Neuroscience Institute of the Cavalieri Ottolenghi Foundation Regione Gonzole 10, Orbassano (Torino)
|
|
- Sabrina Bianchi
- 4 anni fa
- Visualizzazioni
Transcript
1 Neuroscience Institute of the Cavalieri Ottolenghi Foundation Regione Gonzole 10, Orbassano (Torino) per applicazioni in Life Science 10 Febbraio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva Bareggio (Mi)
2 L analisi quantitativa delle immagini rappresenta l arte di trasformare una sensazione visiva nella sua forma schematica e discreta consentendone la descrizione, la classificazione e l interpretazione matematica e logica univoca delle sue componenti spaziali e temporali.
3 Quando e perché? Quando serve una rappresentazione oggettiva del risultato. Quando dobbiamo condividere i risultati con altri. Quando ci è richiesta una ripetibilità nei risultati ottenuti. Quando Perché risulta più professionale fornire numeri piuttosto che impressioni. Perché ci consente di discutere e difendere i nostri dati. Perché possiamo rivedere e ripetere passo-passo il processo che ci ha portato al risultato. Perché.
4 Un significativo contributo alla diffusione di questa disciplina è stato fornito dalla enorme disponibilità di strumenti digitali in grado di produrre informazioni in grande quantità. Microscopia widefield Microscopia confocale Microscopia spettrale Microscopia confocale 2 fotoni Sistemi HCS Investigazione contemporanea in più dimensioni. Elevata risoluzione spaziale Esplorazione temporale Complessità
5 Il percorso per arrivare alle misure
6 Il percorso ideale Risultati Misura Trattamento dell immagine Raccolta delle immagini Marcatura adeguata delle strutture Preparazione del campione
7 Risulta quindi basilare 1. Fissare gli obiettivi che ci proponiamo 2. Studiare e definire i metodi di preparazione del campione 3. Studiare e definire i metodi ed i processi di acquisizione, trattamento ed analisi da utilizzare (Protocolli di acquisizione ed analisi). 4. Ottimizzare e valutare i risultati Assicurare per quanto possibile l indipendenza dei risultati dalla piattaforma utilizzata.
8 Gli ostacoli sul percorso
9 Errore, precisione ed accuratezza Qualsiasi misurazione quantitativa è influenzata da potenziali errori. Gli errori possono derivare dal campione, dal sistema ottico (microscopio), dal sistema digitale di acquisizione o dall operatore. Gli errori diminuiscono il livello di precisione della misura. L accuratezza della misura influisce sulla affidabilità della singola quantificazione. Campioni biologici che possiedono un livello intrinseco di variabilità Necessità di effettuare una sola misurazione Errori Sistematici Capacità di identificazione e riduzione delle sorgenti di errore delle nostre misurazioni Errori Casuali Errore umano
10 Principali sorgenti di errore Marcatura adeguata delle strutture Preparazione del campione Rumore Background Sistema Ottico e di acquisizione Causa una variazione (fluttuazione) del segnale intorno al suo valore reale. Il segnale deve risultare significativamente più elevato del rumore. Si aggiunge al reale segnale e ne compromette la quantificazione. Deve essere sottratto al valore del segnale. Degrado delle caratteristiche dell immagine originale. Introduzione di aberrazioni ottiche e di fenomeni di diffrazione. Rumore Poisson (campione) Rumore ottico Rumore digitale (detector) Autofluorescenza. Fuori fuoco. Luce estranea PSF (funzione di diffusione luce) Aberrazioni sferiche e cromatiche Disallineamento (Chroma shift) Artefatti SNR Rapporto segnale rumore Errori sistematici Errori casuali
11 Il Rapporto Segnale/Rumore (SNR) Rappresenta il rapporto tra i disturbi presente nell immagine e l effettivo segnale.
12 In un sistema di acquisizione basato su telecamera CCD il Rapporto Segnale / Rumore (SNR) è calcolato come: SNR = PQet / [PQet + Dt + Nr 2 ] 1/2 Dove P rappresenta il flusso di Fotoni (Fotoni/pixel/Secondo), Qe l efficienza quantica del sensore, t il tempo di integrazione (Secondi), D la Dark Noise (Elettroni/pixel/Secondo) e Nr il Read Out Noise. Il segnale proveniente dal Background (Scatter o Riflessione) influisce sulla qualità del valore di SNR e deve di conseguenza essere tenuto in considerazione nel calcolo. SNR = PQet / [(P+B)Qet + Dt + Nr 2 ] 1/2 In un sistema confocale il rapporto Segnale / Rumore (SNR) è calcolato come: Dove N rappresenta il flusso di Fotoni (Fotoni/pixel/Secondo), Q il noise generato dal laser, S il Noise secondario generato dalla moltiplicazione degli elettroni e D la dark current del PMT.
13 Il Rapporto Segnale/Rumore (SNR) Il valore SNR può essere migliorato agendo su : Tecniche di riduzione del rumore Aumentando l intensità di illuminazione del campione Adeguata gestione del range dinamico Effettuando medie sulle immagini Tecniche di Image Restoration Utilizzando tempi di esposizione adeguati (CCD) Utilizzando le funzioni di binning (CCD)
14 Raccolta delle immagini Ripristino delle caratteristiche originali delle immagini. Rimozione del rumore Rilocazione della luce fuori fuoco Correzione degli artefatti Decadimento (Photobleaching,ect) Correzione disomogeneità fondo Instabilità di illuminazione Registrazione Mosaicatura Identificazione delle strutture Segmentazione Distinzione da altre strutture Codifica dei confini e misura Classificazione Pubblicazione Evoluzione e comportamento delle strutture Tracking Cinetica RatioImaging Data Mining Simulazione evento Creazione modello Analisi dei dati
15 La raccolta delle immagini
16 La raccolta delle immagini richiede una serie di accorgimenti quali : Rispetto dei principi di campionatura X, Y, Z Adeguata considerazione della dinamica del segnale (rappresentazione dell evento) Corretta definizione dei parametri operativi (potenza del laser, esposizione della telecamera, impostazione PMT, livello di illuminazione del campione) Qualità della ripresa Corretta (e strutturata) memorizzazione delle immagini Standardizzazione del processo [Protocollo di acquisizione]
17 Come archiviare le immagini. Importante considerare la finalità per la quale si vuole archiviare l immagine. 1. Documentazione Soddisfatta la qualità visiva, le dimensioni del file rappresentano il principale obiettivo. I formati compressi con perdita di informazioni (Jpeg, Jpeg2000, ect) sono ampiamente giustificati. 2. Analisi successiva Necessità di preservare le informazioni originali contenute nell immagine. In questo caso sono da preferire i formati lineari non compressi o con compressioni di tipo lostless (Tiff, Bmp, ect) oppure i formati proprietari degli strumenti. No a formati ibridi (quali il Tiff - Palette)
18 I danni introdotti dai sistemi di compressione ad alta efficienza (Jpeg, Jpeg2000, ect) non sono immediatamente percettibili. Essi si manifestano sotto forma di pixellatura artificiale dell immagine.
