Elaborazione delle immagini
|
|
- Donata Gallo
- 5 anni fa
- Visualizzazioni
Transcript
1 Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5
2 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L = B e kv con B = /e e k =
3 Filtri Rappresentazione schematica dell azione di filtri su un immagine nell ipotesi di avere assorbimenti omogenei da parte del singolo oggetto centrale applicando una funzione matematica che agisca su ciascuna proiezione si ottiene l immagine filtrata
4 Image smoothing Molte immagini sono rumorose L ampiezza del rumore può essere ridotta mediando sui pixel adiacenti i j + i j i j i j + i j i j i + j + i + j i + j e si applica sia a casi bidimensionali che a casi tridimensionali agendo sui voxel
5 Filtri Prendiamo filtro equalizzato di dimensioni x Il valor medio di ogni pixel risulta essere /9: /9 /9 /9 /9 /9 /9 /9 /9 /9 Applichiamolo ad una matrice 6 x 6 in modo da filtrare una semplice immagine
6 Filtraggio /9 /9 /9 /9 /9 /9 /9 /9 /9 filtro /9 /9 /9 /9 /9 /9 /9 /9 /9 immagine originale applicazione filtro
7 Risultato g ij = m= -, k= -, W km f i+k, j+m ove W km è il peso di ogni singolo valore g = /9 ( ) = iterando
8 Iterazione Poiché il metodo è iterativo assume importanza se si calcola l algoritmo sull immagine iniziale o sull immagine via via modificata e, in questo caso, da dove si parte predominanza valori bassi predominanza valori alti E i bordi? prevalenza? interpolazione?
9 Rumore Supponiamo che l immagine f sia rumorosa con ogni pixel (varianza σ f) indipendente dai pixel vicini σ g = m= -, k= -, W km σ f Per il filtro applicato: σ g = σ f / 9 L applicazione del filtro porta ad una diminuzione del rumore dell immagine primitiva
10 Filtro 4 Un filtro molto utilizzato è /6 /6 /6 σ g = 9 σ f / 64 /6 4/6 /6 Esempio /6 /6 /
11 Comparazione filtro costante filtro Tanto più un filtro riduce rumore tanto più l immagine risulta sfuocata ai margini
12 Comparazione immagini immagine iniziale filtro 4
13 Filtro non lineare mediana = mediana = In questo caso l immagine filtrata rimane immutata
14 Filtri a cascata Tra i filtri non lineari il più conosciuto utilizza la mediana al posto della media I filtri possono essere utilizzati in cascata Se i filtri sono lineari (a + b) c = a c + b c ove è il simbolo della convoluzione Se i filtri non sono lineari il risultato finale del filtraggio dipende dalla sequenza di applicazione
15 Convoluzione L elaborazione, il filtraggio e la ricostruzione di immagini è un problema di convoluzione (a + b) c = a c + b c La soluzione è ben definita e conosciuta ma richiede una matematica complessa Una delle trasformazioni di base è la trasformata di Fourier F(u,v,w) = f(x,y,z) e -πi(ux+vy+wz) dx dy dz
16 Analisi di Fourier L equazione di convoluzione espressa in termini delle trasformate di Fourier dell oggetto F(u,v) = G(u,v) / H(u,v) F(u,v) è la trasformata di Fourier dell oggetto G(u,v) trasformata di Fourier dell immagine H(u,v) trasformata di Fourier del singolo punto La degradazione della risoluzione causata dagli apparati può essere modificata processando l immagine dopo che questa è stata formata ricostruzione dell immagine!
