Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini
|
|
- Ivo Martelli
- 8 anni fa
- Visualizzazioni
Transcript
1 Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini Prof. Michele Scarpiniti Dipartimento di Ingegneria dell Informazione, Elettronica e Telecomunicazioni Sapienza Università di Roma michele.scarpiniti@uniroma1.it Roma, 29 Aprile 2011 M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 1 / 85
2 1 2 La Segmentazione 3 Funzioni Base M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 2 / 85
3 M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 3 / 85
4 L obiettivo di questa lezione è di illustrare i comandi di base per operare con le immagini in Matlab. Vengono anche discusse alcune semplici tecniche di elaborazione delle immagini. Matlab mette a disposizione centinaia d funzioni, utili per lavorare con le immagini: queste funzioni sono parte dell Image Toolbox. Una guida di questo Toolbox può essere reperita al link access/helpdesk/help/pdf_doc/images/images_tb.pdf. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 4 / 85
5 Tipi di Immagine Esistono diverse modalità per memorizzare un file rappresentante un immagine. Le principali sono le seguenti tre: 1 Scala di grigi; 2 Truecolor; 3 Indicizzata. Nella modalità a scala di grigi ogni pixel dell immagine contiene un livello di grigio, compreso tra 0 e 1. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 5 / 85
6 Tipi di Immagine Nella modalità Truecolor ogni pixel dell immagine è un vettore di tre elementi contenenti i livelli di rosso, verde, blu (RGB), compresi tra 0 e 1. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 6 / 85
7 Tipi di Immagine Infine, nella modalità indicizzata ogni pixel rappresenta la riga di una mappa di colore, costituita da tre elementi, cioè i livelli di rosso, verde, blu (RGB), compresi tra 0 e 1. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 7 / 85
8 Matlab: leggere un file di immagine Per leggere un file contenete una immagine in scala di grigi o a colori, Matlab mette a disposizione il comando >> I = imread(filename, fmt); >> [I,map] = imread(...); >> [I,map] = imread(filename); >> [I,map] = imread(url,...); Viene letta un immagine di formato fmt e di nome (e percorso) specificato da filename o caricata dal web dall indirizzo specificato da URL e viene restituita una matrice I di dimensioni M N se a scala di grigio (gli M N pixels delle M righe e N colonne), oppure di dimensioni M N 3 se a colori rappresentati con il modello RGB o M N 4 se rappresentati con il modello CMYK (tipico dei file *.tiff ). Gli elementi di questa matrice sono numeri interi (tipo uint8), cioè assumono valori da 0 a 255. Se il formato fmt non viene specificato, la funzione imread cerca di capire il formato dal file stesso. Legge anche una immagine indicizzata, restituendo la relativa mappa di colore nella variabile map. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 8 / 85
9 Matlab: leggere un file di immagine I tipi di file gestiti da Matlab sono i seguenti 14: BMP: Windows Bitmap; CUR: Cursor File; GIF: Graphical Interchange Format; HDF4: Hierarchical Data Format; ICO: Icon File; JPEG: Joint Photographic Expert Group; PBM: Portable Bitmap; PCX: Windows Paintbrush; PGM: Portable Graymap; PNG: Portable Network Graphics; PPM: Portable Pixmap; RAS: Sun Raster; TIFF: Tagged Image File Format; XWD: X Window Dump. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 9 / 85
10 Matlab: ottenere le informazioni un file di immagine E possibile ottenere le informazioni su un file di immagine in una struttura info, tramite il comando >> info = imfinfo(filename,fmt); >> info = imfinfo(filename); >> info = imfinfo(url,...); Ad esempio: >> imfinfo( orig1, jpg ) ans = Filename: orig1.jpg FileModDate: 20-mag :57:46 FileSize: 5047 Format: jpg FormatVersion: Width: 128 Height: 128 BitDepth: 8 ColorType: grayscale FormatSignature: NumberOfSamples: 1 CodingMethod: Huffman M. Scarpiniti CodingProcess: Laboratorio per Sequential l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 10 / 85
11 Matlab: ottenere le informazioni un file di immagine Informazioni sul tipo di file possono essere ottenute dal seguente comando, che restituisce una struttura formats: >> imformats >> formats = imformats; >> formats = imformats( fmt ); I possibili campi della struttura, sono ext: specifica le estensioni valide per il formato in esame; isa: specifica il nome della funzione che determina se il file è del tipo specificato; info: specifica il nome della funzione che legge le informazioni del tipo specificato; read: specifica il nome della funzione che legge i dati dal tipo specificato; write: specifica il nome della funzione che scrive i dati nel tipo specificato; alpha: vale 1 se il formato ha un canale alfa, 0 altrimenti; description: descrive brevemente il tipo di file. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 11 / 85
12 Matlab: ottenere le informazioni un file di immagine Ad esempio, per il formato *.jpg >> imformats( jpg ) ans = ext: { jpg jpeg } alpha: 0 description: Joint Photographic Experts Group (JPEG) Oppure, per il formato *.tiff >> imformats( tiff ) ans = ext: { tif tiff } alpha: 0 description: Tagged Image File Format (TIFF) M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 12 / 85
13 Matlab: ottenere le informazioni un file di immagine Senza il tipo di formato, la funzione imformats restituisce in una tabella tutti i campi delle proprietà relative a tutti i tipi di file supportati: >> imformats EXT ISA INFO READ WRITE ALPHA DESCRIPTION bmp isbmp imbmpinfo readbmp writebmp 0 Windows Bitmap (BMP) cur iscur imcurinfo readcur 1 Windows Cursor resources (CUR) fts fits isfits imfitsinfo readfits 0 Flexible Image Transport System (FITS) gif isgif imgifinfo readgif writegif 0 Graphics Interchange Format (GIF) hdf ishdf imhdfinfo readhdf writehdf 0 Hierarchical Data Format (HDF) ico isico imicoinfo readico 1 Windows Icon resources (ICO) jpg jpeg isjpg imjpginfo readjpg writejpg 0 Joint Photographic Experts Group (JPEG) pbm ispbm impnminfo readpnm writepnm 0 Portable Bitmap (PBM) pcx ispcx impcxinfo readpcx writepcx 0 Windows Paintbrush (PCX) pgm ispgm impnminfo readpnm writepnm 0 Portable Graymap (PGM) png ispng impnginfo readpng writepng 1 Portable Network Graphics (PNG) pnm ispnm impnminfo readpnm writepnm 0 Portable Any Map (PNM) ppm isppm impnminfo readpnm writepnm 0 Portable Pixmap (PPM) ras isras imrasinfo readras writeras 1 Sun Raster (RAS) tif tiff istif imtifinfo readtif writetif 0 Tagged Image File Format (TIFF) xwd isxwd imxwdinfo readxwd writexwd 0 X Window Dump (XWD) M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 13 / 85
14 Matlab: scrivere un file di immagine Per scrivere un file contenete una immagine in scala di grigi o a colori, Matlab mette a disposizione il comando >> imwrite(i,filename,fmt); >> imwrite(i,map,filename,fmt); Tale comando salva sul disco un file di nome filename e di formato specificato da fmt contenente l immagine rappresentata dalla matrice I. La matrice I può avere dimensioni M N per immagini in scala di grigi, oppure dimensioni M N 3 per immagini a colori, rappresentata dal modello RGB o M N 4 per immagini a colori, rappresentata dal modello CMYK. La seconda riga salva una immagine indicizzata con la relativa mappa di colore, specificata dalla variabile map. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 14 / 85
15 Matlab: visualizzare una immagine Per visualizzare una immagine in scala di grigi o a colori contenuta in una matrice I, Matlab mette a disposizione il comando >> imshow(i); >> imshow(i,[low high]); >> imshow(i,map); >> imshow(filename); >> handle = imshow(...); Se l immagine è in scala di grigi, posso visualizzare solo i pixels con valori all interno dell intervallo [low high], gli altri valori saranno sostituiti con il colore nero, se il loro valore è minore di low, altrimenti, se maggiore, con il colore bianco. Posso anche visualizzare una immagine indicizzata con la relativa mappa di colore contenuta nella variabile map, oppure un immagine da un file di nome filename. Se serve, la funzione imshow restituisce l handle della figura. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 15 / 85
16 Matlab: visualizzare una immagine Vediamo un esempio: >> I = imread( cameramen.tif ); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(i,[0 80]); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 16 / 85
17 Matlab: visualizzare una immagine Riportiamo un secondo esempio, utilizzando una immagine indicizzata: >> [X,map] = imread( trees.tif ); >> imshow(x,map); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 17 / 85