19 I singoli pixel subiscono una modifica in termini di contenuto cromatico e/o di intensità/densità. Tale variazione può introdurre un errore di valutazione importante (5% - 10%) direttamente rapportato al coefficiente di compressione utilizzato. TIFF JPEG Differenza assoluta
20 Dinamica del segnale Il range dinamico descrive l escursione relativa della intensità del segnale (fluorescente) in osservazione Espresso come Flusso di Fotoni (fotoni / unità di sup. / Sec.) La dinamica dell immagine digitale è determinata dalle caratteristiche del dispositivo di acquisizione utilizzato. (PMT o CCD) Essa rappresenta il numero di valori discreti che compongono la scala numerica utilizzata per descrivere il segnale analogico nella sua forma digitale (Livelli di Grigio). Continuo Discreto
21 Dinamica del segnale La scala numerica (scala dei grigi) ha dimensioni standardizzate (256 GL, 4096 GL, GL, GL) Per i sensori CCD la scala numerica è determinata dal rapporto tra la capacità di immagazzinamento dei fotoni (FWC) propria delle singole celle ed il contributo dei rumori intrinseci da esso generati. (Read Noise, Termal noise, ect) Consideriamo un CCD con FWC pari a e con un Noise di 12 e. Il relativo RDD risulta : GrayLevels = / 12 = > [12 bit (4.096 GrayLevels)] FWC inversamente proporzionale alle dimensioni della singola cella CCD. L efficienza di conversione definisce il numero di fotoni descritto dal singolo livello di grigio. EC = FWC / GL (- Offset) EC = / 4096 = f
22 Dinamica del segnale Ottimizziamo la dinamica digitale dell immagine durante l acquisizione Segnale sovraesposto Aumentando l intensità di illuminazione del campione 80 %o Bilanciando adeguatamente guadagno PMT e potenza del laser 20 %o Utilizzando tempi di esposizione adeguati (CCD) Segnale sottoesposto Utilizzando le funzioni di binning (CCD) Isolare le zone sovraesposte
23 Campionamento La densità di campionamento stabilisce il numero di unità digitali di base (pixel o voxel) chedevono essere acquisite per unità di superfice / volume. In pratica definisce le dimensioni ideali del pixel / voxel nelle specifiche condizioni operative allo scopo di salvaguardare il contenuto informativo del campione. Z Y X
24 Campionamento La dimensione ideale del pixel / voxel, al di fuori del quale il processo di acquisizione può produrre artefatti, viene calcolata secondo il teorema di Nyquist-Shannon. La frequenza di campionamento di un segnale (Analogico ->Digitale) deve risultare più grande del doppio della bandapassante del segnale originale in modo da garantirne la perfetta ricostruzione digitale. Voxel Struttura La massima dimensione del pixel / voxel deve risultare inferiore alla metà del più piccolo oggetto o struttura presente nell immagine.
25 La dimensione del più piccolo oggetto o struttura presente nell immagine è equivalente al limite risolutivo del sistema ottico (e digitale) in uso. Calcolo Z secondo Nyquist Δ z = λ em / (2 N (1- cos α)) Λ em = emission wavelenght N = medium index α = ½ angolo apertura obiettivo Calcolo XY secondo Nyquist Δ xy = λ em / (4 N sen α) In pratica Λ em = 520nm N = NA = 1.3 α = αrcsen(na/n) Δ z = 520 /(2*1.515*(1-cos α)) Δ z = 353 nm Calcolatore Nyquist Un densità di campionamento inferiore al valore calcolato non è accettabile. Un minimo sovracampionamento non influisce sulla qualità delle informazioni. Un eccessivo sovracampionamento è inutile e spesso deleterio.
26 Risoluzione
27 Le molteplici risoluzioni di un sistema A. Risoluzione Ottica : limite di discriminazione tra due oggetti adiacenti. Determinato dalla apertura numerica dell obiettivo e dalla lunghezza d onda di emissione della luce. B. Risoluzione spaziale : limite di discriminazione del sensore CCD. Determinato dalle dimensioni della singola cella del sensore e dall ingrandimento dell obiettivo utilizzato. C. Risoluzione Immagine : caratteristica dell immagine digitale. Corrisponde al numero di pixel orizzontali / verticali che formano l immagine.
28 La risoluzione Ottica. La risoluzione ottica del microscopio è funzione della : lunghezza d onda della luce utilizzata. apertura numerica (N.A.) dell obiettivo. La risoluzione ottica del microscopio NON dipende dall ingrandimento dell obiettivo. La seguente formula, descritta per la prima volta da Ernest Abbe e Carl Zeiss, calcola il limite di risoluzione assoluto. R laterale = 0,61 λ em / N.A. (N.A.= n sen a ) R assiale = 2 λ em * n / N.A. 2 Si consideri che: Maggiore e l angolo (N.A.) con cui l obiettivo è in grado di raccogliere la luce maggiore è il potere di risoluzione Maggiore è N.A. minore è la distanza di lavoro Per obiettivi in aria a è sempre minore di 90
29 Risoluzione spaziale & Risoluzione discriminante La risoluzione spaziale rappresenta la dimensione, espressa in unità metriche, del più piccolo oggetto, proiettato sul piano di fuoco, identificabile come tale dal sistema di acquisizione. La risoluzione discriminante rappresenta la distanza minima, espressa in unità metriche, che deve intercorrere tra due oggetti proiettati sul piano di fuoco, e ben contrastati tra loro, per poter essere identificati come tali dal sistema di acquisizione.
30 Risoluzione spaziale In presenza di un dispositivo CCD, la risoluzione spaziale risulta funzione delle dimensioni della singola cella del sensore (pixel size) e del ingrandimento dell obiettivo utilizzato secondo la formula:rs= (Pixel size / Ingrandimento obiettivo) 4.6 um In presenza di un dispositivo PMT confocale, la risoluzione spaziale risulta funzione delle dimensioni Pin Hole utilizzato (Airy unit), dal fattore di ingrandimento (zoom) e dal numero di pixels utilizzati per la matrice di acquisizione. L impostazione di questi parametri è strettamente dipendenti dai valori di densità di campionamento calcolati utilizzando la formula di Nyquist.