17 Difficoltà - H(u,v) può essere negativo per alcuni valori allora G(u,v) = H(u,v) F(u,v) può essere zero e così F(u,v) è indeterminato - ma il rumore? La trasformata di Fourier di un immagine reale G R (u,v) = G(u,v) + R(u,v) il rumore R(u,v) ha ampiezza casuale (frequenza) ed ha la stessa ampiezza per tutti gli u e v G R (u,v) / H(u,v) = G(u,v) / H(u,v) + R(u,v) / H(u,v) F R (u,v) = F(u,v) + R(u,v) = costante H(u,v) aumenta in ampiezza
18 Miglioramento dell immagine L occhio umano ed il cervello analizzano gli oggetti in termini di contorni tra gli oggetti in una scena (rimarcando il cambio di luminosità) La retina reagisce a gradienti di luminosità (ovvero al Laplaciano) f f f + + x y z o a insiemi di Laplaciane di smoothness differenti e(x,y) = f(x,y) A f(x,y) s(x,y) e(x,y) è l immagine migliorata (enhanched) A è un fattore si scala < s(x,y) è la funzione di livellamento (smoothing)
19 Immagine migliorata e(x,y) = f(x,y) A f(x,y) s(x,y) s(x,y) è un filtro 4 A =.95 Qualsiasi sia la f(x,y) con A = : e(x,y) tende ad essere una funzione gaussiana con media di intensità pari a zero
20 Analisi dell immagine Estrazione di informazioni numeriche o almeno oggettive del contenuto di un immagine Identificazione di oggetti all interno del corpo - elementi con le stesse caratteristiche - elementi con intensità diversa da un k fissato - bordi o separazioni tra elementi diversi Metodo manuale i contorni degli elementi di interesse e degli elementi a rischio sono indicati mediante curve chiuse colorate
21 Segmentazione in intensità Se fissiamo un livello (threshold) T e se P i è l intensità dell elemento considerato P i > T P i T è l oggetto non è l oggetto rumore di fondo C A B Numero di pixel A B C taglio intensità
22 Rilevamento dei bordi In questo caso si usa il gradiente di luminosità g (x,y,z) = g g g + + x y z immagine g(x,y) gradiente g (x,y) bordo e(x,y) dell immagine elaborata
23 Immagini spezzate A causa di non uniformità dei bordi l immagine può presentarsi spezzata così Interpolazione: considerare le coordinate di ciascun punto come un numero complesso z(θ) = x(θ) + i y(θ) Utilizzo della trasformata di Fourier sui bordi Z(u) = z(θ) e -πiuθ dθ z(θ) = Z(u) e πiuθ du determinati i bordi è facile stabilire le separazioni! θ
24 Ricostruzione Determinazione delle separazioni ottenuta fissando un livello di separazione (threshold)! immagine non elaborata threshold minimo threshold selezionato
25 Accrescimento delle regioni Scelto un pixel sono esaminati i pixel vicini Se il pixel è simile ai vicini (clusterizzazione) viene aggregato, in caso contrario il pixel è eliminato Uso qualsiasi test di similitudine, usando media, mediana e varianza Necessario un pixel iniziale e poi il processo continua per induzione Differenti criteri di clusterizzazione possono determinare diverse scelte di aggregazione
26 Effetto del volume parziale Anche se si definisce esattamente il contorno di una regione a causa dello sfuocamento immagine La stima dell intensità totale all interno dell oggetto può non essere corretta A f(x) L immagine g(x) è un approssimazione di come è stata ricostruita l immagine vera f(x) B A La perdita di informazione può solo essere stimata B g( xdx ) < f ( xdx ) B A g(x)
Elaborazione 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
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?