18 Matlab: visualizzare una immagine Un modo alternativo per visualizzare una immagine in scala di grigi o a colori contenuta in una matrice A (quindi trattata come un immagine), è quello di utilizzare il comando >> image(a); >> image(x,y,a); >> handle = image(...); Questo comando visualizza il contenuto della matrice A come un immagine. Posso anche specificare in due vettori x e y gli intervalli degli assi da visualizzare, ma l immagine è la stessa della chiamata precedente. Se serve la funzione image restituisce l handle della figura. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 18 / 85
19 Matlab: visualizzare una immagine Ad esempio, carico da file una matrice X che contiene una fotografia a colori di un primate e la visualizzo: >> load mandrill >> figure( color, k ) >> image(x) >> colormap(map) >> axis off >> axis image M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 19 / 85
20 Matlab: visualizzare una immagine Un ulteriore modo alternativo per visualizzare una immagine in scala di grigi o a colori contenuta in una matrice A (quindi trattata come un immagine), è quello di utilizzare il comando >> imagesc(a); >> imagesc(x,y,a); >> imagesc(...,clims); >> handle = imagesc(...); E equivalente all utilizzo di image, tranne il fatto che l immagine ottenuta è visualizzata utilizzando tutta la mappa di colore. Questo comando visualizza il contenuto della matrice A come un immagine. Posso anche specificare in due vettori x e y gli intervalli degli assi da visualizzare, ma l immagine è la stessa della chiamata precedente. Se serve la funzione image restituisce l handle della figura. Posso utilizzare anche una parte della mappa di colore compresa nell intervallo clims = [low high]: i pixel con valore minore di low vengono visualizzati con il primo elemento della mappa di colore, quelli con valore maggiore di high con l ultimo elemento della mappa di colore. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 20 / 85
21 Matlab: visualizzare una immagine Ad esempio, carico da file una matrice X che contiene una fotografia a colori di un clown e la visualizzo: >> load clown >> clims = [10 60]; >> subplot(1,2,1); imagesc(x); >> colormap(gray); >> subplot(1,2,2); imagesc(x,clims); >> colormap(gray); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 21 / 85
22 Matlab: la mappa di colore Una mappa di colore è una matrice di dimensione M 3 di valori compresi nell intervallo [0 1], che specifica i valori RGB degli M colori predefiniti. In particolare, la riga k-esima della mappa di colore è la terna [r(k) g(k) b(k)] del k-esimo colore. Matlab mette a disposizione 17 mappe di colore predefinite, che possono essere utilizzate con i comandi seguenti: >> colormap(map); >> colormap( default ); >> cmap = colormap; Il primo comando consente di utilizzare la mappa di colore specificata da map, il secondo comando consente di utilizzara la mappa corrente come default, mentre il terzo restituisce la mappa di colore nella matrice cmap. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 22 / 85
23 Matlab: la mappa di colore Le 17 mappe di colore disponibili in Matlab sono elencate qui sotto ed illustrate a fianco: autumn; bone; colorcube; cool; copper; flag; gray; hot; hsv; jet; lines; pink; prism; spring; summer; white; winter. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 23 / 85
24 Matlab: la mappa di colore Riportiamo qualche esempio: >> load flujet >> image(x), colormap(jet) >> image(x), colormap(summer) >> load spine >> image(x), colormap(bone) M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 24 / 85
25 Matlab: la mappa di colore Per disegnare una mappa di colore, si utilizza il comando: >> rgbplot(cmap); Ad esempio: >> subplot(1,3,1), rgbplot(copper); >> subplot(1,3,2), rgbplot(hot); >> subplot(1,3,3), rgbplot(spring); Per editare manualmente una mappa di colore, si può utilizzare >> colormapeditor M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 25 / 85
26 Molte volte l immagine che abbiamo a disposizione non è di buona qualità. Ad esempio l immagine può essere troppo scura o troppo chiara, oppure avere un contrasto molto limitato. Matlab mette a disposizione varie funzioni che consentono di modificare in modo elementare gli attributi più semplici di un immagine, come la luminosità e/o il contrasto. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 26 / 85
27 Modificare la luminosità La luminosità di una immagine può essere modificata tramite il comando: >> brighten(beta); >> brighten(h,beta); >> newmap = brighten(beta); >> newmap = brighten(cmap,beta); Tale funzione modifica la mappa di colore che viene utilizzata. In particolare la mappa di colore è schiarita se 0 < β < 1 oppure scurita se 1 < β < 0. La funzione agisce su tutti i grafici, oppure solo su quello di handle h. In newmap viene restituita la nuova mappa di colore, o la versione modificata di quella correntemente in uso cmap. Ogni elemento della mappa di colore map viene elevato ad un esponente γ, pari a { 1 β se β > 0 γ = 1 1+β se β 0 M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 27 / 85
28 Modificare la luminosità Riportiamo un esempio di modifica della luminosità: >> load clown >> imshow(x,map); >> for i=1:10, brighten(0.5); pause; end >> for i=1:10, brighten(-0.5); pause; end M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 28 / 85
29 Modificare il contrasto Il contrasto di una immagine può essere modificato tramite il comando: >> cmap = contrast(x); >> cmap = contrast(x,m); Tale funzione crea una nuova mappa di colore cmap. Tale nuova mappa ha una distribuzione approssimativamente uniforme: tutti gli elementi in ogni riga sono identici. In particolare il primo comando ritorna una mappa di colore in scala di grigi, mentre la seconda ritorna una mappa di colore di dimensioni m 3. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 29 / 85
30 Modificare il contrasto Riportiamo un esempio di modifica del contrasto: >> load clown; >> cmap = contrast(x); >> imshow(x,gray); >> colormap(cmap); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 30 / 85
31 Modificare l intensità E possibile modificare l intensità di una immagine in scala di grigi o a colori, utilizzando i comandi >> J = imadjust(i); >> J = imadjust(i,[low_in; high_in],[low_out; high_out]); >> J = imadjust(i,[low_in; high_in],[low_out; high_out],gamma); >> newmap = imadjust(map,[low_in; high_in],[low_out; high_out],gamma); Il comando imadjust crea una nuova immagine J tale che l 1% dei dati è saturato alle basse ed alte intensità: il risultato è un aumento del contrasto dell immagine. E anche possibile specificare che un intervallo di valori dell immagine di partenza [low in high in ] venga mappato in un nuovo intervallo dell immagine J [low out high out]. Per le immagini a colori, low in e high in sono vettori di tre elementi. Il parametro gamma descrive la curva di saturazione: se 0 < γ < 1 la saturazione è spinta verso valori più elevati (risultato più luminoso), altrimenti, se γ > 1, la saturazione è spinta verso valori più bassi (risultato più scuro). Di default è γ = 1. Se alla funzione passo una mappa di colore, essa mi restituisce la nuova mappa di colore, dopo l enhancement. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 31 / 85
32 Modificare l intensità Riportiamo un esempio. >> I = imread( pout.tif ); >> J = imadjust(i); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 32 / 85
33 Modificare l intensità Riportiamo un secondo esempio. >> I = imread( football.jpg ); >> J = imadjust(i,[ ; ],[]); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 33 / 85
34 Convertire un immagine in binario E possibile trasformare una immagine in scala di grigi o a colori in una immagine binaria, cioè in una immagine i cui pixels hanno solo due valori: 1 (bianco) e 0 (nero). Il comando che è messo a disposizione da Matlab è il seguente: >> BW = im2bw(i, level); >> BW = im2bw(x, map, level); Tutti i pixel con intensità superiori a level vengono posti a 1, quelli più piccoli a 0. Se ho a disposizione la mappa di colore si utilizza la seconda linea. Il livello ottimale level può essere ottenuto con il comando >> level = graytresh(i); >> [level, EM] = graytresh(i); La variabile EM rappresenta il valore di efficacia (compreso tra 0 e 1): misura cioè il grado di efficacia della soglia calcolata. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 34 / 85
