Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 31 Luglio 4 Agosto L.3.1. Elaborazione delle Immagini in MATLAB
|
|
- Saverio Ruggiero
- 6 anni fa
- Visualizzazioni
Transcript
1 Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 31 Luglio 4 Agosto Francesco Gugliuzza
2 L Image Processing Toolbox Da molti anni ormai MATLAB incorpora un toolbox per l elaborazione e il restauro delle immagini digitali, corredato da una serie di strumenti grafici utili per valutare la qualità delle stesse e tracciare i grafici di alcune caratteristiche, come ad es. l istogramma
3 Obiettivi di questa lezione Al termine di questa giornata, i partecipanti saranno in grado di: 1. caricare e salvare immagini in MATLAB 2. effettuare semplici elaborazioni dirette e statistiche sui valori dei pixel 3. applicare filtri lineari e non lineari alle immagini 4. effettuare il restauro di un immagine degradata
4 Alcune nozioni di base sulle immagini digitali Le immagini digitali possono essere sostanzialmente di due tipi: bitmap (dette anche "raster"), ovvero espresse come matrici di valori di intensità o pixel ATTENZIONE: da non confondere con il formato bitmap BMP vettoriali, in cui gli elementi sono basati su primitive geometriche istanziate con parametri diversi Le immagini bitmap possono essere a singolo canale, come quelle in scala di grigi, o multicanale come quelle a colori RGB. Esse possono essere memorizzate mediante formati compressi o non compressi utilizzando un certo numero di bit (solitamente 8 per canale) Ci occuperemo esclusivamente di immagini bitmap, che da qui in poi chiameremo semplicemente "immagini"
5 Alcune nozioni di base sulle immagini digitali Le immagini possono essere elaborate per vari scopi, come: correggere imperfezioni manifestatesi durante l'acquisizione o la trasmissione migliorarne la resa visiva introdurre effetti artistici Le elaborazioni di cui ci occuperemo saranno quelle del primo e del secondo tipo, e potranno essere eseguite sia indipendentemente delle caratteristiche dell'immagine (ad es. filtri a finestra scorrevole), sia utilizzando le informazioni a disposizione sulle modalità di acquisizione e sull'origine della degradazione Le elaborazioni applicate alle immagini sono spesso computazionalmente molto impegnative e, proprio per questo motivo, negli ultimi anni si è sviluppato un filone del GPU computing dedicato specificamente all'image processing
6 Rappresentazione delle immagini in MATLAB In MATLAB le immagini vengono rappresentate come matrici: bidimensionali MxN se in bianco e nero o in scala di grigi tridimensionali MxNx3 se a colori Le 3 sottomatrici delle immagini a colori contengono rispettivamente i canali rosso, verde e blu Tipi di dato: logico (0 o 1) per immagini in bianco e nero uint8 (range discreto 0-255) per immagini in scala di grigi o a colori double (range continuo [0, 1]) in alternativa ad uint8
7 Caricamento di un immagine Le funzioni fondamentali dell'image Processing Toolbox sono 3: 1. per caricare un immagine di uno qualsiasi dei formati supportati (BMP, PNG, JPEG, TIFF e tanti altri) è sufficiente posizionarsi nella directory corretta e scrivere >> im = imread('nomefile'); L'immagine dal nome nomefile verrà caricata nella matrice im Alcune immagini di esempio sono integrate in MATLAB e accessibili da qualsiasi directory: peppers.png cameraman.tif pout.tif moon.tif mri.tif 2. per visualizzare un'immagine precedentemente caricata in memoria nella variabile im, eseguire semplicemente: >> imshow(im);
8 Caricamento di un immagine 3. per salvare l'immagine contenuta nella variabile im, è sufficiente eseguire il seguente comando: >> imwrite(im, 'nomefile'); imwrite accetta anche parametri aggiuntivi, come ad es. il formato del file da generare (solitamente inferito dall'estensione) ed il livello di qualità nel caso del formato JPEG Nella documentazione di MATLAB è disponibile una descrizione molto estesa di tutti i parametri accettati: >> doc imwrite
9 Caricare e visualizzare la prima immagine In questa lezione, per semplicità, lavoreremo esclusivamente su immagini in scala di grigi. L elaborazione di immagini a colori è lasciata come esercizio per lo studente Carichiamo l immagine di esempio del cameraman: >> im = imread('cameraman.tif'); >> imshow(im); Il risultato ottenuto è quello mostrato nella prossima slide
10 Caricare e visualizzare la prima immagine
11 Caricare e visualizzare la prima immagine MATLAB carica le immagini usando il tipo uint8 (range 0-255). È sconsigliato lavorare in questa modalità in quanto è facile incorrere in errori numerici e over/underflow Trasformiamo l immagine nel tipo double >> imd = im2double(im); Supponiamo di voler ora ritagliare solo la parte con il cameraman. Il comando da usare è imcrop >> cameraman = imcrop(imd); Si aprirà una finestra molto simile a quella della slide precedente, in cui selezionare con il mouse la parte dell immagine da ritagliare
12 Caricare e visualizzare la prima immagine
13 Caricare e visualizzare la prima immagine Se invece volessimo ruotare l'immagine, possiamo utilizzare imrotate: >> im_out = imrotate(im_in, angle); angle va espresso in gradi. L'interpolazione di default è nearestneighbor, ma può essere specificata manualmente aggiungendo un terzo parametro Infine, se volessimo cambiarne le dimensioni: >> im_out = imresize(im_in, scale); scale è il fattore di scala da utilizzare per il ridimensionamento (< 1 rimpicciolimento, > 1 ingrandimento). In alternativa, qualora si volesse stabilire manualmente le nuove dimensioni: >> im_out = imresize(im_in, [m n]); m è il numero di righe e n il numero di colonne dell'immagine di output. L'interpolazione di default è bicubica, ma anche qui può essere specificata manualmente mediante un parametro aggiuntivo