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
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
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
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)
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
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
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
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 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,
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
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
DettagliMetodi per la ricostruzione della posizione d impatto per immagini planari provenienti da una gamma camera
Metodi per la ricostruzione della posizione d impatto per immagini planari provenienti da una gamma camera 7 ottobre 9 La stima della posizione di interazione dei fotoni su una gamma camera per medicina
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
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
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
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
DettagliCampionamento e quantizzazione
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2008-09 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
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
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
DettagliProcessamento di immagini
Processamento di immagini Applicazioni Immagini biomediche Modifica di immagini Confronto e registrazione... Formazione Ogge=o in - > Immagine out Processamento Immagine in - > Immagine out Analisi Immagine
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
DettagliEsercitazione ENS su processi casuali (13 e 14 Maggio 2008)
Esercitazione ES su processi casuali ( e 4 Maggio 2008) D. Donno Esercizio : Calcolo di autovalori e autovettori Si consideri un processo x n somma di un segnale e un disturbo: x n = Ae π 2 n + w n, n
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
DettagliConversione analogico-digitale
Corso di Laurea a Distanza in Ingegneria Elettrica Corso di Comunicazioni Elettriche Campionamento e quantizzazione A.A. 2004-05 Alberto Perotti DELEN-DAUIN Conversione analogico-digitale L elaborazione
DettagliUniversità degli Studi di Catania. DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di Laurea Specialistica in Informatica.
Università degli Studi di Catania FACOLTÀ DI SCIENZE MATEMATICHE FISICHE E NATURALI Corso di Laurea Specialistica in Informatica Computer Vision Segmentazione di Immagini: tecniche di soglia e region growing
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
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
DettagliPrima prova in itinere di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2016/2017. Prof. M. Bramanti.
Prima prova in itinere di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 016/017. Prof. M. Bramanti 1 Tema n 1 4 5 6 Tot. Cognome e nome in stampatello) codice persona
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
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
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,
DettagliMarco Donatelli. 14 Febbraio 2004
Proprietà regolarizzanti dei metodi Multigrid Marco Donatelli Dipartimento di Fisica e Matematica Università dell Insubria www.mat.unimi.it/user/donatel 14 Febbraio 2004 Outline 1 Ricostruzione di immagini
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
DettagliFacoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica
Facoltà di Ingegneria Calcolo delle Probabilità e Statistica Ingegneria Civile e A&T e Informatica Prima prova scritta A.A. 8-9 Durata della prova h Punteggi: ) + + ; ) + + + ; ) +. Totale. Esercizio Sia
DettagliGeometria 3 primo semestre a.a
Geometria 3 primo semestre a.a. 2014-2015 Esercizi Forme differenziali Ricordiamo alcune definizioni date a lezione. s-forma definite da Siano ω una k-forma e φ una ω = I a I dx I, φ = J b J dx J Definizione
DettagliRM Formazione dell immagine
RM Formazione dell immagine Marco Serafini m.serafini@ausl.mo.it FUNZIONE, VARIABILE e DOMINIO Funzione: y = f(x) y = variabile dipendente x = variabile indipendente Esempio: Rappresentazione grafica:
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
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
DettagliDIARIO DELLE LEZIONI DEL CORSO DI FISICA MATEMATICA CORSO DI LAUREA MAGISTRALE IN INGEGNERIA MECCANICA
DIARIO DELLE LEZIONI DEL CORSO DI FISICA MATEMATICA CORSO DI LAUREA MAGISTRALE IN INGEGNERIA MECCANICA DANIELE ANDREUCCI DIP. SCIENZE DI BASE E APPLICATE PER L INGEGNERIA UNIVERSITÀ LA SAPIENZA VIA A.SCARPA
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,
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
DettagliTeoria dei Segnali Trasmissione binaria casuale; somma di processi stocastici
eoria dei Segnali rasmissione binaria casuale; somma di processi stocastici Valentino Liberali Dipartimento di Fisica Università degli Studi di Milano valentino.liberali@unimi.it eoria dei Segnali rasmissione
DettagliCorso di Matematica Applicata A.A
Corso di Matematica Applicata A.A. 2012-2013 Lotterie (II parte) Prof.ssa Bice Cavallo Criterio media- varianza Una misura di rischio insito in una lotteria non viene evidenziato dal solo criterio basato
DettagliRecupero 1 compitino di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2016/2017. Prof. M. Bramanti.
