Fuzzy image segmentation
|
|
- Alberto Colombo
- 7 anni fa
- Visualizzazioni
Transcript
1 Fuzzy image segmentation G. Castellano 1 Segmentazione di immagini La descrizione per pixel di una immagine è troppo complessa per essere utile in applicazioni pratiche Il primo passo per ottenere una descrizione significativa è la segmentazione G. Castellano 2 1
2 Segmentazione di immagini La segmentazione è il processo di suddividere una immagine in un certo numero di regioni (insiemi di pixel) omogenee Ogni regione è omogenea rispetto ad alcune caratteristiche (livello di grigio, texture, colore) Regioni adiacenti devono avere caratteristiche diverse Nella segmentazione classica ogni pixel dell immagine appartiene ad una sola regione G. Castellano 3 Segmentazione fuzzy di immagini Scopo della segmentazione fuzzy è suddividere una immagine in un certo numero di regioni omogenee ogni pixel dell immagine può appartenere a più regioni con diversi gradi di membership Metodi principali di segmentazione fuzzy Fuzzy clustering Fuzzy rules G. Castellano 4 2
3 Fuzzy image segmentation Un sistema fuzzy per la segmentazione di immagini a colori G. Castellano 5 Segmentazione basata sul colore Moltisistemidi visionea colorieffettuanocome primo passodellaelaborazioneunasegmentazionedeicolori, ovvero una classificazione dei pixel in un numero discreto di classi colore I colori presenti nell immagine sono quantizzati in differenti classi colore che possono essere usate per differenziare le regioni presenti nell immagine Dopo la classificazione, il colore di ogni pixel è rimpiazzato dalla corrispondente classe, formando quindi una mappa di classi colore nella immagine. G. Castellano 6 3
4 Segmentazione basata sul colore Mentre l uomo riesce facilmente a classificare i colori nello spettro del visibile, lo stesso compito per un sistema artificiale non è altrettanto semplice Approcci classici alla segmentazione del colore Color thresholding Nearest neighbor classification G. Castellano 7 Segmentazione basata sul colore Color thresholding Si partiziona lo spazio colore (tipicamente RGB) fissando delle soglie in base all istogramma delle tre componenti If R<R_min_thresor R>R_max_thres then R=0 If G<G_min_thresor G>G_max_thresthen G=0 If B<B_min_thresor B>B_max_thres then B=0 Nonostantela semplicitàe ilbasso costo computazionale, questo metodo non sempre funziona G. Castellano 8 4
5 Segmentazione basata sul colore Nearest neighbor classification Si effettuaunaricercain un insiemedi esempipreclassificatial fine di trovare, per ciascunpixel, ik nearest neighbors (in genere si usa la distanza euclidea) ilpixel è quindiclassificatoin base allaclassecon maggiori occorrenze tra i K neighbor Per averebuonirisultati, occorreutilizzareun grannumerodi esempi, quindiilmetodoè piuttosto lento e non è adatto qualora siano necessarie prestazioni real-time G. Castellano 9 Segmentazione basata sul colore Un sistema a regole fuzzy per la segmentazione basata su colore è proposto in LiorShamir, Human Perception-based Color Segmentation Using Fuzzy Logic, International Conference on Image Processing, Computer Vision and Pattern Recognition (IPCV 2006), vol. II, p Las Vegas, NV Regole definite manualmente A. Borji, and M. Hamidi, Evolving a Fuzzy Rule-Base for Image Segmentation, Proc. of World Academy of Science, Engineering and Technology, vol. 22, pp. 4-9, 2007 Regole definite manualmente e successivamente ottimizzate mediante algoritmo genetico G. Castellano 10 5
6 Segmentazione basata sul colore A differenza di altri approcci, l uso di regole fuzzy per la segmentazione, fornendo una descrizione intuitiva del problema mediante regole espresse in linguaggio naturale, consente di modificare facilmente le regole di classificazione in base alla specifica applicazione G. Castellano 11 Sistema Fuzzyper La segmentazione è fatta sulla basee dello spazio colore HSV (Hue- Saturation-Value) Più intuitivo rispetto a RGB Hueè la tinta, rappresentata come coordinata angolare dal rosso 0 al rosso 360 Saturationè la distanza del colore dal grigio più vicino varia da 0 (colore desaturato grigiastro) a 1 (colore puro o saturo) lungo il raggio Valueindica la quantità di luce (bianco) in un colore Varia da 0 a 100, lungo l asse del cono a saturazione zero G. Castellano 12 6
7 Sistema Fuzzy per Le regole fuzzy per classificare ciascun pixel sono del tipo IF (Hue is Red) AND (Saturation is Weak) and (Value is Strong) THEN the pixel belongs to color-class C1 with grade CF1 G. Castellano 13 Sistema Fuzzy per Definizione delle variabili di input Prima variabile di input: Hue(tinta) descrive la tinta del colore come coordinata angolare, e varia dal rosso 0 al rosso 360 Trasformazione del range in [0, 255] Dieci valori fuzzy, ciascuno corrispondente ad una tinta Funzioni di membership trapezoidali red orange yellow green cyan blue purple magenta pink red
