Enhancement delle immagini digitali operatori di smoothing e di sharpening realizzati con filtri convolutivi

Dimensione: px
Iniziare la visualizzazioe della pagina:

Download "Enhancement delle immagini digitali operatori di smoothing e di sharpening realizzati con filtri convolutivi"

Transcript

1 Enhancement delle immagini digitali operatori di smoothing e di sharpening realizzati con filtri convolutivi Giorgio Meini Degradazione ed enhancement È stata già esaminata la differenza concettuale tra tecniche di restoration e di enhancement delle immagini digitali: nel primo caso si conosce il processo di degradazione subito dall'immagine originale e si tenta di restaurarla sulla base di informazioni specifiche. Il processo di degradazione è in generale non lineare, non deterministico, non spazialmente localizzato né stazionario ed anche disponendo di una sua conoscenza dettagliata non sempre è facile "invertirne" gli effetti; le più comuni tecniche di restoration sono fondate sulla teoria dei filtri digitali (filtraggio inverso, filtri discreti dei minimi quadrati, deconvoluzione vincolata, filtri ricorsivi) e presentano aspetti matematici e computazionali alquanto complessi (si veda ad esempio il capitolo 7 di []). Alle tecniche di enhancement, senz'altro più semplici, si ricorre invece in assenza di informazione specifica sul processo di degradazione: questa più generale possibilità di applicazione costituisce certamente un vantaggio, ma è, al tempo stesso, un punto debole: il risultato finale di un operatore di questo tipo è infatti spesso qualitativamente inferiore rispetto al risultato di un'operazione di restauro. In concreto le tecniche di enhancement si applicano per rimuovere il rumore da una immagine o per enfatizzarne i dettagli - in particolare i profili - degradati. Una descrizione approssimativa del processo di degradazione si limita infatti a considerare la dispersione luminosa causata dalla non ideale funzione di trasferimento del sistema ottico e il rumore (compreso il rumore di quantizzazione per le immagini digitali) introdotto dal sistema di acquisizione elettronico; non viene invece presa in esame una eventuale aberrazione geometrica che può quasi sempre essere corretta con una trasformazione, anche se al costo di ottenere dispersione e rumore ancora maggiori. Un esempio degli effetti causati dalla dispersione luminosa (o point spread: infatti l'intensità luminosa relativa ad un singolo pixel influenza i valori di luminosità dei pixel adiacenti) è rappresentato nella figura in cui il valore di ogni pixel è stato calcolato come media dei valori di 8 pixel adiacenti disposti, nell'immagine originale della figura, in un suo intorno quadrato e simmetrico. La figura 3, sempre relativa all'immagine originale della figura, è invece un esempio di introduzione di rumore casuale dipendente dall'intensità luminosa del singolo pixel. In pratica i due effetti si sommano per dare luogo ad immagini come quella della figura 4. Fig. Fig. Fig. 3 Fig. 4 A seconda del tipo di degradazione che si intende correggere le tecniche di enhancement si suddividono in metodi di enfatizzazione (sharpening) o di soppressione (smoothing) selettiva di alcuni specifici elementi dell'immagine, come i punti isolati o i bordi degli oggetti: questa lezione è interamente dedicata allo studio degli operatori (generalmente convolutivi, si veda in proposito il riquadro relativo all'analisi di Fourier nel dominio delle frequenze spaziali) di sharpening e di smoothing. Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

2 Frequenze spaziali, trasformata di Fourier e operatori di convoluzione Un'immagine (analogica o digitale) può essere adeguatamente rappresentata come un segnale bidimensionale (continuo o discreto). Il concetto di segnale è più comunemente impiegato per descrivere la variazione di una grandezza nel tempo e, in questo caso, non è difficile interpretare la frequenza come il numero di variazioni nell'unità di tempo. Il teorema di Fourier garantisce che una qualsiasi grandezza che varia con continuità in funzione del tempo può essere espressa come somma di un numero - teoricamente infinito - di segnali sinusoidali di diversa ampiezza e frequenza, denominati componenti armoniche. La trasformata di Fourier è un complesso strumento matematico che permette di studiare l'andamento di un segnale (analogico o digitale) in termini di frequenza e di ampiezza delle sue componenti armoniche anziché in funzione del trascorrere del tempo da cui dipende: si passa in questo modo dal "dominio" del tempo a quello della frequenza. Un'immagine è statica rispetto al trascorrere del tempo, ma i valori di intensità luminosa che la costituiscono variano spazialmente all'interno dell'immagine stessa ed è possibile interpretare il numero di variazioni che avvengono in una unità di spazio (in una determinata direzione del piano bidimensionale) come una frequenza "spaziale". Per esempio all'immagine della figura 5 corrisponde, secondo la direzione orizzontale, una bassa frequenza spaziale in quanto si ha una sola variazione graduale dal nero (valore di luminosità 0) al bianco (valore di luminosità 55), mentre alla direzione orizzontale dell'immagine della figura 6 è associata una elevata frequenza spaziale dovuta alle molteplici e rapide variazioni da nero a bianco (0 55) e da bianco a nero (55 0) nello stesso intervallo spaziale. Fig. 5 Fig. 6 La trasformata discreta bidimensionale di Fourier permette di studiare un'immagine digitale nel dominio delle sue frequenze spaziali ed alcune tecniche di image processing operano effettivamente trasformando l'immagine ed anti-trasformando in seguito il prodotto di una elaborazione compiuta sulla matrice di valori numerici complessi che ne costituisce la rappresentazione in questo dominio. Anche se la formula che segue, che definisce la trasformata discreta bidimensionale di Fourier di un segnale s(x,y) con 0 x<m e 0 y<n, non è quella generalmente impiegata dagli algoritmi di analisi - esiste infatti una procedura nota come trasformata veloce di Fourier (FFT: Fast Fourier Transform) che permette di ridurre drasticamente la complessità computazionale del calcolo - se ne deduce che operatori di image processing di questo tipo sono in pratica realizzabili solo disponendo di un processore DSP (Digital Signal Processing) dedicato: M N DFT mu nv mu sx,y ( ) Fuv (, ) = smn (, ) cos + i sen MN m n M N π π M + = 0 = 0 Le due componenti fondamentali del processo di degradazione di un'immagine individuate nel testo dell'articolo (dispersione luminosa e rumore, si vedano in proposito le figure e 3) sono interpretabili come variazioni delle frequenze spaziali dell'immagine originale: il fenomeno del point spread dovuto alla diffusione ottica dei raggi luminosi "sfuma" la nettezza dei bordi causando una diminuzione locale della frequenza spaziale; al contrario l'introduzione del rumore in una regione uniformemente luminosa comporta un aumento del grado di variabilità e, di conseguenza, della frequenza spaziale. Una correzione possibile della degradazione subita dall'immagine consiste quindi nel modificare la sua frequenza spaziale "invertendo" l'effetto causato dalla dispersione luminosa e dalla presenza di rumore. Nel dominio della trasformata di Fourier una variazione dei valori locali della frequenza spaziale si ottiene effettuando una semplice operazione di moltiplicazione. Esiste un modo di conseguire lo stesso risultato senza dovere eseguire il calcolo della trasformata? La risposta è positiva: l'operazione di convoluzione nel dominio originale corrisponde alla più semplice moltiplicazione nel dominio della frequenza. Le due seguenti formule definiscono l'operazione di CONVOLUZIONE nv N Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

3 di un segnale monodimensionale dipendente dal tempo - analogico o digitale - con una funzione di convoluzione, rispettivamente continua o discreta: + s( τ) f ( tτ) dτ + i= c si () f( ni) Nel caso di un'immagine digitale il segnale spaziale s(x,y) è discreto e bidimensionale e la convoluzione si calcola a partire dalle due matrici di MxN elementi ciascuna che rappresentano rispettivamente s e la matrice di convoluzione: MN M N m= 0 n= 0 c smn (, ) f( xmy, n) In pratica la matrice di convoluzione f c ha solo pochi elementi non nulli - cioè diversi da 0 - scelti in modo da costituire un intorno simmetrico di pixel adiacenti: un operatore di convoluzione trasforma in questo modo il singolo pixel dell'immagine sulla base di informazioni esclusivamente locali, e non globalmente riferite all'intera immagine, ed è identificabile con una matrice di dimensioni ridotte che viene applicata "sovrapponendo" di volta in volta il suo l'elemento centrale a tutti i pixel che compongono l'immagine oggetto di convoluzione. Per fissare le idee si veda la figura 7 dove è rappresentato il filtro universale del noto programma PhotoStyler; si tratta di una matrice di convoluzione, definibile dall'utente che ne imposta i valori degli elementi, e che viene in seguito applicata all'immagine da elaborare secondo le seguenti regole: c la matrice viene sovrapposta ad ogni pixel dell'immagine ed ai suoi pixel adiacenti: i corrispondenti valori degli elementi della matrice e dei pixel dell'immagine vengono moltiplicati; i risultati di tutte le moltiplicazioni del passo precedente vengono sommati; il risultato della somma viene diviso per il fattore (factor) specificato; il nuovo valore del pixel si ottiene aggiungendo un valore costante (bias) al risultato della divisione (se il risultato finale è negativo al pixel viene assegnato valore 0, se è maggiore di 55 viene assegnato il valore 55). Fig. 7 3 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