Recupero 1 compitino di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 16/17. Prof. M. Bramanti 1 Tema n 1 3 4 6 Tot. Cognome e nome in stampatello codice persona o n di
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
DettagliUNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014. I Esonero - 29 Ottobre Tot.
UNIVERSITÀ DEGLI STUDI ROMA TRE Corso di Laurea in Matematica ST410 - Statistica 1 - A.A. 2013/2014 I Esonero - 29 Ottobre 2013 1 2 3 4 5 6 7 8 Tot. Avvertenza: Svolgere ogni esercizio nello spazio assegnato,
DettagliRipasso segnali e processi casuali. Trasmissione dell Informazione
Ripasso segnali e processi casuali 1 Breve ripasso di segnali e trasformate Dato un segnale s(t), la sua densità spettrale si calcola come dove S(f) è la trasformata di Fourier. L energia di un segnale
DettagliLa formula di Taylor per funzioni di più variabili
La formula di Taylor per funzioni di più variabili Il polinomio di Taylor Due variabili. Sia A R 2 un aperto, f : A R una funzione sufficientemente regolare, (x, y) un punto di A. Sia (h, k) un vettore
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
DettagliAnalisi Matematica II Politecnico di Milano Ingegneria Industriale
Analisi Matematica II Politecnico di Milano Ingegneria Industriale Autovalutazione #5. Sia f : R R la funzione definita da f(x, y) x + x + y + x + y (x, y) R. (a) Determinare il segno di f. (b) Calcolare
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
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
DettagliTrasformata di Fourier e applicazioni
Trasformata di Fourier e applicazioni Docente:Alessandra Cutrì Trasformata di Fourier della funzione gaussiana Esempio: Calcoliamo la trasformata di Fourier di f (x) = e x 2 x n f (x) L 1 (R) per ogni
DettagliSoluzione della Prova Scritta di Analisi Matematica 4-25/06/13. C.L. in Matematica e Matematica per le Applicazioni. Proff. K. R. Payne e E.
Soluzione della Prova Scritta di Analisi Matematica 4-5/6/ C.L. in Matematica e Matematica per le Applicazioni Proff. K. R. Payne e E. Terraneo Esercizio. a. Le funzioni f n (x) sono continue e quindi
DettagliCalcolo Numerico. Corso di Laurea in Ingegneria Elettronica Appello del 17 gennaio A(x) =
Calcolo Numerico Corso di Laurea in Ingegneria Elettronica Appello del 7 gennaio 204 Sia M = F (2, 3). Dopo aver mostrato che 20 M, determinare tutti gli elementi ξ M tali che: ξ > 20 Per ogni x R, sia:
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
DettagliIndice. Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini
Indice Cap. 1 Introduzione al problema dell acquisizione e dell analisi dei dati: definizione dei termini 1.1 Introduzione pag. 1 1.2 Il processo di misura e il livello dei modelli 9 1.3 Segnali deterministici
DettagliRichiami di analisi vettoriale. Gradiente, divergenza, rotore Teoremi della divergenza e di Stokes Relazioni campi-sorgenti
Richiami di analisi vettoriale Gradiente, divergenza, rotore Teoremi della divergenza e di Stokes Relazioni campi-sorgenti Derivate parziali - Gradiente = ( f) dx i i Esercizio Esempi Esempio C 1 b (1,1)
DettagliPrima prova in itinere di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2017/2018. Prof. M. Bramanti.