31 Risoluzione discriminante A causa delle caratteristiche fisiche del sensore CCD, due oggetti devono distare almeno di un pixel tra loro per poter essere discriminati come tali. Rd = ((Pixel size / Ingrandimento) * 2.3) Esempio : Pixel size = 6.4 um, Ingrandimento = 100x Risoluzione spaziale = (6.4 / 100) = um ->(Pixel size / Ingrandimento) Risoluzione Discriminante = ((6.4 / 100) * 2.3) = um ->(Pixel size / Ingrandimento) * 2.3
32 Risoluzione Immagine Caratteristica dell immagine digitale. Corrisponde al numero di pixel orizzontali / verticali che formano l immagine. Da non confondere con i DPI x 768 pixel 2048 x 1536 pixel
33 Artefatti & affini
34 Principali sorgenti di errore Artefatti Rumore Campione Background Sistema Ottico e di acquisizione Fattore Umano Causa una variazione (fluttuazione) del segnale intorno al suo valore reale. Decadimento delle caratteristiche del segnale. Spessore del campione Errata marcatura Si aggiunge al reale segnale e ne compromette la quantificazione. Degrado delle caratteristiche dell immagine originale. Alterazione del contenuto informativo Rumore Poisson (campione) Rumore ottico Rumore digitale (detector) Photobleaching Quencing etc. Autofluorescenza. Fuori fuoco. Luce estranea Disomogeneità di illuminazione Acquisizione Valutazione PSF Aberrazioni sferiche e cromatiche Disallineamento Artefatti Errata scelta dei processi di manipolazione delle immagini Errori sistematici Errori casuali
35 Background Si aggiunge come costante al segnale Disomogeneità di illuminazione Regolando l offset del sistema si acquisizione Valutando il valore del background con immagini di riferimento Tipica dei sistemi Widefield Si risolve calibrando il sistema di illuminazione (centratura lampada e regolazione del Koeler). Correggendo attraverso immagine del background.
36 Decadimento caratteristiche del segnale Quencing : generato da processi che producono il passaggio degli elettroni dallo stato di eccitazione a quello di riposo senza emissione di luce. Questi processi competono con i classici processi fluorescenti riducendone il LIFETIME e la QY (emissione quantica) del fluoroforo utilizzato. Il processo di Quencing è reversibile. Photobleaching : Perdita permanente della capacità di emettere elettroni da parte del fluoroforo a causa di un danno chimico indotto. Una delle cause principali del Photobleaching è l interazione del fluoroforo con luce ed ossigeno (distruzione molecole fluorescenti con creazione di radicali liberi che interagiscono con altre molecole presenti nelle cellule). Tale effetto può essere contenuto riducendo la quantità di luce utilizzata per l eccitazione ed aggiungendo al media di montaggio appositi preparati Antifading. Il processo di Photobleaching non è reversibile. Fluoroforo : FITC Sorgente di eccitazione : HBO 100W Esposizione : 30sec Perdita del 50% del segnale
37 Disallineamento cromatico Errore sistematico caratteristico dei sistemi ottici (obiettivi). La luce monocromatica viene focalizzata su piani diversi in funzione della sua lunghezza d onda. Errore più consistente lungo asse Z. Risente delle condizioni meccaniche ed ambientali (temperatura) Utilizzo di obiettivi corretti cromaticamente. Misura sperimentale del disallineamento attraverso sfere fluorescenti. Correzione con ricalcolo dello stack
38 Degrado delle caratteristiche originali delle immagini La convoluzione è il processo ottico di creazione dell immagine. Esso introduce artefatti di vario genere con la conseguente degradazione dell immagine. 1. Rumore 2. Aberrazioni (sferiche e cromatiche) 3. Errata localizzazione della luce (sfocatura) A causa della profondità di campo dell obiettivo utilizzato, la luce proveniente dai piani di fuoco adiacenti a quello principale fornisce il proprio contributo nella formazione dell immagine. La profondità di campo identifica la porzione (o spessore) del campione i cui estremi rimangono simultaneamente a fuoco all interno della stessa immagine.
39 Degrado delle caratteristiche originali delle immagini La profondità di campo è funzione principalmente della apertura numerica della lente e della lunghezza d onda di emissione della luce utilizzata. La profondità di campo può essere espressa come : DoF= λn/na2 + (n/m NA)e Bkg Segnale S/N Prima conseguenza evidente è rappresentata dalla riduzione della risoluzione e del rapporto segnale / rumore all interno dell immagine.
40 Ripristino delle caratteristiche originali delle immagini Image Restoration insieme di procedure e funzioni atte al recupero di un segnale (immagine) nella sua forma originale. Deconvoluzione 3D operazione matematica utilizzata per recuperare un segnale degradato da un processo fisico. Filtri spaziali lineari e non Filtri in domini di frequenza (FFT) Nessuna alterazione dell immagine (analisi quantitativa)
41 Ripristino delle caratteristiche originali delle immagini Per ridistribuire correttamente la luce attraverso la deconvoluzione è necessario conoscere a priori il modello fisico che regola la diffusione della stessa nel sistema ottico in uso (descrittore della funzione di convoluzione). Tale modello fisico è conosciuto come PSF o Point Spread Function.
42 Ripristino delle caratteristiche originali delle immagini (Fattore Umano) Filtri spaziali lineari e non Filtri in dominio di frequenza (FFT) I filtri operano trasformazioni (semplici o complesse) che modificano il contenuto informativo dei singoli pixel/voxel. I filtri lineari rimpiazzano il valore di ogni pixel con un valore ottenuto dalla valutazione dei pixel adiacenti (es. valore medio). Il filtro Gaussiano rappresenta il filtro lineare più utilizzato. Esso migliora l immagine riducendo il rumore casuale senza modificare il contenuto informativo. I parametri operativi dei filtri sono spesso richiesti in unità reali (micrometri) -> PSF
43 Semplificazione delle informazioni
44 Quale è la nostra base di partenza? Circa 1/3 del cervello umano elabora informazioni visive Percezione visiva dipende dal modo in cui vengono elaborate le informazioni luminose prodotte da fotoni che colpiscono la retina Elaborazioni diverse permettono di percepire aspetti diversi della visione: forme, colore, movimento, profondità. Elaborazione molto veloce e complessa : percezione simultanea di dettagli e di aspetti globali dell immagine. Visione Conoscenza Valutazione Comprensione della scena Informazioni Le principali prerogative del sistema visivo umano sono la rapidità di interpretazione, la capacità di adattamento alle variazioni presenti nella scena rispetto al modello noto e la possibilità di incrementare la conoscenza.
