Metriche di Qualità per le Immagini Digitali. Multimedia
|
|
- Dorotea Contini
- 7 anni fa
- Visualizzazioni
Transcript
1 Metriche di Qualità per le Immagini Digitali
2 Che cosa è una metrica di qualità? Una metrica di qualità è un metodo che permette di dare una valutazione qualitativa di un immagine. E quindi fortemente legata al modello di percezione del sistema visivo umano. La valutazione oggettiva della qualità suscita grande interesse fra i produttori di display per applicazioni mobili e fisse in quanto le misure soggettive richiedono elevate risorse umane, tempi lunghi e forniscono scarsa ripetibilità; tuttavia le metriche oggettive adottate spesso non forniscono un giudizio concorde con i dati soggettivi e con le reali preferenze delle persone.
3 La qualità percepità può essere misurata?
4 Qualità Assoluta La qualità assoluta in quanto tale è un dato oggettivo, completamente descritto dall immagine e caratterizzabile mediante un insieme di attributi dell immagine, alcuni semplici, altri composti da sotto attributi, alcuni misurabili, altri non misurabili. Fra questi ricordiamo: il contenuto informativo dell immagine, comprendente i soggetti raffigurati e il contesto: naturalmente non risulta matematicamente misurabile; la luminosità, forse l unico attributo semplice e misurabile; il colore, con i suoi sotto-attributi, quali la saturazione, la naturalezza, l omogeneità, lo scolorimento;
5 Qualità Assoluta. il contrasto, rappresentativo sia del rapporto chiaro/scuro che delle rappresentazioni di contorni e dettagli; la nitidezza ( sharpness ), costituita dallo sfocamento ( blur ), dalle rappresentazioni dei dettagli ( detail rendering ) e dei contorni ( contour rendering ); la naturalezza dei contenuti, quali la rettilinearità delle linee rette ( line straightness ), la curvilinearità delle linee circolari ( circle rendering ), l uniformità delle forme; le distorsioni spaziali (e/o temporali), come il rumore, gli errori di pixel e di contorni ( silhouettes ).
6 .e Qualità Percepita La qualità percepita, è invece un parametro soggettivo, dipendente oltre che dalle caratteristiche dell immagine, cioè dai suoi attributi descrittivi, anche da altri fattori, quali ad esempio: L elaborazione effettuata sull immagine, che potrebbe avere in qualche modo migliorato/alterato l immagine secondo il gusto dell osservatore umano: le tecniche di compressione /decompressione responsabili di artefatti tipici che degradano la qualità dell immagine ( blocking e ringing ); i filtraggi per la riduzione del rumore indotto dal canale di trasmissione e gli algoritmi di enhancement, miglioramento, della qualità ( peaking ); le conversioni di formato, per ottenere rappresentazioni migliori o far dialogare standard diversi (NTSC PAL).
7 .e Qualità Percepita Le caratteristiche tecnologiche del display impiegato per la rappresentazione e del sistema video di uscita, con i vincoli imposti, quali per esempio: il tipo di schermo, LCD o CRT; le dimensioni dello schermo; le dimensioni dei pixel; la risoluzione spaziale; la frequenza di refresh; la memoria dedicata della scheda grafica; la velocità del bus. La fisiologia e la cognizione della percezione visiva umana, comprendente i meccanismi percettivi del sistema visivo, quali:la percezione della luminosità; la percezione del contrasto e i fenomeni di mascheramento del contrasto; la percezione di contorni e orientamenti; la percezione del colore; la percezione stereo della profondità; la percezione spazio temporale della visione.
8 Dove sta il problema? Potremmo pensare di confrontare tra loro i pixel corrispondenti di due immagini, potendo così stabilire se le due immagini sono diverse ma non possiamo dire nulla da un punto di vista quantitativo sulla reale distanza percettiva esistente.
9 Classificazione delle Metriche Nello studio delle metriche di qualità è possibile distinguere le metriche in: Soggettive Applicare una metrica soggettiva vuol dire effettuare una valutazione dell immagine che tenga conto della percezione soggettiva del sistema visivo umano (HVS - Human Visual System). Oggettive Applicare una metrica oggettiva vuol dire mettere in atto una computazione che, attraverso l ausilio di formule matematiche, elabora in maniera automatica la valutazione di un immagine, senza alcuna interazione col sistema visivo umano.