14 Alcune funzioni utili Funzioni mat2gray(im) im2bw(im, level) Descrizione trasforma la matrice input in una matrice con valori compresi in [0,1] trasforma l immagine in immagine binaria im2double(im) imadd(im1, im2) effettua il casting della matrice dell immagine in una double effettua la somma* imsubtract(im1, im2) effettua la sottrazione* immultiply(im1, im2) effettua la moltiplicazione* imdivide(im1, im2) imabsdiff(im1, im2) effettua la divisione* effettua la differenza tra i valori assoluti* imcomplement(im) effettua il complemento dell immagine * Operazione tra gli elementi corrispondenti delle due immagini (oppure tra gli elementi dell immagine ed una costante)
15 Elaborazioni sui valori di grigio Le elaborazioni effettuabili sui valori in scala di grigi sono sostanzialmente di tre tipi: puntuali dipendono solo dal pixel locali coinvolgono l intorno di un pixel, ad es. convoluzione e filtraggio con maschere globali dipendono da tutti i pixel dell immagine e, spesso, sono di natura statistica (es. modifica dell istogramma)
16 Elaborazioni puntuali: negazione Cominciamo con l analizzare le elaborazioni puntuali Sia s il valore di output ed r quello di input La negazione di un'immagine in scala di grigi o a colori genera il suo esatto negativo; essa può essere utilizzata per ottenere un'immagine positiva a partire dalla scansione di pellicole negative oppure per evidenziare dettagli poco visibili nell'immagine di partenza La formula matematica è: s = MAXVAL - r dove MAXVAL è il massimo valore che può assumere il tipo di dato utilizzato (255 per uint8, 1 per float) In MATLAB: >> im_out = MAXVAL im_in; oppure: >> im_out = imcomplement(im_in);
17 Elaborazioni puntuali: negazione Negazione
18 Elaborazioni puntuali: correzione di gamma La correzione di gamma viene utilizzata per compensare non linearità nella resa della luminosità di una periferica di visualizzazione o per migliorare la qualità visiva di immagini sovraesposte o sottoesposte È stata inizialmente sviluppata per correggere gli effetti della relazione non lineare tra tensione e luminosità nei CRT La formula matematica è: s=c * r ɣ dove c e g sono delle costanti in funzione dei valori di ɣ si assumono diversi tipi di trasformazione (vedere grafico a fianco) In MATLAB: >> im_out = c * im_in.^ gamma;
19 Elaborazioni puntuali: negazione Correzione gamma
20 Elaborazioni puntuali: sogliatura La sogliatura trasforma un'immagine in scala di grigi in un'immagine binaria composta appunto da due soli livelli. Tutti i valori al di sopra di una certa soglia vengono convertiti in 1, tutti quelli al di sotto in 0 La formula matematica è: s = 0, x < thresh 1, x thresh In MATLAB: >> im_out = im_in >= thresh; oppure: >> im_out = im2bw(im_in, thresh); La soglia può essere calcolata automaticamente usando la funzione graythresh
21 Elaborazioni puntuali: trasformazione logaritmica La trasformazione logaritmica viene utilizzata per agevolare la visualizzazione di immagini aventi escursioni di intensità molto ampie La formula matematica è: s=c * log(r + 1) dove c è una costante In MATLAB: >> im_out = c * log(im_in + 1);
22 Elaborazioni puntuali Lo stretching di contrasto comprime i livelli di grigio che stanno al di fuori di un intorno di m in due gruppi di valori molto alti e molto bassi. Il caso limite di tale funzione è la sogliatura La formula matematica è: 1 s = 1 + m E r dove m è la soglia ed E la pendenza In MATLAB: >> im_out = 1./ (1 + (m./ im_in).^ E); Può essere realizzata anche in modo lineare a tratti (piecewise linear) con stretchlim(im_in, tol)
23 Elaborazioni locali Le elaborazioni locali si basano su finestre (solitamente quadrate) che scorrono sull intera immagine e lavorano di volta in volta su un intorno del pixel centrale: 1. la finestra viene fatta avanzare pixel per pixel sull'immagine e una funzione matematica viene applicata ai pixel coperti da essa 2. il valore risultante viene posizionato nella nuova immagine alle stesse coordinate del pixel coperto dal centro della finestra Esse si suddividono nei seguenti tipi: lineari convoluzione con una maschera lineare della stessa dimensione della finestra non lineari smoothing passa-basso sharpening passa-alto
24 Elaborazioni locali: filtri lineari In MATLAB l esecuzione di un filtraggio lineare su un immagine è molto semplice: 1. si genera la maschera filtrante, scegliendone il tipo da tra quelli mostrati sotto, con la funzione fspecial 2. si applica la maschera all'immagine con la funzione imfilter Filtro Descrizione average Filtro di media disk Filtro circolare di media (pillbox) gaussian Filtro passa-basso gaussiano laplacian Approssima l operatore laplaciano bidimensionale log motion prewitt sobel Filtro laplaciano del gaussiano Approssima il moto lineare di una fotocamera Filtro edge-emphasizing orizzontale di Prewitt Filtro edge-emphasizing orizzontale di Sobel
25 Elaborazioni locali: filtri lineari Sintassi di esempio: >> h = fspecial('nome_filtro', parametri); >> im_out = imfilter(im_in, h); Filtro motion
26 Problema 1: filtraggio di un immagine corrotta da rumore L immagine lena_noise.tif è stata corrotta con rumore gaussiano. Tentare di attenuare il rumore usando uno dei filtri di media messi a disposizione da fspecial Ignorare (entro ragionevoli limiti) l effetto di sfocatura generato da tali filtri