45 Quale è la nostra base di partenza? Immagine Ottica campione Sensore (CCD, PMT) Matrice bidimensionale di pixel ognuno dei quali rappresenta una specifica area del campione Fotoni convertiti in una grandezza fisica proporzionale (ma non uguale) al numero dei fotoni rilevati. I livelli di grigio espressi dai singoli pixel rappresentano il numero di fotoni presenti nella corrispondente area / volume del campione
46 Semplificare per identificare Proprietàdei pixel : Intensità (luminosità) Coordinate spaziali X,Y Identità ed iterazione con pixel adiacenti E evidente la difficoltà nell assegnare, sulla sola base delle proprietà sopra indicate, i singoli pixel ad una specifica classe di appartenenza (filamento, nucleo, membrana, fondo ect)
47 Identificazione delle strutture Metodi strettamente dipendenti dalle caratteristiche delle strutture da identificare Preservare il contenuto informativo Manipolazione dell immagine Segmentazione RegionGrowing Riconoscimento contorni (Edge detection) Binarizzazione
48 Riconoscimento dei contorni Si definisce contorno (edge) una forte variazione locale dei livelli di grigio tipicamente associata al bordo di una regione od al confine di separazione tra due regioni adiacenti. Per rilevare i contorni si ricorre al calcolo del gradiente di intensità, ovvero alla valutazione delle variazione dei livelli di grigio, ed al suo orientamento nell intorno del bordo da definire. Uno degli algoritmi più conosciuti è il LoG (Laplace ofgaussian) che determina il gradiente attraverso il calcolo della derivata seconda dei livelli di grigio. L area racchiusa dal contorno è riempita con un solo valore di grigio e considerata struttura (oggetto).
49 Riconoscimento dei contorni Il contorno può risultare chiuso ed identificare una specifica regione dell immagine (oggetto) oppure aperto e definirne solo una parte del confine. Uno dei principali motivi della mancata chiusura dei bordi è da ricondurre al basso contrasto esistente tra regioni dell immagine (es fondo ed oggetto). Anche la presenza di rumore sull'immagine (basso SNR) è causa di difficoltà nella rilevazione dei contorni (generazione di falsi bordi). Immagine Edge detection & linking Binarizzazione Ogni area racchiusa dal un contorno è riempita con un solo valore di grigio e considerata struttura (oggetto).
50 Segmentazione Tipicamente si tende a distinguere il fondo (background) dalle strutture di interesse. All interno dell intervallo di grigi si trova l oggetto, all esterno il fondo. Le tecniche di segmentazione sono sensibili ai vari artefatti presenti nell immagine (rumore, disomogeneità, ect). In presenza di strutture caratterizzate da intensità di fluorescenza differenti un unico intervallo di grigi non consente una perfetta identificazione delle stesse.
51 Segmentazione Adattiva Le tecniche di segmentazione adattiva permettono di calcolare l intervallo di grigio adeguato ad una zona specifica dell immagine in funzione delle caratteristiche locali del segnale (valutazione statistica). E possibile dividere l immagine in aree irregolari in base alle caratteristiche di omogeneità espresse localmente dal segnale.
52 Segmentazione Adattiva
53 Segmentazione Automatica Default Huang Intermodes IsoData Li MaxEntropy Mean MinError Minimum Moments Otsu Percentile RenyiEntropy Shanbhag Triangle Yen Basata su metodi di valutazione statistica del contenuto informativo
54 Segmentazione Automatica Huang Intermodes IsoData Li MaxEntropy Mean MinError Minimum Moments Otsu Percentile RenyiEntropy Shanbhag Triangle Yen
55 Segmentazione Tutti i pixel compresi nell intervallo di grigi definito e confinanti tra loro vengono assegnati alla stessa struttura. In questo caso le strutture vengono create accorpando tutte le aree tra loro confinanti secondo criteri impostati dall operatore. Tali criteri sono basati su caratteristiche morfologiche, statistiche, di tessitura della superficie o di omogeneità di segnale.
56 Crescita delle regioni (Region Growing) Proposto da Haralick, fa uso di descrittori statistici. Si basa sulla progressiva aggregazione di pixel in regioni connesse. Tale aggregazione avviene sulla base di uno o più criteri di similarità. Originale Massimo locale Crescita delle regioni Definizione strutture Partendo da un punto qualsiasi dell immagine (massimo o minimo locale) vengono aggregati tutti i pixel del suo vicinato che soddisfano i parametri statistici assegnati (es. media e varianza). La regione viene considerata completa (e non cresce più) quando tutti i pixel sono stati classificati (come aggiunta si possono valutare alcuni criteri ad essa associati (forma, dimensione, ect) oppure incontra un altra regione in crescita. La procedura è ripetuta per ogni punto aggiunto e le statistiche della regione vengono aggiornate ciclicamente.
57 Estrazione delle informazioni
58 Estrazione delle informazioni Possiamo ottenere qualsiasi grandezza fisica diretta descrivente : Dimensioni Forma Posizione Area Perimetro Diametri Roundness Aspectratio Centroide XY
59 Estrazione delle informazioni Possiamo ottenere grandezze fisiche che descrivono il segnale presente : Intensità del segnale Variazione di segnale Distribuzione di segnale
60 Le misure di fluorescenza. Corretto il confronto tra strutture appartenenti allo stesso campo Incorretto il confronto diretto tra strutture appartenenti a campi / campioni differenti a causa delle: Impostazioni del sistema di acquisizione. (esposizione, eccitazione, ect) Stato del campione.(photobleaching, quencing, ect) Rumore, disomogeneità nella distribuzione del segnale, fuorifuoco, ect Condizioni ambientali
61 Le misure di fluorescenza e la calibrazione. Una delle possibili soluzioni consiste nel legare la misura di interesse con un riferimento che possa esprimere le eventuali variazioni dovute alle condizioni esterne al campione. Livello del fondo Auto fluorescenza die tessuti circostanti Segnali provenienti da strutture non influenzate dalle condizioni sperimentali Linea cellulare nota inserita nel processo di analisi Misure raziometriche (Ca 2+ ) Cellule non caricate e caricate a saturazione Caso reale Intensità dei telomeri normalizzata con intensità centromero prima del loro confronto. Entrambi marcati utilizzando lo stesso dye.
62 Le misure di fluorescenza e la calibrazione. La calibrazione del sistema di acquisizione garantisce la ripetibilità delle misure 100% Intensità relativa 33% Intensità relativa 10% Intensità relativa 3% Intensità relativa 0.667% Intensità relativa
63 3D: il mondo reale
64 Quale è la nostra base di partenza? 3 Dimensioni Immagine Ottica campione Sensore (CCD, PMT) Matrice tridimensionale di voxel ognuno dei quali rappresenta uno specifico volume del campione. Fotoni convertiti in una grandezza fisica proporzionale (ma non uguale) al numero dei fotoni rilevati. I livelli di grigio espressi dai singoli voxel rappresentano il numero di fotoni presenti nella corrispondente volume del campione.