10 Classificazione delle metriche Le metriche di qualità possono essere poi classificate in base alla presenza di una maggiore o minore disponibilità del segnale di riferimento, con il quale confrontare l immagine distorta. FR (Full Reference) è una metrica di qualità nella quale si ha la completa disponibilità dell immagine di riferimento e quindi può essere effettuato un confronto completo tra l immagine distorta, della quale si vuole conoscere la qualità, e l immagine di riferimento. Full Reference
11 Classificazione delle metriche NR (No-Reference) è una metrica di qualità nella quale non si ha alcuna informazione sull immagine di riferimento. In molte applicazioni video le immagini di riferimento o le sequenze video, spesso non sono accessibili, quindi è desiderabile, per poter gestire tali situazioni, utilizzare metriche che possano valutare la qualità di un immagine o di un video senza un riferimento. No Reference
12 Classificazione delle metriche RR (Reduced Reference) è una metrica di qualità nella quale l immagine di riferimento non è per intero disponibile. In questo caso si estraggono, dall immagine originale, solo alcune informazioni parziali che vengono in qualche modo elaborate per fornire una valutazione della qualità, dell immagine distorta, presa in esame. Reduced Reference Spatial details; Amount of motion; EXIF metadata;
13 Metriche oggettive più comuni Le metriche oggettive più usate sono: MSE - (Mean Square Error) PSNR - (Peak Signal-to Noise Ratio) E * a,b CIELAB SSIM
14 PSNR (Peak Signal to Noise Ratio) È una tecnica di Full reference. Per calcolarlo è necessario avere sia l immagine da valutare che una sua versione ottimale. Il PSNR non è il migliore parametro per valutare la qualità di un algoritmo di interpolazione, ma è il più diffuso.
15 Schema per il calcolo del PSNR in caso di zooming
16 PSNR: forumule
17 MSE e PSNR MSE e PSNR sono molto usati perché semplici da calcolare, però non sempre danno un risultato fedele a quello dato dal sistema visivo umano. Infatti: La sensibilità del sistema HVS agli errori può essere diversa per diversi tipi di errori, e può variare anche in base al contesto visuale. Tale differenza non può essere colta adeguatamente dall MSE. Due immagini distorte possono avere tipi molto diversi di errori pur avendo lo stesso MSE. Entrambe le metriche sono fortemente influenzati ancheda impercettibili movimenti spaziali (traslazioni,rotazioni, flipping di righe e/colonne)
18 PSNR vs MSE 1000 MSE MSE R 45 PSNR MSE G MSE B MSE db
19 MSE e PSNR per immagini RGB Solitamente si usa una delle seguenti soluzioni la semplice media dei valori MSE (o PSNR) sui 3 canali Una combinazione lineare che pesa maggiormente la componente verde
20 Rappresentazione del colore Nel caso monocromatico, l unico attributo necessario a caratterizzare in ogni punto l immagine è l intensità, che si traduce nel valore di grigio del corrispondente pixel. Nel caso della radiazione cromatica, per ogni punto dell immagine occorre tener conto dei tre valori dei primari che ne determinano il colore. A tal fine la classica rappresentazione delle immagini a colori prevede l impiego di tre matrici di intensità, una di rosso, una di verde, una di blu. In altre parole, nel caso della radiazione cromatica, l intensità da sola non è sufficiente a caratterizzare l immagine, in quanto occorre anche esprimere quantitativamente la presenza delle appropriate lunghezze d onda, la cosiddetta crominanza (o cromaticità)
21 Rappresentazione del colore Due sono gli elementi della crominanza: la tinta (hue in inglese) e la saturazione. La tinta è un attributo associato con la lunghezza d onda dominante in una miscela di onde luminose. Rappresenta pertanto quello che viene normalmente denominato il colore dominante di un oggetto. La saturazione è un attributo che si riferisce alla purezza del colore, ovvero alla quantità di luce bianca mescolata con una tinta. I colori puri dello spettro hanno una saturazione del 100%, mentre colori come il rosa, che è una miscela di rosso e bianco, o il lavanda, che è una miscela di blu e bianco, sono meno saturi, con il grado di saturazione inversamente proporzionale alla quantità di bianco. La luce bianca ha invece saturazione nulla. Un altro modo in cui può essere specificato un colore è in termini delle quantità di R, G e B necessarie a formarlo, i cosiddetti valori di tristimolo X, Y e Z.