4 In realtà questa tecnica è più generale rispetto al classico operatore di convoluzione dove il fattore di divisione è sempre il numero di elementi della matrice di convoluzione (MxN, 5=5x5 nel caso del filtro definibile dall'utente di PhotoStyler) e il valore di bias è sempre zero. Il termine "filtro" non è casuale, infatti, come si è visto, gli operatori convolutivi sono spesso impiegati per modificare localmente le frequenze spaziali delle immagini su cui operano: ora, indipendentemente dalla realizzazione hardware o software e dalla modalità di funzionamento real-time o lab-time, un dispositivo che sopprime od esalta selettivamente le componenti armoniche di un segnale - sia esso dipendente dal tempo o dallo spazio come nel caso di un'immagine - viene denominato filtro. Il particolare filtro convolutivo rappresentato nella figura 7 può essere così codificato in C++ (per una descrizione della classe bitmap si veda il [], una codifica più generale valida per ogni operatore convolutivo viene invece presentata nel testo dell'articolo):... bitmap image;... for (unsigned int y=; y<(image.height()-); y++) for (unsigned int x=; x<(image.width()-); x++) unsigned char up, down, right, left, val, new_val; up=image.get_pixel(x,y+); down=image.get_pixel(x,y-); left=image.get_pixel(x+,y); right=image.get_pixel(x-,y); val=image.get_pixel(x,y); new_val=(-up-down-left-right+5*val); set_pixel(x,y,new_val);... Questo codice non è minimamente ottimizzato, ma in ogni caso filtrare l'immagine richiede una scansione sequenziale di tutti i pixel che la compongono. Nella lezione introduttiva è stato osservato che elaborazioni di immagini digitali che presentano limitate dipendenze sequenziali e spaziali possono essere effettuate nel solo tempo necessario a calcolare il valore di un unico pixel se si utilizza una architettura parallela con memoria distribuita dove le singole unità di calcolo rappresentano i pixel dell'immagine e sono localmente interconnesse secondo una struttura bidimensionale analoga a quella della matrice che rappresenta l'immagine. I filtri convolutivi, con le loro caratteristiche di linearità e di invarianza rispetto alla traslazione spaziale, sono candidati ideali per una implementazione di questo tipo; la figura 8 rappresenta la struttura di interconnessione di una matrice di Transputer capace di calcolare in tempo reale un filtro come quello precedentemente codificato in linguaggio C++: il programma in linguaggio Occam che ne descrive il funzionamento è riportato (da un mio articolo pubblicato sul numero di Novembre 995 della rivista DEV: G. Meini, "Paradigmi dei linguaggi di programmazione") nel listato. 4 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

5 Fig. 8 Tra le tecniche di enhancement viene generalmente compresa anche la correzione dei valori di luminosità dei pixel che compongono l'immagine - come nel caso dell'aumento del contrasto o dell'equalizzazione dell'istogramma - di cui ho già trattato in un articolo precedentemente pubblicato su Computer Programming []. Operatori di sharpening Nel riquadro dedicato alla trasformata discreta di Fourier si è notato che una delle componenti fondamentali del processo di degradazione di un'immagine - la dispersione luminosa - causa la sfumatura di bordi e dettagli ed è interpretabile come diminuzione locale della frequenza spaziale. Un esempio di immagine degradata (blurred) è riportato nella fotografia della figura 9. Fig. 9 Un operatore di sharpening può "invertire" l'effetto della dispersione luminosa enfatizzando le componenti armoniche corrispondenti ai valori superiori di frequenze spaziali, ma lasciando eventualmente invariate le frequenze più elevate a cui generalmente corrisponde il rumore indesiderato. I più elementari operatori di enfatizzazione locale delle frequenze spaziali sono gli operatori di differenziazione perché forniscono valori proporzionali alla variazione direzionale (gradiente) del segnale (proporzionali, in questo caso, alla variazione di intensità luminosa dell'immagine). Il bordo di un oggetto bianco su sfondo nero dovrebbe idealmente essere rappresentato da una istantanea transizione da 0 a 55 nei valori dei pixel che lo rappresentano (figura 0), ma, più realisticamente, la transizione sarà graduale ed alcuni pixel assumeranno valori intermedi (figura 5 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

6 ); in ogni caso la velocità di variazione dei valori di luminosità - proporzionale alla frequenza locale - è maggiore rispetto alla variabilità presentata dallo sfondo "uniforme" (figura ). Fig. 0 Fig. Fig. Un operatore di differenziazione è lineare, locale, invariante rispetto a traslazioni spaziali (queste caratteristiche ne garantiscono l'implementabilità come operatore convolutivo) e "risponde" in misura maggiore a maggiori variazioni locali dei valori di luminosità (la derivata di un segnale esprime infatti la sua velocità di variazione) che, presumibilmente, corrispondono ai dettagli dell'immagine che si intendono enfatizzare. Salvo casi particolari gli operatori derivativi effettivamente impiegati come filtri sono isotropi, cioè invarianti rispetto alla rotazione spaziale, in modo che l'effetto della loro applicazione non sia condizionato dall'orientamento dell'immagine. Nel caso di immagini digitali un operatore derivativo è in realtà un operatore "alle differenze", come nell'esempio che segue dove il valore del gradiente discreto del pixel di coordinate spaziali (x,y) è espresso dalla seguente formula (Roberts cross operator): [( I x+, y+ ) I( x,y)] + [( I x,y+ ) I( x+, y)] L'immagine della figura 3 è stata ottenuta applicando - per mezzo del programma codificato nel listato - la formula precedente, corrispondente all'operatore crociato di Roberts per il calcolo del gradiente digitale, alla fotografia rappresentata nella figura 9 e correggendo in seguito la luminosità e il contrasto per mezzo di una trasformazione puntuale lineare []: è evidente che l'operatore assume valori maggiori in corrispondenza dei bordi e minori, eventualmente nulli, in corrispondenza di aree aventi luminosità uniforme o quasi. Fig. 3 Ma il più semplice - e il più usato - operatore differenziale isotropo è senz'altro il noto operatore di Laplace (si veda il riquadro per una motivazione teorica del suo impiego) che, nel caso discreto, è così definito: Ix,y ( ) = [ Ix ( +, y) + Ix (, y) + Ix,y ( + ) + Ix,y ( )] 4 Ix,y ( ) 6 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

7 Si noti che I è proporzionale (di un fattore pari a -/5) alla differenza tra il livello di luminosità del pixel (x,y) e il livello medio di luminosità dell'intorno costituito dal pixel stesso e dai 4 pixel adiacenti in orizzontale e verticale: Ix,y ( ) 5 [ Ix ( +, y) + Ix (, y) + Ix,y ( ) + Ix,y ( + ) + Ix,y ( ) ] In altre parole applicare l'operatore digitale di Laplace significa (a meno di un fattore costante) sottrarre dall'immagine stessa una sua versione "sfumata". L'effetto dell'operatore su di un'immagine può essere compreso con un esempio monodimensionale - in questo caso I(x)=I(x-)+I(x+)-I(x) - relativo al bordo sfumato del grafico della figura : 0, 0, 0, 6, 3, 64, 8, 9, 4, 40, 55, 55, 55 diviene..., 0, 6, 0, 6, 3, 0, 0, -3, -6, -, -5, 0,... e, sottraendo i valori forniti dall'operatore da quelli originali..., 0, 0, 6, 6, 3, 8, 9, 55, 55, 55, 55,... che, pur non essendo il bordo netto (...,0,0,55,55,...) del grafico della figura 0, rappresenta comunque una transizione meno graduale dai valori dello sfondo nero a quelli dell'oggetto bianco. La combinazione sottrattiva di una immagine con il suo operatore di Laplace - è infatti questa combinazione che realizza l'operatore di sharpening - è data dalla seguente formula: I( x,y) I( x,y) = 5 I( x,y) [ I( x+, y) + I( x, y) + I( x,y+ ) + I( x,y) ] Dato che l'operatore di Laplace è invariante rispetto alla traslazione spaziale la sua applicazione equivale ad una convoluzione con la matrice: e il calcolo della differenza tra una immagine ed il suo operatore di Laplace è di conseguenza equivalente ad una convoluzione con la matrice: L'immagine della figura 4 è stata ottenuta calcolando - con il programma riportato nel listato 3 - la convoluzione tra la matrice precedente e l'immagine rappresentata nella figura 9 (si confrontino in particolare i dettagli riportati nelle figure 5 e 6). 7 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

8 Fig. 4 Fig. 5 Fig. 6 Nella letteratura sull'argomento si trovano operatori convolutivi di sharpening realizzati con matrici di convoluzione diverse dalla precedente [3]: 9 5 Tutte queste matrici sono caratterizzate dal valore positivo dell'elemento centrale - corrispondente al pixel oggetto del calcolo - e dai valori negativi degli elementi corrispondenti ai pixel adiacenti di un suo intorno simmetrico. È molto interessante confrontare questa caratterizzazione (oncenter/off-surround) con la curva di risposta funzionale dei campi recettivi neuronali della retina e della corteccia visiva in funzione della distanza laterale rispetto al centro di attivazione (si veda la figura 7 per un grafico che rappresenta anche il comportamento "locale" di molte reti neurali artificiali). Fig. 7 8 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