8 Sistema Fuzzy per Soluzione proposta in (Shamir, 2006) 10 fuzzy set per la variabile Hue Il fuzzy set Red è ottenuto mediante unione di due fuzzy set G. Castellano 15 Sistema Fuzzyper Definizione delle variabili di input Seconda variabile di input: Saturation(saturazione) varia da 0 (colore desaturato -grigiastro) a 1 (colore puro o saturo) Trasformazione del range in [0, 255] Tre valori fuzzy: gray, medium, clear Funzioni di membership trapezoidali 1 gray medium clear saturation G. Castellano 16 8
9 Sistema Fuzzy per Soluzione proposta in (Shamir, 2006) 5 fuzzy set per la variabile Saturation G. Castellano 17 Sistema Fuzzyper Definizione delle variabili di input Terza variabile di input: Value(luminosità) Tre fuzzy values: dark, medium, bright Funzioni di membership trapezoidali 1 dark medium bright Value G. Castellano 18 9
10 Sistema Fuzzy per Soluzione proposta in (Shamir, 2006) 4 fuzzy set per la variabile Value G. Castellano 19 Sistema Fuzzyper Definizione della variabile di output Variabile di output: classe del colore Tanti valori fuzzy quante sono le classi considerate In (Shamir, 2006) si considerano: Black, White, Red, Orange, Yellow, Dark Gray, Light Gray, Pink, Light Brown, Dark Brown, Cyan, Blue, Olive, Light Green, Dark Green, Purple Fuzzy singleton G. Castellano 20 10
11 Sistema Fuzzyper Definizione delle regole Occorre definire, per ciascuna combinazione dei valori fuzzydi H, S, e V, un conseguente, ovvero una classe colore N.ro regole in (Samir, 2006): 10x5x4= 200 regole!! N.rodi regole con il nostro modello: 10 x 3x 3 = 90 regole!! Si potrebbe utilizzare un algoritmo genetico per ridurre il numero di regole (come in Borji& Hamidi, 2007) Per definire manualmente le regole, è necessario ridurre il numero di valori fuzzy Ad es. possiamo ridurre a 5 il numero di valori fuzzyper Hue 5x3x3=45 regole G. Castellano 21 Sistema Fuzzyper red orange yellow green cyan blue purple magenta pink red red yellow Cyan-blue magenta red
12 Defuzzificazione Dato in input un colore, espresso da una tripla HSV, il sistema fuzzy, mediante inferenza delle regole, fornirà la classe colore corrispondente Problema: l inferenza delle regole produrrà un valore crisp, non necessariamente coincidente con uno dei fuzzy singleton usati per rappresentare le classi necessità di avere in output un valore linguistico corrispondente ad una delle classi G. Castellano 23 Defuzzificazione Soluzione proposta in (Shamir, 2006) Si raggruppano tutte le regole in base al conseguente (classe) ottenendo C gruppi G 1, G 2,, G C Ad ogni gruppo di regole si associa un valore v c che è definito dalla somma dei livelli di attivazione delle regole nel gruppo Si seleziona il gruppo con valore massimo, cioè tale che vc * = max{ vc} c= 1... C Si considera come output dell inferenza la classe c* Altre soluzioni?? G. Castellano 24 12
13 Risultati original image segmentation using color space thresholding segmentation using nearest neighbor segmentation using fuzzy rule-based method proposed in (Shamir, 2006) G. Castellano 25 Risultati original image segmentation using color space thresholding segmentation using nearest neighbor segmentation using fuzzy rule-based method proposed in (Shamir, 2006) G. Castellano 26 13
14 Conclusione Dai risultati sperimentali si evince che la segmentazione effettuata con il metodo fuzzy è migliore rispetto a quella ottenuta con tecniche tradizionali di segmentazione del colore soprattutto sembra funzionare meglio su immagini di scene naturali, più complesse da segmentare G. Castellano 27 Conclusione Vantaggi del metodo basato su regole fuzzy Possibilità di modificare la classificazione in base alle esigenze di una specifica applicazione Ridotto costo computazionale Utilizzando 200 regole fuzzy, con processore Intel Pentium IV a 2.66 MHZ e 512 MB di RAM, un immagine 150x225 pixel è elaborata in circa 0.35 sec G. Castellano 28 14
15 Una variante Per ridurre il costo computazionale, si potrebbe pensare di suddividere l immagine in N blocchi e applicare l inferenza delle regole al colore medio di ciascun blocco Passi da implementare Convertire l immagine da RGB a HSV Calcolare le dimensioni dell immagine Se necessario fare un aggiustamento Suddividere l immagine in N blocchi uguali Per ciascun blocco, calcolare la media del colore (tripla HSV) Applicare l inferenza delle regole a ciascuno degli N valori medi G. Castellano 29 15
Segmentazione di immagini
Segmentazione di immagini È il processo di suddividere una immagine in un certo numero di regioni (insiemi di pixel) omogenee Ogni regione è omogenea rispetto ad alcune caratteristiche (livello di grigio,