22 Spazio CIE xyz Un colore può essere specificato mediante dei coefficienti tricromatici. I valori di tristimolo necessari a rappresentare il colore corrispondente ad una certa lunghezza d onda possono essere determinati da curve, tabelle e diagrammi determinati sulla base di una estesa sperimentazione, condotta in particolare negli anni 60. Uno di essi è il diagramma CIE di cromaticità, che mostra la composizione di un colore in funzione di x e y, mentre il corrispondente valore di z è calcolato direttamente dalla z = 1 - (x + y). Il diagramma di cromaticità CIE 1931, è solo una "fetta" di uno spazio più completo, lo spazio dei colori CIE 1931 al quale si assegnano le coordinate XYZ. La sua proiezione su un piano è un diagramma di cromaticità xy. Le relazioni per passare dalle coordinate tridimensionali XYZ alle coordinate xy sono: x = X/(X+Y+Z), y = Y/(X+Y+Z).
23 Modelli del Colore Scopo di un modello del colore (o spazio dei colori o sistema dei colori) è di consentirne la specificazione dei colori con modalità standardizzate, che fanno normalmente riferimento ad un sistema di coordinate 3-D (dato che tre sono comunque le caratteristiche che definiscono un colore), o meglio ad un suo sotto-spazio, nel quale ogni colore è rappresentato da un punto. I modelli del colore più utilizzati in image processing sono orientati o all hardware di acquisizione (RGB) e restituzione (RGB, CMY) delle immagini o alla loro trasmissione (YUV, YIQ), compressione (YCbCr), elaborazione (od analisi) mediante trattamento del colore (RGB, HSI, HSV, LUV,...). Alla poca chiarezza derivante dalla abbondanza di modelli dello stesso tipo, si aggiunge l uso ambiguo delle lettere nei nomi dei modelli (I o V significano cose diverse in modelli diversi), e soprattutto il fatto che in letteratura esistono differenti versioni delle equazioni di conversione dall uno all altro dei modelli indicati.
24 CIE L*a*b* Il principale difetto del sistema CIE (e di tutti i modelli del colore da esso derivati mediante trasformazioni lineari o non lineari di coordinate) è che esso non è dotato di uniformità percettiva. In altre parole, dati due colori C1 e C2, consideriamone le distanze C, rispettivamente, dal colore C3 = C1 + C e dal colore C4 = C2 + C. Supponendo che le due distanze siano quantitativamente uguali, sarebbe desiderabile che i due colori C3 e C4 fossero percepiti come ugualmente distanti da C1 e C2. Dato che il sistema non è percettivamente uniforme, in generale le due distanze, benchè uguali, saranno percepite come differenti. Dopo molti anni di elaborazione, la CIE ha standardizzato nel 1976 due spazi di colore percettivamente uniformi, chiamati rispettivamente CIE L*u*v*e CIE L*a*b* (u e v non hanno alcuna relazione con le componenti video U e V)
25 E * a,b CIELAB La metrica E * a,b CIELAB lavora sullo spazio colore CIELAB. Differentemente da altri spazi colore, lo spazio colore CIELAB, è percettivamente uniforme. I parametri che lo determinano sono: L*, a*, b*. L* rappresenta la luminanza mentre a* e b* rappresentano la crominanza. L*, a* e b* sono le trasformazioni dei tre valori di tristimolo X, Y e Z dello spazio colore CIE XYZ.
26 Formule Attraverso le seguenti formule, si può passare dallo spazio colore CIE XYZ allo spazio colore CIELAB, e viceversa Dove X/X n, Y/Y n, e Z/Z n, sono maggiori di 0.01 e X n, Y n e Z n definiscono il punto bianco. Lo spazio colore CIELAB in confronto al CIE XYZ rispetta maggiormente la risposta non lineare dell occhio umano alle radiazioni elettromagnetiche. La metrica CIELAB si ottiene dalla seguente formula: * 3 1 = Y n Y L = * n Y n Y X X a = * n Z n Z Y Y b ( ) ( ) ( ) * * * * b a L E ab + + =.
