Morfologia e Image Processing. Multimedia
|
|
- Virginia Festa
- 6 anni fa
- Visualizzazioni
Transcript
1 Morfologia e Image Processing
2 Morfologia Matematica Nell ambito dell image processing il termine morfologia matematica denota lo studio della struttura geometrica dell immagine. E uno strumento utile per la rappresentazione e la descrizione della forma di una regione. Si possono ricavare i contorni, lo scheletro, ecc. E uno strumento matematico definito inizialmente su immagini binarie ma facilmente estensibile ad immagini a toni di grigio e quindi a colori.
3 Morfologia Matematica Processamento ed Analisi della forma di una regione La percezione visiva richiede la trasformazione di immagini in modo da rendere esplicita l informazione sulle forme delle regioni (es: oggetti) in essa presenti. Obiettivo: Distinguere le informazioni significative sulla forma da quelle irrilevanti. La maggior parte delle tecniche per l analisi ed il processamento della forma delle regioni sono basate sulla realizzazione di un operatore di forma che soddisfi le proprietà richieste.
4 Esempi L analisi di un immagine prevede l estrazione di misure caratteristiche dell immagine considerata. Ad esempio, le misure Geometriche consistono nella posizione di un oggetto, nella orientazione, l area e la lunghezza del perimetro
5 Preliminari Gli insiemi nella morfologia matematica rappresentano degli oggetti in un immagine: - Immagini binarie (0 = white, 1 = black): l elemento dell insieme corrisponde alle coordinate (x, y) del pixel; L oggetto è definito in Z 2 ; - Immagini a toni di grigio: l elemento dell insieme corrisponde alle coordinate (x,y) del pixel e al suo valore di intensità; L oggetto è definito in Z 3 ;
6 Preliminari Se un elemento di A è definito come a=(a 1,a 2 ) sono ben definite le seguenti espressioni: a Α a appartiene all insieme A; a Α a non appartiene all insieme A; Α Β A è incluso in B; C = Α Β Unione; C = Α Β Intersezione; Α Β = Intersezione vuota; Α c = { w w Α} Complementare di A; c { w w Α w Β} = Α Β Differenza insiemistica; Α B =,
7 Esempi
8 Operazioni logiche
9 Riflessione e Traslazione Siano A e B insiemi in Z 2 Bˆ = { w w = b, b B}, Riflessione dell' insieme B ( A) z = { w w = a + z, a A}, Traslazione dell' insieme A
10
11 Elemento strutturante La struttura dell immagine viene sondata con un insieme di forma definibile dall utente (elemento strutturante) solitamente codificato da un piccola immagine raster (3 3 o 5 5).
12
13 Dilatazione Espande gli oggetti A B = { ( ) } z Bˆ A = z ( Bˆ ) z { } A A z L effetto dilatazione è dovuto all applicazione dell elemento strutturante B vicino ai bordi. Dalla definizione si evince che l elemento strutturale viene ribaltato rispetto alla sua origine, attraverso l operazione di riflessione, e shiftato di z posizioni attraverso una traslazione. Il risultato dell operatore è l insieme delle posizioni z tali (B^) z che interseca almeno un elemento di A.
14 Esempio di Dilatazione
15
16 Applicazioni: Riempimento
17 Esempio di Dilatazione > B=ones(3,3)
18 Esempio di Dilatazione > B=ones(3,3)
19 Esempio di Dilatazione > B=ones(3,3)
20 Esempio di Dilatazione > B=ones(3,3)
21 Erosione Erode/Assottiglia gli oggetti A Θ B = { z ( B) A} z L effetto di erosione è dovuto al fatto che quando l elemento strutturante B viene traslato vicino ai bordi esso non è completamente contenuto in A.
22 Esempio di Erosione
23 Esempio di Erosione
24 Esempio di Erosione
25 Esempio di Erosione
26 Esempio di Erosione
27 Analisi Granulometrica Sulla sinistra è rappresentata un immagine contenente dei quadrati bianchi di dimensione 1,3,5,7,9 e 15. Al centro viene riportato l output di un processo di erosione con un elemento strutturale di lato 13. Applicando poi una dilatazione con lo stesso elemento strutturale si ottiene un elegante rimozione dei dettagli iniziali
28 Erosion/Dilation: Dualità Vale la seguente proprietà:
29 Apertura Rimozione Strutturata di Punte Opening(A,B)=A º B=(AΘB) B = { (B z ) (B z ) A } Un erosione seguita da una dilatazione utilizzando lo stesso elemento strutturale. L effetto dell opening è di preservare il più possibile regioni di forma simile all elemento strutturante e di eliminare quelle differenti. E un filtro di smoothing, di cui potenza e tipologia vengono determinati dalla forma e dalle dimensioni di B.