35 Convertire un immagine in binario Riportiamo un esempio. >> I = imread( coins.png ); >> level = graythresh(i); >> BW = im2bw(i,level); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(bw); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 35 / 85
36 Convertire un immagine in binario Un metodo alternativo, è utilizzare la funzione >> BW = dither(i); >> X = dither(rgb,map); Il secondo comando converte un immagine a colori in un altra con una risoluzione di colori aumentata grazie all utilizzo del dither. Ad esempio: >> I = imread( cameraman.tif ); >> BW = dither(i); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(bw); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 36 / 85
37 Convertire un immagine in scala di grigio E possibile trasformare una immagine indicizzata in scala di grigi attraverso il seguente comando: >> J = ind2gray(i,map); Il comando ind2gray rimuove le informazioni di tonalità e saturazione, lasciando inalterata l informazione sulla luminosità. Riportiamo un esempio: >> load trees >> J = ind2gray(x,map); >> subplot(1,2,1), imshow(x,map); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 37 / 85
38 Operazioni matematiche con due immagini Due immagini possono essere sommate, sottrate (in modulo), moltiplicate, divise o combinate linearmente tra di loro, tramite i comandi >> K = imadd(i,j); >> K = imsubtract(i,j); >> K = imabsdiff(i,j); >> K = immultiply(i,j); >> K = imdivide(i,j); >> K = imlinconb(c1,i1,c2,i2,...,cn,in); >> K = imcomplement(i); L ultima riga calcola il complemento, cioè il valore massimo meno il valore del pixel. La variabile J può essere una immagine oppure un valore numerico: in questo caso vario il contrasto dell immagine I. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 38 / 85
39 Operazioni matematiche con due immagini Ridportiamo un esempio con imadd e imcomplement: >> I = imread( rice.png ); >> J = imread( cameraman.tif ); >> K = imadd(i,j, uint16 ); >> imshow(k,[]); >> bw = imread( text.png ); >> bw2 = imcomplement(bw); >> subplot(1,2,1),imshow(bw) >> subplot(1,2,2),imshow(bw2) M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 39 / 85
40 Elaborare un immagine: imtool Matlab mette a disposizione un interfaccia grafica per poter effettuare la visualizzazione e/o modifica semplice di un immagine. Tale interfaccia può essere richiamata con il comando >> imtool M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 40 / 85
41 Visualizzare una sequenza di immagini e video E possibile visualizzare un insieme di immagini come una sequenza, con il comando >> implay(sequenza); dove sequenza contiene tutte le immagini da visualizzare, cioè è un insieme di matrici (ovvero un tensore). Viene aperto un interfaccia grafica che consente anche di vedere filmati in formato *.avi. Posso creare un video con le immagini, attraverso il comando >> mov = immovie(sequenza); e quindi visualizzarlo con implay. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 41 / 85
42 Visualizzare una sequenza di immagini e video Un esempio in tal senso è il seguente: >> mri = uint8(zeros(128,128,1,27)); >> for frame=1:27 [mri(:,:,:,frame),map] = imread( mri.tif,frame); end >> mov = immovie(mri,map); >> implay(mov); Viene creato un video a partire da un immagine letta a blocchi. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 42 / 85
43 Ridimensionare un immagine E possibile ridimensionare un immagine attraverso i comandi: >> B = imresize(a,scale); >> B = imresize(a,[mrows ncols]); >> [Y newmap] = imresize(x,map,scale); >> [...] = imresize(..., method); La prima riga restituisce un immagine B che è scale volte l immagine A, mentre la seconda riga restituisce l immagine A rapportata a mrows righe e ncols colonne. La terza riga viene utilizzata se utilizzo immagini indicizzate (mappe di colore). L iterpolazione utilizzata nel ridimensionamento, può essere effettuata con diversi metodi, specificata dal parametro method : nearest ; bilinear ; bicubic ; box ; triangle ; cubic ; lanczos2 ; M. Scarpiniti lanczos3. Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 43 / 85
44 Ruotare un immagine E possibile ruotare un immagine attraverso i comandi: >> B = imrotate(a,angle); >> B = imrotate(a,angle,method); >> B = imrotate(a,angle,method,bbox); L immagine A viene ruotata di un angolo pari ad angle in senso orario. Anche qui l iterpolazione utilizzata nella rotazione, può essere effettuata con diversi metodi, specificata dal parametro method : nearest ; bilinear ; bicubic. Il parametro bbox specifica la dimensione dell imagine restituita B e può assumere i due valori: 1 crop : B ha la stessa dimensione di A; 2 loose : rende l immagine B grande quanto basta a contenere tutta l immagine ruotate (di solito di dimensioni maggiori rispettto ad A). E l opzione di default. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 44 / 85
45 Ruotare un immagine Riportiamo un esempio, ruotando di 35 un immagine: >> I = imread( rice.png ); >> J = imrotate(i,35); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 45 / 85
46 Estrarre una porzione di un immagine E possibile estrarre una porzione da una immagine utilizzando i comandi: >> I = imcrop; >> I2 = imcrop(i); >> X2 = imcrop(x,map); >> I = imcrop(h) >> I2 = imcrop(i,rect); >> X2 = imcrop(x,map,rect); Basta selezionare con il mouse la porzione da estrarre dalla figura attiva, o specificata dall handle h oppure dove è stata disegnata l immagine I. E comunque possibile indicare quale porzione estrarre con la variabile rect, che è il vettore di 4 elementi: [x min y min width height]. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 46 / 85
47 Estrarre una porzione di un immagine Riportiamo un esempio: >> I = imread( circuit.tif ); >> I2 = imcrop(i,[ ]); >> imshow(i), figure, imshow(i2); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 47 / 85
48 La Segmentazione M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 48 / 85
49 L istogramma di un immagine La Segmentazione L istogramma di un immagine può essere ottenuto in Matlab con il comando >> imhist(i); >> imhist(i, n); >> imhist(x, map); >> [counts,x] = imhist(...); Senza argomenti di uscita, viene restituita la figura dell istogramma (su n punti se specificato) con la scala di colore a cui si riferisce. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 49 / 85
50 L istogramma e il contrasto La Segmentazione Il contrasto di un immagine può essere migliorato equalizzando il suo istogramma in modo tale da renderlo simile ad un istogramma di riferimento. Se tale riferimento non è specificato, viene preso di default un istogramma piatto. In Matlab si utilizza il comando: >> J = histeq(i, hgram); >> J = histeq(i, n); >> newmap = histeq(x, map, hgram); >> newmap = histeq(x, map); I è l immagine in esame, hgram è l istogramma di riferimento, n indica il numero di livelli di colore utilizzato (di default pari a 64). M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 50 / 85
51 L istogramma e il contrasto La Segmentazione Riportiamo un esempio: >> I = imread( tire.tif ); >> J = histeq(i); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); figure; >> subplot(1,2,1), imhist(i,64); >> subplot(1,2,2), imhist(j,64); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 51 / 85
52 L estrazione dei contorni La Segmentazione I contorni di un immagine binaria, possono essere trovati attraverso la funzione >> B = bwboundaries(bw); >> B = bwboundaries(bw,conn); >> B = bwboundaries(bw,conn,options); >> [B,L] = bwboundaries(...); in cui BW è l immagine binaria, conn specifica il grado di connettività tra gli oggetti trovati (e vale 4 oppure 8, che è il valore di default), mentre option può assumere solo due valori: 1 holes : ricerca i buchi (cioè contorni dentro i contorni) negli oggetti; 2 noholes : non ricerca i buchi. B è un array di celle, in cui ogni cella contiene una matrice di dimensione Q 2, ovvero le Q coppie di punti che formano il contorno dell oggetto, mentre L contiene le label degli oggetti. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 52 / 85
53 L estrazione dei contorni La Segmentazione Riportiamo un esempio: >> I = imread( coins.png ); >> BW = im2bw(i, graythresh(i)); >> [B,L] = bwboundaries(bw, noholes ); >> imshow(i) >> hold on >> for k = 1:length(B) boundary = B{k}; plot(boundary(:,2),boundary(:,1), g, LineWidth,2); end M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 53 / 85