27 Elaborazioni locali: filtri non lineari I filtri non lineari non sono esprimibili mediante una legge lineare, bensì vengono solitamente formulati indicando la funzione non lineare che agisce sui pixel coperti ad ogni passo dalla finestra scorrevole Uno dei più noti filtri non lineari è sicuramente quello mediano che, ad ogni passo, seleziona il mediano tra i valori presenti nella finestra. Tale filtro è molto indicato per l attenuazione del rumore "sale e pepe" (pixel bianchi e neri distribuiti casualmente nell immagine) I filtri non lineari vengono implementati in MATLAB mediante la funzione nlfilter: >> im_out = nlfilter(im_in, [m n], fun); m e n rappresentano le dimensioni della finestra, mentre fun è la funzione anonima che specifica l azione da eseguire sulla stessa
28 Elaborazioni locali: filtri non lineari Ad esempio, per implementare un filtro mediano 3x3: >> fun median(x(:)); >> im_out = nlfilter(im_in, [3 3], fun); Filtro mediano 3x3
29 Elaborazioni globali: equalizzazione dell'istogramma L istogramma di un immagine rappresenta la distribuzione dei possibili valori di grigio all interno dell immagine In MATLAB esso viene mostrato con il comando: >> imhist(im);
30 Elaborazioni globali: equalizzazione dell'istogramma Una delle elaborazioni più semplici per migliorare la qualità dell immagine è l equalizzazione dell istogramma: in sostanza si cerca di renderlo il più piatto possibile In MATLAB l equalizzazione dell istogramma è effettuata tramite il comando histeq histeq Un elaborazione più complessa e che solitamente restituisce risultati migliori è implementata nel comando imadjust
31 Problema 2: correzione dell'intensità di un immagine Un immagine è stata acquisita da una sorgente corretta in gamma, ma essa è risultata esposta in modo non corretto. Equalizzare l immagine e correggerla per la visualizzazione su un monitor CRT con γ = 2.2. L esponente di correzione sarà γ = 1 γ Trovate l immagine Unequalized_Hawkes_Bay_NZ.jpg nella directory di lavoro dei vostri computer ATTENZIONE: l immagine viene caricata come RGB, ma in realtà è in scala di grigi. Trasformarla in matrice bidimensionale usando la funzione rgb2gray
32 Restauro delle immagini L obiettivo del restauro di un'immagine è (a differenza del semplice miglioramento) quello di incrementare la qualità della stessa in modo oggettivo, conoscendo a priori la causa della degradazione. Si cerca cioè di invertire il processo di degradazione in modo da attenuarne, per quanto possibile, gli effetti causati sull'immagine Intendendo nel modo seguente il modello del processo di degradazione dell immagine f(x,y): g x, y = H f x, y + η(x, y) essa è sottoposta all azione della funzione di degradazione H e all azione di rumore additivo η(x,y)
33 Restauro delle immagini Supponiamo, per semplicità, che il rumore sia indipendente e scorrelato rispetto all immagine stessa In questo modo possiamo cercare di modellarlo facendo riferimento alla PDF (funzione di distribuzione di probabilità) del livello di grigio del rumore stesso Rumore Gaussiano Rumore Rayleigh Rumore Erlang (gamma) Rumore esponenziale Rumore impulsivo bipolare
34 Restauro delle immagini Poiché il rumore è scorrelato, possiamo ritagliare una piccola area di intensità quasi uniforme con imcrop e inferirne tipo e varianza con imhist e var Eseguendo questi passaggi sull immagine di Lena del Problema 2, i risultati sono i seguenti: >> var(patch(:)) ans =
35 Restauro delle immagini Una volta inferito il tipo di degradazione (e quindi la maschera spaziale di fspecial che più lo approssima) e la varianza del rumore, è possibile stimare l NSR (noise to signal power ratio), il cui calcolo esula dagli obiettivi di questa lezione Ottenuti tutti i dati necessari, la stima f(x, y) dell immagine originale può essere calcolata utilizzando la deconvoluzione di Wiener, implementata nella funzione deconvwnr: >> im_out = deconvwnr(im_in, h, nsr) deconvwnr filtro motion
36 Restauro delle immagini: metriche oggettive di qualità La differenza di qualità di un immagine rispetto alla sua copia di riferimento non alterata da rumore e degradazione può essere espressa matematicamente da alcune funzioni, tra le quali MSE (mean squared error) e PSNR (peak signal to noise ratio) In MATLAB queste ed altre metriche sono implementate nella funzione measerr: >> [PSNR, MSE, MAXERR, L2RAT] = measerr(im_rif, im_app); ATTENZIONE: measerr va usato con variabili di tipo uint8!
37 Problema 3: stimare la perdita di qualità dovuta al rumore Utilizzando le metriche mostrate nella slide precedente, calcolare la perdita di qualità tra l immagine rumorosa lena_noise.tif e quella di riferimento lena_std.tif ATTENZIONE: l immagine viene caricata come RGB, ma in realtà è in scala di grigi. Trasformarla in matrice bidimensionale usando la funzione rgb2gray
L istogramma. Interazione & Multimedia 2
Istogramma 1 L istogramma I pixel di una immagine sono una popolazione sulla quale possiamo calcolare tutte le quantità statistiche descrittive che si usano normalmente: Media, mediana, varianza, deviazione
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Definizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliTrasformazioni di intensità Filtraggio spaziale. 31/03/2010 Francesca Pizzorni Ferrarese
Trasformazioni di intensità Filtraggio spaziale 31/03/2010 Francesca Pizzorni Ferrarese Istogrammi L istogramma è la rappresentazione grafica della quantità di pixel presenti nell immagine per ciascun
DettagliElaborazione di immagini digitali: trasformare e migliorare
Università degli Studi di Palermo Dipartimento di Ingegneria Informatica Elaborazione di Immagini e Suoni / Riconoscimento e Visioni Artificiali 12 c.f.u. Anno Accademico 2009/2010 Docente: ing. Salvatore
DettagliPIXEL. Il valore quantizzato misurato da ciascun sensore diventa un. PICTURE ELEMENT = PIXEL dell immagine. Interazione & Multimedia
La risoluzione PIXEL Il valore quantizzato misurato da ciascun sensore diventa un PICTURE ELEMENT = PIXEL dell immagine La risoluzione Definizione: si dice risoluzione il numero di pixel per unità di misura.