27 Osservatori Standard e CMF Laboratorio PH3DRA - PHysics for Dating Diagnostic and Dosimetry Research and Applications By Anna Maria Gueli
28 CIE 1931 e 1964 By Anna Maria Gueli
29 Coordinate L*a*b* By Anna Maria Gueli
30 Coordinate L*a*b* Laboratorio PH3DRA - PHysics for Dating Diagnostic and Dosimetry Research and Applications By Anna Maria Gueli
31 L*a*b* color space Laboratorio PH3DRA - PHysics for Dating Diagnostic and Dosimetry Research and Applications By Anna Maria Gueli
32 Color differences By Anna Maria Gueli
33 Color differences Laboratorio PH3DRA - PHysics for Dating Diagnostic and Dosimetry Research and Applications By Anna Maria Gueli
34 SSIM (Structural SIMilarity) La Structural SIMilarity (SSIM) misura la similarità tra due immagini (Full-Reference). Si basa sul fatto che il sistema visivo umano è in grado di estrarre informazioni strutturali dal campo visivo. Pertanto, una misurazione della perdita di informazione strutturale può fornire una buona approssimazione alla distorsione della immagine percepita. Sono quindi considerate le informazioni strutturali in un immagine come quegli attributi che riflettono la struttura degli oggetti sulla scena, indipendenti da luminanza e contrasto medio.
35 SSIM (Structural SIMilarity) E stato introdotto un indice universale di qualità dell immagine che separa il confronto della luminanza, contrasto e struttura. Questo approccio è stato generalizzato e migliorato, fino a quando è stato possibile estrarre un indice che ha evidenziato alcuni vantaggi rispetto alle metriche tradizionali. Z. Wang, A. C. Bovik, H. R. Sheikh and E. P. Simoncelli, Image quality assessment: From error visibility to structural similarity, IEEE Transactions on Image Processing, vol. 13, no. 4, pp , Apr Z. Wang and A. C. Bovik, Mean squared error: love it or leave it? - A new look at signal fidelity measures, IEEE Signal Processing Magazine, vol. 26, no. 1, pp , Jan Si veda:
36 SSIM (Structural SIMilarity) Si considerino x e y due segnali non negativi corrispondenti rispettivamente all immagine campione e a quella distorta. Dati µ x (media di x), µ y (media di y), σ 2 x (varianza di x), σ 2 y (varianza di y), σ xy (covarianza di x e y) si definisce SSIM (x,y): Le due costanti C 1 e C 2 servono per i casi limite (divisione per zero) e sono definite come C 1 =(K 1 L) 2 e C 2 =(K 2 L) 2, dove L=255 per immagini a 8 bit, e K 1 K 2 <<1 sono due costanti molto piccole).
37 SSIM (Structural SIMilarity) Luminanza Contrasto Struttura
38
39 SSIM (Structural SIMilarity)
40 Compressione JPEG Originale Low Quality High Quality
41 Metriche soggettive più comuni Le metriche soggettive più usate sono: VQED SSCQE DSCQS MOS IMA
42 VQEG Il VQEG (Video Quality Expert Group dal 1997 cerca di sviluppare, convalidare e standardizzare nuove metriche soggettive di qualità dell immagine. I criteri di valutazione di una metrica tengono conto di: Prediction Accuracy (accuratezza della previsione): la capacità di predire una valutazione soggettiva della qualità con basso errore. Prediction Monotonicity: l esattezza con la quale le previsioni concordano con le valutazioni soggettive della qualità. VQEG fornisce un ampio video database, a disposizione del pubblico, con valutazioni affidabili di tipo soggettivo.
43 VQEG - SSCQE (Single Stimulus Continuous Quality) SSCQE: l immagine da valutare viene mostrata ai soggetti che la devono valutare in intervalli di tempo successivi; essa di volta in volta, presenta diversi rumori. I soggetti, ad ogni osservazione, esprimono le loro impressioni sulla qualità dell immagine, utilizzando una scala articolata su cinque livelli di qualità.
44 VQEG - DSCQS (Double Stimulus Continuos Quality Scale). DSCQS: l immagine di riferimento e l immagine distorta vengono presentate in sequenza l una dopo l altra ed il soggetto le valuta entrambe usando la stessa scala utilizzata nel metodo SSCQE.
45 MOS Mean Opinion Score Tra le metriche soggettive, negli ultimi anni, la metrica MOS è stata considerata la più affidabile, essa consiste nella valutazione media di giudizi espressi da diversi osservatori umani, relativi alla qualità di un immagine. Questa metrica però presenta i alcuni svantaggi: - è molto lenta, costosa e non può essere condotta in tempo reale; - non può essere utilizzata per quelle applicazioni che necessitano di metriche automatiche.
46 IMA test: Vengono elencati una serie di fattori che impattano la qualità delle immagini acquisite da specifiche camere digitali
Metriche di Qualità per le Immagini Digitali. Multimedia
Metriche di Qualità per le Immagini Digitali Che cosa è una metrica di qualità? Una metrica di qualità è un metodo che permette di dare una valutazione qualitativa di un immagine. E quindi fortemente legata
DettagliMetriche di Qualità per le Immagini Digitali
Metriche di Qualità per le Immagini Digitali Prof. Sebastiano Battiato Una metrica di qualità è un metodo che permette di dare una valutazione qualitativa di un immagine. E quindi fortemente legata al
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.