54 L estrazione dei contorni La Segmentazione Un funzione alternativa per l estrazione dei contorni è la seguente: >> J = edge(i); >> J = edge(i, method ); >> J = edge(i, method,tresh); >> [J,tresh] = edge(i, method ); dove I è un immagine in scala di grigi o binaria. Vengono ignorati i contorni che non superano la soglia tresh. La detection può essere effettuata attraverso diversi metodi, specificati dal parametro method : metodo di Sobel (è quello di default); metodo di Prewitt; metodo di Roberts; metodo Laplaciano Gaussiano; metodo del Zero-Cross; metodo di Canny. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 54 / 85
55 L estrazione dei contorni La Segmentazione Riportiamo un esempio: >> I = imread( coins.png ); >> J = edge(i); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 55 / 85
56 L estrazione dei contorni La Segmentazione Manualmente il contorno può essere estratto analizzando il valore della derivata numerica, per righe o per colonne, di un immagine. Infatti un contorno è caratterizzato da pixel adiacenti di valore sensibilmente diverso: la derivata quindi evidenzia queste discontinuità. Se dunque, il valore della derivata è superiore ad una certa soglia per un determinato pixel, allora molto probabilmente quel pixel appartiene al contorno di un oggetto dell immagine. In Matlab la derivata numerica di ordine N, lungo la direrione dim è effettuata con il comando: >> Y = diff(x,n,dim); Se non specificato, viene assunto N = 1 e dim = 1. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 56 / 85
57 L estrazione dei contorni La Segmentazione Un esempio di codice può essere: >> I = imread( coins.png ); >> imshow(i); >> Id = diff(i); >> Ic = zeros(size(id)); >> [n,m] = size(id); >> for i=1:n, for j=1:m, if Id(i,j) < tresh Ic(i,j) = 255; else Ic(i,j) = 0; end end end >> figure; >> imshow(ic); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 57 / 85
58 L estrazione dei contorni La Segmentazione Inoltre è anche possibile plottare il profilo di intensità (valore del pixel) lungo un segmento, attraverso il comando >> c = improfile; >> c = improfile(n); >> c = improfile(i,xi,yi); >> c = improfile(i,xi,yi,n); Cliccando con il mouse su due punti dell immagine viene valutato in c il profilo su n punti. E anche possibile specificare il segmento dando le coordinate nei due vettori x i e y i. Osservando questo profilo è possibile osservare se è presente un contorno all interno del segmento scelto. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 58 / 85
59 L estrazione dei contorni La Segmentazione Riportiamo un esempio: >> I = imread( coins.png ); >> imshow(i); >> c = improfile; >> plot(c); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 59 / 85
60 L estrazione dei contorni La Segmentazione Il valore in formato RGB di un pixel, può essere ottenuto attraverso l uso del comando >> P = impixel(i); >> P = impixel(x,map); Basta cliccare con il mouse su un punto di interesse dell immagine corrente I (o X se indicizzata) e in P viene restituito il valore RGB del pixel. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 60 / 85
61 Segmantare un immagine La Segmentazione La segmentazione di un immagine è il processo di partizione di un immagine in regioni significative. La segmentazione è di solito utilizzata per localizzare oggetti e bordi. Più precisamente, la segmentazione è il processo con il quale si classificano i pixel dell immagine che hanno caratteristiche comuni, pertanto ciascun pixel in una regione è simile agli altri della stessa regione per una qualche proprietà o caratteristica (colore, intensità o texture). Regioni adiacenti sono significativamente differenti rispetto ad almeno una di queste caratteristiche. Esistono diverse tecniche per effettuare la segmentazione di un immagine; le principali sono 1 Algoritmi di crescita: si parte dai singoli pixel fino a formare i segmenti per fusione; 2 Algoritmi di divisione: si parte dall intera immagine fino a suddividerla di segmenti; 3 Algoritmi di clustering: si suddivide l immagine in segmenti agglomerando le parti simili. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 61 / 85
62 L algoritmo K-means La Segmentazione Esistono molteplici algoritmi per effettuare il clustering. Uno dei più semplici e utile è l algortimo k-means: lo scopo è quello di partizionare N osservazioni in K clusters, in cui ogni osservazione deriva dal cluster più vicino. Dato un insieme di osservazioni (x 1, x 2,..., x N ), dove ogni osservazione è un vettore d-dimensionale, l algoritmo k-means partiziona le N osservazioni negli K insiemi (K < N) S = {S 1, S 2,..., S K } tali da minimizzare la funzione obiettivo: arg min S K i=1 x j S i x j m i 2 dove m i è il valor medio di S i, detto centroide. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 62 / 85
63 L algoritmo K-means La Segmentazione L algoritmo K-means utilizza una tecnica iterativa. Dato un insieme iniziale di K valor medi m (1) 1,..., m(1) k chiamati centroidi e che sono i rappresentanti dei clusters, che possono essere scelti random, l algoritmo si applica eseguendo due passi consecutivi: 1 Assegnamento: ogni osservazione è assegnata al cluster i-esimo se { } S (t) i = x j : x j m (t) i x j m (t) i i = 1,..., K 2 Aggiornamento: calcolo i nuovi valori medi che saranno i nuovi centroidi dei clusters: m (t+1) i = 1 S (t) x j i x j S (t) i L algoritmo converge quando non ho più variazioni dei centroidi. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 63 / 85
64 L algoritmo K-means: un esempio La Segmentazione 1) K medie iniziali (in questo caso K = 3) sono selezionate a caso dai dati (cerchi colorati). 2) Vengono creati K clusters associando ogni osservazione al cluster con centroide più vicino. 3) Il centroide di ognuno dei K clusters viene aggiornato con il nuovo valor medio. 4) Si ripetono i passi 2 e 3 fino a convergenza. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 64 / 85
65 L algoritmo K-means La Segmentazione Dato che l algoritmo è basato su un euristica e i centroidi sono inizializzati a caso, la convergenza dell algoritmo non è garantita. Inoltre il risultato finale dipende dalle condizioni iniziali. Poichè comunque è un algoritmo molto veloce ed efficiente è possibile eseguirlo più volte con condizioni iniziali diverse. I due principali aspetti negativi dell algoritmo K-means sono: 1 Il numero di clusters K deve essere noto a priori: una scelta inappropriata di K può causare dei risultati scadenti; 2 L algoritmo utilizza una distanza Euclidea che può non essere una misura adequata della distanza. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 65 / 85
66 L algoritmo K-means: Matlab La Segmentazione Matlab mette a disposizione una funzione per effettuare l algoritmo K- means, e precisamente: >> IDX = kmeans(x,k); >> [IDX,C] = kmeans(x,k); >> [IDX,C,sumd] = kmeans(x,k); >> [IDX,C,sumd,D] = kmeans(x,k); >> [...] = kmeans(...,param1,val1,param2,val2,...); La funzione kmeans partizione i dati contenuti in X in k clusters e restituisce un vettore IDX contenete l indice del cluster per ogni punto dei dati. Se interessa restituisce anche la posizione dei centroidi nel vettore C, il valore del funzionale di errore in sumd, ovvero la distanza dal relativo centroide in D. Infine è possibile assegnare opportuni valori ad alcuni parametri. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 66 / 85
67 L algoritmo K-means: Matlab La Segmentazione Alcuni dei parametri gestiti dalla funzione kmeans sono i seguenti: distance : specifica come misurare la distanza dai centroidi: 1 sqeuclidean : distanza Euclidea (opzione di default); 2 cityblock : norma L 1 ; 3 cosine ; 4 correlation ; 5 Hamming. replicates : specifica il numero di volte che l algoritmo verrà ripetuto con diverse condizioni iniziali; start : metodo utilizzato per selezionare la posizione dei centroidi iniziali: 1 sample : selezione k osservazioni casuali da X (opzione di default); 2 uniform : selezion k osservazioni uniformemente su X; 3 cluster : esegue l algoritmo preliminarmente sul 10% dei dati X e seleziona i centroidi. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 67 / 85
68 Il segmentatore La Segmentazione Riportiamo un semplice esempio di segmentatore, utilizzando l algoritmo K-means. Viene creata una matrice le cui righe sono le terne: numero di riga, numero di colonna e valore del pixel. L algoritmo K-means restituisce un vettore contenete la classificazione dei pixels e successivamente viene ricostruita la matrice immagine segmentata, contenente solo i valori 0 e 255. >> nc = 2; >> I = imread( volto.jpg ); imshow(i); >> J = []; >> [n,m] = size(i); >> for i = 1:n, for j = 1:m, c = I(i,j); J = [J;i,j,c]; end end >> J = double(j); >> ID = kmeans(j,nc); >> for k = 1:nc K = 255.* ones(size(i)); temp = find(id == k); for i = 1:length(temp), row = floor(temp(i)/m) + 1; col = mod(temp(i),m) + 1; K(row,col) = 0; end imshow(k); end M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 68 / 85