DettagliRestauro di immagini. Prof. Filippo Stanco. Multimedia
Restauro di immagini Prof. Filippo Stanco Restauro di immagini Il principale obiettivo delle tecniche di restauro è quello di rendere migliore un immagine cercando di ripristinarne il contenuto informativo
DettagliSistemi di Elaborazione delle Informazioni
Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle Informazioni A.A. 26/27 Università degli Studi di Messina Policlinico G. Martino - Sistemi di Elaborazione delle
DettagliElementi di grafica raster
Elementi di grafica raster Segnali mono-bidimensionali Segnale: variazione di una grandezza fisica rispetto al tempo e/o allo spazio cioè Valore della grandezza ad ogni istante di tempo (spazio) Un segnale
DettagliInformatica. Comunicazione & DAMS A.A. 2015/16. Dr.ssa Valeria Fionda
Informatica Comunicazione & DAMS A.A. 2015/16 Dr.ssa Valeria Fionda Informatica - Com&DAMS A.A. 2015/2016 Sistemi di numerazione I sistemi di numerazione servono a rappresentare i numeri grazie a un insieme
DettagliDigital Imaging Esercitazione TTC 12/11/2015
Digital Imaging Esercitazione TTC 12/11/2015 Esercizio 1 Creare una funzione showhist che data una immagine a livelli di grigio, la visualizza in un finestra con il suo istogramma. imshow, subplot, imhist,
DettagliImage Processing Toolbox. Imaging Digitale a.a. 2014/2015 Silvia Corchs
Imaging Digitale a.a. 2014/2015 Silvia Corchs Operazioni sulle immagini Lettura variabile=imread(nomefile) Scrittura imwrite(variabile,nomefile,parametri) Informazioni imfinfo(nomefile,parametri) Visualizzazione
DettagliOperatori locali su immagini digitali
Operatori locali su immagini digitali Deinizione degli operatori locali Filtri di smoothing Filtri di sharpening Filtri derivativi Operatori locali Questi operatori sono usati per: miglioramento della
DettagliIstogramma dei livelli di grigio
Capitolo 4 - Operatori Puntuali 1 Istogramma dei livelli di grigio L istogramma dei livelli di grigio di un immagine è una funzione che associa a ciascun livello il numero di pixel dell immagine aventi
DettagliOperazioni sulle immagini digitali
Operazioni sulle immagini digitali Categorie di operatori L istogramma dei livelli di grigio Trasformazioni puntuali Equalizzazione Operazioni su immagini digitali I tipi di operazioni che si possono realizzare
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 6 Esplorazione, enfatizzazioni e filtri Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Cosa è l enfatizzazione delle immagini L enfatizzazione
DettagliOperatori locali. Operatori locali. Q=f(P,w)
Operatori locali Operatori locali P(i,j) Gli operatori locali associano ad ogni piel ( i,j) della immagine di output Q un valore calcolato in un intorno o finestra w centrata nel piel P(i,j) Q=f(P,w) Operatori
DettagliIstogramma dei livelli di grigio
Istogramma dei livelli di grigio Uno degli strumenti più semplici e più utili nell elaborazione delle immagini l istogramma dei livelli di grigio contenuti in una immagine. istogramma di una immagine contiene
DettagliLez. 7 Immagini Digitali. Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1
Lez. 7 Immagini Digitali Prof. Pasquale De Michele (Gruppo 2) e Raffaele Farina (Gruppo 1) 1 Dott. Pasquale De Michele Dott. Raffaele Farina Dipartimento di Matematica e Applicazioni Università di Napoli
DettagliLe immagini digitali
Le immagini digitali immagini raster immagini vettoriali Immagini raster Dette pittoriche o pixel oriented dividono l immagine in una griglia uniforme. Ciascuna cella della griglia ha uguale dimensione.
