IDUL Informazione su computer. Informazione su computer CONCETTI FONDAMENTALI INTRODOTTI IN QUESTA LEZIONE.

Transcript

1 IDUL 2011 RAPPRESENTAZIONE DELLE INFORMAZIONI IN FORMA DIGITALE CONCETTI FONDAMENTALI INTRODOTTI IN QUESTA LEZIONE Due tipi di informazione: in forma ANALOGICA (continua) in forma DISCRETA (o simbolica) Per rappresentare o comunicare informazione in forma discreta occorre un CODICE Esempi di codici: DNA, Morse Esempi di codici digitali: Per numeri Per testi Per immagini Per suoni Informazione su computer Informazione su computer Un computer deve: Fare input/output dell informazione Usando i dispositivi di input/output Memorizzare l informazione Usando la memoria principale/secondaria Elaborare l informazione Usando il processore informazione Mondo esterno codifica decodifica rappresentazione digitale Computer: memorizzazione, elaborazione

2 PROBLEMA DELLA RAPPRESENTAZIONE DELL INFORMAZIONE SU COMPUTER SVILUPPARE CODICI CHE PERMETTANO DI RAPPRESENTARE INFORMAZIONE DI TIPO DISCRETO IN MODO EFFICIENTE SU UN SUPPORTO FISICO RAPPRESENTARE INFORMAZIONE DI TIPO ANALOGICO CON CODICI DISCRETI RAPPRESENTAZIONE ANALOGICA E DISCRETA Rappresentazione ANALOGICA: una serie di distinzioni CONTINUE, prive in linea di principio di intervalli minimi. Immagini, suoni, numeri reali (3, ) Rappresentazione DISCRETA: basata sulla combinazione di elementi minimi chiaramente distinti. Linguaggio umano (unità minime = morfemi, fonemi) Rappresentazione DIGITALE: una rappresentazione discreta codificata tramite numeri Misure analogiche e digitali INFORMAZIONE IN FORMA ANALOGICA

3 INFORMAZIONE IN FORMA DISCRETA Esempio: Il codice MORSE (space) M O R S E (space) C O D E MORSE UN ESEMPIO DI CODICE DISCRETO VISIVO Un codice TERNARIO (-,., spazio) Codici per i caratteri scelti in modo che i caratteri più frequenti abbiano codici più brevi

4 CODICI IN NATURA UN CODICE FONDAMENTALE: Il DNA In realta, i codici sono apparsi ben prima degli esseri umani. In natura si trovano molti esempi di codici, i piu famosi dei quali sono Il DNA Il repertorio di fonemi di un linguaggio (l insieme dei suoni che possono codificare differenze di significato) CODICI PER NUMERI Nel caso dei numeri, la necessita di sviluppare un codice limitato non e motivata solo da facilita di memorizzazione, ma anche dalla necessita di usarli per MANIPOLAZIONI SIMBOLICHE DUE CODICI PER I NUMERI Codice ROMANO: ( I, L, X, C, M,...) VII + IV = XI Codice DECIMALE: (0, 1, 2, 3, 4, 5, 6, 7, 8, 9) = 11 Differenza fondamentale: il codice decimale è un codice POSIZIONALE 7 = 7x = 7x x10 0 Sette decine + cinque unità I codici posizionali rendono le operazioni aritmetiche molto piu semplici

5

6 QUATTRO STATI DIVERSI Esempio: un esame può avere quattro possibili esiti: ottimo, discreto, sufficiente, insufficiente Codifica (due bit): ottimo con 00 discreto con 01 sufficiente con 10 insufficiente con 11 OTTO STATI Esempio: otto colori: nero, rosso, blu, giallo, verde, viola, grigio, arancione Codifico (tre bit): nero con 000 rosso con 001 blu con 010 giallo con 011 verde con 100 viola con 101 grigio con 110 arancione con 111 I numeri in rappresentazione binaria Il principio e lo stesso del codice decimale, ma con due soli simboli 70 = 7x x10 0 = = 1 x x x x x x x2 0 = BYTE Esiste una particolare aggregazione di bit che è costituita da 8 bit (2 8 = 256 informazioni) e prende il nome di byte Di solito si usano i multipli del byte 178 = 1x x x10 0 = = 1x x x x x x x x2 0 =