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
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
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
DettagliCapitolo 3 Compressione sorgenti statiche
Capitolo 3 Compressione sorgenti statiche Elementi di codifica di sorgente Entropia Classificazione degli algoritmi Testo RLE Huffman statico Huffman dinamico Codifica aritmetica LZ Immagini Prestazioni
DettagliFisica della Visione Introduzione
1 Introduzione 2 Lezione 14 La percezione visiva: coordinate colorimetriche Spazio dei colori. Componenti tricromatiche. Coordinate tricromatiche. CIE RGB. Coordinate colorimetriche RGB. Coordinate colorimetriche
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
DettagliColore: qualità della sensazione visiva, soggettiva e non comunicabile Colorimetria: quantificazion e di eguaglianze fra colori
LEZIONE 4 Colore: qualità della sensazione visiva, soggettiva e non comunicabile Colorimetria: quantificazion e di eguaglianze fra colori Rossa Rosso Vivo Di che colore è questa mela? - Verde Rosso Fuoco
DettagliLEZIONE 7. Colore: qualità della sensazione visiva, soggettiva e non comunicabile Colorimetria: quantificazione di eguaglianze fra colori
LEZIONE 7 Colore: qualità della sensazione visiva, soggettiva e non comunicabile Colorimetria: quantificazione di eguaglianze fra colori Di che colore è questa mela? - Rossa Rosso Vivo Verde Rosso Fuoco
DettagliMetriche di Qualità per le Immagini Digitali
Metriche di Qualità per le Immagini Digitali Prof. Sebastiano Battiato Una metrica di qualità è un metodo che permette di dare una valutazione qualitativa di un immagine. E quindi fortemente legata al
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 =
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)
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
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
DettagliLa codifica delle immagini
Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
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
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
DettagliAcquisizione di immagini
Acquisizione di immagini Immagini e Filmati L immagine Un'immagine è un modo di rappresentare in un spazio generalmente piano (a coordinate indipendenti) un oggetto o una scena o una creazione della fantasia.
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
DettagliLa capacità fotosintetica delle piante coltivate su terreno trattato con Bio Aksxter
La capacità fotosintetica delle piante coltivate su terreno trattato con Bio Aksxter INTRODUZIONE Lo spettro della luce visibile e costituito da radiazioni aventi lunghezze d onda comprese tra 400 a 700
DettagliColorimetria. La caratteristica della luce che genera in noi la sensazione del colore è la sua distribuzione energetica spettrale
Colorimetria La caratteristica della luce che genera in noi la sensazione del colore è la sua distribuzione energetica spettrale Bibliografia: Giusti Federico Principi di colorimetria e riproduzione del
DettagliInformazione multimediale
Informazione multimediale Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma ci sono sempre piu applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
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
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.
DettagliDISPENSE DI PROGETTAZIONE OTTICA PROGETTAZIONE DI STRUMENTI OTTICI. Cap.9 FOTOMETRIA E SPETTROMETRIA
DISPENSE DI PROGETTAZIONE OTTICA PROGETTAZIONE DI STRUMENTI OTTICI Cap.9 FOTOMETRIA E SPETTROMETRIA Ing. Fabrizio Liberati Cap.9 FOTOMETRIA E SPETTROMETRIA 9.1 Misura della luce La luce è la porzione dello
DettagliTutti i dispositivi di un elaboratore sono realizzati con tecnologia digitale
Calcolatore e Informazione Tutti i dispositivi di un elaboratore sono realizzati con tecnologia digitale Corrente + Corrente Magnetismo + Magnetismo Luce presente (+) Luce assente (-) Dati ed operazioni
DettagliImmagini in medicina
Università degli Studi di Roma Tor Vergata - Facoltà di Ingegneria Corso di Laurea Triennale in Ingegneria Medica Immagini in medicina BIOIMMAGINI Scopo: Studio delle parti interne del corpo statiche Studio
DettagliTecnologie Multimediali a.a. 2016/2017. Docente: DOTT.SSA VALERIA FIONDA
Tecnologie Multimediali a.a. 2016/2017 Docente: DOTT.SSA VALERIA FIONDA Teoria del Colore Teoria del colore Il nostro mondo è tridimensionale e composto da un numero infinitamente grande di molecole (punti)
DettagliLa codifica delle immagini
Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
DettagliFisica della Visione Introduzione
1 Introduzione 2 Lezione 14.5 La percezione visiva: spazio dei colori Spazio dei colori. Osservatore standard. Primari immaginari. Colori reali e irreali. Colori spettrali. Mescolanze sottrattive. Altri
DettagliLa codifica delle immagini
Non sempre il contorno della figura coincide con le linee della griglia. Quella che si ottiene nella codifica è un'approssimazione della figura originaria Se riconvertiamo la stringa 0000000011110001100000100000
DettagliIl colore. Un fenomeno fisico e psicologico
Il colore Un fenomeno fisico e psicologico La luce bianca e i colori Il prisma di Newton: lo spettro 7 bande distinte nello spettro Ogni banda su specifiche lunghezze d onda La teoria ingenua newtoniana
DettagliScuola di Specializzazione in Fisica Sanitaria a.a. 2005/2006. Corso di Informatica e Statistica Medica. Immagini digitali
Scuola di Specializzazione in Fisica Sanitaria a.a. 005/006 Corso di Informatica e Statistica Medica Immagini digitali 8//006 Obiettivi Qual è il miglior uso che possiamo fare delle immagini cliniche acquisite?