9 Perché l'operatore di Laplace evidenzia i dettagli delle immagini? Nel caso continuo l'operatore derivativo lineare di Laplace, invariante rispetto alla traslazione ed alla rotazione, è così definito: f ( x,y ) = + x f( x,y) y f( x,y) Se di ipotizza che la degradazione è dovuta ad un processo di diffusione nel tempo descritto dalla seguente equazione differenziale alle derivate parziali dove f(x,y,t) rappresenta l'immagine al tempo t: t f ( x,y, t ) = k f ( x,y, t) allora f(x,y,0) è l'immagine originale non degradata e f(x,y,τ) è l'immagine, degradata, che si ottiene dopo un tempo τ>0. Sviluppando in serie di Taylor nell'intorno di t=τ si ottiene: e, sostituendo: f ( x,y,0) = f ( x,y, τ) τ t f( x,y, τ ) +... f( x,y,0) = f( x,y, τ) kτ f( x,y, τ) In prima approssimazione è cioè possibile risalire all'immagine originale f(x,y,0) sottraendo dall'immagine degradata f(x,y,τ) un multiplo del suo operatore di Laplace. È possibile confermare la validità di questa ipotesi anche nel caso discreto delle immagini digitali. Si supponga che l'immagine originale O sia degradata aggiungendo al valore di ogni pixel una frazione f della somma S dei valori dei 4 pixel adiacenti secondo le direzioni ortogonali (un processo molto simile a quello con cui l'immagine della figura è stata ottenuta da quella della figura ) per ottenere l'immagine I: I(x,y)=O(x,y)+f S(x,y), S(x,y)=O(x+,y)+O(x-,y)+O(x,y+)+O(x,y-) Sottraendo da I un multiplo m del suo operatore di Laplace (si veda il testo dell'articolo per la formula che lo definisce nel caso discreto) si ottiene: e, sostituendo: (+4m) I(x,y)-m[I(x+,y)+I(x-,y)+I(x,y+)+I(x,y-)] (+4m) O(x,y)+(+4m) f S(x,y)-m S(x,y)-m f[i(x+,y)+i(x-,y)+i(x,y+)+i(x,y-)] Stabilendo il valore di m in modo che sia m=f/(-4f) si ha che (+4m)f-m=0 e viene così eliminato dall'espressione il contributo di S; ora, se f è sufficientemente piccolo è possibile tralasciare, in quanto proporzionale a m f, anche l'ultimo termine. Concludendo: f I( x,y) Ix,y ( ) 4f + Ox,y ( ) 4f 4f si ha che sottraendo da I un opportuno multiplo del suo operatore di Laplace si risale approssimativamente all'immagine originale O. 9 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

10 Operatori di smoothing Come si è visto, un operatore di sharpening è sostanzialmente un filtro passa-alto per le frequenze spaziali dei livelli di luminosità di un'immagine. Il rumore introdotto in un'immagine digitale dal processo di degradazione può invece essere attenuato per mezzo di un filtro passabasso: la comparsa di singoli pixel aventi valore difforme dal livello di luminosità di una superficie omogenea (salt & pepper noise) è infatti interpretabile come presenza nello spettro di Fourier di componenti armoniche corrispondenti a frequenze elevate (rispetto alla situazione originale si ha una maggiore variabilità della distribuzione spaziale del valore di intensità luminosa). Di fatto gli operatori di smoothing sono spesso implementati come filtri passa-basso e, dato che il processo di degradazione di un'immagine reale agisce su tutte le frequenze che ne compongono lo spettro, è inevitabile che essi rendano, almeno parzialmente, vano il precedente ricorso ad un operatore di sharpening (il quale tende in ogni caso ad enfatizzare anche il rumore): è necessario individuare, per ogni immagine particolare, una soluzione di compromesso. In pratica la valutazione di un accettabile "compromesso" tra rimozione del rumore ed esaltazione dei dettagli è rimessa al giudizio dell'osservatore ed il processo di enhancement di una immagine avviene per tentativi ed errori fino ad ottenere un risultato soddisfacente: questo è uno dei motivi che rendono difficile la progettazione e la realizzazione di sistemi autonomi di acquisizione ed elaborazione delle immagini, a meno che non si operi in condizioni ambientali costanti, controllabili o, almeno, misurabili. Una tecnica di rimozione del rumore presente in un'immagine digitale consiste nel confrontare il valore di ogni singolo pixel con quello dei pixel adiacenti: una differenza sostanziale da quasi tutti i valori dei pixel dell'intorno indica che si tratta di rumore, eliminabile per interpolazione (sostituendo cioè il suo valore con la media dei valori dell'intorno). Il metodo è definito da alcuni parametri: la soglia di differenza minima tra il valore di un pixel e il valore dei pixel adiacenti (deve essere un multiplo della varianza statistica della distribuzione del rumore), il numero minimo di pixel per i quali se la differenza supera la soglia il pixel è considerato rumore, la forma e la dimensione dell'intorno. La semplificazione consistente nel confrontare il valore del singolo pixel con la media dei valori dei pixel adiacenti è ovviamente più distruttiva: in questo modo i punti isolati sono infatti meno distinguibili dai punti di una linea o di un bordo. È possibile trasformare questa tecnica deterministica e booleana (per la quale un pixel è o non è un punto di rumore e, se lo è, il suo valore non ha significato) in una tecnica fuzzy assegnando, in fase di analisi, ad ogni singolo pixel una probabilità p di essere un punto di rumore: il suo nuovo valore può allora essere definito come (-p)v+pσv i /n, dove V è il valore del pixel e ΣV i /n la media dei valori dei pixel dell'intorno. Disponendo di più copie di una stessa immagine come, per esempio, nel caso di frame immediatamente successivi di una ripresa cinematografica o televisiva di oggetti non in movimento, è possibile ridurre il rumore casuale, senza introdurre alterazioni, calcolando la media dei pixel corrispondenti delle diverse copie. Nel caso più comune di un'unica immagine è solo possibile mediare il valore di ogni pixel con il valore dei pixel adiacenti appartenenti ad un determinato intorno (media locale): si tratta, ancora una volta, di una operazione di convoluzione (un filtro di attenuazione delle frequenze spaziali più elevate). Ad esempio per sostituire il valore di ogni singolo pixel con la media del proprio valore e dei valori degli 8 pixel adiacenti ortogonalmente e diagonalmente è sufficiente eseguire la convoluzione dell'immagine con la seguente matrice (il fattore di convoluzione sarà in questo caso 9; è possibile utilizzare il programma del listato 3): 0 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

11 Altre possibili matrici di convoluzione operanti sul medesimi intorno di 3X3 pixel sono le seguenti [3]: aventi, rispettivamente, fattori di convoluzione 6 e 6. L'immagine della figura 9 - la riproduzione di un opera dell'artista M. C. Escher - è stata ottenuta dall'originale e rappresentata nella figura 8, per mezzo del filtro convolutivo costituito dall'ultima delle matrici precedenti (si confrontino anche i dettagli delle figure 0 e ). Fig. 8 Fig. 9 Fig. 0 Fig. Ma come si determina una dimensione conveniente per l'intorno per un'operazione di media locale? Nel caso di rumore casuale indipendente dal segnale (indipendente, in questo caso, dal valore dell'intensità luminosa) un intorno di n pixel riduce la varianza statistica del rumore di un fattore n; se invece il rumore è dipendente dal segnale allora può essere presa in considerazione l'idea di usare una dimensione dell'intorno diversa per ogni singolo pixel: scegliendo un intorno Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

12 avente dimensione proporzionale alla luminosità media del pixel e dei pixel adiacenti si otterrà una riduzione uniforme del livello di rumore. Filtri di smoothing non convolutivi Le operazioni di media locale tendono, in ogni caso, a sfumare i dettagli di un'immagine. Una tecnica di smoothing che non sfuma i bordi consiste nel sostituire il valore di ciascun pixel con la mediana (anziché con la media) dei valori dei pixel appartenenti ad un suo intorno simmetrico. Per calcolare la mediana di una serie di valori numerici è necessaria un'operazione di ordinamento: infatti, considerando come esempio un intorno di 3X3 pixel, la mediana dei 9 valori di luminosità dei pixel dell'intorno è data dal quinto valore nella serie ordinata. Ciò rende i filtri mediani computazionalmente più impegnativi rispetto agli operatori di media locale, ma il loro comportamento meno distruttivo li rende facilmente iterabili. Si confrontino, per avere un esempio, le immagini delle figure e 3: la prima è stata ottenuta dall'immagine della figura 3 applicando iterativamente per tre volte un operatore di media locale su di un intorno simmetrico di 5X5 pixel, la seconda applicando per tre volte consecutive un filtro mediano anch'esso operante su intorni simmetrici di 5X5 pixel. Fig. Fig. 3 Fig. 4 Naturalmente anche i filtri mediani sono, in parte, distruttivi: in particolare tendono a cancellare, oltre che i punti isolati di rumore, anche le linee sottili ed a "arrotondare" gli angoli; è possibile preservare le linee verticali ed orizzontali e gli angoli ortogonali scegliendo un intorno a forma di croce. Una tecnica di rimozione del rumore più efficace, ma anche più distruttiva, è implementata dai cosiddetti filtri min-max (o max-min): in una prima fase il valore di ciascun pixel viene sostituito con il valore minimo (o massimo) dei pixel appartenenti ad un intorno simmetrico predefinito, che deve includere il pixel centrale, in modo da rimuovere il rumore composto da punti isolati o da piccoli agglomerati; dato che questo modo di procedere riduce le dimensioni degli oggetti rispetto allo sfondo (shrink) è indispensabile una fase successiva di massimizzazione (o di minimizzazione, nel caso che sia stata la prima ad essere di massimizzazione) per ripristinare (expand) le dimensioni originali degli oggetti. La scelta di applicare inizialmente un operatore di minimo o di massimo dipende dal rumore prevalente presente nell immagine da filtrare: nel caso di rumore scuro su sfondo chiaro la prima fase consisterà in una massimizzazione, mentre nel caso di rumore chiaro su sfondo scuro si tratterà di una minimizzazione. Per ottenere risultati effettivi i filtri min-max sono comunemente applicati alternando fasi iterate di minimizzazione con fasi iterate di massimizzazione, o viceversa. L immagine della figura 4 è il risultato dell'applicazione di un filtro max-min (non iterato) all'immagine della figura 3: il confronto con le immagini delle figure e 3 (ottenute iterando, rispettivamente, filtri di media locale e filtri mediani) non deve però trarre in inganno perché, nel caso di immagini reali, l applicazione, ed in modo particolare l applicazione iterata, di filtri max-min tende a distruggere molti dettagli presenti nell originale. L immagine della figura 6 è stata ottenuta applicando 3 operatori di massimo e, in seguito, 3 operatori di minimo (entrambi operanti su intorni simmetrici di 3X3 pixel) alla fotografia riprodotta nella figura 5 (si tratta di una muffa fotografata al microscopio nel laboratorio di microbiologia della scuola dove insegno). Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