69 Aggiungere rumore alle immagini La Segmentazione Per aggiungere del rumore alle immagini si utilizza il comando: >> J = imnoise(i,type); >> J = imnoise(i,type,parameters); La funzione imnoise restituisce una versione rumorosa J dell immagine I aggiungendovi un rumore ti tipo type e relativi parametri parameters: gaussian : rumore di tipo gaussiano con media e varianza costanti; localvar : rumore gaussiano a media nulla; poisson : rumore con distribuzione di Poisson; salt & pepper : rumore sale e pepe (accende e spegne alcuni pixel); speckle : rumore moltiplicativo. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 69 / 85
70 Aggiungere rumore alle immagini La Segmentazione Riportiamo un esempio di aggiunta di un rumore di tipo sale e pepe : >> I = imread( coins.png ); >> J = imnoise(i, salt & pepper,0.02); >> subplot(1,2,1), imshow(i); >> subplot(1,2,2), imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 70 / 85
71 Rimozione del rumore La Segmentazione Molto spesso le immagini a disposizione sono corrotte dal rumore: diviene quindi necessario saper eliminare il rumore dalle immagini. Normalmente questo problema è risolto tramite un filtraggio lineare dell immagine con un filtro (bidimensionale). Molto utile è il filtro mediano. Il filtraggio lineare bidimensionale è effettuato con le funzioni: >> Y = filter2(h,x); >> Y = conv2(h,x); >> Y = imfilter(x,h); Tali funzioni filtrano la matrice X con la matrice FIR contenuta in h. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 71 / 85
72 Rimozione del rumore La Segmentazione Molto utili sono alcuni particolari tipi di filtri bidimensionali, che possono essere ottenuti attraverso il comando: >> h = fspecial(type); >> h = fspecial(type, parameters); In cui la variabile type può assumere le opzioni: 1 average : filtro medio; 2 disk : filtro medio circolare; 3 gaussian : filtro passa-basso gaussiano; 4 laplacian : approssimazione dell operatore Laplaciano; 5 log : Laplaciano del filtro gaussiano; 6 motion : approsimazione di un movimento della fotocamera; 7 prewitt : filtro di Prewitt; 8 sobel : filtro di Sobel; 9 unsharp : filtro per l enhancement del contrasto. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 72 / 85
73 Rimozione del rumore La Segmentazione Riportiamo un esempio di un movimento: >> I = imread( peppers.png ); >> I = I(60+[1:256],222+[1:256],:); >> h = fspecial( motion,31,11); >> J = imfilter(i,h, circular, conv ); >> subplot(1,2,1); imshow(i); >> subplot(1,2,2); imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 73 / 85
74 Rimozione del rumore La Segmentazione Per eliminare efficacemente il rumore di tipo sale e pepe è possibile applicare un filtro mediano, attraverso il comando >> B = medfilt2(a, [m n]); >> B = medfilt2(a); >> B = medfilt2(a, indexed,...); Vengono modificati i pixel, utilizzando la mediana calcolata in un intorno m n del pixel. Per default è m = n = 3. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 74 / 85
75 Rimozione del rumore La Segmentazione Facciamo un esempio: >> I = imread( coins.png ); >> J = imnoise(i, salt & pepper,0.02); >> K = medfilt2(j,[3 3]); >> subplot(1,3,1), imshow(i); >> subplot(1,3,2), imshow(j); >> subplot(1,3,3), imshow(k); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 75 / 85
76 Deblurring di un immagine La Segmentazione Con il termine deblurring si intende il miglioramento della qualità di un immagine che risulta mossa. Poichè il blurring è ottenuto con una convoluzione, l operazione di deblurring è effettuata attraverso una deconvoluzione. Ovviamente esistono varie tecniche per effettuare questa convoluzione con il filtro h. Ad esempio con un filtro di Wiener, un filtro regolarizzato, il metodo di Lucy-Richardson, oppure in modo blind. Matlab mette a disposizione le seguenti funzioni per le deconvoluzioni appena citate: >> J = deconvwnr(i,h); >> J = deconvreg(i,h); >> J = deconvlucy(i,h); >> [J,PSF] = deconvblind(i,h); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 76 / 85
77 Deblurring di un immagine La Segmentazione Riportiamo un esempio: >> I = imread( peppers.png ); >> I = I(60+[1:256],222+[1:256],:); >> h = fspecial( motion,31,11); >> J = imfilter(i,h, circular, conv ); >> K = deconvwnr(j,h); >> subplot(1,3,1); imshow(i); >> subplot(1,3,2); imshow(j); >> subplot(1,3,3); imshow(k); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 77 / 85
78 Eliminare un difetto La Segmentazione Una regione di interesse o ROI è una zona di una immagine in cui vogliamo effettuare qualche operazione, ad esempio eliminare un diffetto. Matlab mette a disposizione il comando: >> J = roifill; >> J = roifill(i); >> J = roifill(i,c,r); Tale funzione restituisce un immagine J che è la stessa di I in cui è stata eliminata una regione ottenuta costruendo un poligono intorno con l utilizzo del mouse e sostituito dal background. E anche possibile specificare il poligono nei vettori c e r. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 78 / 85
79 Eliminare un difetto La Segmentazione Riportiamo un esempio: >> I = imread( coins.png ); >> J = roifill(i); >> subplot(1,2,1); imshow(i); >> subplot(1,2,2); imshow(j); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 79 / 85
80 Funzioni Base M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 80 / 85
81 Gestire un video Funzioni Base Matlab consente di gestire i file video di tipo *.avi. Per aprire un file avi si utilizza: >> mov = aviread(filename); >> mov = aviread(filename,index); Restituisce il video contenuto in filename o i frame indicati in index nella struttura mov. Per scrivere un file *.avi, si utilizza invece >> movie2avi(mov,filename); Le informazioni sul file, invece, possono essere ottenute tramite >> fileinfo = aviinfo(filename); M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 81 / 85
82 Gestire un video Funzioni Base Per visualizzare un filmato si utilizza: >> movie(m); >> movie(m,n); >> movie(m,n,fps); Il video contenuto nella struttura M può essere ripetuto n volte, alla velocità di fps frame per secondo. M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 82 / 85
83 Funzioni Base Convertire un immagine in un video E possibile convertire un immagine in un video, attraverso >> F = im2frame(x,map); >> F = im2frame(x); Viceversa è possibile convertire un singolo frame di un video in un immagine attraverso >> [X,map] = frame2im(f); Il frame corrente può essere anche ottenuto con la funzione: >> getframe; >> F = getframe; >> F = getframe(h); che restituisce una struttura con i campi F.cdata (i valori dei pixel con il modello RGB) e F.colormap (mappa di colore). M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 83 / 85
84 Catturare un video Funzioni Base Costruiamo un video che viene catturato da un plot. >> Z = peaks; >> surf(z); >> axis tight >> set(gca, nextplot, replacechildren ); >> for j = 1:20 surf(sin(2*pi*j/20)*z,z) F(j) = getframe; end >> pause; >> movie(f) M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 84 / 85
85 Bibliografia Funzioni Base Matlab MATLAB 7: Getting Started Guide. Available on-line: Matlab Image Processing Toolbox 7: User s Guide. Available on-line: A.V. Oppenheim, R.W. Schafer. Discrete-Time Signal Processing 2-nd Edition, Prentice Hall, T.A. Davis. MATLAB Primer. 8-th Edition, CRC Press, D.M. Smith. Engineering Computation with MATLAB. 2-nd Edition, Addison-Wesley, A. Knight. Basics of MATLAB and Beyond. CRC Press, A.D. Poularikas. Signals and Systems Primer with MATLAB. CRC Press, M. Scarpiniti Laboratorio per l Elaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini 85 / 85
Il menu File contiene tutti i comandi relativi alle seguenti operazioni:
1 - FILE FIGURA 1.1 Il menu File contiene tutti i comandi relativi alle seguenti operazioni: - apertura e salvataggio di disegni nuovi ed esistenti; - spedizione di disegni tramite email; - collegamento
IMMAGINE BITMAP E VETTORIALI
BITMAP VETTORIALE VETTORIALE BITMAP IMMAGINE BITMAP è una immagine costituita da una matrice di Pixel. PIXEL (picture element) indica ciascuno degli elementi puntiformi che compongono la rappresentazione
Dal foglio di carta alla multimedialità
Dal foglio di carta alla multimedialità Multimediale Che utilizza più mezzi di comunicazione. Nell'ambito delle tecnologie educative significa utilizzare più mezzi didattici integrati. IPERTESTO E IPERMEDIA
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.