7 RAPPRESENTAZIONE DI NUMERI INTERI SU COMPUTER Tipicamente 4 byte (= 32 bit) oppure 8 byte (= 64 bit) RAPPRESENTAZIONE DIGITALE DI ALTRI TIPI DI INFORMAZIONE Per molti anni, l unico tipo di informazione rappresentata sui computer informazione di tipo numerico Ma lo stesso sistema può venire usato per codificare immagini, suoni, e testi Codifica delle immagini Suddividiamo l immagine mediante una griglia formata da righe orizzontali e verticali a distanza costante Codifica delle immagini Ogni quadratino derivante da tale suddivisione prende il nome di pixel (picture element) e può essere codificato in binario secondo la seguente convenzione: Il simbolo 0 viene utilizzato per la codifica di un pixel corrispondente ad un quadratino in cui il bianco è predominante Il simbolo 1 viene utilizzato per la codifica di un pixel corrispondente ad un quadratino in cui il nero è predominante

8 Codifica delle immagini Codifica delle immagini Poiché una sequenza di bit è lineare, è necessario definire convenzioni per ordinare la griglia dei pixel in una sequenza. Assumiamo che i pixel siano ordinati dal basso verso l alto e da sinistra verso destra Codifica delle immagini Non sempre il cortorno della figura coincide con le linee della griglia. Quella che si ottiene nella codifica è un approssimazione della figura originaria Se riconvertiamo la sequenza di stringhe in immagine otteniamo Codifica delle immagini La rappresentazione sarà più fedele all aumentare del numero di pixel, ossia al diminuire delle dimensioni dei quadratini della griglia in cui è suddivisa l immagine

9 EFFETTO DELLA RISOLUZIONE PIU DI DUE COLORI Se l immagine è solo in bianco e nero (senza grigi), basterà usare un 1 per i pixel neri, e uno 0 per i pixel bianchi Se l immagine ha più di due colori, si faranno corrispondere a gruppi diversi di 0 e 1 sfumature diverse di colore (o di grigio) RAPPRESENTARE COLORI I SUONI Così, ad esempio, se si fa corrispondere a ogni pixel un byte (cioè 8 bit), potremo differenziare 256 colori Al posto della tabella di codifica dei caratteri avremo una tabella di codifica dei colori Ad es:

10 CONVERSIONE IN DIGITALE VIA CAMPIONAMENTO SUONO: DALLA RAPPRESENTAZIONE ANALOGICA ALLA RAPPRESENTAZIONE DIGITALE Digitalizzare informazione multimediale E i filmati? Un filmato non è altro che una successione di fotogrammi (frame) accompagnata da una colonna sonora Basterà codificare, uno per uno, tutti i fotogrammi (sappiamo come fare: ogni fotogramma è un immagine) e codificare la colonna sonora. Non stupisce che per codificare un breve filmato servano moltissimi bit! Codifica digitale del testo Il testo come sequenza di caratteri Ciascun carattere alfanumerico, di punteggiatura o di controllo che compone il testo deve essere rappresentato nei termini di un codice binario Le avventure di Pinocchio Capitolo I Come andò che Maestro Ciliegia, falegname, trovò un pezzo di legno, che piangeva e rideva come un bambino. C'era una volta... - Un re! - diranno subito i miei piccoli lettori. - No, ragazzi, avete sbagliato. C'era una volta un pezzo di legno. Non era un legno di lusso, ma un semplice pezzo da catasta, di quelli che d'inverno si mettono nelle stufe e nei caminetti per accendere il fuoco e per riscaldare le stanze. Non so come andasse, ma il fatto gli è che un bel giorno questo pezzo di legno capitò nella bottega di un vecchio falegname, il quale aveva nome mastr'antonio, se non che tutti lo chiamavano maestro