13 Fig. 5 Fig. 6 Riferimenti bibliografici [] A. Rosenfeld & A. Kak, "Digital Picture Processing" Vol., nd ed., Academic Press, 98 [] G. Meini, "Elaborazione di immagini BMP", Computer Programming n. 6, Giugno 994 [3] D. Phillips, "Image Processing, Part 7: Spatial Frequency Filtering", The C User Journal, October 99 Listato PROC pixel (CHAN u.in, CHAN u.out, CHAN d.in, CHAN d.out, CHAN r.in, CHAN r.out, CHAN l.in, CHAN l.out) CHAN input: CHAN output: CHAN val: VAR new.val: VAR up: VAR down: VAR right: VAR left: WHILE TRUE SEQ input?val PAR SEQ PAR u.in?up d.in?down r.in?right l.in?left new.val:=(-up-down-left-right+5*val) output!new.val PAR u.out!val d.out!val l.out!val r.out!val 3 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

14 CHAN up [width][height]: CHAN down [width][height]: CHAN right [width][height]: CHAN left [width][height]: PAR x=[0 FOR width] PAR y=[0 FOR height] pixel (up[x][y], down[x][y+], down[x][y], up[x][y-], right[x][y], left[x+][y], left[x][y], right[x-][y]) Listato #include "bitmap.hpp" #include <math.h> main () bitmap image("degrad.bmp","roberts.bmp"); unsigned long w,h; unsigned x,y; int RetVal; unsigned char GrayLevel0,GrayLevel,GrayLevel,GrayLevel3; double Val; w=image.width(); h=image.height(); printf("\nroberts Cross Operator: %lu x %lu pixel image...",w,h); for (y=; y<(h-); y++) for (x=; x<(w-); x++) GrayLevel0=(unsigned char)image.get_pixel(x,y); GrayLevel=(unsigned char)image.get_pixel(x,y+); GrayLevel=(unsigned char)image.get_pixel(x+,y+); GrayLevel3=(unsigned char)image.get_pixel(x+,y); Val=sqrt(pow(GrayLevel-GrayLevel0,)+pow(GrayLevel-GrayLevel3,)); RetVal=image.set_pixel(x,y,(unsigned char)((val<55)?val:55)); if ((RetVal < 0) (RetVal>55)) printf("\n...error (set_pixel).\n"); return(-); printf("\n...done!\n"); return(0); Listato 3 #include "bitmap.hpp" const int ConvMatrix[3][3]=,,,,,,,,; const float Factor=5.; const float Bias=0.; 4 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

15 main () bitmap Image("picture.bmp","convfilt.bmp"); unsigned long w,h; unsigned x,y; int RetVal, ImageMatrix[3][3],i,j; float Sum, Val; w=image.width(); h=image.height(); printf("\nconvolution Operator: %lu x %lu pixel image...",w,h); for (y=; y<(h-); y++) ImageMatrix[0][]=Image.get_pixel(0,y+); ImageMatrix[0][]=Image.get_pixel(,y+); ImageMatrix[][]=Image.get_pixel(0,y); ImageMatrix[][]=Image.get_pixel(,y); ImageMatrix[][]=Image.get_pixel(0,y-); ImageMatrix[][]=Image.get_pixel(,y-); for (x=; x<(w-); x++) ImageMatrix[0][0]=ImageMatrix[0][]; ImageMatrix[][0]=ImageMatrix[][]; ImageMatrix[][0]=ImageMatrix[][]; ImageMatrix[0][]=ImageMatrix[0][]; ImageMatrix[][]=ImageMatrix[][]; ImageMatrix[][]=ImageMatrix[][]; ImageMatrix[0][]=Image.get_pixel(x+,y+); ImageMatrix[][]=Image.get_pixel(x+,y); ImageMatrix[][]=Image.get_pixel(x+,y-); Sum=0.; for (i=0; i<3; i++) for (j=0; j<3; j++) Sum=Sum+(float)(ImageMatrix[i][j]*ConvMatrix[i][j]); Val=Sum/Factor+Bias; if (Val>55) Val=55.; else if (Val<0) Val=0.; RetVal=Image.set_pixel(x,y,(unsigned char)val); if ((RetVal < 0) (RetVal>55)) printf("\n...error (set_pixel).\n"); return(-); printf("\n...done!\n"); return(0); 5 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

16 Un processo fondamentale della visione artificiale (e, probabilmente, anche della percezione visiva negli animali) è l individuazione dei confini (edge) delle superfici che compongono un immagine, spesso coincidenti con i contorni delle figure ed i bordi degli oggetti presenti nel campo visuale Tecniche ed operatori di edge detection Giorgio Meini Introduzione Già nell articolo precedente, dedicato ai filtri convolutivi di smoothing e di sharpening delle immagini, è stato presentato un primo rilevatore di edge: l operatore crociato di Roberts. Prima di prendere in esame gli altri componenti della famiglia di edge detector a cui il cross operator appartiene - gli operatori differenziali discreti - analizziamo il concetto di contorno di una regione omogenea. L immagine della figura rappresenta un contorno (edge) perfettamente netto tra due regioni omogenee di diversa luminosità, ma più realisticamente un edge si presenterà, a causa della degradazione diffusiva e del rumore, come in figura. Fig. Fig. Argomento di questa lezione è l individuazione dei contorni di regioni omogenee per valori di luminosità, si deve comunque avere presente che in un immagine possono esistere confini tra regioni aventi luminosità media approssimativamente uguale, ma distinte - anche nettamente - in base ad altre caratteristiche visuali (texture) con specifiche proprietà statistiche spaziali o spettrali: un esempio è riportato nella figura 3 (fotografia di due superfici di legno giustapposte secondo diverse direzioni delle venature). Fig. 3 Ad ogni modo gli studi di psico-fisiologia della percezione visiva confermano che l individuazione dei contorni delle immagini e la separazione figura/sfondo sono fondamentalmente basate sulla differenza di colore e/o di luminosità tra regioni altrimenti omogenee. A partire da queste considerazioni un approccio di tipo intuitivo allo sviluppo di tecniche per la rilevazione dei contorni presenti in un immagine conduce alla sintesi di due classici operatori non convolutivi: homogeneity e difference. L operatore di omogeneità è così definito []: p ij, Max p I ( p ) xy, 3 x 3 ij, ( pij, pxy, ) = il valore del generico pixel viene cioè calcolato come massimo delle differenze in valore assoluto tra il valore originale del pixel stesso ed i valori degli 8 pixel adiacenti appartenenti ad un intorno 6 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

17 simmetrico di dimensioni 3x3. L operatore di omogeneità è implementato dal programma C++ - semplice e leggibile, ma assolutamente non ottimizzato - del listato (le classi C++ bitmap e image sono state pubblicate su Computer Programming n. 43, Gennaio 996). Il risultato che si ottiene a partire dalla fotografia della figura 4 è rappresentato dall immagine della figura 5; la figura 6 è invece una rappresentazione invertita del risultato producibile anche con il seguente programma C++: #include "image.hpp" void main (void) image Picture("edge.bmp"); Picture.neg(); Fig. 4 Fig. 5 Fig. 6 L operatore di omogeneità assume valore 0 in corrispondenza di regioni aventi luminosità uniforme, ma in una fotografia reale questa situazione si riscontra raramente: la conseguenza è la presenza, nel risultato ottenuto applicando un qualsiasi edge detector, di contorni falsi o comunque non desiderati. Dato che un rilevatore di edge restituisce, in generale, valori 7 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

18 proporzionali alla differenza di luminosità tra le regioni che costituiscono i due lati di un confine individuato, è spesso utile post-processare il risultato applicando un operatore di soglia per escludere i contorni meno significativi. L immagine della figura 7 è stata ottenuta, a partire da quella rappresentata nella figura 6, rendendo neri (valore 0) i pixel con valore inferiore a 9 e bianchi (valore 55) i pixel con valore superiore a questa soglia. L uso di un programma per l elaborazione delle immagini come PhotoStyler permette di verificare interattivamente ed in tempo reale il risultato visivo dell applicazione di un operatore di tresholding, consentendo una rapida scelta ottimale - adatta cioè alle specifiche esigenze - per il valore della soglia; è in ogni caso possibile ottenere il risultato della figura 7 anche con il seguente programma C++: #include "image.hpp" void main (void) image Picture("edge.bmp"); Picture.treshold(9); Fig. 7 Per una introduzione agli operatori di tresholding comprendente un analisi del problema della scelta automatica ed adattiva del valore ottimale di soglia si veda []. L operatore di differenza è definito in modo simile all operatore di omogeneità []: ij, ( i, j i+, j+, i, j i, j+, i, j i+, j, i+, j i, j+ ) p = Max p p p p p p p p cioè il valore del generico pixel viene calcolato come massimo delle differenze assolute tra i corrispondenti simmetrici di tutti i pixel adiacenti. Il programma C++ del listato implementa l operatore di differenza; l immagine della figura 9 è il risultato prodotto dalla sua applicazione, seguita da una inversione dei valori di luminosità e da un tresholding con valore di soglia 3, alla fotografia originale riprodotta nella figura 8. L immagine finale (figura 9) è stata realizzata con PhotoStyler, ma è possibile produrla, a partire dal file creato con il programma del listato, anche con il seguente programma C++: #include "image.hpp" void main (void) image Picture("edge.bmp"); Picture.neg(); Picture.treshold(3); 8 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