Plate Locator Riconoscimento Automatico di Targhe
Progetto per Laboratorio di Informatica 3 - Rimotti Daniele, Santinelli Gabriele Plate Locator Riconoscimento Automatico di Targhe Il programma plate_locator.m prende come input: l immagine della targa
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
Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video
Video Librerie digitali Gestione di video Ogni filmato è composto da più parti Video Audio Gestito come visto in precedenza Trascrizione del testo, identificazione di informazioni di interesse Testo Utile
Matematica in laboratorio
Unità 1 Attività guidate Attività 1 Foglio elettronico Divisibilità tra numeri naturali Costruisci un foglio di lavoro per determinare se a è divisibile per b, essendo a e b due numeri naturali, con a
Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 6)
Università degli Studi di Padova - Facoltà di Ingegneria Corso di Laurea in Ingegneria Biomedica A.A. 26-27 Laboratorio di Elaborazione di Dati, Segnali e Immagini Biomediche (Parte 6) Prof. Giovanni Sparacino
Capitolo V : Il colore nelle immagini digitali
Capitolo V : Il colore nelle immagini digitali Lavorare con il colore nelle immagini digitali L uso dei colori nella visione computerizzata e nella computer grafica implica l incorrere in determinate problematiche
Preprocessing di un immagine in scala di grigi parte 2/2
Preprocessing di un immagine in scala di grigi parte 2/2 Preview Il comando Automatic preprocessing (2) del menu Preprocessing effettua un preprocessing totale. Il risultato è una sequenza di immagini
Immagini digitali Appunti per la classe 3 R a cura del prof. ing. Mario Catalano
Immagini digitali LA CODIFICA DELLE IMMAGINI Anche le immagini possono essere memorizzate in forma numerica (digitale) suddividendole in milioni di punti, per ognuno dei quali si definisce il colore in
Rappresentazione delle immagini
Elaborazione di Segnali Multimediali a.a. 2013/2014 Rappresentazione delle immagini L.Verdoliva In questa prima lezione vedremo come si rappresentano diversi tipi immagini digitali in Matlab. 1 Immagini
Informatica grafica e Multimedialità. 4 Immagini grafiche
Immagini raster e vettoriali Le immagini grafiche si distinguono in due classi differenti: immagini raster e immagini vettoriali. Le immagini raster, dette anche pittoriche o pixel-oriented, dividono l
EXCEL PER WINDOWS95. sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area di lavoro, detta foglio di lavoro,
EXCEL PER WINDOWS95 1.Introduzione ai fogli elettronici I fogli elettronici sono delle applicazioni che permettono di sfruttare le potenzialità di calcolo dei personal computer. Essi si basano su un area
Cosa è un foglio elettronico
Cosa è un foglio elettronico Versione informatica del foglio contabile Strumento per l elaborazione di numeri (ma non solo...) I valori inseriti possono essere modificati, analizzati, elaborati, ripetuti
PDF created with pdffactory trial version www.pdffactory.com
Codifica di immagini Codifica di immagini o Un immagine è un insieme continuo di informazioni A differenza delle cifre e dei caratteri alfanumerici, per le immagini non esiste un'unità minima di riferimento
Guida Software GestioneSpiaggia.it
Caratteristiche Guida Software GestioneSpiaggia.it 1. Gestione prenotazioni articoli (ombrellone, cabina, ecc ) ed attrezzature (sdraio, lettino ecc ) 2. Visualizzazione grafica degli affitti sia giornaliera
8.9 CREARE UNA TABELLA PIVOT
8.9 CREARE UNA TABELLA PIVOT Utilizziamo la tabella del foglio di Excel Consumo di energia elettrica in Italia del progetto Aggiungere subtotali a una tabella di dati, per creare una Tabella pivot: essa
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
Un ripasso di aritmetica: Rappresentazione binaria - operazioni. riporti
Un ripasso di aritmetica: Rappresentazione binaria - operazioni A queste rappresentazioni si possono applicare le operazioni aritmetiche: riporti 1 1 0 + 1 0 = 1 0 0 24 Un ripasso di aritmetica: Rappresentazione
Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e
Alberi di decisione Aprire WEKA Explorer Caricare il file circletrain.arff Selezionare random split al 66% come modalità di test Selezionare J48 come classificatore e lanciarlo con i parametri di default.
C M A P M IONAM A E M NT N O
IMMAGINE DIGITALE Nelle immagini digitali, il contenuto fotografico (radiometria) viene registrato sotto forma di numeri. Si giunge a tale rappresentazione (RASTER) suddividendo l immagine fotografica
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda
Analisi sensitività. Strumenti per il supporto alle decisioni nel processo di Valutazione d azienda Premessa Con l analisi di sensitività il perito valutatore elabora un range di valori invece di un dato
Università degli Studi di Catania Corso di Laurea Magistrale in Informatica Multimedia 2013/14. Cantarella Danilo. OpenCV Android
Università degli Studi di Catania Corso di Laurea Magistrale in Informatica Multimedia 2013/14 Cantarella Danilo Introduzione OpenCV (Open Source Computer Vision Library) è una libreria disponibile per
Le immagini digitali. formati, caratteristiche e uso. Testo e foto di Mario Ceppi
Le immagini digitali formati, caratteristiche e uso Testo e foto di Mario Ceppi GIF Ideale per la rappresentazione di immagini sul Web come gif animate, pulsanti e intestazioni, non è invece adatto alle
Excel. A cura di Luigi Labonia. e-mail: luigi.lab@libero.it
Excel A cura di Luigi Labonia e-mail: luigi.lab@libero.it Introduzione Un foglio elettronico è un applicazione comunemente usata per bilanci, previsioni ed altri compiti tipici del campo amministrativo
Guida all uso di Java Diagrammi ER
Guida all uso di Java Diagrammi ER Ver. 1.1 Alessandro Ballini 16/5/2004 Questa guida ha lo scopo di mostrare gli aspetti fondamentali dell utilizzo dell applicazione Java Diagrammi ER. Inizieremo con
Dimensione di uno Spazio vettoriale
Capitolo 4 Dimensione di uno Spazio vettoriale 4.1 Introduzione Dedichiamo questo capitolo ad un concetto fondamentale in algebra lineare: la dimensione di uno spazio vettoriale. Daremo una definizione
Appunti sull utilizzo del software gvsig, a cura dell ing. Ernesto Sferlazza
GEOREFERENZIAZIONE DI UN IMMAGINE RASTER CON GVSIG. Nella presente esercitazione si procederà a georeferenziare uno stralcio di ortofoto, basandosi a tale scopo sul confronto con una cartografia georeferenziata,
Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali
PowerPoint Come costruire una presentazione PowerPoint 1 Introduzione! PowerPoint è uno degli strumenti presenti nella suite Office di Microsoft! PowerPoint permette la realizzazione di presentazioni video
I Codici Documento consentono di classificare le informazioni e di organizzare in modo logico l archiviazione dei file.
Archivia Modulo per l acquisizione, l archiviazione e la consultazione di informazioni Il modulo Archivia permette l acquisizione, l archiviazione e la consultazione di informazioni (siano esse un immagine,
LA GESTIONE DELLE VISITE CLIENTI VIA WEB
LA GESTIONE DELLE VISITE CLIENTI VIA WEB L applicazione realizzata ha lo scopo di consentire agli agenti l inserimento via web dei dati relativi alle visite effettuate alla clientela. I requisiti informatici
Entrare nel sistema. Clicca su Entra per entrare nel sistema. PAGINA 1
Entrare nel sistema Clicca su Entra per entrare nel sistema. PAGINA 1 Entrare nel sistema Compare il box di login in cui inserire il nome utente e la password fornite tramite posta elettronica. PAGINA
Programma Gestione Presenze Manuale autorizzatore. Versione 1.0 25/08/2010. Area Sistemi Informatici - Università di Pisa
- Università di Pisa Programma Gestione Presenze Manuale autorizzatore Versione 1.0 25/08/2010 Email: service@adm.unipi.it 1 1 Sommario - Università di Pisa 1 SOMMARIO... 2 2 ACCESSO AL PROGRAMMA... 3
Esame di Informatica CHE COS È UN FOGLIO ELETTRONICO CHE COS È UN FOGLIO ELETTRONICO CHE COS È UN FOGLIO ELETTRONICO. Facoltà di Scienze Motorie
Facoltà di Scienze Motorie CHE COS È UN FOGLIO ELETTRONICO Una tabella che contiene parole e numeri che possono essere elaborati applicando formule matematiche e funzioni statistiche. Esame di Informatica
Elaborazione testi: immagini
by Studio Elfra sas Gestione Immagini Aggiornato a Aprile 2009 Informatica di base 1 Elaborazione testi: immagini Il testo di un documento di Word può essere integrato con immagini di vario tipo: 2 1 Elaborazione
RICONOSCIMENTO DI TARGHE AUTOMOBILISTICHE
PROGETTO DEL CORSO DI VISIONE E PERCEZIONE PARTE 2 RICONOSCIMENTO DI TARGHE AUTOMOBILISTICHE Scopo del progetto Il progetto ha come obiettivo quello di riconoscere il testo di una targa automobilistica
Database 1 biblioteca universitaria. Testo del quesito
Database 1 biblioteca universitaria Testo del quesito Una biblioteca universitaria acquista testi didattici su indicazione dei professori e cura il prestito dei testi agli studenti. La biblioteca vuole
GUIDA UTENTE BILLIARDS COUNTER (Vers. 1.2.0)
------------------------------------------------- GUIDA UTENTE BILLIARDS COUNTER (Vers. 1.2.0) GUIDA UTENTE BILLIARDS COUNTER (Vers. 1.2.0)... 1 Installazione Billiards Counter... 2 Primo avvio e configurazione
Photohands. Software di ritocco e stampa per Windows. Manuale di istruzioni. Versione 1.0 K862PSM8DX
I Photohands Versione 1.0 Software di ritocco e stampa per Windows Manuale di istruzioni K862PSM8DX Windows è un marchio di fabbrica di Microsoft Corporation. Altre aziende e nomi di prodotti sono marchi
Studente: SANTORO MC. Matricola : 528
CORSO di LAUREA in INFORMATICA Corso di CALCOLO NUMERICO a.a. 2004-05 Studente: SANTORO MC. Matricola : 528 PROGETTO PER L ESAME 1. Sviluppare una versione dell algoritmo di Gauss per sistemi con matrice
Introduzione al MATLAB c Parte 2
Introduzione al MATLAB c Parte 2 Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 18 gennaio 2008 Outline 1 M-file di tipo Script e Function Script Function 2 Costrutti di programmazione
Introduzione all analisi dei segnali digitali.