65 Semplificare per identificare Proprietà dei voxel : Intensità (luminosità) Coordinate spaziali X,Y e Z Identità ed iterazione con voxel adiacenti E evidente la difficoltà nell assegnare, sulla sola base delle proprietà sopra indicate, i singoli voxel ad una specifica classe di appartenenza (filamento, nucleo, membrana, fondo ect) Iso Superficie
66 Costruzione delle Iso Superfici Le iso superfici rappresentano l equivalente 3D degli iso contorni. Entrambe descrivono una parte di volume, o di una area bidimensionale, all interno del quale tutti i punti (voxel) presenti possiedono un valore eguale tra loro o compreso in un intervallo definito Iso Superficie Iso Contorno Le iso superfici non hanno solo una valenza estetica ma risultano essenziali per la quantificazione del volume. Esse costituiscono il guscio che racchiude le nostre strutture dandogli forma e confini precisi.
67 Identificazione delle strutture Metodi strettamente dipendenti dalle caratteristiche delle strutture da identificare Preservare il contenuto informativo Manipolazione dell immagine Segmentazione RegionGrowing Iso Superficie
68 Costruzione delle Iso Superfici 1. Selezione dell intervallo di intensità del segnale (livelli di grigio) da descrivere attraverso la Iso Superficie. 2. Creazione matematica di una struttura complessa di forme geometriche (triangoli) che descrivono la superficie esterna del volume. 3. Trasformazione visiva della struttura complessa attraverso il loro riempimento.
69 Costruzione delle Iso Superfici Il livello di precisione nella ricostruzione della superficie è gestito attraverso il grado di interpolazione matematica con la quale vengono create le forme geometriche. Tanto più piccoli sono i triangoli tanto più dettagliata è la superficie. Di contro un grado di interpolazione troppo elevato tende, in presenza di interconnessione spaziale dei voxels bassa, a frammentare il volume più del necessario.
70 Quali informazioni di base possiamo estrarre? Qualsiasi grandezza fisica diretta descrivente : Dimensioni Forma Segnale Posizione Volume Superficie Diametri Sfericità Intensità Baricentro X Y Z Spostamento Distanze tra comparti Distanze tra strutture Altro..
71 Le misure di intensità di segnale. Le iso superfici costituiscono il guscio che racchiude le nostre strutture dandogli forma e confini precisi. Struttura su canale n 3 Segnale canale n 1 Segnale canale n 2
72 Misure interattive Volume ricostruito Sezioni ortogonali Misure di distanza lineari e non tra punti nello spazio reale appartenenti al volume. Ausilio di metodi di visualizzazione 3D e determinazione automatica del punto di interesse (massima intensità) nella struttura. Le ISOSUPERFICI possono facilitare il compito.
73 Misure dimensionali, di forma e di intensità
74 Conteggio e misure dimensionali, di forma e di intensità Definizione delle Iso Superfici Divisione degli oggetti Selezione degli oggetti di interesse Classificazione delle strutture
75 Studio della interazione tra comparti cellulari Distanza vescicole Nuclei Colocalizzazione delle Vescicole (Intensità di un canale all interno del volume vescicolare) Distanza Vescicole Membrana Numero di Vescicole per nucleo Densità delle vescicole per nucleo Numero di vescicole per cellula Densità delle vescicole per cellule Volume delle vescicole per cellula Nuclei per Cellula Volume del Nucleo / Volume del Citoplasma Distanza media vescicole Nuclei e vescicole vs Membrana Intensità delle vescicole per cellula
76 Studio Sinapsi posizionate sulla membrana cellulare Trasformazione delle cellule in Isosurface Trasformazione delle sinapsi in Isosurface sferiche (Spot) Selezione delle sinapsi (Spot) in contatto con membrana (Isosurface).
77 Colocalizzazione di oggetti Iterazione proteina proteina. Associazione spaziale di segnali Oggetti che risultano parzialmente in contatto o totalmente inseriti in altri oggetti.
78 Iterazione proteina proteina Definizione della intensità del segnale utilizzata per costruire le Iso Superfici. Divisione degli oggetti tramite region growing
79 Iterazione proteina proteina Estrazione dei dati di intensità di fluorescenza della proteina B (canale giallo) localizzata dentro i siti relativi alla proteina A (canale rosso). Classificazione per livello di intensità espresso.
80 Colocalizzazione di segnale Valutazione del livello di sovrapposizione spaziale di due segnali fluorescenti aventi caratteristiche spettrali (lunghezze d onda) di emissione differenti. L analisi della colocalizzazione richiede: 1. Basso livello di rumore 2. Segnali non saturati 3. Nessuna sovrapposizione tra gli spettri di emissione dei fluorocromi (bleed through) 4. Funzione PSF dei singoli canali molto simile (richiede verifica PSF con bead multicolore) 5. Registrazione XYZ perfetta tra i due fluorocromi (shifting ottico) 6. Rimozione del fuori fuoco
81 Colocalizzazione di segnale Obiettivo : calcolo di coefficienti statistici atti a valutare il grado di sovrapposizione dei segnali Tra i più utilizzati : Coefficiente di Pearson - Misura la sovrapposizione tra i pixel Coefficienti di Manders - Misura il contributo di sovrapposizione di un canale rispetto all altro Coefficiente di correlazione -Misura il grado di correlazione tra i due canali si considerano inoltre : Numero di voxelcolocalizzati, volume sopra soglia colocalizzato, materiale sopra soglia materializzato..
82 Colocalizzazione di segnale Punto critico : valutazione della probabilità di colocalizzazione casuale 17 pixel su40 presenti sono colocalizzati. Dato significativo o casuale? La risposta attarverso il calcolo del coefficiente di probalibità
83 Colocalizzazione di segnale Punto critico : valutazione della probabilità di colocalizzazione casuale Il coefficiente di correlazione di Pearson viene calcolato su uno dei due canali (PCC 1). Il secondo canale viene sottoposto ad un processo di smoothing (PSF size). P = 0.97% P = 0.55% Successivamente i pixel che compongono il secondo canale vengono riposizionati nella matrice in tutte le combinazioni possibili ed i rispettivi coefficienti di Pearson calcolati. Il coefficiente di Pearson del primo canale viene confrontato con la distribuzione dei coefficientidi Pearson calcolati sul secondo canale. Se il coefficiente di Pearson del primo canale non è superiore al 95% della distribuzione ottenuta sul secondo canale la probabilità che la colocalizzazione sia casuale è reale. L immagine deve essere scartata.