19 Fig. 8 Fig. 9 Esistono altri rilevatori di contorni che operano in modo simile a questi: per esempio l operatore di varianza che sostituisce il valore di un pixel con la varianza statistica dei pixel appartenenti ad un suo intorno simmetrico ed adiacente e l operatore di range che calcola la differenza tra i valori massimo e minimo dei pixel di un intorno 3x3. Gradiente digitale ed operatori differenziali discreti Un rilevatore di edge è un particolare tipo di local feature detector (si veda [3] per un campionario di tecniche e di operatori utili per la rilevazione di linee, curve, punti,...), nel senso che è generalmente possibile decidere, con buona approssimazione, se un pixel appartiene o meno ad un contorno analizzando esclusivamente i valori di un intorno locale del pixel stesso. La figura 0 rappresenta - nel caso di un segnale monodimensionale continuo - un edge quasi ideale, mentre le figure e rappresentano le relative derivate locali, rispettivamente di primo e secondo ordine. Fig. 0 Fig. Fig. Un immagine digitale è un segnale bidimensionale discreto: anche in questo caso gli operatori differenziali, sia del primo che del secondo ordine, rispondono amplificando le rapide variazioni del segnale e sono invece scarsamente sensibili rispetto ai tratti costanti o uniformi. L applicazione in sequenza di un operatore differenziale discreto e bidimensionale (isotropo o direzionale) e di un operatore di soglia costituisce quindi un rilevatore di edge a tutti gli effetti. Un esempio è dato dal Roberts cross operator, introdotto in [4], che calcola il modulo del gradiente digitale e che è quindi relativamente insensibile rispetto all orientazione direzionale: 9 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

20 Ix,y ( ) = [ Ix ( +, y+ ) Ix,y ( )] + [ Ix,y ( + ) Ix ( +, y)] dove I(i,j) rappresenta il valore, corrispondente al livello di intensità luminosa, del pixel di coordinate i e j. Nel paragrafo 0..a del già citato testo di Rosenfeld e Kak [3] si dimostra che il seguente operatore, oltre ad essere computazionalmente meno oneroso, è anche maggiormente invariante rispetto all orientazione del contorno da rilevare: I( x, y) = Max( I( x +, y + ) I( x, y), I( x, y + ) I( x +, y) ) È evidente l analogia che quest ultimo presenta con l operatore di differenza introdotto nel paragrafo precedente: l unica diversità consiste nella scelta - geometrica e dimensionale - dell intorno simmetrico su cui operare; sotto questo aspetto sono ovviamente possibili varie e diverse scelte la cui validità è discussa nello stesso paragrafo del classico testo di Rosenfeld e Kak. Un esempio di programmazione dell operatore crociato di Roberts nella sua forma originale è stato presentato in [4]; un esempio di applicazione - seguita da una inversione cromatica e da un operatore di tresholding con valore di soglia 3 - è riportato nella figura 4, ottenuta dalla fotografia originale riprodotta nella figura 3. Fig. 3 Fig. 4 Nell articolo precedente è stato definito l operatore differenziale di Laplace, omnidirezionale e del secondo ordine, nel caso discreto e bidimensionale: Ix,y ( ) = [ Ix ( +, y) + Ix (, y) + Ix,y ( + ) + Ix,y ( )] 4 Ix,y ( ) la cui applicazione corrisponde alla convoluzione (per la definizione ed il significato operativo dell operazione di convoluzione si veda [4]) dell immagine con la seguente matrice: Per comprendere il motivo per cui l operatore di Laplace, che costituisce un filtro passa-alto per le frequenze spaziali, si comporta come rilevatore di edge si noti che il risultato della sua applicazione è proporzionale alla differenza, pixel per pixel, dell immagine originale e dell immagine da questa ottenuta calcolando il valore di ogni singolo pixel come media locale dei valori dei pixel ortogonalmente adiacenti. Assumono quindi valori maggiori i pixel che presentano intorni non uniformi - corrispondenti a contorni, angoli, linee e punti isolati - e minori quelli appartenenti a regioni omogenee. L operatore di Laplace è un operatore differenziale del secondo ordine e, come si può verificare nel grafico della figura, assume, in corrispondenza di un 0 Computer Programming nn. 44/45/46/47/48, Feb./Mar./Apr./Mag./Giu. 996

Introduzione all elaborazione di immagini Part II

Introduzione all elaborazione di immagini Part II Introduzione all elaborazione di immagini Part II Obiettivi delle tecniche di elaborazione di immagini: miglioramento di qualità (image enhancement) ripristino di qualità o restauro (image restoration)

Dettagli

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò Corso di Visione Artificiale Filtri parte I Samuel Rota Bulò Filtri spaziali Un filtro spaziale è caratterizzato da un intorno e un'operazione che deve essere eseguita sui pixels dell'immagine in quell'intorno.

Dettagli

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI

Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI Capitolo 5 RESTAURO E RICOSTRUZIONE DI IMMAGINI La differenza tra il restauro e il miglioramento (enhancement) delle immagini è che il miglioramento è un processo soggettivo, mentre il restauro è un processo

Dettagli

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Estrazione dei bordi Calcolo del gradiente Operatori di Roberts Operatori

Dettagli

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15

Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Sistemi Elettronici e informatici in ambito Radiologico // Informatica Medica parte c A.A. 2014-15 Agostino ACCARDO Dipartimento di Ingegneria e Architettura 040-5587148 accardo@units.it Testi di riferimento:

Dettagli

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D)

ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI. (Visione 3D) ESTRAZIONE DI DATI 3D DA IMMAGINI DIGITALI () Calcolo delle corrispondenze Affrontiamo il problema centrale della visione stereo, cioè la ricerca automatica di punti corrispondenti tra immagini Chiamiamo

Dettagli

Elaborazione delle Immagini Digitali

Elaborazione delle Immagini Digitali Elaborazione delle Immagini Digitali Parte I Prof. Edoardo Ardizzone A.A. 2-22 La trasformata di Hotelling o di Karhunen-Loeve KLT discreta Questa trasformata detta anche analisi delle componenti principali

Dettagli

0.6 Filtro di smoothing Gaussiano

0.6 Filtro di smoothing Gaussiano 2 Figura 7: Filtro trapezoidale passa basso. In questo filtro l rappresenta la frequenza di taglio ed l, l rappresenta un intervallo della frequenza con variazione lineare di H, utile ad evitare le brusche

Dettagli

Capitolo 9: Elaborazione di Immagini. 9.1 Sistema di acquisizione e trattamento di immagini computerizzate

Capitolo 9: Elaborazione di Immagini. 9.1 Sistema di acquisizione e trattamento di immagini computerizzate Capitolo 9: 9. Sistema di acquisizione e trattamento di immagini computerizzate La figura seguente mostra un diagramma a blocchi dei componenti di base di un tipico sistema per immagini computerizzate,

Dettagli

Dispense del corso di Elaborazione di Immagini e Audio Digitali

Dispense del corso di Elaborazione di Immagini e Audio Digitali http://imagelab.ing.unimo.iting it Dispense del corso di Elaborazione di Immagini e Audio Digitali Video Processing Prof. Roberto Vezzani Dall immagine al video Un video può essere visto innanzitutto come

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza L.Verdoliva In questa esercitazione esamineremo la trasformata di Fourier discreta monodimensionale e bidimensionale.

Dettagli

Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente punti estremi, numero di concavità

Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente punti estremi, numero di concavità Texture analysis Introduzione Una regione di una immagine può essere rappresentata mediante le sue caratteristiche esterne i contorni Descrittori per i contorni: lunghezza, orientazione, del segmento congiungente

Dettagli

Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI

Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI Capitolo 6 ELABORAZIONE DI IMMAGINI A COLORI Il colore viene utilizzato nelle immagini digitali per due motivi principali: è un descrittore che semplifica l identificazione di un oggetto e la sua estrazione

Dettagli

Capitolo 10 SEGMENTAZIONE DI IMMAGINI

Capitolo 10 SEGMENTAZIONE DI IMMAGINI Capitolo 10 SEGMENTAZIONE DI IMMAGINI La segmentazione suddivide un'immagine nelle regioni o negli oggetti che la compongono. Il dettaglio della segmentazione dipende da ciò che si vuole ottenere dall'immagine,

Dettagli

Tesina: Applicazioni dell analisi di Fourier per il trattamento di segnali in due dimensioni

Tesina: Applicazioni dell analisi di Fourier per il trattamento di segnali in due dimensioni Manuela Di Mauro Ingegneria per l ambiente ed il territorio Matr 32311 Laboratorio sull analisi di Fourier Tesina: Applicazioni dell analisi di Fourier per il trattamento di segnali in due dimensioni Introduzione:

Dettagli

Informatica per la Grafica

Informatica per la Grafica Informatica per la Grafica Lezione 4 Operazioni classiche sulle immagini Di Blasi Gianpiero - D.M.I. - Università di Catania Cosa impareremo oggi Gli operatori sulle immagini digitali I filtri puntuali

Dettagli

Algoritmo per il rilevamento di targhe

Algoritmo per il rilevamento di targhe Algoritmo per il rilevamento di targhe 19 maggio 2008 Nell affrontare il problema del riconoscimento delle targhe sono stati sviluppati due algoritmi che basano la loro ricerca su criteri differenti. Lo

Dettagli

Sistemi Informativi Territoriali. Map Algebra

Sistemi Informativi Territoriali. Map Algebra Paolo Mogorovich Sistemi Informativi Territoriali Appunti dalle lezioni Map Algebra Cod.735 - Vers.E57 1 Definizione di Map Algebra 2 Operatori locali 3 Operatori zonali 4 Operatori focali 5 Operatori

Dettagli

Complessità computazionale

Complessità computazionale 1 Introduzione alla complessità computazionale Un problema spesso può essere risolto utilizzando algoritmi diversi Come scegliere il migliore? La bontà o efficienza di un algoritmo si misura in base alla

Dettagli

Corso di Visione Artificiale. Immagini digitali. Samuel Rota Bulò

Corso di Visione Artificiale. Immagini digitali. Samuel Rota Bulò Corso di Visione Artificiale Immagini digitali Samuel Rota Bulò Immagini digitali Un immagine viene generata dalla combinazione di una sorgente di energia e la riflessione o assorbimento di energia da

Dettagli

I Modelli della Ricerca Operativa

I Modelli della Ricerca Operativa Capitolo 1 I Modelli della Ricerca Operativa 1.1 L approccio modellistico Il termine modello è di solito usato per indicare una costruzione artificiale realizzata per evidenziare proprietà specifiche di

Dettagli

Elaborazione di immagini nel dominio spaziale

Elaborazione di immagini nel dominio spaziale Appunti di Elaborazione di Segnali Multimediali a.a. 213/214 L.Verdoliva In questa prima parte del corso studieremo le principali elaborazioni che possono essere effettuate sulle immagini digitali, focalizzando

Dettagli

Da una a più variabili: derivate

Da una a più variabili: derivate Da una a più variabili: derivate ( ) 5 gennaio 2011 Scopo di questo articolo è di evidenziare le analogie e le differenze, relativamente al calcolo differenziale, fra le funzioni di una variabile reale

Dettagli

Grafica Digitale. Concetti di base della computer grafica. Oliviero Neglia

Grafica Digitale. Concetti di base della computer grafica. Oliviero Neglia Grafica Digitale Concetti di base della computer grafica Oliviero Neglia Per grafica digitale intendiamo quell'insieme di processi che ci permettono di creare, modificare e visualizzare immagini attraverso

Dettagli

Operazioni morfologiche

Operazioni morfologiche Elaborazione dei Segnali Multimediali a.a. 2009/2010 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso

Dettagli

PHOTOSHOP RITOCCO CROMATICO Massimo Picardello Progetto Campus One

PHOTOSHOP RITOCCO CROMATICO Massimo Picardello Progetto Campus One PHOTOSHOP RITOCCO CROMATICO Massimo Picardello Progetto Campus One ACCENTUAZIONE DEL CONTRASTO CON IL FILTRO MASCHERA DI CONTRASTO Il filtro Maschera di contrasto misura, in ciascun canale, la differenza

Dettagli

Metodi diretti per la soluzione di sistemi lineari

Metodi diretti per la soluzione di sistemi lineari Metodi diretti per la soluzione di sistemi lineari N Del Buono 1 Introduzione Consideriamo un sistema di n equazioni in n incognite a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1, a 21 x 1 + a 22 x

Dettagli

Elaborazione nel dominio della frequenza

Elaborazione nel dominio della frequenza Appunti di Elaborazione dei Segnali Multimediali a.a. 29/2 L.Verdoliva Il dominio della frequenza è un potente strumento per l analisi e l elaborazione delle immagini e permette di comprendere meglio il

Dettagli

Proprietá dell immagine digitale

Proprietá dell immagine digitale Capitolo 5 Proprietá dell immagine digitale 5.1 Metrica delle immagini 5.1.1 Distanza Euclidea D E Per una immagine digitale, definita come una matrice bidimensionale, rappresenta una misura quantitativa

Dettagli

Interazione luce - materia

Interazione luce - materia Interazione luce - materia 1 Modelli di illuminazione Il modello di illuminazione descrive l interazione tra la luce e gli oggetti della scena Descrive i fattori che determinano il colore di un punto della

Dettagli

Applicazione della tsvd all elaborazione di immagini

Applicazione della tsvd all elaborazione di immagini Applicazione della tsvd all elaborazione di immagini A cura di: Mauro Franceschelli Simone Secchi Indice pag Introduzione. 1 Problema diretto.. 2 Problema Inverso. 3 Simulazioni.. Introduzione Scopo di

Dettagli

Grafica vettoriale. applicazioni di tipo fotografico

Grafica vettoriale. applicazioni di tipo fotografico Grafica vettoriale Come abbiamo visto in un certo dettaglio, la grafica raster si basa sull'idea di definire certe proprietà (colore, trasparenza, ecc.) di ogni pixel applicazioni di tipo fotografico Al

Dettagli

Publishing & Editing Immagini

Publishing & Editing Immagini Publishing & Editing Immagini Un'immagine digitale è la rappresentazione numerica di una immagine bidimensionale. La rappresentazione può essere di tipo vettoriale oppure raster (altrimenti detta bitmap);

Dettagli

Analisi 2. Argomenti. Raffaele D. Facendola

Analisi 2. Argomenti. Raffaele D. Facendola Analisi 2 Argomenti Successioni di funzioni Definizione Convergenza puntuale Proprietà della convergenza puntuale Convergenza uniforme Continuità e limitatezza Teorema della continuità del limite Teorema

Dettagli

Misure della dispersione o della variabilità

Misure della dispersione o della variabilità QUARTA UNITA Misure della dispersione o della variabilità Abbiamo visto che un punteggio di per sé non ha alcun significato e lo acquista solo quando è posto a confronto con altri punteggi o con una statistica.

Dettagli

Ricerca Operativa 2. Introduzione al metodo del Simplesso

Ricerca Operativa 2. Introduzione al metodo del Simplesso Ricerca Operativa 2. Introduzione al metodo del Simplesso Luigi De Giovanni Giacomo Zambelli 1 Problemi di programmazione lineare Un problema di ottimizzazione vincolata è definito dalla massimizzazione

Dettagli

CAMPI E LORO PROPRIETÀ

CAMPI E LORO PROPRIETÀ CMPI E LORO PROPRIETÀ 1.1 Introduzione ia una regione nello spazio in cui, in ogni suo punto, sia definita una grandezza g. La regione si dice allora soggetta ad un campo. Un campo può essere scalare,

Dettagli

RISONANZA. Introduzione. Risonanza Serie.

RISONANZA. Introduzione. Risonanza Serie. RISONANZA Introduzione. Sia data una rete elettrica passiva, con elementi resistivi e reattivi, alimentata con un generatore di tensione sinusoidale a frequenza variabile. La tensione di alimentazione

Dettagli

PROPRIETÀ DEI CIRCUITI DI RESISTORI

PROPRIETÀ DEI CIRCUITI DI RESISTORI CAPITOLO 5 PROPRIETÀ DEI CIRCUITI DI RESISTORI Nel presente Capitolo, verrà introdotto il concetto di equivalenza tra bipoli statici e verranno enunciati e dimostrati alcuni teoremi (proprietà) generali

Dettagli

Grafica vettoriale. Al contrario la grafica vettoriale si basa sull'idea di dare una descrizione geometrica dell'immagine

Grafica vettoriale. Al contrario la grafica vettoriale si basa sull'idea di dare una descrizione geometrica dell'immagine Grafica vettoriale Come abbiamo visto in un certo dettaglio, la grafica raster si basa sull'idea di definire certe proprietà (colore, trasparenza, ecc.) di ogni pixel applicazioni di tipo fotografico Al

Dettagli

SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE

SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE LA TOMOGRAFIA COMPUTERIZZATA: MODALITA DI FORMAZIONE DELL IMMAGINE SISTEMA DI MISURAZIONE, SISTEMA DI RICOSTRUZIONE, SISTEMA DI VISUALIZZAZIONE SISTEMA DI MISURAZIONE: ACQUISIZIONE DELL IMMAGINE TC Un

Dettagli

Elaborazione digitale delle immagini

Elaborazione digitale delle immagini Elaborazione digitale delle immagini Dal Dizionario: rappresentazione, imitazione di un oggetto o di una cosa; descrizione grafica o visiva di oggetti o cose; qualcosa introdotto o rappresentare qualcos

Dettagli

Elementi di teoria dei segnali /b

Elementi di teoria dei segnali /b Elementi di teoria dei segnali /b VERSIONE 29.4.01 Filtri e larghezza di banda dei canali Digitalizzazione e teorema del campionamento Capacità di canale e larghezza di banda Multiplexing e modulazioni

Dettagli

ISTITUZIONI DI MATEMATICHE E FONDAMENTI DI BIOSTATISTICA 7. DERIVATE. A. A. 2014-2015 L. Doretti

ISTITUZIONI DI MATEMATICHE E FONDAMENTI DI BIOSTATISTICA 7. DERIVATE. A. A. 2014-2015 L. Doretti ISTITUZIONI DI MATEMATICHE E FONDAMENTI DI BIOSTATISTICA 7. DERIVATE A. A. 2014-2015 L. Doretti 1 Il concetto di derivata di una funzione è uno dei più importanti e fecondi di tutta la matematica sia per

Dettagli

Elaborazione nel dominio della frequenza Soluzioni

Elaborazione nel dominio della frequenza Soluzioni Elaborazione dei Segnali Multimediali a.a. 2009/2010 Elaborazione nel dominio della frequenza Soluzioni 1 La trasformata discreta 1D Calcoliamo lo spettro di x(n) = R L (n) al variare di L = 2, 10, 20,

Dettagli

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali.