11 La codifica di livello 0 La codifica di livello 0 caratteri e numeri MAESTRO CILIEGIA A carattere Il testo come sequenza di caratteri dietro le quinte 65 codice (decimale) del carattere codifica binaria del codice del carattere I computer elaborano internamente solo sequenze di bit (0,1) Numeri e numeri numero Sistema binario 1010 vengono usate due cifre (0 e 1) per rappresentare un numero problema: i numeri binari sono estremamente lunghi Sistema esadecimale ogni numero è rappresentato con 16 cifre (0,1,2,3,4,5,6,7,8,9,A,B,C,D,E,F) i numeri sono più corti di quelli binari e di quelli decimali. estrema facilità di conversione tra binario ed esadecimale: In una sequenza binaria, ogni stringa di 4 bit corrisponde ad una cifra esadecimale numero binario (6) (15) (6) 6 F 6 numero esadecimale X 10 A rappresentazione di un numero Rappresentare i caratteri Quali caratteri scegliere? un insieme di caratteri (es. A, a,!, à,, ecc.) i caratteri sono entità astratte, da non confondersi con il modo in cui sono realizzati tipograficamente (glifi) Uno stesso carattere può variare nella resa grafica in varie dimensioni: 1.Serie (o font): AGKpqt, AGKpqt, AGKpqt, 2.Peso: AGKpqt, AGKpqt 3.Inclinazione: AGKpqt, AGKpqt 4.Punti: AGKpqt, AGKpqt, AGKpqt, AGKpqt 5.Altri effetti: AGKpqt, AGKpqt, AGKpqt, AGKpqt, AGKpqt

12 Come rappresentare i caratteri? Caratteristiche distintive e non distintive Differenza tra MAIUSCOLE e minuscole in tedesco Blau (nome) vs blau (agg.), in Windows: ( Prova.txt, PROVA.TXT, prova.txt sono lo stesso file); non così in Unix/Linux. La stessa realizzazione grafica può corrispondere a caratteri diversi (es. A latina e A cirillica e A greca) Come rappresentare i caratteri nel computer? Come creare la corrispondenza? (=il codice) una tabella che definisce una corrispondenza biunivoca (1-a-1) tra un repertorio di caratteri e un insieme di numeri interi non negativi a ogni carattere è assegnato un codice numerico (punto di codice / code position) Come codificare il carattere? algoritmo che determina come i codici dei caratteri vadano rappresentati in sequenze di bit (byte). Il problema è reso non banale dalla necessità di separare i caratteri: = (4)(34)(56) (4)(3)(4)(56) Il codice ASCII (American Standard Code for Information Interchange) ASCII Standard decimale ed esadecimale Primo standard per l assegnazione di codici a caratteri (dal 1963) set di caratteri riconosciuto da tutti i computer conosciuto come ASCII Standard o ISO-646 Codifica 7 bit ciascun punto di codice è rappresentato con il numero binario corrispondente di 7 bit in realtà 1 byte = 8 bit di cui un bit non è usato per la codifica (bit di parità) 7 bit = 2 7 punti di codice = 128 caratteri rappresentati Sufficiente per rappresentare l inglese mancano i caratteri accentati, umlaut, ecc. per rappresentare altri alfabeti occidentali

13

14 File binari e file ASCII I file eseguibili (windows.exe,.com, ), le immagini (.jpg,.gif,.png,.tif, ) e tutti i file compressi (.zip,.gz, ) sono in genere in formato binario Il protocollo dell può solo trasmettere file ascii Con allegati ( attachment ) binari, necessità di ricodifica in ASCII Ne consegue: crescita di dimensioni attorno al 40% Il set di caratteri ISO-Latin-1 ISO-Latin-1 (ISO o ASCII esteso) unica estensione standard di ASCII 1 byte = 8 bit = 2 8 punti di codice = 256 caratteri rappresentati sufficiente per lingue europee occidentali (italiano, francese, ecc.) ASCII Standard Caratteri di controllo La famiglia di caratteri ISO set di caratteri standardizzati da ISO (International Standard Organization) Codifica: 1 byte = 256 caratteri rappresentati da ciascun set Soprainsiemi dei caratteri ASCII Standard La famiglia di caratteri ISO-8859 ISO-Latin-1 punti di codice (parte comune) ASCII punti di codice codici di controllo (non corrispondono a caratteri grafici) punti di codice (parte variabile) caratteri aggiuntivi per greco, cirillico, lingue slave, arabo, ebraico, ecc.