Prima prova in itinere di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 07/08. Prof. M. Bramanti Tema n 4 5 6 Tot. Cognome e nome (in stampatello) codice persona (o n
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
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
DettagliEsame di Analisi Matematica 2 18/9/2013 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 2012/2013
Esame di Analisi Matematica 18/9/13 Corsi di Laurea in Ingegneria Meccanica e Energetica A.A. 1/13 A Esercizio 1. Sia C la regione aperta di R compresa tra le circonferenze di centro l origine e raggi
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
DettagliIL PROBLEMA DEI DATI SPARSI IN ELABORAZIONE DI IMMAGINI
Giornate di Algebra Lineare Numerica IL PROBLEMA DEI DATI SPARSI IN ELABORAZIONE DI IMMAGINI Ivan Gerace 27 Febbraio 2007 Dipartimento di Matematica e Informatica Università degli Studi di Perugia I. Gerace
DettagliDisparity Inverse Perspective Image
Disparity Inverse Perspective Image Paolo Medici Dipartimento di Ingegneria dell Informazione di Parma 19 maggio 2008 1 Il problema Dati due punti in 3 dimensioni definiti come à = (,, 0)T e B = (,, Z)
DettagliCampionamento. Campionamento: problema
Posizione del problema uniforme Ricostruzione Teorema del campionamento Significato della formula di ricostruzione Sistema di conversione A/D sample & hold quantizzazione Sistema di conversione D/A : problema
Dettagli26 - Funzioni di più Variabili Limiti e Derivate
Università degli Studi di Palermo Facoltà di Economia CdS Statistica per l Analisi dei Dati Appunti del corso di Matematica 26 - Funzioni di più Variabili Limiti e Derivate Anno Accademico 2013/2014 M.
DettagliEsempi di domande tipo per l esame di Metodi Matematici per l Ingegneria A.A. 2014/2015 (seconda parte)
Esempi di domande tipo per l esame di Metodi Matematici per l Ingegneria A.A. 2014/2015 (seconda parte) June 1, 2015 1 Domande aperte 1.1 Equazione della corda vibrante e delle onde in dimensione superiore
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
DettagliRisonanza magnetica: Codifica spaziale del segnale.
Risonanza magnetica: Codifica spaziale del segnale Introduzione La tomografia a Risonanza magnetica si basa sulla rappresentazione in immagini digitali di alcune caratteristiche fisico-chimiche di tessuti
Dettagli0 Richiami di algebra lineare e geometria analitica Distanza, coordinate e vettori Sistemi lineari e matrici...
Indice 0 Richiami di algebra lineare e geometria analitica........... 9 0.1 Distanza, coordinate e vettori............................. 9 0.2 Sistemi lineari e matrici..................................
DettagliEsercizi. 1) Sia f : R 2! R, f(x, y) =(x ) 2 +(y ) 3.(0< <4)
Esercizi 1) Sia f : R! R, f(x, y) (x ) +(y ) 3.(<
DettagliOperatori di aggregazione per metodi multigrid
Operatori di aggregazione per metodi multigrid Marco Donatelli Dipartimento di Fisica e Matematica Università dell Insubria - Como Collaboratori: M. Bolten, T. Huckle Congresso UMI 2011 Bologna 12 16 Settembre,
DettagliRecupero 1 compitino di Analisi Matematica 2 Ingegneria Elettronica. Politecnico di Milano. A.A. 2017/2018. Prof. M. Bramanti.