DettagliTecnologie Multimediali a.a. 2016/2017. Docente: DOTT.SSA VALERIA FIONDA
Tecnologie Multimediali a.a. 2016/2017 Docente: DOTT.SSA VALERIA FIONDA Rappresentazione digitale delle immagini Sistema binario Il computer "capisce" solo 2 stati: passacorrente (1) non passa corrente
DettagliCODIFICA IMMAGINI IN BIANCO E NERO
Rappresentazione delle immagini Anche le immagini possono essere codificate mediante una sequenza di 0 e 1., questa operazione si chiama digitalizzazione. La prima cosa da fare è dividere l immagine in
DettagliUniversità degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale
Università degli studi di Catania Facoltà di scienze Matematiche, Fisiche e Naturali Corso di Laurea in Informatica Magistrale Alessandro Ortis Estensione del software ImageJ con l implementazione di un
DettagliCenno al trattamento delle immagini digitali. Cartografia numerica e GIS Domenico Sguerso
Cenno al trattamento delle immagini digitali Cartografia numerica e GIS Domenico Sguerso Digital Image Processing: Preprocessing (Memorizzazione) analysis Trattamento dell immagine: - ricampionamento necessario
DettagliSTRUMENTI SELEZIONE A MANO LIBERA e FORBICI INTELLIGENTI
STRUMENTI SELEZIONE A MANO LIBERA e FORBICI INTELLIGENTI Quando si utilizzano le forbici intelligenti e anche la selezione a mano libera, e si desidera uno sfondo trasparente, bisogna cliccare sul menu
DettagliProcessamento delle immagini
Processamento delle immagini Docente: Domenico Daniele Bloisi Novembre 2017 Esercizio 1 Utilizzare il linguaggio di programmazione Python e la libreria OpenCV per visualizzare sullo schermo il logo ASL
DettagliGenerazione di Numeri Casuali- Parte 2
Esercitazione con generatori di numeri casuali Seconda parte Sommario Trasformazioni di Variabili Aleatorie Trasformazione non lineare: numeri casuali di tipo Lognormale Trasformazioni affini Numeri casuali
DettagliLezione 3: Elaborazione delle immagini (2)
Lezione 3: Elaborazione delle immagini (2) Informatica e Produzione Multimediale Docente: Umberto Castellani Filtraggio di immagini Filtrare un immagine significa eseguire alcune operazioni in modo da
DettagliUniversità degli Studi di Ferrara. Docente: Dott. Andrea Silvestri. - Immagini -
Università degli Studi di Ferrara Corso di Laurea in Tecnologie per i Beni Culturali 1 A.A.2009/2010 Corso di Informatica 2 Docente: Dott. Andrea Silvestri - Immagini - 2 Sommario Immagine digitale metodi
DettagliElaborazione delle immagini digitali A.S. 2017/2018
Elaborazione delle immagini digitali A.S. 2017/2018 Come sono fatte le immagini digitali? Un immagine digitale è formata da una griglia di puntini, chiamati pixel, piccolissimi quadrati contenenti ognuno
DettagliINFORMATICA E PROGRAMMAZIONE PROF. M. GIACOMIN ESPERIENZA IN AULA: ELABORAZIONE DI IMMAGINI A COLORI IN LINGUAGGIO C
INFORMATICA E PROGRAMMAZIONE PROF. M. GIACOMIN ESPERIENZA IN AULA: ELABORAZIONE DI IMMAGINI A COLORI IN LINGUAGGIO C DESCRIZIONE GENERALE In questa esperienza il C verrà utilizzato per elaborare immagini
DettagliFotografia corso base. Educazione Permanente Treviso. Specifiche digitali. Federico Covre.
Fotografia corso base Educazione Permanente Treviso Specifiche digitali http://arcifotografiabase.wordpress.com Federico Covre Pixel (picture element) Indica ciascuno degli elementi puntiformi che compongono
DettagliLez. 5 Digital Image Processing
Lez. 5 Digital Image Processing Prof. Giovanni Mettivier 1 Dott. Giovanni Mettivier, PhD Dipartimento Scienze Fisiche Università di Napoli Federico II Compl. Univ. Monte S.Angelo Via Cintia, I-80126, Napoli
DettagliLe immagini digitali. Introduzione
Le immagini digitali Introduzione 2 L informazione grafica grafica a caratteri grafica vettoriale grafica raster 3 Due grandi categorie Immagini reali: acquisite da una scena reale mediante telecamera,
DettagliLiceo Scientifico G. Galilei Trebisacce Anno Scolastico Prova di Informatica : Codifica delle informazioni Alunno: Classe: 1 C
Liceo Scientifico G. Galilei Trebisacce Anno Scolastico 2011-2012 Prova di Informatica : Codifica delle informazioni Alunno: Classe: 1 C 12.01.2012 prof. Mimmo Corrado 1. Che cos è il codice ASCII 2. Che
DettagliCorso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco. Segmentazione. A cura di Andrea Tambone
Corso di laurea magistrale in Informatica Multimedia - Prof. F.Stanco Segmentazione A cura di Andrea Tambone Introduzione Lo scopo della segmentazione è suddividere un immagine in regioni contenenti pixel
DettagliELABORAZIONE DELLE IMMAGINI:
Università degli Studi di Catania Facoltà di Scienze Matematiche,Fisiche e Naturali Corso di Laurea in Informatica, Secondo Livello ELABORAZIONE DELLE IMMAGINI: EDGE DETECTION Corso di Analisi Numerica
DettagliRappresentazione dei numeri: il sistema di numerazione decimale
Università degli Studi di Cagliari Facoltà di Scienze Corso di Laurea in Matematica Corso di Elementi di Informatica Lezione 3 14 marzo 2017 Dott. A.A. 2016/2017 pgarau.unica@gmail.com 1 Codifica dei numeri
DettagliProgramma del corso. Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori
Programma del corso Introduzione Rappresentazione delle Informazioni Calcolo proposizionale Architettura del calcolatore Reti di calcolatori Il concetto di FILE FILE: sequenza di byte conosciuta nel computer
DettagliAosta Formati di file immagine. Quick tutorial per scegliere il formato giusto per ogni output. Diapositiva 1 di 13