Introduzione all analisi dei segnali digitali. Lezioni per il corso di Laboratorio di Fisica IV Isidoro Ferrante A.A. 2001/2002 1 Segnali analogici Si dice segnale la variazione di una qualsiasi grandezza
PIANO DI TUTELA DELLE ACQUE DELLA SICILIA (di cui all'art. 121 del Decreto Legislativo 3 aprile 2006, n 152)
Commissario Delegato per l Emergenza Bonifiche e la Tutela delle Acque in Sicilia PIANO DI TUTELA DELLE ACQUE DELLA SICILIA (di cui all'art. 121 del Decreto Legislativo 3 aprile 2006, n 152) Sistema WEB-GIS
ISTRUZIONI PER LA GESTIONE BUDGET
ISTRUZIONI PER LA GESTIONE BUDGET 1) OPERAZIONI PRELIMINARI PER LA GESTIONE BUDGET...1 2) INSERIMENTO E GESTIONE BUDGET PER LA PREVISIONE...4 3) STAMPA DIFFERENZE CAPITOLI/BUDGET.10 4) ANNULLAMENTO BUDGET
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
PowerPoint 2007 Le funzioni
PowerPoint 2007 Le funzioni Introduzione Cos è un ipertesto L' ipertesto è un testo organizzato in link, o collegamenti ad altre parti del testo e/o altri testi, in modo da consentire all utente di scegliere
Università degli Studi di Ferrara - A.A. 2014/15 Dott. Valerio Muzzioli ORDINAMENTO DEI DATI
ORDINAMENTO DEI DATI Quando si ordina un elenco (ovvero una serie di righe contenenti dati correlati), le righe sono ridisposte in base al contenuto di una colonna specificata. Distinguiamo due tipi di
4. Operazioni elementari per righe e colonne
4. Operazioni elementari per righe e colonne Sia K un campo, e sia A una matrice m n a elementi in K. Una operazione elementare per righe sulla matrice A è una operazione di uno dei seguenti tre tipi:
Capitolo 3. L applicazione Java Diagrammi ER. 3.1 La finestra iniziale, il menu e la barra pulsanti
Capitolo 3 L applicazione Java Diagrammi ER Dopo le fasi di analisi, progettazione ed implementazione il software è stato compilato ed ora è pronto all uso; in questo capitolo mostreremo passo passo tutta
La codifica delle Immagini. Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132Sesto San Giovanni
La codifica delle Immagini Prof. Francesco Accarino IIS Altiero Spinelli Via Leopardi 132Sesto San Giovanni Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori, infatti
Introduzione. Installare EMAS Logo Generator
EMAS Logo Generator Indice Introduzione... 3 Installare EMAS Logo Generator... 3 Disinstallare EMAS Logo Generator... 4 Schermata iniziale... 5 Creare il Logo... 7 Impostazioni... 7 Colore...8 Lingua del
La grafica. La built-in funzione grafica plot. x spezzata poligonale. discretizzato
La grafica. Il Matlab possiede un ambiente grafico abbastanza potente paragonabile a software grafici operanti in altri contesti. In questo corso ci limiteremo ad illustrare solo una funzione grafica,
Come modificare la propria Home Page e gli elementi correlati
Come modificare la propria Home Page e gli elementi correlati Versione del documento: 3.0 Ultimo aggiornamento: 2006-09-15 Riferimento: webmaster (webmaster.economia@unimi.it) La modifica delle informazioni
Fogli Elettronici: MS Excel
Fogli Elettronici: MS Excel Informatica - A.A. 2010/2011 - Excel 7.0 Foglio Elettronico Un foglio elettronico (o spreadsheet) è un software applicativo nato dall esigenza di: organizzare insiemi di dati
ENTRARE NEL SISTEMA. Clicca su Entra per entrare nel sistema. PAGINA 1
ENTRARE NEL SISTEMA Clicca su Entra per entrare nel sistema. PAGINA 1 ENTRARE NEL SISTEMA Compare il box di LOGIN in cui inserire il nome utente e la password fornite tramite posta elettronica dall indirizzo
Hub-PA Versione 1.0.6 Manuale utente
Hub-PA Versione 1.0.6 Manuale utente (Giugno 2014) Hub-PA è la porta d ingresso al servizio di fatturazione elettronica verso la Pubblica Amministrazione (PA) a disposizione di ogni fornitore. Questo manuale
Immagini vettoriali Immagini bitmap (o raster) Le immagini vettoriali .cdr.swf .svg .ai.dfx .eps.pdf .psd
Esistono due tipi di immagini digitali: Immagini vettoriali, rappresentate come funzioni vettoriali che descrivono curve e poligoni Immagini bitmap, (o raster) rappresentate sul supporto digitale come
PROGRAMMA SVOLTO NELLA SESSIONE N.
Università C. Cattaneo Liuc, Corso di Statistica, Sessione n. 1, 2014 Laboratorio Excel Sessione n. 1 Venerdì 031014 Gruppo PZ Lunedì 061014 Gruppo AD Martedì 071014 Gruppo EO PROGRAMMA SVOLTO NELLA SESSIONE
Rendering air show e verifica della sincronizzazione
Capitolo 5 Rendering air show e verifica della sincronizzazione 5.1 Introduzione Il Rendering 3D dell evoluzioni acrobatiche costituisce uno degli aspetti cruciali dell applicazione realizzata. L ambiente
FPf per Windows 3.1. Guida all uso
FPf per Windows 3.1 Guida all uso 3 Configurazione di una rete locale Versione 1.0 del 18/05/2004 Guida 03 ver 02.doc Pagina 1 Scenario di riferimento In figura è mostrata una possibile soluzione di rete
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
Corso di Informatica
CdLS in Odontoiatria e Protesi Dentarie Corso di Informatica Prof. Crescenzio Gallo crescenzio.gallo@unifg.it Compressione delle immagini 2 Tecniche di compressione Esistono tecniche di compressione per
Web Intelligence. Argomenti 10/5/2010. abaroni@yahoo.com
Web Intelligence Argomenti Cap.7 le Tabelle e le Cross Table Cap.8 Modalità di Visualizzazione (Html,Pdf,altro) Cap.9 Creare Formule e utilizzare le Variabili Slide 2 - Copyright 2007 Business Objects
MODULO 4: FOGLIO ELETTRONICO (EXCEL)
MODULO 4: FOGLIO ELETTRONICO (EXCEL) 1. Introduzione ai fogli elettronici I fogli elettronici sono delle applicazioni che permettono di sfruttare le potenzialità di calcolo dei Personal computer. Essi
Excel avanzato. I nomi. Gli indirizzi e le formule possono essere sostituiti da nomi. Si creano tramite Inserisci Nome Definisci
Excel avanzato I nomi marco.falda@unipd.it Gli indirizzi e le formule possono essere sostituiti da nomi documentazione astrazione Si creano tramite Inserisci Nome Definisci Vengono raccolti nell area riferimento
CAPACITÀ DI PROCESSO (PROCESS CAPABILITY)
CICLO DI LEZIONI per Progetto e Gestione della Qualità Facoltà di Ingegneria CAPACITÀ DI PROCESSO (PROCESS CAPABILITY) Carlo Noè Università Carlo Cattaneo e-mail: cnoe@liuc.it 1 CAPACITÀ DI PROCESSO Il
Mon Ami 3000 Varianti articolo Gestione di varianti articoli
Prerequisiti Mon Ami 3000 Varianti articolo Gestione di varianti articoli L opzione Varianti articolo è disponibile per le versioni Azienda Light e Azienda Pro e include tre funzionalità distinte: 1. Gestione
PHOTOSHOP BREVE TUTORIAL
PHOTOSHOP BREVE TUTORIAL CARATTERISTICHE INNOVATIVE DI PHOTOSHOP CS SOMMARIO Il file browser Galleria dei filtri Disporre testo su un tracciato Paletta degli istogrammi Omogeneizzazione del colore ed acquisizione
5.2. Pipetta. 2: Lo strumento di luce/ombra
2: Lo strumento di luce/ombra Scostamento Luce a «0%» e Ombra a «100%» Con lo strumento di luce/ombra possono essere fissati il punto più chiaro, il punto medio e quello più scuro dell immagine. Sotto
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE
LABORATORIO-EXCEL N. 2-3 XLSTAT- Pro Versione 7 VARIABILI QUANTITATIVE DESCRIZIONE DEI DATI DA ESAMINARE Sono stati raccolti i dati sul peso del polmone di topi normali e affetti da una patologia simile
ESERCIZI DI PROBLEM SOLVING E COMPOSIZIONE DEI DIAGRAMMI DI FLUSSO per le classi terza
ESERCIZI DI PROBLEM SOLVING E COMPOSIZIONE DEI DIAGRAMMI DI FLUSSO per le classi terza vers.3 in lavorazione Docente SAFFI FABIO Contenuti 01.Esercizi generici sul diagramma di flusso - flow chart... 2
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
Importare e modificare immagini Si applica a: Microsoft Office PowerPoint 2003
Importare e modificare immagini Si applica a: Microsoft Office PowerPoint 2003 SI APPLICA A Mostra tutto Microsoft Office Excel 2003 Microsoft Office FrontPage 2003 Microsoft Office PowerPoint 2003 Microsoft
Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12};
ESERCIZI 2 LABORATORIO Problema 1 Definire all'interno del codice un vettore di interi di dimensione DIM, es. int array[] = {1, 5, 2, 4, 8, 1, 1, 9, 11, 4, 12}; Chiede all'utente un numero e, tramite ricerca
Clustering. Utilizziamo per la realizzazione dell'esempio due tipologie di software:
Esercizio Clustering Utilizziamo per la realizzazione dell'esempio due tipologie di software: - XLSTAT.xls - Cluster.exe XLSTAT.xls XLSTAT.xls è una macro di Excel che offre la possibilità di effettuare
Interpolazione ed approssimazione di funzioni
Interpolazione ed approssimazione di funzioni Lucia Gastaldi Dipartimento di Matematica, http://dm.ing.unibs.it/gastaldi/ 9 novembre 2007 Outline 1 Polinomi Valutazione di un polinomio Algoritmo di Horner
ColorSplitter. La separazione automatica dei colori di Colibri.. Perché ColorSplitter? Come opera ColorSplitter?
