2018 Kernel Methods Definizione di Kernel Costruzione di Kernel Support Vector Machines Problema primale e duale
Dettagli4 Funzioni continue. Geometria I 27. Cfr: Sernesi vol II, cap I, 4 [1].
Geometria I 27 4 Funzioni continue Cfr: Sernesi vol II, cap I, 4 [1]. Le funzioni continue tra spazi topologici si dicono anche mappe. Si può dimostrare, esattamente come in (2.10) e in (1.10), che vale
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
Dettagli(5 sin x + 4 cos x)dx [9]
FACOLTÀ DI SCIENZE MM. FF. NN. CORSO DI LAUREA IN SCIENZE NATURALI II Modulo di Matematica con elementi di statistica. Esercitazioni A.A. 009.00. Tutor: Mauro Soro, p.soro@tin.it Integrali definiti Risolvere
DettagliLe derivate parziali
Sia f(x, y) una funzione definita in un insieme aperto A R 2 e sia P 0 = x 0, y 0 un punto di A. Essendo A un aperto, esiste un intorno I(P 0, δ) A. Preso un punto P(x, y) I(P 0, δ), P P 0, possiamo definire
DettagliCircuiti Elettrici Lineari Risposta in frequenza
Facoltà di Ingegneria Università degli studi di Pavia Corso di aurea Triennale in Ingegneria Elettronica e Informatica Circuiti Elettrici ineari isposta in frequenza Circuiti Elettrici ineari a.a. 89 Prof.
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.
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 dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui
Teoria dei Segnali Discrete Fourier Transform (DFT) e Fast Fourier Transform (FFT); filtri tempo-continui Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it
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
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
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?
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
DettagliESERCIZIO SVOLTO N 1 ESERCIZIO SVOLTO N 2. Determinare e rappresentare graficamente il dominio della funzione
ESERCIZIO SVOLTO N 1 Determinare e rappresentare graficamente il dominio della funzione f(x, y) = y 2 x 2 Trovare gli eventuali punti stazionari e gli estremi di f Il dominio della funzione è dato da dom
DettagliProf. Carlo Rossi DEIS - Università di Bologna Tel:
Prof. Carlo Rossi DEIS - Università di Bologna Tel: 051 2093024 email: carlo.rossi@unibo.it Introduzione Il teorema di Shannon, o del campionamento, stabilisce la connessione esistente tra i segnali fisici
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
DettagliElenco dei simboli 9. Prefazione 10
Indice Elenco dei simboli 9 Prefazione 10 1 Analisi nel dominio del tempo 11 1.1 Segnali tempo discreto... 11 1.1.1 Segnali notevoli tempo discreto... 13 1.1.2 Alcuni criteri di classificazione di segnali
Dettagli