DettagliI.4 Rappresentazione dell informazione - Altre codifiche
I.4 Rappresentazione dell informazione - Altre codifiche Università di Ferrara Dipartimento di Economia e Management Insegnamento di Informatica Ottobre 20, 2015 Argomenti 1 2 3 4 L immagine viene suddivisa
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
DettagliEsercitazione 8: Spazi Colore
Laboratorio di Immagini Esercitazione 8: Spazi Colore Sir. Mauro Zucchelli 19/05/2016 Colori RGB In MATLAB di default quando viene letta un immagine a colori viene caricata nello spazio RGB Red Green Blue
DettagliIl Colore: Scienza... Arte... Tecnica... Tecnologia... CMS (Color Management System) Pagina 1 di 19
Il Colore: Scienza... Arte... Tecnologia... Tecnica... CMS (Color Management System) Pagina 1 di 19 dalla Luce... il Colore Radiazione Blu (BLUE) Luce bianca Radiazione Verde (GREEN) Sorgente luminosa
DettagliCODIFICA IMMAGINI IN BIANCO E NERO
Rappresentazione delle immagini Anche le immagini possono essere codificate mediante una sequenza di 0 e 1., questa operazione si chiama digitalizzazione. La prima cosa da fare è dividere l immagine in
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
DettagliRAPPRESENTAZIONE DELLE INFORMAZIONI
RAPPRESENTAZIONE DELLE INFORMAZIONI 1 RAPPRESENTAZIONE DELLE INFORMAZIONI Le informazioni gestite dai sistemi di elaborazione devono essere codificate per poter essere memorizzate, elaborate, scambiate,
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
DettagliBLAND-ALTMAN PLOT. + X 2i 2 la differenza ( d ) tra le due misure per ognuno degli n campioni; d i. X i. = X 1i. X 2i
BLAND-ALTMAN PLOT Il metodo di J. M. Bland e D. G. Altman è finalizzato alla verifica se due tecniche di misura sono comparabili. Resta da comprendere cosa si intenda con il termine metodi comparabili
DettagliL A L U C E. Da cosa è dato il colore degli oggetti?