Aosta 2008 Quick tutorial per scegliere il formato giusto per ogni output Diapositiva 1 di 13 Mini glossario per le immagini http://www.zmphoto.it Dpi: ( Dots Per Inch, punti per pollice ) Unità di misura
DettagliCapitolo 3 Compressione sorgenti statiche
Capitolo 3 Compressione sorgenti statiche Elementi di codifica di sorgente Entropia Classificazione degli algoritmi Testo RLE Huffman statico Huffman dinamico Codifica aritmetica LZ Immagini Prestazioni
DettagliIntroduzione 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)
DettagliElaborazione dei dati. pkt /9
Elaborazione dei dati pkt006-89-1.0 4/9 1 Argomenti 1. Analisi delle immagini multispettrali 2. Analisi dell istogramma e enfatizzazione del contrasto 3. Trasformata RGB-IHS 4. Filtraggio 5. Estrazione
DettagliOperazioni sulle immagini digitali
Operazioni sulle immagini digitali Categorie di operatori L istogramma dei livelli di grigio Trasformazioni puntuali Equalizzazione Operazioni su immagini digitali I tipi di operazioni che si possono realizzare
DettagliNozioni di grafica sul calcolatore. concetti di base
Nozioni di grafica sul calcolatore concetti di base La riproduzione di immagini fotografiche su computer avviene suddividendo l'immagine stessa in una matrice di punti colorati: pixels I formati basati
DettagliCorso di Informatica modulo Informatica di Base 6 CFU. Immagini digitali: concetti di base
DIPARTIMENTO DELL INNOVAZIONE INDUSTRIALE E DIGITALE Corso di Informatica modulo Informatica di Base 6 CFU Anno Accademico 6/7 Docente: ing. Salvatore Sorce Immagini digitali: concetti di base L informazione
DettagliTecniche di enfatizzazione
Tecniche di enfatizzazione Cosa è l enfatizzazione delle immagini L enfatizzazione o enhancement delle immagini è un insieme di tecniche che vengono utilizzate per migliorare l aspetto delle immagini al
DettagliSistemi lineari. Lorenzo Pareschi. Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara
Sistemi lineari Lorenzo Pareschi Dipartimento di Matematica & Facoltá di Architettura Universitá di Ferrara http://utenti.unife.it/lorenzo.pareschi/ lorenzo.pareschi@unife.it Lorenzo Pareschi (Univ. Ferrara)
DettagliElaborazioni nel dominio spaziale (1)
Elaborazione di Segnali Multimediali a.a. 2013/2014 Elaborazioni nel dominio spaziale (1) L.Verdoliva In questa lezione vedremo come caratterizzare immagini digitali in Matlab tramite media e varianza
DettagliLE IMMAGINI DIGITALI 3 formati. Università IUAV di venezia
LE IMMAGINI DIGITALI 3 formati Università IUAV di venezia Compressione Trasmissione ed archiviazione dei file grafici Algoritmo di compressione: trasformare la sequenza di byte che costituisce un file
DettagliEsercitazione 4: Filters
Laboratorio di Immagini Esercitazione 4: Filters Mauro Zucchelli 07/04/2016 AVVISO Settimana prossima lezione sospesa! Riprendiamo dall ultima volta Abbiamo visto cosa rappresenta la trasformata di Fourier
DettagliIntroduzione a Matlab
Introduzione a Matlab Filtri: Media, Gaussiano, Mediano Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Definizione di un filtro: Kernel Ciascun filtro è definito dal
DettagliFiltering. Maschera di contrasto - Carica un immagine (16 o 48 bit): Lancia il comando Unsharp mask dal menu Processing:
Filtering Maschera di contrasto - Carica un immagine (16 o 48 bit): Lancia il comando Unsharp mask dal menu Processing: Prova: Il risultato Per ridurre il tipico effetto bordo di questo filtro passa alto,
Dettagli3. Matrici e algebra lineare in MATLAB
3. Matrici e algebra lineare in MATLAB Riferimenti bibliografici Getting Started with MATLAB, Version 7, The MathWorks, www.mathworks.com (Capitolo 2) Mathematics, Version 7, The MathWorks, www.mathworks.com
DettagliMorfologia Matematica su immagini in scala di grigio
Morfologia Matematica su immagini in scala di grigio Dilation, erosion, opening, closing Top-Hat, Bottom-Hat Algoritmi Morfologici in scala di grigio Dalle immagini binarie alle immagini in scala di grigio
DettagliDispositivi di output
Dispositivi di output I dispositivi di output sono generalmente i monitor o display (CRT, LCD ) Inizialmente (primi anni '60) i display sono dispositivi di tipo vettoriale (lineare), in grado di tracciare
DettagliCorso di Adobe Photoshop CS4 2 Giorni
OGGETTO CORSO Corso di Adobe Photoshop CS4 2 Giorni OBIETTIVI E DIDATTICA CORSO L obiettivo del corso è fornire ai partecipanti le competenze teoriche e pratiche per la creazione di immagini fotografiche
DettagliEsistono delle trasformazioni standard fra i diversi formati che abbiamo discusso
Trasformazioni fra formati Esistono delle trasformazioni standard fra i diversi formati che abbiamo discusso Il formato più ricco di informazioni (e più fedele) è il direct color Può essere ridotto a indicizzato
DettagliImage Elaboration. Image Processing
Image Elaboration Immagine digitale Un immagine digitale può essere rappresentata come una matrice con un prefissato numero di righe e colonne che ne determinano la risoluzione (campionamento). L'unità
DettagliStatistica a lungo termine: calcolo dell onda di progetto
Esercitazione Statistica a lungo termine: calcolo dell onda di progetto Sulla base delle misure ondametriche effettuate dalla boa di Ponza si calcoli, utilizzando la distribuzione di probabilità di Gumbel,
DettagliElaborazione di Segnali e Immagini (ESI)