ColorSplitter La separazione automatica dei colori di Colibri.. ColorSplitter è una nuova funzionalità aggiunta a Colibri, che permette di elaborare un immagine trasformandola in una separata in canali
MODULO 5 ACCESS Basi di dati. Lezione 4
MODULO 5 ACCESS Basi di dati Lezione 4 ARGOMENTI Lezione 4 Filtrare i dati Esempio 1 Query Cos è Creare Query in visualizza struttura Criteri di ricerca Esempio 2 Esempio 3 Esempio 4 Creare Query in creazione
Sistema operativo. Sommario. Sistema operativo...1 Browser...1. Convenzioni adottate
MODULO BASE Quanto segue deve essere rispettato se si vuole che le immagini presentate nei vari moduli corrispondano, con buona probabilità, a quanto apparirà nello schermo del proprio computer nel momento
FrerEnergy: PROGRAMMA PER LA SUPERVISIONE DEI CONSUMI DI ENERGIA ELETTRICA
FrerEnergy: PROGRAMMA PER LA SUPERVISIONE DEI CONSUMI DI ENERGIA ELETTRICA Descrizione Generale E un programma di supervisione in grado di comunicare, visualizzare, memorizzare e stampare i consumi dell
CALCOLATORI ELETTRONICI A cura di Luca Orrù. Lezione n.7. Il moltiplicatore binario e il ciclo di base di una CPU
Lezione n.7 Il moltiplicatore binario e il ciclo di base di una CPU 1 SOMMARIO Architettura del moltiplicatore Architettura di base di una CPU Ciclo principale di base di una CPU Riprendiamo l analisi
A intervalli regolari ogni router manda la sua tabella a tutti i vicini, e riceve quelle dei vicini.
Algoritmi di routing dinamici (pag.89) UdA2_L5 Nelle moderne reti si usano algoritmi dinamici, che si adattano automaticamente ai cambiamenti della rete. Questi algoritmi non sono eseguiti solo all'avvio
Strumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi
Versione 1.0 Strumenti e metodi per la redazione della carta del pericolo da fenomeni torrentizi Corso anno 2011 D. MANUALE UTILIZZO DEL VISUALIZZATORE Il Visualizzatore è un programma che permette di
Introduzione al Foglio Elettronico
Microsoft Excel Introduzione al Foglio Elettronico Il Foglio Elettronico Si presenta come una grande tabella su un foglio di carta Le celle contengono differenti dati Numeri Testo Date Ecc I dati possono
Algoritmi di clustering
Algoritmi di clustering Dato un insieme di dati sperimentali, vogliamo dividerli in clusters in modo che: I dati all interno di ciascun cluster siano simili tra loro Ciascun dato appartenga a uno e un
2 - Modifica. 2.1 - Annulla. 2.2 - Selezione finestra. S.C.S. - survey CAD system FIGURA 2.1
2 - Modifica FIGURA 2.1 Il menu a tendina Modifica contiene il gruppo di comandi relativi alla selezione delle entità del disegno, alla gestione dei layer, alla gestione delle proprietà delle varie entità
LA FINESTRA DI GOAL (SCHERMATA PRINCIPALE E PANNELLO DEI COMANDI)
FUNZIONI DEL PROGRAMMA GOAL Il programma GOAL consente all utilizzatore di creare animazioni grafiche rappresentanti schemi, esercitazioni e contrapposizioni tattiche. Le animazioni create possono essere
AD HOC Servizi alla Persona
Software per la gestione dell amministrazione AD HOC Servizi alla Persona GESTIONE PASTI RESIDENZIALE Le principali funzioni del modulo pasti si possono suddividere nei seguenti punti: gestire le prenotazioni
Il Programma... 3 I moduli... 3 Installazione... 3 La finestra di Login... 4 La suite dei programmi... 6 Pannello voci... 10
MANCA COPERTINA INDICE Il Programma... 3 I moduli... 3 Installazione... 3 La finestra di Login... 4 La suite dei programmi... 6 Pannello voci... 10 epico! è distribuito nelle seguenti versioni: epico!
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI
APPUNTI DI MATEMATICA LE FRAZIONI ALGEBRICHE ALESSANDRO BOCCONI Indice 1 Le frazioni algebriche 1.1 Il minimo comune multiplo e il Massimo Comun Divisore fra polinomi........ 1. Le frazioni algebriche....................................
A destra è delimitata dalla barra di scorrimento verticale, mentre in basso troviamo una riga complessa.
La finestra di Excel è molto complessa e al primo posto avvio potrebbe disorientare l utente. Analizziamone i componenti dall alto verso il basso. La prima barra è la barra del titolo, dove troviamo indicato
Corso di Grafica Computazionale
Corso di Grafica Computazionale Premesse Teoriche Docente: Massimiliano Corsini Laurea Specialistica in Ing. Informatica Università degli Studi di Siena Overview Premesse Teoriche Mini-ripasso geometria
Appunti sulla Macchina di Turing. Macchina di Turing
Macchina di Turing Una macchina di Turing è costituita dai seguenti elementi (vedi fig. 1): a) una unità di memoria, detta memoria esterna, consistente in un nastro illimitato in entrambi i sensi e suddiviso
HBase Data Model. in più : le colonne sono raccolte in gruppi di colonne detti Column Family; Cosa cambia dunque?
NOSQL Data Model HBase si ispira a BigTable di Google e perciò rientra nella categoria dei column store; tuttavia da un punto di vista logico i dati sono ancora organizzati in forma di tabelle, in cui
QG Gestione Assenze. Inserimento per Classe. Per la gestione delle assenze accedere dal Menu Giornaliere->Assenze e Giustificazioni
QG Gestione Assenze Per la gestione delle assenze accedere dal Menu Giornaliere->Assenze e Giustificazioni Le voci principali che permettono l inserimento delle assenze sono: Inserimento per Classe Inserimento
PULSANTI E PAGINE Sommario PULSANTI E PAGINE...1
Pagina 1 Sommario...1 Apertura...2 Visualizzazioni...2 Elenco...2 Testo sul pulsante e altre informazioni...3 Comandi...3 Informazioni...4 Flow chart...5 Comandi...6 Pulsanti Principali e Pulsanti Dipendenti...6
ACCESSO AL SISTEMA HELIOS...
Manuale Utente (Gestione Formazione) Versione 2.0.2 SOMMARIO 1. PREMESSA... 3 2. ACCESSO AL SISTEMA HELIOS... 4 2.1. Pagina Iniziale... 6 3. CARICAMENTO ORE FORMAZIONE GENERALE... 9 3.1. RECUPERO MODELLO
Dati importati/esportati
Dati importati/esportati Dati importati Al workspace MATLAB script Dati esportati file 1 File di testo (.txt) Spreadsheet Database Altro Elaborazione dati Grafici File di testo Relazioni Codice Database