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali. 1 Le immagini digitali Le immagini digitali Università IUAV di venezia Trattamento di immagini digitali immagini grafiche immagini raster immagini vettoriali acquisizione trattamento geometrico trattamento

Dettagli

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica

Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Corso di Laurea Ingegneria Informatica Fondamenti di Informatica Dispensa 05 La rappresentazione dell informazione Carla Limongelli Ottobre 2011 http://www.dia.uniroma3.it/~java/fondinf/ La rappresentazione

Dettagli

Accuratezza di uno strumento

Accuratezza di uno strumento Accuratezza di uno strumento Come abbiamo già accennato la volta scora, il risultato della misurazione di una grandezza fisica, qualsiasi sia lo strumento utilizzato, non è mai un valore numerico X univocamente

Dettagli

L'algebra di Boole falso vero livello logico alto livello logico basso Volts

L'algebra di Boole falso vero livello logico alto livello logico basso Volts L algebra di Boole L'algebra di Boole comprende una serie di regole per eseguire operazioni con variabili logiche. Le variabili logiche possono assumere solo due valori. I due possibili stati che possono

Dettagli

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA

Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Capitolo 4 FILTRAGGIO NEL DOMINIO DELLA FREQUENZA Il filtraggio nel dominio della frequenza è possibile grazie alle caratteristiche della serie di Fourier e della trasformata di Fourier, che permette di

Dettagli

Elaborazione del colore

Elaborazione del colore Sistemi Multimediali Elaborazione del colore Molti degli strumenti offerti da un programma di fotoritocco ci permettono di lavorare sui colori. Questi strumenti vengono solitamente utilizzati per correggere

Dettagli

Capitolo 9: PROPAGAZIONE DEGLI ERRORI

Capitolo 9: PROPAGAZIONE DEGLI ERRORI Capitolo 9: PROPAGAZIOE DEGLI ERRORI 9.1 Propagazione degli errori massimi ella maggior parte dei casi le grandezze fisiche vengono misurate per via indiretta. Il valore della grandezza viene cioè dedotto

Dettagli

Stabilizzazione Video. Video Digitali

Stabilizzazione Video. Video Digitali Stabilizzazione Video Video Digitali Stabilizzazione video STABILIZZARE:assicurare il mantenimento di una condizione di equilibrio constante,generalmente identificabile nell'assenza di oscillazioni o variazioni

Dettagli

Applicazioni e considerazioni conclusive

Applicazioni e considerazioni conclusive Applicazioni e considerazioni conclusive 8.1 La telecamera tridimensionale Il sistema di scansione a luce debolmente strutturata permette di scandire un oggetto e di ricavarne un immagine tridimensionale

Dettagli

Illuminazione avanzata

Illuminazione avanzata Informatica Grafica per le arti Illuminazione avanzata E' possibile applicare una bitmap ad una luce. Una luce a cui e' applicata una bitmap proietta l'immagine associata nello spazio. Marco Gribaudo marcog@di.unito.it

Dettagli

Corso di grafica vettoriale

Corso di grafica vettoriale Presentazioni Carmine De Rosa (HCSSLUG) Corso di grafica vettoriale Laboratorio Turing Dip. di Informatica ed Applicazioni Università degli Studi di Salerno Obbiettivi del corso Obbiettivo 1: Fornire le

Dettagli

Cristian Secchi Pag. 1

Cristian Secchi Pag. 1 INGEGNERIA E TECNOLOGIE DEI SISTEMI DI CONTROLLO Laurea Specialistica in Ingegneria Meccatronica STRUMENTI MATEMATICI PER L ANALISI DEI SISTEMI DISCRETI Ing. Tel. 0522 522235 e-mail: secchi.cristian@unimore.it

Dettagli

ADVANCES IN AUTOMATED RESTORATION OF ARCHIVED VIDEO

ADVANCES IN AUTOMATED RESTORATION OF ARCHIVED VIDEO ADVANCES IN AUTOMATED RESTORATION OF ARCHIVED VIDEO A. Kokaram, F. Pitie, D. Corrigan, D. Vitulano, V. Bruni, A. Crawford correzione automatica di difetti presenti in pellicole antiche. inizialmente legate

Dettagli

Immagini binarie. Binarizzazione di immagini a livelli di grigio

Immagini 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

Dettagli

sezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche.

sezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche. sezioni incluso Espandi tutto 0. Elementi di matematica elementare (parzialmente incluso) Sezione 0.1: I numeri reali Sezione 0.2: Regole algebriche. Potenze e percentuali Sezione 0.3: Disuguaglianze Sezione

Dettagli

Altri metodi di indicizzazione

Altri metodi di indicizzazione Organizzazione a indici su più livelli Altri metodi di indicizzazione Al crescere della dimensione del file l organizzazione sequenziale a indice diventa inefficiente: in lettura a causa del crescere del

Dettagli

Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione. Elettronica ed Elettrotecnica - Classe 3^

Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione. Elettronica ed Elettrotecnica - Classe 3^ Specializzazione Elettronica ed Elettrotecnica Articolazione Automazione Elettronica ed Elettrotecnica - Classe 3^ Elettrotecnica Tipologie di segnali Unità di misura delle grandezze elettriche Simbologia

Dettagli

CURRICOLO MATEMATICA

CURRICOLO MATEMATICA 1 CURRICOLO MATEMATICA Competenza 1 al termine della scuola dell Infanzia 2 NUMERI Raggruppare, ordinare, contare, misurare oggetti, grandezze ed eventi direttamente esperibili. Utilizzare calendari settimanali

Dettagli

Parte 2. Determinante e matrice inversa

Parte 2. Determinante e matrice inversa Parte. Determinante e matrice inversa A. Savo Appunti del Corso di Geometria 013-14 Indice delle sezioni 1 Determinante di una matrice, 1 Teorema di Cramer (caso particolare), 3 3 Determinante di una matrice

Dettagli

Basi di matematica per il corso di micro

Basi di matematica per il corso di micro Basi di matematica per il corso di micro Microeconomia (anno accademico 2006-2007) Lezione del 21 Marzo 2007 Marianna Belloc 1 Le funzioni 1.1 Definizione Una funzione è una regola che descrive una relazione

Dettagli

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L.

Controlli Automatici T. Trasformata di Laplace e Funzione di trasferimento. Parte 3 Aggiornamento: Settembre 2010. Prof. L. Parte 3 Aggiornamento: Settembre 2010 Parte 3, 1 Trasformata di Laplace e Funzione di trasferimento Prof. Lorenzo Marconi DEIS-Università di Bologna Tel. 051 2093788 Email: lmarconi@deis.unibo.it URL:

Dettagli

Elaborazione di immagini a colori

Elaborazione di immagini a colori Elaborazione di Segnali Multimediali a.a. 2013/2014 Elaborazione di immagini a colori L.Verdoliva In questa esercitazione vedremo come si elaborano le immagini a colori in Matlab estendendo le tecniche

Dettagli

Modelli di Ottimizzazione

Modelli di Ottimizzazione Capitolo 2 Modelli di Ottimizzazione 2.1 Introduzione In questo capitolo ci occuperemo più nel dettaglio di quei particolari modelli matematici noti come Modelli di Ottimizzazione che rivestono un ruolo

Dettagli

Trasformazioni di Intensità e Filtraggio Spaziale

Trasformazioni di Intensità e Filtraggio Spaziale Trasformazioni di Intensità e Filtraggio Spaziale (Alcuni Richiami) Prof. Sebastiano Battiato Terminologia Le tecniche di elaborazione delle immagini sono in generale rivolte all ottenimento di uno dei

Dettagli

4. Matrici e Minimi Quadrati

4. Matrici e Minimi Quadrati & C. Di Natale: Matrici e sistemi di equazioni di lineari Formulazione matriciale del metodo dei minimi quadrati Regressione polinomiale Regressione non lineare Cross-validazione e overfitting Regressione

Dettagli

LA CODIFICA DELLE IMMAGINI

LA CODIFICA DELLE IMMAGINI asdf LA CODIFICA DELLE IMMAGINI 3 March 2012 Premessa L'articolo che segue vuole essere, senza alcuna pretesa di rigore scientifico e di precisione assoluta, in quanto non ne possiedo le competenze, una

Dettagli

Modellazione e Analisi di Reti Elettriche

Modellazione e Analisi di Reti Elettriche Modellazione e Analisi di eti Elettriche Modellazione e Analisi di eti Elettriche Davide Giglio Introduzione alle eti Elettriche e reti elettriche costituite da resistori, condensatori e induttori (bipoli),

Dettagli

I formati dei file immagine

I formati dei file immagine I formati dei file immagine Le immagini vettoriali Le immagini vettoriali sono caratterizzate da linee e curve definite da entità matematiche chiamate vettori I vettori sono segmenti definti da un punto