DettagliUn sistema fuzzyper il miglioramento del contrasto
Un sistema fuzzyper il miglioramento del contrasto G. Castellano 1 Fuzzy Contrast Enhancement(FCE) ContrastEnhancement: miglioramento del contrasto di un'immagine a scale di grigio (trasformazione di intensità)
DettagliIntroduzione al colore
Introduzione al colore Introduzione I colori non sono proprieta intrinseche dei corpi ma sensazioni attivate nel sistema nervoso dell osservatore L esperienza del colore e causata dal fatto che il sistema
DettagliIntroduzione al colore
Introduzione al colore L Caponetti Introduzione I colori non sono proprieta intrinseche dei corpi ma sensazioni attivate nel sistema nervoso dell osservatore L esperienza del colore e causata dal fatto
DettagliI sistemi di inferenza fuzzy
I sistemi di inferenza fuzzy G. Castellano Sistema di inferenza fuzzy Un sistema di inferenza fuzzyrealizza un mappingdi I/O mediante l inferenza di regole linguistiche (fuzzy) del tipo IF-THEN: Le variabili
DettagliElaborazione di Segnali e Immagini (ESI)
Elaborazione di Segnali e Immagini (ESI) AA 2002-2003 Paola Bonetto email: bonetto@disi.unige.it Stanza: #110 Tel: 010 353 6643 Programma Colore e spazi di colore (CIE, RGB, HSV, gray, ) Formati di immagini
DettagliEqualizzazione di istogrammi
Equalizzazione di istogrammi Stefano Ferrari Università degli Studi di Milano stefanoferrari@unimiit Tecniche di calcolo e sistemi operativi e informatica academic year 217 218 Istogramma L istogramma
DettagliTecniche fuzzy per le trasformazioni di intensità e il filtraggio spaziale
Tecniche fuzzy per le trasformazioni di intensità e il filtraggio spaziale Cenni Storici 1965: Lofti A. Zadeh "Fuzzy Sets" Logica in cui sono presi in considerazione i valori intermedi fra il Vero ed il
DettagliINFORMATICA GRAFICA SSD ING-INF/05 Sistemi di elaborazione delle informazioni a.a. 2007/2008
INFORMATICA GRAFICA SSD ING-INF/05 Sistemi di elaborazione delle informazioni a.a. 2007/2008 CAP 6. Rendering grafico Lighting and Shading REVIEW Illumination Models and Shading - Review Illumination Models
Dettagliimpaginazione di libri, giornali e riviste la progettazione grafica (CAD) nelle industrie metalmeccanica, elettronica, impiantistica ed edile
LEZIONE 1 impaginazione di libri, giornali e riviste la progettazione grafica (CAD) nelle industrie metalmeccanica, elettronica, impiantistica ed edile videogiochi il ritocco fotografico il montaggio di
DettagliNozioni di grafica sul calcolatore. concetti di base
Nozioni di grafica sul calcolatore concetti di base La riproduzione di immagini fotografiche su computer avviene suddividendo l'immagine stessa in una matrice di punti colorati: pixels I formati basati
DettagliSystemi Fuzzy - esempio
Corso di Laurea in Scienze cognitive e Processi decisionali Intelligenza Artificiale e analisi dei dati Systemi uzzy - esempio Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent
DettagliIntelligenza Artificiale. Clustering. Francesco Uliana. 14 gennaio 2011
Intelligenza Artificiale Clustering Francesco Uliana 14 gennaio 2011 Definizione Il Clustering o analisi dei cluster (dal termine inglese cluster analysis) è un insieme di tecniche di analisi multivariata
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
DettagliSistemi di Elaborazione dell Informazione 170. Caso Non Separabile
Sistemi di Elaborazione dell Informazione 170 Caso Non Separabile La soluzione vista in precedenza per esempi non-linearmente separabili non garantisce usualmente buone prestazioni perchè un iperpiano
DettagliArchitettura di un renderer. Costruzione di Interfacce. Pipeline di rendering. Transformazioni di modellazione. Proiezione. Lighting e Clipping
Costruzione di Interfacce Lezione 2 Paolo Cignoni cignoni@iei.pi.cnr.it http://vcg.iei.pi.cnr.it/~cignoni/ci Architettura di un renderer La pipeline di rendering; assumendo che La scena è composta di entita
DettagliModelli di Colore. Michele Nappi, Ph.D Università degli Studi di Salerno biplab.unisa.it
Modelli di Colore Michele Nappi, Ph.D Università degli Studi di Salerno mnappi@unisa.it biplab.unisa.it 089-963334 Spettro Visibile Spettro Visibile: Luce bianca attraverso un prisma ottico 30/03/2016
DettagliElaborazione di immagini a colori
Elaborazione di immagini a colori Il colore nella elaborazione di immagini L uso del colore è motivato da: Il colore è un descrittore che semplifica l identificazione di un oggetto e la sua estrazione
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
DettagliCome orientarsi nello spazio colore
Come orientarsi nello spazio colore 3 colori bastano? I colori primari della stampa e della pittura Lo spazio colore Una ricetta per ogni colore Lo spazio colore Lo spazio colore è un cerchio Attenzione
DettagliProblema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe.