84 Colocalizzazione di segnale Punto critico : definizione della soglia di colocalizzazione dei singoli canali Canale A Interpolazionelinear edeivalori Coefficientedi Pearson = 0 per valoridisogliainferiori a quelliimpostati CanaleB L algoritmo proposto da Costes e Lockett (NCI/NIH) si basa sulla esclusione delle coppie di intensitàche non mostrano correlazione (coefficientedi Pearson =< 0). Partendo dalla coppia di valori di intensità più alti, l algoritmo procede verso il basso della scala di intensità lungo la linea di interpolazione calcolata. Il coefficiente di Pearson viene calcolato per tutti i valori al di sotto della soglia corrente. L algoritmo procede fino a quando il coefficiente di Pearson raggiunge il valore 0 (o diventa negativo).
85 Colocalizzazione di segnale Canale A Interpolazione lineare dei valori Coefficiente di Pearson = 0 per valori di soglia inferiori a quelli impostati CanaleB
86 Informazioni in movimento Valutazione del movimento delle strutture (variazione della posizione) rispetto al tempo ed allo spazio. Determinazione della direzione, velocità, accelerazione e tipologia del moto di ogni singolo oggetto. Quantificazione delle modifiche strutturali (Dimensioni) e chimiche (intensità del segnale) in relazione al tempo.
87 Informazioni in movimento Browniano Connesso Autoregressivo r t a t b t a r r t c t d t b t e t e t c r E importante conoscere la natura del moto degli oggetti per poter selezionare l algoritmo adeguato alla loro identificazione.
88 Informazioni in movimento Selezione (filtro) Statistica Rappresentazione
89 Analisi di filamenti Misurazione dell albero dendritico Identificazione delle spine e calcolo delle loro caratteristiche strutturali (volume, ect) Diametro dei filamenti. Statistica distribuzione spine Orientamento dendriti Analisi dei livelli dei branches (generazioni) Classificazione spine Stack 3D Definizione punto inizio Definizione punti massima intensità locale
90 Analisi di filamenti Soglia intensità di fluorescenza Calcolo diametro filamenti (proporzionale al segnale) Identificazione spine
91 Analisi di filamenti Estrazione misure Classificazione morfologica spine
92 Analisi di filamenti
93 Apertura al mondo esterno Programma IMARIS Piattaforme di analisi e calcolo
94 Alcuni lavori scientifici e testi interessanti La piattaforma di visualizzazione ed analisi 3D/4D IMARIS
95 Immagini & Computer Snc Via Don Carlo Riva 4 Bareggio (Mi) GRAZIE PER LA VOSTRA ATTENZIONE!
14 Gennaio Immagini & Computer S.n.c. Via Don Carlo Riva Bareggio (Mi)
Università degli studi di Firenze Dipartimento di Scienze Biochimiche Viale G.B. Morgagni 50 - Firenze per applicazioni in Life Science 14 Gennaio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010
DettagliAnalisi quantitativa delle immagini per applicazioni in Life Science
per applicazioni in Life Science 15 Aprile 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi quantitativa delle immagini rappresenta l arte di trasformare una sensazione
DettagliUniversità degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione. Analisi quantitativa delle immagini
Università degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione Analisi quantitativa delle immagini 26 Marzo 2010 Aula Magna Gavazzi Facoltà di Medicina Verona Immagini & Computer
DettagliCENTRO GRANDI STRUMENTI Università degli Studi di Pavia. Image Restoration e Deconvoluzione Quantitativa delle Immagini
CENTRO GRANDI STRUMENTI Università degli Studi di Pavia Image Restoration e Deconvoluzione Quantitativa delle Immagini 17 Febbraio 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
DettagliCENTRO GRANDI STRUMENTI Università degli Studi di Pavia. Analisi quantitativa delle immagini per applicazioni IHC
CENTRO GRANDI STRUMENTI Università degli Studi di Pavia Analisi quantitativa delle immagini per applicazioni IHC 14 Dicembre 2011 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi
DettagliUniversità Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini
Università Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini 07 Luglio 2010 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
DettagliUniversità Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. Analisi quantitativa delle immagini
Università Degli Studi Di Ferrara In collaborazione con il Signal Trasduction lab. 07 Luglio 2010 Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) L analisi quantitativa delle immagini
DettagliUniversità degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione. Analisi quantitativa delle immagini
Università degli Studi di Verona Dipartimento di Scienze Neurologiche e della Visione Analisi quantitativa delle immagini 26 Marzo 2010 Aula Magna Gavazzi Facoltà di Medicina Verona Immagini & Computer
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 =
DettagliLABORATORIO DI TECNICHE CITOLOGICHE, MORFOLOGICHE E MORFOMETRICHE. Strumenti di indagine e metodi di studio delle cellule
LABORATORIO DI TECNICHE CITOLOGICHE, MORFOLOGICHE E MORFOMETRICHE Strumenti di indagine e metodi di studio delle cellule Strumenti di indagine delle cellule 1.Metodi diretti all analisi strutturale in
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
DettagliOperazioni puntuali. Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma Analisi di Basso Livello In ingresso abbiamo le immagini provenienti dai sensori. In uscita si hanno un insieme di matrici ognuna delle
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
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
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
DettagliL immagine. Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale
L immagine Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale Da dove vengono le immagini? Il principale (e più familiare, in quanto legato
DettagliINDICE Esempi di segnali determinati: periodici e di energia Esempio di segnale aleatorio...4
INDICE 1 Introduzione: definizione e classificazione dei segnali... 1 1.1 Introduzione all elaborazione numerica dei segnali... 1 1.2 Classificazione dei segnali... 2 1.2.1 Esempi di segnali determinati:
DettagliElaborazione 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
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
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
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
DettagliPage 1. Elettronica delle telecomunicazioni 2003 DDC 1. Politecnico di Torino Facoltà dell Informazione. Contenuti del Gruppo C
Modulo Politecnico di Torino Facoltà dell Informazione Elettronica delle telecomunicazioni Conversione A/D e D/A C1 - Processo di conversione» campionamento e aliasing» filtro anti aliasing» rumore di
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,
Dettagli1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7
INDICE 1 - STATO DELL ARTE DEI SISTEMI DI VIDEOSORVEGLIANZA...7 1.1 - INTRODUZIONE...7 1.2 - EVOLUZIONE DEI SISTEMI DI VIDEOSORVEGLIANZA...10 1.2.1 - Sistemi di videosorveglianza di prima generazione (first-generation
DettagliLSS ADC DAC. Piero Vicini A.A
LSS 2016-17 ADC DAC Piero Vicini A.A. 2016-2017 Conversione Digitale-Analogica La conversione digitale-analogica (DAC, Digital to Analog Conversion) permette di costruire una tensione V (o una corrente
DettagliTelecamere per la vision artificiale. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Telecamere per la vision artificiale Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Immagini monocromatiche Ogni cella corrisponde ad un bit. Y Row 1 1 1 1 q X 0: nero 1: bianco
DettagliSensazione e percezione
Teoria del colore Analisi chimiche, fisiche e sensoriali dei prodotti alimentari i Percezione e mondo fisico Mondo fisico Fenomeni oggettivi Fenomeni misurabili Mondo della percezione Stimolazione sensoriale
DettagliSimulazione. D.E.I.S. Università di Bologna DEISNet
Simulazione D.E.I.S. Università di Bologna DEISNet http://deisnet.deis.unibo.it/ Introduzione Per valutare le prestazioni di un sistema esistono due approcci sostanzialmente differenti Analisi si basa
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
DettagliFotografia corso base. Educazione Permanente Treviso. Specifiche digitali. Federico Covre.