Elaborazione di Segnali e Immagini (ESI) AA 2002-2003 Paola Bonetto email: bonetto@disi.unige.it Stanza: #110 Tel: 010 353 6643 Programma Colore e spazi di colore (CIE, RGB, HSV, gray, ) Formati di immagini
DettagliLa grafica digitale Anceschi Sandra. Workshop Disegnare digitale - A.A
La grafica digitale Anceschi Sandra Workshop Disegnare digitale - A.A. 16-17 La grafica digitale Grafica RASTER Grafica VETTORIALE 2 La grafica digitale Grafica RASTER Nella grafica a punti, l immagine
DettagliCorso di Visione Artificiale. Texture. Samuel Rota Bulò
Corso di Visione Artificiale Texture Samuel Rota Bulò Texture Le texture sono facili da riconoscere ma difficili da definire. Texture Il fatto di essere una texture dipende dal livello di scala a cui si
DettagliCOLORI. Nozioni di base, Sintesi additiva, Modo RGB, Canali e Istogramma. EDI II Colori, RGB, Canali, Istogramma 1
COLORI Nozioni di base, Sintesi additiva, Modo RGB, Canali e Istogramma EDI II Colori, RGB, Canali, Istogramma 1 Che cos è? (Definizione fisica) Il colore è la percezione visiva generata dai segnali nervosi
DettagliLe immagini digitali
Le immagini digitali Formati e caratteristiche di digitalizzazione Processo complessivo 1. Documento originale (eventuale restauro del supporto) Argomento della lezione 2. Scansione 3. Oggetto digitale
DettagliIntroduzione Avanzamento rapido
Introduzione Avanzamento rapido XI XV Capitolo 1 Iniziare con Photoshop CS 1 Impostare Photoshop al primo avvio 2 Regolare le impostazioni di base 3 Ottimizzare le impostazioni colore 4 Scegliere le migliori
DettagliIndice. Introduzione BluePrint XIII XIX
Introduzione BluePrint XIII XIX Capitolo 1 Iniziare con Photoshop 1 Impostare Photoshop al primo avvio 6 Regolare le impostazioni di base 7 I dischi di memoria virtuale 8 Cambiare l applicazione di apertura
DettagliIntroduzione a Matlab
INFORMATICA B Ingegneria Elettrica Introduzione a Matlab Introduzione a Matlab Matlab (MATrix LABoratory) è uno strumento per il calcolo scientifico ed ingegneristico Matlab facilita lo sviluppo di programmi
DettagliSegnale analogico. Analogico vs digitale. Segnale digitale. Trasformazione da analogico a digitale
LEZIONI 2 e 3 Rappresentazione dell informazione 53 Analogico vs digitale LEZIONI 2 e 3 Rappresentazione dell informazione 54 Segnale analogico Il computer può lavorare soltanto con grandezze di tipo digitale
DettagliCorso: Adobe Photoshop Base Codice PCSNET: ADOB-2 Cod. Vendor: - Durata: 3
Corso: Adobe Photoshop Base Codice PCSNET: ADOB-2 Cod. Vendor: - Durata: 3 Obiettivi Rendere operativi sulle funzionalità di base e di comune interesse del prodotto. Dare una informativa sulle funzionalità
DettagliHISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A
HISTOGRAM MATCHING Di Raimondo Graziano - Nicolosi Salvatore Multimedia A.A 2013-2014 Introduzione Un istogramma è un grafico che mostra la distribuzione delle varie tonalità di una data immagine digitale
DettagliLa codifica del testo
La codifica delle informazioni Informatica e sistemi di elaborazione delle informazioni La codifica delle informazioni Informatica e sistemi di elaborazione delle informazioni I slide Informatica e sistemi
DettagliCorso di Visione Artificiale. Filtri parte II. Samuel Rota Bulò
Corso di Visione Artificiale Filtri parte II Samuel Rota Bulò Numeri complessi parte reale parte immaginaria in coordinate polari complesso coniugato formula di Eulero Trasformata di Fourier discreta (DFT)
DettagliRappresentazione di curve in tre dimensioni
Rappresentazione di curve in tre dimensioni Il comando plot3, con la sintassi >>plot3(x,y,z) Analoga al semplice plot, permette di tracciare nello spazio curve i cui punti hanno coordinate rispettivamente
DettagliInformatica (Sistemi di elaborazione delle informazioni)
Informatica (Sistemi di elaborazione delle informazioni) Corso di laurea in Scienze dell'educazione Lezione 9 Elaborazione di immagini (parte 1) Mario Alviano Sommario Grafica vettoriale e bitmap Risoluzione
Dettagli8.8 Modificare i file di testo I processi La stampa Accesso alle periferiche 176
INDICE i Statistica ed analisi dei dati 1 1 Propagazione degli errori. Parte I 5 1.1 Terminologia 5 1.2 Propagazione dell incertezza massima (errore massimo) 7 1.2.1 Somma 8 1.2.2 Differenza 9 1.2.3 Prodotto
DettagliFormati e compressioni
Sistemi Multimediali Marco Gribaudo marcog@di.unito.it, gribaudo@elet.polimi.it Formati e compressioni Anche se in memoria le immagini vengono quasi sempre memorizzate come una sequenza di colori RGB,
DettagliIndici di Dispersione
Indici di Dispersione Si cercano indici di dispersione che: utilizzino tutti i dati {x 1, x 2,..., x n } siano basati sulla nozione di scarto (distanza) dei dati rispetto a un centro d i = x i C ad esempio,
DettagliLL. MM. in Informatica e Fisica A.A Diagnostica per immagini. 8 Trattamento delle immagini mediche
LL. MM. in Informatica e Fisica A.A. 2015-2016 Diagnostica per immagini 8 Trattamento delle immagini mediche Sistema per imaging medico Un generico sistema per immagini computerizzate può essere rappresentato
DettagliScuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo Luglio 2017
Scuola di Calcolo Scientifico con MATLAB (SCSM) 2017 Palermo 24-28 Luglio 2017 www.u4learn.it Arianna Pipitone Analizzare i dati Analizzare i dati significa esaminare: il comportamento di ciascun dato
DettagliFACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009. Corso VISIONE E PERCEZIONE. Docente. Prof. FIORA PIRRI. Tutor MATIA PIZZOLI
FACOLTA DI INGEGNERIA INGEGNERIA INFORMATICA A.A. 2008/2009 Corso VISIONE E PERCEZIONE Docente Prof. FIORA PIRRI Tutor MATIA PIZZOLI MAPPA DI DISPARITA Studente Redjan Shabani (1013173) 0 Definizione di
DettagliArithmetic and Logic Unit e moltiplicatore
Arithmetic and Logic Unit e moltiplicatore M. Favalli Engineering Department in Ferrara (ENDIF) ALU - multiplier Analisiesintesideicircuitidigitali 1 / 34 Sommario 1 Arithmetic and Logic Unit - ALU 2 Moltiplicatore
DettagliLe nuove macchine fotografiche. Gianluca Tiburzi
Le nuove macchine fotografiche Gianluca Tiburzi Tutti i numeri delle digitali Ora cerchiamo di capire il significato dei numeri sulle nuove macchine fotografiche digitali, descritte nelle etichette normalmente
DettagliCorso 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
DettagliLaboratorio 2 Grafici di funzione in Scilab Metodo di Bisezione
Laboratorio Grafici di funzione in Scilab Metodo di Bisezione Introduciamo i grafici di funzione in Scilab, attraverso un semplice esercizio. Esercizio Grafico di funzioni.. Definire le seguenti variabili
DettagliCenni di fotogrammetria LE IMMAGINI DIGITALI
Cenni di fotogrammetria LE IMMAGINI DIGITALI Hardcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo analogico Softcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo digitale
DettagliFormati multimediali e metadati: Immagini
Formati multimediali e metadati: Immagini Marco Tagliasacchi Formati multimediali e metadati: immagini Sommario 2 Immagini digitali Compressione di immagini Formati Metadati Software Collezioni di immagini
DettagliInformazione binaria: suoni, immagini, sequenze video
Informazione binaria: suoni, immagini, sequenze video Ingegneria Meccanica e dei Materiali Università degli Studi di Brescia Prof. Massimiliano Giacomin Tipologie di codici Per la rappresentazione di:
DettagliCorso di Access. Prerequisiti. Modulo L2 A (Access) Le query
Corso di Access Modulo L2 A (Access) 2.3.1 Le query 1 Prerequisiti Concetto di database relazionale Utilizzo elementare del computer Concetti fondamentali di basi di dati Interrogazione di un DB 2 1 Introduzione
DettagliEsercitazione 1 Conversione di base
Esercitazione 1 Conversione di base A.A. 2017-18 Esercizio 1 (M) Scrivere un programma che esegua la conversione di un numero reale qualunque da base 10 a base β {2,..., 16}, utilizzando gli M-function
Dettaglile scale di misura scala nominale scala ordinale DIAGNOSTICA PSICOLOGICA lezione si basano su tre elementi:
DIAGNOSTICA PSICOLOGICA lezione! Paola Magnano paola.magnano@unikore.it si basano su tre elementi: le scale di misura sistema empirico: un insieme di entità non numeriche (es. insieme di persone; insieme
DettagliI principali dispositivi periferici impiegati in. computer grafica sono: monitor. stampante. scanner. fotocamera digitale
I principali dispositivi periferici impiegati in computer grafica sono: monitor stampante scanner fotocamera digitale Tutte queste periferiche sono di tipo raster. Un'immagine può avere diversi tipi di
DettagliDal menù view, cliccare sul comando logarithm e registrare la soglia di visualizzazione:
TUTORIAL IRIS STRETCHING DEI LIVELLI E DEI COLORI Logaritmo Il calcolo del logaritmo di un'immagine è un metodo classico per la compressione della gamma dinamica 1. Questa operazione mette in risalto sia
DettagliLaboratorio 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
DettagliAgent and Object Technology Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma. Fondamenti di Informatica.
Agent and Object Technology Lab Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Fondamenti di Informatica Excel Michele Tomaiuolo Excel Excel è sicuramente il programma più
DettagliSimulazione dei dati
Simulazione dei dati Scopo della simulazione Fasi della simulazione Generazione di numeri casuali Esempi Simulazione con Montecarlo 0 Scopo della simulazione Le distribuzioni di riferimento usate per determinare
DettagliMatrici e immagini digitali
Matrici e immagini digitali Dirce Uesu Pesco e Humberto José Bortolossi 1 aprile 01 Le immagini che si vedono sulle pagine internet e le foto che si fanno con il cellulare sono esempi di immagini digitali.
DettagliEUROPEAN COMPUTER DRIVING LICENCE IMAGEMAKER - Versione 1.5
EUROPEAN COMPUTER DRIVING LICENCE IMAGEMAKER - Versione 1.5 Copyright 2007 The European Computer Driving Licence Foundation Ltd. Tutti I diritti riservati. Questa pubblicazione non può essere riprodotta
DettagliTecnologie Multimediali a.a. 2016/2017. Docente: DOTT.SSA VALERIA FIONDA
Tecnologie Multimediali a.a. 2016/2017 Docente: DOTT.SSA VALERIA FIONDA Rappresentazione a livelli Proprietà di livello Nome: Ogni livello possiede un nome. Il nome viene assegnato automaticamente quando
Dettagli1 Schemi alle differenze finite per funzioni di una variabile
Introduzione In questa dispensa vengono forniti alcuni elementi di base per la soluzione di equazioni alle derivate parziali che governano problemi al contorno. A questo scopo si introducono, in forma
DettagliIL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA
Metodi per l Analisi dei Dati Sperimentali AA009/010 IL CRITERIO DELLA MASSIMA VEROSIMIGLIANZA Sommario Massima Verosimiglianza Introduzione La Massima Verosimiglianza Esempio 1: una sola misura sperimentale
Dettagli