Problema: dati i voti di tutti gli studenti di una classe determinare il voto medio della classe. 1) Comprendere il problema 2) Stabilire quali sono le azioni da eseguire per risolverlo 3) Stabilire la
DettagliI colori Pantone per FastVR
I colori per FastVR I colori, nati prima della rivoluzione informatica, erano usati come riferimento per lavorare con vernici e coloranti. La misura e il confronto dei colori si effettuava a occhio usando
DettagliAlberi binari e di ricerca. Parte 1 BST e GUI. Introduzione. 1. Minimo Antenato Comune. 2. Vistita in ampiezza
Alberi binari e di ricerca Introduzione L esercitazione corrente riguarda problemi su alberi binari semplici e di ricerca. 1. Nella prima parte vengono proposti esercizi da svolgere mediante le classi
DettagliReti Neurali (Parte I)
Reti Neurali (Parte I) Corso di AA, anno 2017/18, Padova Fabio Aiolli 30 Ottobre 2017 Fabio Aiolli Reti Neurali (Parte I) 30 Ottobre 2017 1 / 15 Reti Neurali Artificiali: Generalità Due motivazioni diverse
DettagliFormalismi per la descrizione di algoritmi
Formalismi per la descrizione di algoritmi Per descrivere in passi di un algoritmo bisogna essere precisi e non ambigui Il linguaggio naturale degli esseri umani si presta a interpret non univoche Si usano
DettagliIntelligenza Artificiale. Logiche sfumate (Fuzzy Logics)
Intelligenza Artificiale Logiche sfumate (Fuzzy Logics Marco Piastra Logiche sfumate - 1 Insiemi sfumati idea intuitiva E la tartaruga fece una lunga camminata... ma quant è lunga, una lunga camminata...
DettagliRappresentazione dei numeri: il sistema di numerazione decimale
Università degli Studi di Cagliari Facoltà di Scienze Corso di Laurea in Matematica Corso di Elementi di Informatica Lezione 3 14 marzo 2017 Dott. A.A. 2016/2017 pgarau.unica@gmail.com 1 Codifica dei numeri
DettagliTecniche fuzzy per l elaborazione di immagini
Tecniche fuzzy per l elaborazione di immagini G. Castellano 1 Di che colore è? COLOR QUANTIZATION G. Castellano 2 1 Troviamo i bordi EDGE DETECTION G. Castellano 3 Troviamo le regioni omogenee COLOR IMAGE
DettagliS U N L E N S E S. CR39 - Policarbonato - Cristallo Fotocromatiche - Polarizzanti - Tester
S U N L E N S E S CR39 - Policarbonato - Cristallo Fotocromatiche - Polarizzanti - Tester 5.0 FILTRI SOLE 5.1 CR39 Base 2, Fotocromatico e Polarizzato Speciale Base 2... 4 Fotocromatico Base 4... 5 Polarizzato
DettagliAGENTI CHE RAGIONANO LOGICAMENTE LOGICA FUZZY
AGENTI CHE RAGIONANO LOGICAMENTE LOGICA FUZZY Agenti basati sulla conoscenza Un agente basato sulla conoscenza deve: Conoscere lo stato del mondo Conoscere come il mondo cambia nel tempo Saper fare inferenze
DettagliCostruzione di Interfacce. Colore. Modelli di colore RGB RGB RGB. Lezione 2. Paolo Cignoni
Costruzione di Interfacce Lezione 2 Paolo Cignoni Colore La luce e una forma di radiazione elettromagnetica La retina umana ha tre tipi di recettori, i coni, sensibili a particolari lunghezze d onda cignoni@iei.pi.cnr.it
DettagliIntelligenza Computazionale INSEGNAMENTO ANNO ACCADEMICO Informatica Magistrale CORSO DI LAUREA IN Anna Maria Fanelli DOCENTE II
Intelligenza Computazionale INSEGNAMENTO 2016-17 ANNO ACCADEMICO Informatica Magistrale CORSO DI LAUREA IN Anna Maria Fanelli DOCENTE II I ANNO DI CORSO SEMESTRE 4 N CREDITI LEZIONI FRONTALI: 32 68 N ORE
DettagliSegmentazione di immagini in scala di grigio basata su clustering
Segmentazione di immagini in scala di grigio basata su clustering Davide Anastasia, Nicola Cogotti 24 gennaio 06 1 Analisi del problema La segmentazione di immagini consiste nella suddivisione in un certo
DettagliL Caponetti. Una immagine digitale a livelli di grigio è una funzione: f : D [0,255]
Colore Geometria digitale Una immagine digitale a livelli di grigio è una funzione: f : D [,255] dove D è un insieme di coordinate discrete x,y D è chiamato griglia di campionamento Il punto della geometria