Fotografia corso base Educazione Permanente Treviso Specifiche digitali http://arcifotografiabase.wordpress.com Federico Covre Pixel (picture element) Indica ciascuno degli elementi puntiformi che compongono
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
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
DettagliCorrelazione temporale di singolo fotone TCSPC
Correlazione temporale di singolo fotone TCSPC Si vuole estrarre informazione sulla distribuzione dei tempi di arrivo dei fotoni rivelati AA 2009/10 Laboratorio di Fisica della Materia 1 Apparato sperimentale
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
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
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
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.
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
DettagliInformatica Industriale - no 3
Informatica Industriale - no 3 prof. Lorenzo MEZZALIRA Caratterizzazioni di tempo ed evoluzione - Cap. 2 ERRORI DI MISURA E DI QUANTIZZAZIONE IL MODELLO DEL TEMPO STATI ED EVENTI, AZIONI ED ATTIVITA' CARATTERIZZAZIONE
DettagliCAPITOLO 5. Stima della frequenza dei segnali dovuta al 40 K
CAPITOLO 5 Stima della frequenza dei segnali dovuta al 40 K 5.1 Simulazione dei segnali registrabili con i fotomoltiplicatori. Nei capitoli precedenti, dopo aver illustrato brevemente la motivazione per
DettagliStima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman
Incontro CIRA 21 Lecce, 12 14 Settembre 21 Stima di Posizione e Orientamento Mediante Elaborazione di Immagini con il Filtro di Kalman Fabrizio CACCAVALE Vincenzo LIPPIELLO Bruno SICILIANO Luigi VILLANI
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
DettagliSistemi di Elaborazione delle Informazioni
Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle Informazioni A.A. 26/27 Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle
DettagliAcquisizione ed elaborazione di segnali
UNIVERSITÀ DI PISA Corso di Laurea in Scienze Motorie Tecnologie e strumentazione biomedica Elaborazione di segnali Alberto Macerata Dipartimento di Ingegneria dell Informazione Acquisizione ed elaborazione
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
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)
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
DettagliIntroduzione. - sistema di localizzazione tridimensionale della posizione applicato a misure di rumore emesso da un motore ibrido
Introduzione - sistema di localizzazione tridimensionale della posizione applicato a misure di rumore emesso da un motore ibrido - si ottengono le coordinate spaziali di una sonda intensimetrica, utilizzata
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliFondamenti di Elaborazione di Immagini Introduzione. Raffaele Cappelli.
Fondamenti di Elaborazione di Immagini Introduzione Raffaele Cappelli raffaele.cappelli@unibo.it Obiettivi del corso Il corso introduce i principali concetti e le tecniche di base per l elaborazione delle
DettagliPresentazione laboratorio e nozioni base meccaniche e elettroniche dei droni WP3 ACQUISIZIONE ED ELABORAZIONE DATI
1 Presentazione laboratorio e nozioni base meccaniche e elettroniche dei droni WP3 ACQUISIZIONE ED ELABORAZIONE DATI Uso dei Droni nella ripresa video Elenco argomenti Concetti base sull'ottica, fotografia
DettagliCITOFLUORIMETRIA A FLUSSO
CITOFLUORIMETRIA A FLUSSO La citofluorimetria a flusso è una tecnica di misurazione multiparametrica di caratteristiche fisiche e/o chimiche condotta su cellule in sospensione all interno di un fluido
DettagliAnalisi quantitativa delle immagini. Image Restoration. Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi)
Analisi quantitativa delle immagini Image Restoration Immagini & Computer S.n.c. Via Don Carlo Riva 4 20010 Bareggio (Mi) e deconvoluzione Un po di chiarezza Image restoration = insieme di procedure e
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
DettagliLinguaggi ed Applicazioni mul1mediali
Università degli Studi di Urbino "Carlo Bo" Linguaggi ed Applicazioni mul1mediali 01.01- Mul1media Introduzione alla mul1medialità Maurizio Maffi ISTI Informa1on Science and Technology Ins1tute LA MULTIMEDIALITA
DettagliConversione dati. Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA. Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT ATTUATORI BIOLOGICI
Conversione dati Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT Sequenze di impulsi ATTUATORI BIOLOGICI DISPOSITIVI DI INPUT RECETTORI SPECIFICI
DettagliDigitalizzazione Parte 2
Digitalizzazione Parte 2 Prof. Filippo Milotta milotta@dmi.unict.it Quantizzazione - Definizione La trasformazione di un segnale a valori continui in un segnale a valori discreti, prende il nome di quantizzazione.