L A L U C E La luce non ha colore, ma Newton, scoprì che se un raggio luminoso entrava in un prisma, questo veniva scomposto in una serie di colori, corrispondenti a quelli dello spettro visibile (ossia
DettagliAttributi percettivi del colore
Attributi percettivi del colore È possibile isolare delle caratteristiche della percezione di colore che consentono, in una certa misura, di descrivere, classificare, scomporre il colore percepito. Queste
DettagliLa rappresentazione cartografica è una forma di descrizione del territorio fondata sulla restituzione delle relazioni spaziali di elementi geografici
Cartografia digitale e modelli di dati spaziali modelli vettoriali e modelli raster La descrizione cartografica La rappresentazione cartografica è una forma di descrizione del territorio fondata sulla
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
DettagliCenni di colorimetria Leggi di Grassman. Prof. Ing. Cesare Boffa
Cenni di colorimetria Leggi di Grassman 1 a Legge di Grassman In un colore l occhio umano distingue ed apprezza tre tipi di sensazione Tinta Saturazione Splendore 1 a Legge di Grassman Un colore, quindi,
DettagliI L C O L O R E. Sistemi di classificazione cromatica. Sistema NCS
Sistema NCS Il sistema NCS (Natural Colour System) è stato ideato e sviluppato dalla NCS Colour AB di Stoccolma (Svezia). E un sistema cromatico diffuso a livello mondiale tra architetti e designer e tra
DettagliProgramma del corso. Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori
Programma del corso Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori Il concetto di FILE FILE: sequenza di byte conosciuta nel computer
DettagliSorgenti di luce Colori Riflettanza
Le Schede Didattiche di Profilocolore IL COLORE Sorgenti di luce Colori Riflettanza Rome, Italy 1/37 La luce: natura e caratteristiche La luce è una radiazione elettromagnetica esattamente come lo sono:
DettagliCapitolo IV : La rappresentazione del colore
Capitolo IV : Il colore Come Aristotele aveva già intuito oltre duemila anni fa, il colore non è un fenomeno fisico legato agli oggetti, gli oggetti non hanno colore [7]. Esso è un fenomeno percettivo
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Segnali di immagine Immagini fisse Immagine: definizione Immagine: insieme di punti
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
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
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
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
DettagliSCOPO DELL ANALISI DI CORRELAZIONE
CORRELAZIONE 1 SCOPO DELL ANALISI DI CORRELAZIONE STUDIARE LA RELAZIONE TRA DUE VARIABILI X E Y 2 diagrammi di dispersione un diagramma di dispersione (o grafico di dispersione) èuna rappresentazione grafica
DettagliLE IMMAGINI DIGITALI 3 formati. Università IUAV di venezia
LE IMMAGINI DIGITALI 3 formati Università IUAV di venezia Compressione Trasmissione ed archiviazione dei file grafici Algoritmo di compressione: trasformare la sequenza di byte che costituisce un file
DettagliUn ripasso di aritmetica: Conversione dalla base 10 alla base 2
Un ripasso di aritmetica: Conversione dalla base 10 alla base 2 Dato un numero N rappresentato in base dieci, la sua rappresentazione in base due sarà del tipo: c m c m-1... c 1 c 0 (le c i sono cifre
DettagliFondamenti di illuminotecnica. Laboratorio di illuminazione CORVO - Ispra
Fondamenti di illuminotecnica Laboratorio di illuminazione CORVO - Ispra Ispra, 24 novembre 2014 Luce Cos è la luce 1 nm = 10-9 m La luce è radiazione elettromagnetica, visibile all'uomo. la lunghezza
DettagliRappresentazione di immagini a colori. Rappresentazione dei colori. Rappresentazione dei colori LA RAPPRESENTAZIONE DELL INFORMAZIONE - II
Rappresentazione di immagini a colori LA RAPPRESENTAZIONE DELL INFORMAZIONE - II Per rappresentare immagini utilizzando i colori, a ogni elemento della griglia si dovranno dedicare più bit. Se dedichiamo
DettagliL obiettivo dell introduzione di MPEG2 è stato quello di ottenere video in qualità broadcast a 4-9 Mbps
MPEG 2 Ing. Marco Bertini - Università degli Studi di Firenze Via S. Marta 3-50139 - Firenze - Italy Tel.: +39-055-4796540 Fax: +39-055-4796363 E-mail: bertini@dsi.unifi.it Web: http://viplab.dsi.unifi.it/~bertini
DettagliElaborazione dei dati
Elaborazione dei dati Corso di Laurea Magistrale in SIT&TLR a.a. 2009/10 Ing. Claudio La Mantia pkt006-179-3.0 4/5 info@planetek.it rgomenti della lezione 1. nalisi delle immagini multispettrali 2. nalisi
DettagliRAPPRESENTAZIONE DELLE INFORMAZIONI
RAPPRESENTAZIONE DELLE INFORMAZIONI 1 RAPPRESENTAZIONE DELLE INFORMAZIONI Le informazioni gestite dai sistemi di elaborazione devono essere codificate per poter essere memorizzate, elaborate, scambiate,
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
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
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.