DettagliSviluppo di programmi
Sviluppo di programmi Per la costruzione di un programma conviene: 1. condurre un analisi del problema da risolvere 2. elaborare un algoritmo della soluzione rappresentato in un linguaggio adatto alla
DettagliSegmentazione basata su colore. Annalisa Franco
Segmentazione basata su colore Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 La segmentazione Scopo di questa esercitazione è l implementazione di tecniche di segmentazione basate
DettagliImmagini digitali. Annalisa Franco
Immagini digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Formazione dell immagine Immagine tratta dal testo Digital Image Processing (Gonzalez, Woods). Immagini Un immagine
DettagliImmagini e clustering
Immagini e clustering Alberto Borghese Università degli Studi di Milano Laboratorio di Sistemi Intelligenti Applicati (AIS-Lab) Dipartimento di Scienze dell Informazione borghese@dsi.unimi.it 1/24 http:\\homes.dsi.unimi.it\
DettagliGrafica Computerizzata
Grafica Computerizzata dott. Giancarlo Amati gamati@libero.it wxveuca@tin.it 1 Programma del Corso Lo scopo del corso è quello di dare le conoscenze di base della modellazione geometrica 2D e 3D tramite
DettagliSegmentazione automatica della carotide basata sulla classificazione dei pixel
Segmentazione automatica della carotide basata sulla classificazione dei pixel Samanta Rosati, Filippo Molinari, Gabriella Balestra Biolab, Dipartimento di Elettronica e Telecomunicazioni, Politecnico
DettagliReti Neurali. Corso di AA, anno 2016/17, Padova. Fabio Aiolli. 2 Novembre Fabio Aiolli Reti Neurali 2 Novembre / 14. unipd_logo.
Reti Neurali Corso di AA, anno 2016/17, Padova Fabio Aiolli 2 Novembre 2016 Fabio Aiolli Reti Neurali 2 Novembre 2016 1 / 14 Reti Neurali Artificiali: Generalità Due motivazioni diverse hanno spinto storicamente
DettagliClustering. Clustering
1/40 Clustering Iuri Frosio frosio@dsi.unimi.it Approfondimenti in A.K. Jan, M. N. Murty, P. J. Flynn, Data clustering: a review, ACM Computing Surveys, Vol. 31, No. 3, September 1999, ref. pp. 265-290,
DettagliFasi di creazione di un programma
Fasi di creazione di un programma 1. Studio Preliminare 2. Analisi del Sistema 6. Manutenzione e Test 3. Progettazione 5. Implementazione 4. Sviluppo Sviluppo di programmi Per la costruzione di un programma
DettagliI colori Pubblicato su (
Indice Sintesi additiva e sottrattiva Gli attributi del colore sui nostri monitor nei CSS Curiosità Sintesi additiva e sottrattiva Quando la luce colpisce un oggetto una parte viene assorbita dall oggetto
DettagliSistemi Intelligenti I fuzzy system::esercitazione. Overview
Sistemi Intelligenti I fuzzy system::esercitazione Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent Systems (AIS-Lab) Dipartimento di Scienze dell Informazione borghese@dsi.unimi.it
DettagliCompressione delle immagini (codifica JPEG)
Compressione delle immagini (codifica JPEG) A L B E R T O B E L U S S I A N N O A C C A D E M I C O 2 0 1 0 / 2 0 1 1 Motivazioni a favore della compressione 2 Es. Si consideri di voler proiettare un ora
DettagliCOMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI
COMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI Fondamenti di Informatica a.a.200.2005/06 Prof. V.L. Plantamura Dott.ssa A. Angelini Confronto di algoritmi Uno stesso problema può essere risolto in modi diversi,
DettagliImmagini Digitali Immagini digitali
Immagini digitali Processi e metodi per la codifica e il trattamento dei formati raster e vettoriali Immagini raster Fondamenti Le immagini raster, chiamate anche pittoriche o bitmap, sono immagini in
DettagliSistemi Intelligenti I fuzzy system::esercitazione
Sistemi Intelligenti I fuzzy system::esercitazione Alberto Borghese Università degli Studi di Milano Laboratory of Applied Intelligent Systems (AIS-Lab) Dipartimento di Scienze dell Informazione borghese@di.unimi.it