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
DettagliDiagnostica della combustione
Diagnostica della combustione Le tecniche di diagnostica della combustione possono riguardare: Processi (ad es. messa a punto dei processi di combustione); Controllo (ad es. gestione degli impianti); Emissioni
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
DettagliCOMPUTER VISION: VERSO UN RICONOSCIMENTO AUTOMATICO DEI GESTI COMUNICATIVI
POLITECNICO DI BARI CORSO DI LAUREA IN INGEGNERIA INFORMATICA TESI DI LAUREA IN SISTEMI PER LA PROGETTAZIONE AUTOMATICA COMPUTER VISION: VERSO UN RICONOSCIMENTO AUTOMATICO DEI GESTI COMUNICATIVI Relatore:
DettagliISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO LIVELLI DI COMPETENZE I QUADRIMESTRE
ISTITUTO COMPRENSIVO SAN VENANZO PROGRAMMAZIONE ANNUALE MATEMATICA CLASSE III SECONDARIA I GRADO MACRO INDICATORI Curricolo verticale I QUADRIMESTRE LIVELLI DI COMPETENZE I QUADRIMESTRE II QUADRIMESTRE
DettagliPixel MM. Definisce la corrispondenza tra le coordinate pixel e le coordinate mm
Taratura Vs calibration Taratura È il processo di verifica del corretto funzionamento di uno strumento di misura Determina gli errori dello strumento (o il valore di un campione) Il procedimento è guidato
DettagliDall occhio al cervello (1)
Dall occhio al cervello (1) 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
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)
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
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
DettagliComunicazioni Elettriche Esercizi
Comunicazioni Elettriche Esercizi Alberto Perotti 9 giugno 008 Esercizio 1 Un processo casuale Gaussiano caratterizzato dai parametri (µ = 0, σ = 0.5) ha spettro nullo al di fuori dellintervallo f [1.5kHz,
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. Immagini digitali: concetti di base
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 6/7 Docente: ing. Salvatore Sorce Immagini digitali: concetti di base L informazione
DettagliALLEGATO 1 METODOLOGIA MASW
ALLEGATO 1 METODOLOGIA MASW Nella maggior parte delle indagini sismiche per le quali si utilizzano le onde compressive, più di due terzi dell energia sismica totale generata viene trasmessa nella forma
DettagliISTITUTO D ISTRUZIONE SECONDARIA I.I.S. VIA SILVESTRI 301 Plesso Alessandro Volta
ISTITUTO D ISTRUZIONE SECONDARIA I.I.S. VIA SILVESTRI 301 Plesso Alessandro Volta * Programma di Fisica A.S. 2017-2018 Classe 1E PROGRAMMA SVOLTO La fisica: temi e finalità I fenomeni fisici e le loro
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliElaborazione dei dati. pkt /9
Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione
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
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
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
DettagliL USO DEL MICROSCOPIO OTTICO
L USO DEL MICROSCOPIO OTTICO Visualizzazione dei microrganismi La visualizzazione dei microrganismi richiede l uso del microscopio ottico o del microscopio elettronico. Il microscopio ottico composto in
DettagliProgramma svolto di fisica Classe II B / IIC I.I.S. via Silvestri Sezione associata Liceo Scientifico Malpighi anno scolastico 2018/19
Programma svolto di fisica Classe II B / IIC Le forze: la forza peso, le forze d attrito, la forza elastica L equilibrio del punto materiale Il moto in due dimensioni. Il moto circolare uniforme. I principi
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
DettagliUn immagine digitale. Dimensioni finite (X,Y) No profondità inerente Numero finito di pixel Rappresentazione numerica dell energia luminosa
Un immagine digitale Dimensioni finite (X,Y) No profondità inerente Numero finito di pixel Rappresentazione numerica dell energia luminosa Y X x y f(x,y) = intensità luminosa in (x,y) Tre livelli di image
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
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
DettagliIl problema della pulizia
Il problema della pulizia Un sistema di misura ottico è molto più sensibile allo sporco rispetto ad un sistema di misura a contatto: 1. Eventuali liquidi sulla superficie del pezzo fanno spessore Misura
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
Dettagli1. Microscopio in campo chiaro 2. Microscopio in campo oscuro 3. Microscopio in contrasto di fase 4. Microscopio ad interferenza 5.
Principali tipi di microscopi 1. Microscopio in campo chiaro 2. Microscopio in campo oscuro 3. Microscopio in contrasto di fase 4. Microscopio ad interferenza 5. Microscopio a contrasto di fase interferenziale
DettagliScale di Misurazione Lezione 2
Last updated April 26, 2016 Scale di Misurazione Lezione 2 G. Bacaro Statistica CdL in Scienze e Tecnologie per l'ambiente e la Natura II anno, II semestre Tipi di Variabili 1 Scale di Misurazione 1. Variabile
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
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
DettagliCAMPIONAMENTO CATENA ELETTROACUSTICA DIGITALE, CAMPIONAMENTO, QUANTIZZAZIONE
CAMPIONAMENTO CATENA ELETTROACUSTICA DIGITALE, CAMPIONAMENTO, QUANTIZZAZIONE Catena elettroacustica DIGITALE 2 Compressione/ Rarefazione dell aria Compressione/ Rarefazione dell aria ADC DAC Segnale elettrico
DettagliBreve ripasso di statistica
Breve ripasso di statistica D.C. Harris, Elementi di chimica analitica, Zanichelli, 1999 Capitolo 4 1 Il protocollo analitico Campionamento: 1. estrazione del campione dal lotto 2. conservazione e trasporto
DettagliTIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI. Corso di Informatica Medica
Università degli Studi di Trieste Corso di Laurea Magistrale in INGEGNERIA CLINICA TIPI DI DATO NELLA CARTELLA CLINICA ELETTRONICA: BIOSEGNALI, BIOIMMAGINI E BIOFILMATI Corso di Informatica Medica Docente
DettagliDISPOSITIVI ATTUATORI DI OUTPUT ATTUATORI
Conversione dati Come fornire i dati ad un computer ANALOGIA UOMO MACCHINA Sequenze di bit DISPOSITIVI ATTUATORI DI OUTPUT Sequenze di impulsi ATTUATORI BIOLOGICI DISPOSITIVI DI INPUT RECETTORI SPECIFICI
DettagliSISTEMI INFORMATIVI GEOGRAFICI (GIS)
SISTEMI INFORMATIVI GEOGRAFICI (GIS) Prof. Dipartimento di Elettronica e Informazione Politecnico di Milano SISTEMA INFORMATIVO GEOGRAFICO E UN SISTEMA CHE USA SIA DATI SPAZIALI (CIOE BASATI SU RIFERIMENTI
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
DettagliFasi dell analisi di dati da microarray (2)
Fasi dell analisi di dati da microarray (). Image Processing: le immagini sono analizzate per determinare una misura dell intensità di ogni spot, insieme ad una valutazione della sua affidabilità. Data
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
DettagliUlteriori Conoscenze di Informatica e Statistica
Ulteriori Conoscenze di Informatica e Statistica Carlo Meneghini Dip. di fisica via della Vasca Navale 84, st. 83 (I piano) tel.: 06 55 17 72 17 meneghini@fis.uniroma3.it Indici di forma Descrivono le
DettagliBreve cenno della psicofisica
Breve cenno della psicofisica Il termine psicofisica, coniato dal fisico e filosofo tedesco Gustav Theodor Fechner (1801-1887) studio di metodi quantitativi per valutare le relazioni fra le variabili fisiche
Dettagli