15 Limiti di ISO-8859 I set di ISO-8859 sono tutti reciprocamente incompatibili. Punto di codice 232 ISO (Latin-1) = è ISO (Cyrillic) = ш Come usare più lingue nello stesso documento? ISO-8859 non copre lingue come giapponese, cinese, ecc. che non usano sistemi alfabetici, ma ideografici The Universal Character Set UNICODE (ISO-10646) Circa caratteri grafici rappresentati (Unicode v ) ma i punti di codice disponibili sono più di 1 milione (4 byte)!! The Universal Character Set UNICODE (ISO-10646) Standard internazionale che si prefigge di rappresentare qualsiasi tipo di carattere appartenente ai sistemi grafici esistenti Sistemi di scrittura di tutte le lingue europee, asiatiche, africane, ecc., sia antiche che moderne. Sistemi di caratteri basati sui fonemi (p.es. italiano), sulle sillabe (p.es. Thai), su ideogrammi (p.es. Cinese), geroglifici, braille, ecc. Sistemi di simboli tecnici e scientifici (p.es. matematica, logica) Punteggiatura e segni diacritici (p.es. accenti) Risolve i problemi di incompatibilità dei sistemi ISO-8859 estende l insieme dei caratteri supportati permette la realizzazione di documenti multilingui The Universal Character Set UNICODE (ISO-10646) I punti di codice sono rappresentati con U+numero esadecimale, ed hanno un nome standard: A U+0041 = Latin Capital Letter A (decimale 65) ω = U+03C9 = Greek Letter Omega I primi 256 caratteri sono identici al set di caratteri Latin-1, a sua volta un soprainsieme dell' ASCII. I primi caratteri (2 16 ) costituiscono il Basic Multilingual Plane (BMP), primo di 17 piani in cui è diviso UNICODE. Nel BMP, 6500 punti di codice sono riservati per usi privati (loghi, trademarks )

16 UNICODE: composizione dei caratteri Caratteri complessi (p.es. u con umlaut) possono essere rappresentati in due modi: Come elementi precostituiti (codice U+00FC, ü ) Come elementi composti, formati da un carattere di base quale u (U+0075) ed uno o più caratteri che non introducono spaziatura ( non spacing ), che vengono quindi sovrascritti al precedente, in questo caso (U+0308) Problema dell ordinamento alfabetico (come decomporre caratteri complessi) Codifica dei caratteri Vari tipi di codifica: UCS-2 (tutti i caratteri a 2 byte) UCS-4 (tutti i caratteri a 4 byte) UTF-16, ecc. UTF-8 (caratteri con 1 byte, oltre 2, 3 o 4 byte) Codifica più comune: UTF-8: In questa codifica l'ultimo bit del byte dice al sistema se il carattere finisce (come in inglese) o se il byte successivo continua a specificare lo stesso carattere (p.es. in cinese). Blocchi di codice I vari alfabeti sono divisi in gruppi detti blocchi di codice (code blocks) Tentativo di non duplicare i caratteri di lingue diverse. Non esiste p.es. una A italiana, una A norvegese. Blocchi di codice (2) Vengono invece duplicati i caratteri omografi di sistemi di scrittura (storicamente) diversi (p.es. Greco, latino, cirillico) Al contrario, le migliaia di ideogrammi comuni alla scrittura cinese, giapponese e coreana (che discendono tutti da una scrittura comune) sono unificati (si veda per una discussione del perché)

17