DettagliSegnale analogico. Analogico vs digitale. Segnale digitale. Trasformazione da analogico a digitale
LEZIONI 2 e 3 Rappresentazione dell informazione 53 Analogico vs digitale LEZIONI 2 e 3 Rappresentazione dell informazione 54 Segnale analogico Il computer può lavorare soltanto con grandezze di tipo digitale
DettagliPiano del Colore. Metodologia Analisi e Progetto. Variante. Mappa cromatica di uno spazio urbano. Comune di Riccia Provincia di Campobasso
Provincia di Campobasso Variante Mappa cromatica di uno spazio urbano Redazione del Metodologia Analisi e Progetto Relazione di Variante 1 RELAZIONE DI VARIANTE Indice variante Premessa pag. 3 Elaborato
DettagliSviluppo di programmi
Sviluppo di programmi Per la costruzione di un programma conviene: 1. condurre un analisi del problema da risolvere 2. elaborare un algoritmo della soluzione rappresentato in un linguaggio adatto alla
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
DettagliSviluppo di programmi
Sviluppo di programmi FASE 1: Dare un nome al problema partendo dall analisi del problema FASE 2: Scrivere la specifica funzionale FASE 3: Scrittura dell algoritmo FASE 3.1: Introduzione delle variabili
DettagliTecniche avanzate per la progettazione e la gestione dei sistemi produttivi
Tecniche avanzate per la progettazione e la gestione dei sistemi produttivi 1 Panoramica generale Dalle Scienze naturali Dalla matematica Knowledge Based systems Artificial Neural Networks Simulation Chaos
DettagliPROGETTAZIONE GRAFICA STAMPA CONTROLLO CONFEZIONAMENTO
Una struttura snella e versatile, un continuo e costante impegno volto a garantire la miglior soluzione pubblicitaria, di comunicazione e di marketing sono i punti di forza della PMP ADVERTISING SRL di
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
DettagliCompressione delle immagini (codifica JPEG)
Compressione delle immagini (codifica JPEG) ALBERTO BELUSSI ANNO ACCADEMICO 2009/2010 Motivazioni a favore della compressione 2 Es. Si consideri di voler proiettare un ora di un film mediante un dispositivo
DettagliLaboratorio di Segnali e Sistemi A. A. 2009/ Lezione 5: Immagini
Laboratorio di Segnali e Sistemi A. A. 2009/ 2010 Lezione 5: Immagini 28 maggio 2010 Introduzione Immagini: risultato di un sistema di acquisizione/elaborazione/visualizzazione della radiazione EM visibile
DettagliCorso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco. Segmentazione. A cura di Andrea Tambone
Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco Segmentazione A cura di Andrea Tambone Introduzione Lo scopo della segmentazione è suddividere un immagine in regioni contenenti pixel
DettagliGrafica Computazionale. Il colore. Fabio Ganovelli 2006
Grafica Computazionale Il colore Fabio Ganovelli fabio.ganovelli@isti.cnr.it a.a. 2005-2006 2006 Diapositive a corredo del libro: Fondamenti di Grafica Tridimensionale Interattiva R. Scateni, P. Cignoni,
DettagliStudio degli algoritmi
COMPLESSITÀ COMPUTAZIONALE DEGLI ALGORITMI Fondamenti di Informatica a.a.2006/07 Prof. V.L. Plantamura Dott.ssa A. Angelini Studio degli algoritmi Dato un problema P, le problematiche riguardano: Sintesi
Dettagli02/03/2016. LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 8 STRUTTURE DI CONTROLLO (1)
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 8 STRUTTURE DI CONTROLLO (1) Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II wpage.unina.it/lapegna
DettagliInformatica ALGORITMI E LINGUAGGI DI PROGRAMMAZIONE. Francesco Tura. F. Tura
Informatica ALGORITMI E LINGUAGGI DI PROGRAMMAZIONE Francesco Tura francesco.tura@unibo.it 1 Lo strumento dell informatico: ELABORATORE ELETTRONICO [= calcolatore = computer] Macchina multifunzionale Macchina
DettagliCluster Analysis. La Cluster Analysis è il processo attraverso il quale vengono individuati raggruppamenti dei dati. per modellare!