Recupero compitino di Analisi Matematica Ingegneria Elettronica. Politecnico di Milano Es. Punti A.A. 7/8. Prof. M. Bramanti Tema n 3 4 5 6 Tot. Cognome e nome in stampatello codice persona o n di matricola
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
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
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
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
DettagliCOMPLEMENTI DI ANALISI MATEMATICA A.A Primo appello del 5/5/2010
COMPLEMENTI DI ANALISI MATEMATICA A.A. 29- Primo appello del 5/5/2 Qui trovate le tracce delle soluzioni degli esercizi del compito. Ho tralasciato i calcoli da Analisi (che comunque sono parte della risoluzione),
Dettagli( ) ( ) = ( )* ( ) Z f X f Y f. sin 2 f. 0 altrove. Esempio di Modulazione
Esempio di Modulazione z ( t) = x( t) y ( t) dove x( t ) e y () t ammetto trasformata di Fourier X ( f ) e Y ( f ) Per z ( t ) si ha (convoluzione degli spettri): Ad esempio se: ( ) = sin( 2π f t) x t
DettagliEsame di Fisica Matematica 2, a.a (5/6/2012)
Esame di Fisica Matematica 2, a.a. 2-22 (5/6/22) Tempo a disposizione: TRE ORE. Svolgere tutti gli esercizi. Scrivere chiaramente nome, cognome e numero di matricola. Non e consentito l uso di libri, appunti
DettagliElementi di Probabilità e Statistica, A.A
Elementi di Probabilità e Statistica, A.A. 5-6 Prova scritta - gennaio 6 Problema. +++4 punti Un gioco elettronico per bambini sceglie a caso una schermata con n immagini diverse n fissato; serve da parametro
DettagliApprossimazione numerica
Approssimazione numerica Laboratorio di programmazione e calcolo (Chimica e Tecnologie chimiche) Pierluigi Amodio Dipartimento di Matematica Università di Bari Approssimazione numerica p.1/10 Problema
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
DettagliAnalisi Matematica 2: Scritto Generale, Cognome e nome:...matricola:...
Analisi Matematica 2: Scritto Generale, 21.02.2017 Cognome e nome:....................................matricola:......... es.1 es.2 es.3 es.4 es.5 es.6 es.7 somma 5cr. 6 6 6 6 6 - - 30 6/9cr. 5 5 5 5 5
DettagliRegolarizzazione multigrid per la ricostruzione di immagini. Marco Donatelli Stefano Serra Capizzano
Regolarizzazione multigrid per la ricostruzione di immagini Marco Donatelli Stefano Serra Capizzano (marco.donatelli@uninsubria.it) Università dell Insubria, Dip. Fisica e Matematica - Sede di Como Via
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
DettagliElettronica II Segnali periodici; serie di Fourier; trasformata di Fourier p. 2
Elettronica II Segnali periodici; serie di Fourier; trasformata di Fourier Valentino Liberali Dipartimento di Tecnologie dell Informazione Università di Milano, 26013 Crema e-mail: liberali@dti.unimi.it
DettagliAnalisi Matematica 2 - a.a. 2009/2010
Primo appello Esercizio Analisi Matematica 2 - a.a. 29/2 Sia f : R 2 R la funzione definita da f(x,y) = x 2 + y 2 se (x,y) (,), se (x,y) = (,).. Si studino continuità, derivabilità e differenziabilità
DettagliMetodi Numerici con elementi di Programmazione (A.A )
Metodi Numerici con elementi di Programmazione (A.A. 2013-2014) Metodi Numerici Appunti delle lezioni: Sistemi non lineari Docente Vittoria Bruni Email: vittoria.bruni@sbai.uniroma1.it Ufficio: Via A.
DettagliRegola dei trapezi. a, b punti fissi a priori. non fissi a priori (indeterminati) errore di integrazione. a, b
INTEGRAZIONE NUMERICA (Quadratura di Gauss) Regola dei trapezi I ( b a) f ( a) + f ( b) f (x) errore di integrazione f (x) f (a) f (b) a b x a a ' b' b x a, b punti fissi a priori a, b non fissi a priori
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)
DettagliEquazione di Laplace
Equazione di Laplace. La funzione di Green Sia, indicati con x e y due punti di R 3 E(x, y) = x y Consideriamo la rappresentazione integrale di u(x) C 2 (), anche rinunciando all ipotesi che sia armonica
DettagliSoluzione della prova scritta di Analisi Matematica II del 15 Aprile 2009 (Ingegneria Edile e Architettura)
Soluzione della prova scritta di Analisi Matematica II del 5 Aprile 009 Ingegneria Edile e Architettura x. Calcolare J = ds essendo γ la curva ottenuta intersecando γ + y il cilindro di equazione x + y
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
Dettagli