30 Apertura
31 Apertura Un esempio di problema che richiede l applicazione dell apertura è l eliminazione delle linee dall immagine in figura. In questo caso viene utilizzato un elemento strutturale a forma sferica di raggio pari a quello dei cerchi da preservare che è maggiore dello spessore delle linee.
32 Chiusura Riempimento strutturato di cavità Closing(A,B)= A B = (A B) Θ B Una dilatazione seguita da un erosione utilizzando lo stesso elemento strutturale. L effetto del closing è di chiudere gli eventuali buchi interni.
33 Chiusura
34 Esempi
35 Apertura/chiusura: Proprietà
36 Operatori complessi La combinazione degli operatori di base consente di eseguire altre operazioni complesse quali estrazione contorno riempimento regioni componenti connesse guscio convesso Thinning Thickening pruning
37 Opening/Closing: Noise Reduction Erosion Dilatation Dilatation Erosion Opening Closing
38 Hit/Miss Transform Pattern Matching e Marcatura Dati X sottoinsieme di W A*X=(A Θ X ) [ A c Θ (W - X)] dove (W - X) è il background locale e (A Θ X) è l erosione di A con l elemento cercato X Lo stesso operatore si può definire come : A*B=(A ΘB 1 ) [ A c Θ B 2 ] dove B 1 si riferisce all oggetto e B 2 è il background. E utilizzato come rivelatore dettagliato della presenza di una forma all interno di una immagine.
39 Hit-or-Miss
40 HTM: Corner Detection Se i pixel di foreground e background dell elemento strutturante hanno un exactly match con il foreground e background pixels della immagine, allora il pixel corrispondente alla posizione dell origine nell elemento strutturante verrà settato a a 1, altrimenti è settato a 0.
41 Applicazioni Avanzate: Region Filling Applicazione iterativa di logical NOT, logical AND e dilation Il processo può essere descritto con la seguente formula: dove X k è la regione che, dopo la convergenza del processo, riempie il bordo iniziale identificato da A. J è l elemento strutturante.
42 A Esempio: Region Filling J X 0 A not Serve a prevenire che la crescita (growing) sconfini rispetto ai bordi di A. Step 2 Iterazioni Step 3 Step 4 Step 5 Step 6 Step 7 Convergence U A final result
43 Altre applicazioni avanzate Thinning: operatore morfologico usato per rimuovere pixel di foreground selezionati opportunamente. Skeletonization: processo per la riduzione del foreground ad uno scheletro che preserva la misura e la connettività del foreground originale. Si usa l operatore di thinning ripetutamente fino a convergenza Thickening: operazione morfologica usata per far crescere regioni opportunamente selezionate. E una operazione utile per l estrazione del convex hull di uno shape.
44 Morfologia in MATLAB Gli operatori di base sono disponibili tramite i comandi MATLAB: C=imerode(A,B) C=imdilate(A,B) C=imopen(A,B) C=imclose(A,B) dove A, B e C sono immagini binarie e B è l elemento strutturale.
45 Morfologia in MATLAB:strel L elemento strutturale può essere anche generato utilizzando la funzione strel, che grazie ad un innumerevoli serie di parametri permette la creazione diverse forme di varia grandezza.