La Cluster Analysis è il processo attraverso il quale vengono individuati raggruppamenti dei dati. Le tecniche di cluster analysis vengono usate per esplorare i dati e non per modellare! La cluster analysis
DettagliAnalisi dei Dati. Lezione 9 - Preprocessing dei dati
Analisi dei Dati Lezione 9 - Preprocessing dei dati Motivazioni I dati nel mondo reale sono sporchi incompleti: mancano valori per gli attributi, mancano attributi importanti, solo valori aggregati rumorosi:
DettagliCorso di Laurea in Informatica. Dipartimento di Scienze Fisiche -- Università di Napoli Federico II. Colori. Sistemi Informativi Multimediali
Colori 1 La Percezione dei Colori Immanuel Kant (Königsberg,, 1724-1804) 1804) tratta il fenomeno (Phainomenon)) percepito secondo quello che appare e non nella sua reale essenza 2 Rappresentazione dei
DettagliReti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
DettagliUniversità degli Studi di Ferrara. Docente: Dott. Andrea Silvestri. - Immagini -
Università degli Studi di Ferrara Corso di Laurea in Tecnologie per i Beni Culturali 1 A.A.2009/2010 Corso di Informatica 2 Docente: Dott. Andrea Silvestri - Immagini - 2 Sommario Immagine digitale metodi
DettagliISTITUTO COMPRENSIVO U. FOSCOLO di VESCOVATO PROVE D INGRESSO per la SCUOLA PRIMARIA LINGUA INGLESE A.S. 2015/ 2016
ITITUTO COMPRENIVO U. FOCOLO di VECOVATO PROVE D INGREO per la CUOLA PRIMARIA LINGUA INGLEE A.. 2015/ 2016 Classe Prima (orale) Poiché in alcune scuole d infanzia è previsto l insegnamento della lingua
DettagliModulo 1. Concetti base della Tecnologia dell informazione. Prof. Nicolello Cristiano. Modulo 1
Concetti base della Tecnologia dell informazione Algoritmi Come interpreta un computer un problema? Algoritmi Algoritmo: sequenza ordinata di istruzioni per risolvere un problema (tradotto: sequenza di
DettagliLa luce e il colore. Che cos è la luce
9 La luce e il colore Che cos è la luce La luce è una forma di energia fondamentale per la vita nel nostro pianeta. Ci riscalda e ci consente di vedere tutto ciò che ci circonda. Si può produrre luce naturalmente
DettagliBag of (visual) Words. BoW. Input image. Dizionario visuale. Rappresentazione
Bag of (visual) Words BoW Il modello è stato proposto con l obiettivo di rappresentare un immagine tramite un dizionario visuale. Il metodo BoW si ispira alle tecniche di rappresentazione dei documenti
DettagliR.Polillo, Interazione uomo macchina Parte seconda, 2
IL COLORE Scopo di questa lezione Descrivere, a livello elementare, i concetti principali della teoria dei colori e della visione dei colori, per permettere di comprendere le principali problematiche che
DettagliPOLITECNICO DI TORINO
POLITECNICO DI TORINO III Facoltà di Ingegneria dell Informazione Corso di Laurea Magistrale in Ingegneria Informatica Tesina di Intelligenza Artificiale Clustering su dati climatici usando Kohonen map
DettagliProf. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE
Prof. Pagani Corrado ALGORITMI E COMPLESSITÀ COMPUTAZIONALE COMPLESSITÀ DEGLI ALGORITMI L oggetto della teoria della complessità è stabilire se un problema sia facile o difficile In base a quali parametri
DettagliSistemi di Controllo Intelligente Introduzione al Controllo Fuzzy
UNIVERSITA DEGLI STUDI DI PALERMO Laurea in Ingegneria dell Automazione (Nuovo Ordinamento) Anno Accademico 2003/2004 Sistemi di Controllo Intelligente Introduzione al Controllo Fuzzy 1 Progetto di un
DettagliReti Neurali (Parte I)
Reti Neurali (Parte I) Corso di AA, anno 2018/19, Padova Fabio Aiolli 07 Novembre 2018 Fabio Aiolli Reti Neurali (Parte I) 07 Novembre 2018 1 / 16 Reti Neurali Artificiali: Generalità Due motivazioni diverse
Dettagli1 1, { x1 2x 2 + x 3 = 0 2x 2 8x 3 = 1 x 1 x 4 = = 0
a.a. 5-6 Esercizi. Sistemi lineari. Soluzioni.. Determinare quali delle quaterne, 3,, sono soluzioni del sistema di tre equazioni in 4 incognite { x x + x 3 = x 8x 3 = x x 4 =. Sol. Sostituendo ad x, x,
Dettagli3. Indicare cosa sta a significare la figura geometrica del rombo in un diagramma a blocchi
0.1.1.1 Definire un algoritmo 1. Con il termine algoritmo si intende: a) il software utilizzato in un calcolatore b) l elenco finito di istruzioni necessario per risolvere un problema c) un elaboratore
DettagliCONSIGLI PER IL LAVAGGIO Temperatura max 40 C, capo al rovescio, detersivo neutro. POLI-TAPE FLEX PLUS 418 MEDIUM YELLOW 419 LEMON YELLOW 420 GOLD
FLEX PLUS è composto da un sottile strato di poliuretano ecologico, con superficie opaca e non riflettente, in conformità con Oeko-Tex standard 100. Il supporto adesivo in poliestere permette di riposizionare