DettagliSistemi di Elaborazione delle Informazioni 6 CFU
Università degli Studi di Palermo Dipartimento dell Innovazione Industriale e Digitale Sistemi di Elaborazione delle Informazioni 6 CFU Anno Accademico 2016/2017 Docente: ing. Salvatore Sorce Rappresentazione
DettagliAbbiamo visto nella lezione precedente che le immagini possono essere compresse in vari modi, per ridurne l'occupazione di memoria (su disco o rete)
Algoritmi di compressione per le immagini Abbiamo visto nella lezione precedente che le immagini possono essere compresse in vari modi, per ridurne l'occupazione di memoria (su disco o rete) compressione
DettagliLa visione. Radiazione solare e sensibilità occhio. Luce e colore. Lezioni di illuminotecnica. Luce, occhio, colore
La visione Lezioni di illuminotecnica. Luce, occhio, colore Il dramma della visione ha tre attori: la luce le superfici la mente umana La luce riflessa da una superficie arriva all occhio La retina trasforma
DettagliCapitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari"
Levine, Krehbiel, Berenson Statistica Capitolo 5 Variabili aleatorie discrete notevoli Insegnamento: Statistica Applicata Corso di Laurea in "Scienze e Tecnologie Alimentari" Unità Integrata Organizzativa
DettagliLa teoria del colore
La teoria del colore Il colore è un aspetto della percezione visiva e la sua valutazione avviene in maniera del tutto soggettiva. E necessaria dunque una caratterizzazione che consenta di identificare
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,
DettagliLa codifica del testo
La codifica delle informazioni Informatica e sistemi di elaborazione delle informazioni La codifica delle informazioni Informatica e sistemi di elaborazione delle informazioni I slide Informatica e sistemi
DettagliIntroduzione all elaborazione delle Immagini.
Introduzione all elaborazione delle Immagini www.dmi.unict.it/fstanco Ruolo culturale delle immagini Una immagine vale mille parole... «... Solo che occupa più spazio!» 2 Il linguaggio delle immagini è
DettagliInformazione binaria:
Informazione binaria: Codici di compressione Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Una soluzione per le immagini: la tavolozza (palette) Spesso
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,
DettagliCENNI SULLA TEORIA TRICROMATICA. Sulla retina sono presenti due tipi di cellule nervose:
CENNI SULL TEORI TRICROMTIC Sulla retina sono presenti due tipi di cellule nervose: coni visione a colori (fotopica) bastoncelli visione in bianco e nero (scotopica) Si possono individuare tre tipi di
DettagliCALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO
CALCOLO DELL ERRORE E VALUTAZIONE DI UN METODO ANALITICO In chimica analitica un settore importante riguarda il calcolo dell errore e la valutazione della significatività di una misura. Generalmente nell
DettagliEsercitazione del
Esercizi sulla regressione lineare. Esercitazione del 21.05.2013 Esercizio dal tema d esame del 13.06.2011. Si consideri il seguente campione di n = 9 osservazioni relative ai caratteri ed Y: 7 17 8 36
DettagliElementi di Statistica
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Informatica ed Elementi di Statistica 3 c.f.u. Anno Accademico 2010/2011 Docente: ing. Salvatore Sorce Elementi di Statistica Statistica
DettagliAnalisi bivariata. Dott. Cazzaniga Paolo. Dip. di Scienze Umane e Sociali
Dip. di Scienze Umane e Sociali paolo.cazzaniga@unibg.it Introduzione : analisi delle relazioni tra due caratteristiche osservate sulle stesse unità statistiche studio del comportamento di due caratteri
DettagliCorso di Psicometria Progredito
Corso di Psicometria Progredito 5. La correlazione lineare Gianmarco Altoè Dipartimento di Pedagogia, Psicologia e Filosofia Università di Cagliari, Anno Accademico 2013-2014 Sommario 1 Tipi di relazione
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
DettagliLa visione. Visione biologica ed elaborazione delle immagini
La visione Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Visione biologica ed elaborazione delle immagini La percezione
DettagliLe immagini digitali. Introduzione. Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia]
1 Le immagini digitali Introduzione Immagini da (Coriasco et al.), (Gonzales, Woods) e [Wikipedia] 2 Definizione di immagine Superficie 2D di dimensioni finite con una determinata distribuzione di intensità
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
DettagliStatistica descrittiva in due variabili
Statistica descrittiva in due variabili 1 / 65 Statistica descrittiva in due variabili 1 / 65 Supponiamo di misurare su un campione statistico due diverse variabili X e Y. Indichiamo come al solito con
DettagliGli strumenti di misura. Corso di Fisica ed Elementi di Informatica
Gli strumenti di misura Corso di Fisica ed Elementi di Informatica La misura La misura è il procedimento attraverso il quale, usando uno strumento appropriato, si stabilisce il valore di una grandezza
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
Dettagli