Dettagli

TECNICHE DI COMPRESSIONE DATI

TECNICHE DI COMPRESSIONE DATI TECNICHE DI COMPRESSIONE DATI COMPRESSIONE DATI La compressione produce una rappresentazione più compatta delle informazioni è come se si usassero meno parole per dire la stessa cosa in modo diverso. Esistono

Dettagli

Fondamenti di Automatica

Fondamenti di Automatica Fondamenti di Automatica Analisi dei sistemi dinamici Dott. Ing. Marcello Bonfè Dipartimento di Ingegneria - Università di Ferrara Tel. +39 0532 974839 E-mail: marcello.bonfe@unife.it pag. 1 Analisi dei

Dettagli

Appunti del corso di Informatica 1 (IN1 Fondamenti) 2 Introduzione alla programmazione

Appunti del corso di Informatica 1 (IN1 Fondamenti) 2 Introduzione alla programmazione Università Roma Tre Facoltà di Scienze M.F.N. Corso di Laurea in Matematica Appunti del corso di Informatica 1 (IN1 Fondamenti) 2 Introduzione alla programmazione Marco Liverani (liverani@mat.uniroma3.it)

Dettagli

Il campionamento. La digitalizzazione. Teoria e pratica. La rappresentazione digitale delle immagini. La rappresentazione digitale delle immagini

Il campionamento. La digitalizzazione. Teoria e pratica. La rappresentazione digitale delle immagini. La rappresentazione digitale delle immagini ACQUISIZIONE ED ELABORAZIONE DELLE IMMAGINI Teoria e pratica La digitalizzazione La digitalizzazione di oggetti legati a fenomeni di tipo analogico, avviene attraverso due parametri fondamentali: Il numero

Dettagli

Informatica pratica. L'immagine digitale

Informatica pratica. L'immagine digitale Informatica pratica L'immagine digitale Riassunto della prima parte Fino ad ora abbiamo visto: le cose necessarie per utilizzare in modo utile il computer a casa alcune delle tante possibilità dell'uso

Dettagli

Programmazione dinamica

Programmazione dinamica Capitolo 6 Programmazione dinamica 6.4 Il problema della distanza di edit tra due stringhe x e y chiede di calcolare il minimo numero di operazioni su singoli caratteri (inserimento, cancellazione e sostituzione)

Dettagli

Immagini vettoriali. Immagini raster

Immagini vettoriali. Immagini raster Immagini vettoriali Le immagini vettoriali sono caratterizzate da linee e curve definite da entità matematiche chiamate vettori. I vettori sono segmenti definiti da un punto di origine, una direzione e

Dettagli

ELEMENTI DI STATISTICA PER IDROLOGIA

ELEMENTI DI STATISTICA PER IDROLOGIA Carlo Gregoretti Corso di Idraulica ed Idrologia Elementi di statist. per Idrolog.-7//4 ELEMETI DI STATISTICA PER IDROLOGIA Introduzione Una variabile si dice casuale quando assume valori che dipendono

Dettagli

Tecniche di riconoscimento statistico

Tecniche di riconoscimento statistico On AIR s.r.l. Tecniche di riconoscimento statistico Applicazioni alla lettura automatica di testi (OCR) Parte 5 Tecniche OCR Ennio Ottaviani On AIR srl ennio.ottaviani@onairweb.com http://www.onairweb.com/corsopr

Dettagli

Parte 3. Rango e teorema di Rouché-Capelli

Parte 3. Rango e teorema di Rouché-Capelli Parte 3. Rango e teorema di Rouché-Capelli A. Savo Appunti del Corso di Geometria 203-4 Indice delle sezioni Rango di una matrice, 2 Teorema degli orlati, 3 3 Calcolo con l algoritmo di Gauss, 6 4 Matrici

Dettagli

Le immagini digitali: introduzione

Le immagini digitali: introduzione Le immagini digitali: introduzione 1 L immagine digitale Un immagine pittorica è compsta da milioni di pigmenti colorati molto piccoli che, messi vicino l uno all altro, danno l impressione dei vari oggetti.

Dettagli

Che cos'è la profondità di colore

Che cos'è la profondità di colore Che cos'è la profondità di colore 1 Vediamo che cos'è la Profondità di Bit e di Colore di una immagine o di un filmato video; vediamo inoltre cosa sono Gamma dinamica e Gamma di densità. La profondità

Dettagli

Elementi di grafica raster

Elementi di grafica raster Elementi di grafica raster Le immagini Una immagine è una rappresentazione spaziale di un oggetto o di una scena Una immagine digitale è una rappresentazione di una scena anche 3D dopo il processo di acquisizione

Dettagli

Reti sequenziali e strutturazione firmware

Reti sequenziali e strutturazione firmware Architettura degli Elaboratori, a.a. 25-6 Reti sequenziali e strutturazione firmware Alla parte di corso sulle reti sequenziali è apportata una sensibile semplificazione rispetto a quanto contenuto nel

Dettagli

Le texture. Le texture. Informatica Grafica per le arti. Le texture. Le texture. Le texture. Le texture

Le texture. Le texture. Informatica Grafica per le arti. Le texture. Le texture. Le texture. Le texture Informatica Grafica per le arti Per rendere realistici gli oggetti modellati occorre definire accuratamente l'aspetto delle loro superfici. Il modo piu' semplice consiste nel sovrapporvi speciali immagini.

Dettagli

4. Proiezioni del piano e dello spazio

4. Proiezioni del piano e dello spazio 4. Proiezioni del piano e dello spazio La visualizzazione di oggetti tridimensionali richiede di ottenere una vista piana dell'oggetto. Questo avviene mediante una sequenza di operazioni. Innanzitutto,

Dettagli

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA LICEO SCIENTIFICO MATEMATICA

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA LICEO SCIENTIFICO MATEMATICA LICEO SCIENTIFICO MATEMATICA PROFILO GENERALE E COMPETENZE Al termine del percorso liceale lo studente dovrà padroneggiare i principali concetti e metodi di base della matematica, sia aventi valore intrinseco

Dettagli

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI

CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI 31 CAPITOLO 3 FONDAMENTI DI ANALISI DELLA STABILITA' DI SISTEMI NON LINEARI INTRODUZIONE L'obbiettivo di questo capitolo è quello di presentare in modo sintetico ma completo, la teoria della stabilità

Dettagli

CLASSI PRIME tecnico 4 ORE

CLASSI PRIME tecnico 4 ORE PIANO ANNUALE a.s. 2012/2013 CLASSI PRIME tecnico 4 ORE Settembre Ottobre Novembre dicembre dicembre gennaio- 15 aprile 15 aprile 15 maggio Somministrazione di test di ingresso. Insiemi numerici Operazioni

Dettagli

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA

LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA LICEO SCIENTIFICO opzione delle scienze applicate MATEMATICA PROFILO GENERALE E COMPETENZE Al termine del percorso liceale lo studente dovrà padroneggiare i principali concetti e metodi di base della matematica,

Dettagli

Elaborazione delle immagini e Pattern Recognition. Giovanni Scavello

Elaborazione delle immagini e Pattern Recognition. Giovanni Scavello Elaborazione delle immagini e Pattern Recognition Giovanni Scavello Programma dei seminari Nozioni di base del trattamento delle immagini Descrizione matematica Spazi colore Operazioni comuni Filtraggio

Dettagli

Elementi di Informatica e Programmazione

Elementi di Informatica e Programmazione Elementi di Informatica e Programmazione Il concetto di Algoritmo e di Calcolatore Corsi di Laurea in: Ingegneria Civile Ingegneria per l Ambiente e il Territorio Università degli Studi di Brescia Cos

Dettagli

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU

9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A = LU 9 Metodi diretti per la risoluzione di sistemi lineari: fattorizzazione P A LU 9.1 Il metodo di Gauss Come si è visto nella sezione 3.3, per la risoluzione di un sistema lineare si può considerare al posto

Dettagli

ELABORAZIONI DI BASE DELLE FOTO CON L'USO DI PHOTOSHOP migliorare le proprie foto e produrre immagini di qualità

ELABORAZIONI DI BASE DELLE FOTO CON L'USO DI PHOTOSHOP migliorare le proprie foto e produrre immagini di qualità ELABORAZIONI DI BASE DELLE FOTO CON L'USO DI PHOTOSHOP migliorare le proprie foto e produrre immagini di qualità Questo breve tutorial illustra come effettuare le correzioni di base sulle foto, con l'uso

Dettagli

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti

Corso di Analisi Numerica - AN1. Parte 2: metodi diretti per sistemi lineari. Roberto Ferretti Corso di Analisi Numerica - AN1 Parte 2: metodi diretti per sistemi lineari Roberto Ferretti Richiami sulle norme e sui sistemi lineari Il Metodo di Eliminazione di Gauss Il Metodo di Eliminazione con

Dettagli

Informazioni Tecniche riguardo a PhoToPlan

Informazioni Tecniche riguardo a PhoToPlan Informazioni Tecniche riguardo a PhoToPlan Le seguenti pagine forniranno una visione dettagliata dei possibili utilizzi di PhoToPlan Q1 Cosa significa Fotoraddrizzamento? Q2 Come si effettua un fotoraddrizzamento?

Dettagli

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica...

1 Grafico di una funzione reale 1. 2 Funzioni elementari 2 2.1 Funzione potenza... 2 2.2 Funzione esponenziale... 3 2.3 Funzione logaritmica... UNIVR Facoltà di Economia Sede di Vicenza Corso di Matematica Funzioni reali di variabile reale Indice Grafico di una funzione reale 2 Funzioni elementari 2 2. Funzione potenza................................................

Dettagli