DettagliTecnologie per il web e lo sviluppo multimediale. Rappresentazione delle informazioni
Tecnologie per il web e lo sviluppo multimediale Rappresentazione delle informazioni Luca Pulina Corso di Laurea in Scienze della Comunicazione Università degli Studi di Sassari A.A. 2015/2016 Luca Pulina
DettagliErrata corrige. Alfabeti Batak, Brahmi, Mandaic Simboli per carte da gioco, mappe, mezzi di trasporto, alchemici e emoticon
Errata corrige Nella lezione precedente, avevamo indicato come corrente la versione 5 di UNICODE. In realtà, è stata pubblicata a Ottobre 2010 la versione 6, che come al solito aggiunge alcuni caratteri:
DettagliIntroduzione alla Grafica
GRAFICA Introduzione alla Grafica Teoria del colore Stampa Offset - Deretinatura Stampa digitale Immagini raster Immagini vettoriali - Pdf Briefing con il cliente Riepilogo... cerchio di Itten al centro
DettagliU n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o. Guido Vicino
U n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o Corso di Laurea Specialistica in Informatica dei Sistemi Avanzati e dei Servizi di Rete Studio introduttivo alle
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
Dettagli10 STRUTTURE DI CONTROLLO REPEAT E WHILE. Strutture di controllo e variabili strutturate
LABORATORIO DI PROGRAMMAZIONE Corso di laurea in matematica 10 STRUTTURE DI CONTROLLO REPEAT E WHILE Marco Lapegna Dipartimento di Matematica e Applicazioni Universita degli Studi di Napoli Federico II
DettagliServiceCentre 5.0 FILTRI SOLE. TheLabModularSystem. EasyNavigationConcept
ServiceCentre 5.0 FILTRI SOLE TheLabModularSystem EasyNavigationConcept 5.0 FILTRI SOLE 5.1 CR39 Fotocromatico e Polarizzato Fotocromatico... 248 Polarizzato con antiriflesso (AR) interno... 249 5.3 CR39
DettagliParallel Frequent Set Counting
Parallel Frequent Set Counting Progetto del corso di Calcolo Parallelo AA 2001-02 Salvatore Orlando 1 Cosa significa association mining? Siano dati un insieme di item un insieme di transazioni, ciascuna
DettagliIndicizzazione di feature locali. Annalisa Franco
1 Indicizzazione di feature locali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Introduzione I descrittori locali sono vettori di uno spazio N- dimensionale (alta dimensionalità)
DettagliSegmentazione di impronte digitali. Annalisa Franco
Segmentazione di impronte digitali Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 La segmentazione Scopo di questa esercitazione è l implementazione di una tecnica di segmentazione
DettagliLezione 3: Immagini (3)
Lezione 3: Immagini (3) Informatica e Produzione Multimediale Docente: Umberto Castellani Cenno al colore: spazio colore I colori possono essere ambientati in uno spazio colore che generalmente è uno spazio
Dettagli13. Colorimetria. La visione cromatica
Elena Botta e Giuseppina Rinaudo Corso IFTS Ottici 2003/2004 Spettroscopia e fotometria 13. Colorimetria La visione cromatica È affidata all assorbimento della luce da parte dei tre tipi di pigmento dei
DettagliISTITUTO SCOLASTICO COMPRENSIVO MINEO UNITA 1 I NUMERI
ISTITUTO SCOLASTICO COMPRENSIVO MINEO CURRICOLO DI MATEMATICA SCUOLA PRIMARIA classe PRIMA A-B-C INDICATORI OBIETTIVI U.D D'APPRENDIMENTO NUMERI 1) Acquisire il concetto di numero (almeno entro il 100)
DettagliAutomatic and Accurate Extraction of Road Intersections from Raster Maps
Automatic and Accurate Extraction of Road Intersections from Raster Maps Studente Francesco Vitagliani Introduzione L uso delle mappe è noto da tempi antichi. Oggi grazie alla diffusione di mappe raster,
DettagliAbbiamo visto come la codifica di testi sia (relativamente semplice) Con le immagini la questione è più complessa
Codifica delle immagini Abbiamo visto come la codifica di testi sia (relativamente semplice) Un testo è una sequenza di simboli Ogni simbolo è codificato con un numero Ed ecco che il testo è trasformato
DettagliAnalisi e scelta dei dati di input
Analisi e scelta dei dati di input Corso di Tecniche di Simulazione, a.a. 2005/2006 Francesca Mazzia Dipartimento di Matematica Università di Bari 24 Aprile 2006 Francesca Mazzia (Univ. Bari) Analisi e
DettagliAcquisizione di immagini
Università di Roma Tor Vergata Anno Accademico 2016 2017 Acquisizione di immagini Immagini e Filmati L immagine Un'immagine è un modo di rappresentare in un spazio generalmente piano (a coordinate indipendenti)
DettagliTENDENZE. Le nuove collezioni vista/sole di Divel Italia
TENDENZE Le nuove collezioni vista/sole di Divel Italia TENDENZE Le nuove collezioni vista/sole di Divel Italia SPEEDY La linea Speedy si compone di colorazioni multistrato che interpretano le tendenze
Dettagli