46 Opzioni istruzione bwmorph La funzione bwmorph implementa una varietà di operazioni basate sulla combinazione di operatori morfologici di base. La sua sintassi è la seguente: G=bwmorph(f,oper,n) dove f è l immagine binaria di input, oper è una stringa (vedi tabella accanto) ed n indica il numero di volte che l operazione deve essere ripetuta
47 Estrazione dei contorni Poiché la dilatazione rende le regioni più spesse e l erosione le assottiglia, la loro differenza enfatizza i confini tra le regioni. Il risultato è un immagine in cui si vedono bene i bordi tra gli oggetti e in cui non è presente il contributo di zone omogenee. Immagini binarie Immagini a scala di grigio A = imread ('image.jpg'); e = strel ('square', 3); G = imdilate(a, e) imerode(a, e);
48 Estrazione dei contorni
49 Estrazione dei contorni
50 Estrazione dei contorni Contorni di A si ottiene facendo A - ( A Θ B ) In Matlab diventa C = A-imerode(A,e); dove e=ones(3,3)
51 Estrazione dei contorni
52 Estrazione dei contorni
53 LAPLACIANO Un alternativa al gradiente morfologico è l operatore laplaciano che tende a formare contorni chiusi. Immagini binarie Immagini a scala di grigio A = imread ('image.jpg'); e = strel ('square', 15 ); L = imdilate(a, e) + imerode(a, e) 2*A;
54 Laplaciano In bianco i pixel che hanno valore 1 In nero i pixel che hanno valore -1 In grigio i pixel che hanno valore 0
55 Laplaciano Se considero neri i pixel che hanno valore 0 e bianchi tutti gli altri (valore 1 e -1)
56 Laplaciano
57 Thinning (assottigliamento) L operazione di assottigliamento riduce la forma di un oggetto rendendo le linee più sottili. Dove * è l operazione di Hit / Miss Transform Immagini binarie A = imread ('thinning.tif'); B = bwmorph (A, 'thin', n); n è il numero di iterazioni. Quando n=inf si itera fino a quando non si hanno più variazioni possibili.
58 Thinning (assottigliamento)
59 Thickening (ispessimento) L operazione di ispessimento viene utilizzata per far crescere regioni opportunamente selezionate. Immagini binarie A = imread ('thickening.tif'); B = bwmorph (A, 'thicken', n); n è il numero di iterazioni. Quando n=inf si itera fino a quando non si hanno più variazioni possibili.
60 Thickening (ispessimento)
61 Skeletonization (scheletrizzazione ) La scheletrizzazione è un operazione morfologica che riduce gli oggetti in un immagine binaria ad un insieme di linee sottili che conservano l informazione rilevante sulla forma dell oggetto. Immagini binarie A = imread ('skeletonization.jpg'); B = bwmorph (A, 'skel', n);
62 Thickening (ispessimento)
63 Bridge Cerca gruppi di pixel non connessi e li congiunge cambiando lo 0 in 1. Immagini binarie ESEMPIO diventa A = imread ('image.png'); B = bwmorph (A, 'bridge', 1);
64 Bridge
65 Clean Questa operazione elimina pixel isolati. Ad esempio un singolo 1 circondato da tutti 0. Immagini binarie A = imread ('image.png'); B = bwmorph (A, 'clean', 1); ESEMPIO
66 Clean
67 Shrink Con questa operazione si rimuovono i pixel dell immagine in modo che gli oggetti senza fori si riducano ad un punto e quelli con dei fori si riducano ad un anello collegato a metà tra ciascun foro e il contorno esterno. Immagini binarie A = imread ('shrink.jpg'); B = bwmorph (A, 'shrink', n); Quando n=inf si riducono in punti gli oggetti dell immagine.
68 Shrink
69 Pixel Filling Questa operazione permette di riempire i pixel isolati situati all interno di un immagine binaria. Immagini binarie ESEMPIO A = imread ('pixel.jpg'); B = bwmorph (A, 'fill', 1);
70 Pixel Filling
71 Pixel Filling Invece, l operazione 'hbreak rimuove i pixel connessi diventa
72 REGION FILLING È un operazione che riempie i fori presenti in un immagine binaria o a scala di grigio. Un foro è definito come un area di pixel scuri circondati da pixel più chiari. Immagini binarie Immagini a scala di grigio A = imread ('regionfilling.png'); F = imfill (A, 'holes');
73 Region Filling
74 CONNECTED COMPONENTS È un operazione che permette di trovare le componenti connesse presenti in un immagine binaria. A = imread ('connected.jpg'); C = bwconncomp(a); Immagini binarie x = C.NumObjects; R = label2rgb(labelmatrix(c)); p=c.pixelidxlist; In particolare, l istruzione x = C.NumObjects restituisce il numero di componenti connesse individuate nell immagine e l istruzione p=c.pixelidxlist restituisce un cell array che contiene gli indici lineari dei pixel di ogni componente.
75 Vicini 4 connessi
76 Vicini 8 connessi
77 CONVEX HULL Calcola l involucro convesso di tutti gli oggetti presenti nell immagine trattandoli come un unico oggetto e restituisce un immagine binaria convessa. Immagini binarie A = imread ('convexhull.png'); Q = bwconvhull (A);
78 bwconvhull(a,'object');
79 bwconvhull(a,'union');
80 TOP HAT & BOTTOM HAT Una delle applicazioni principali di queste trasformazioni è la rimozione degli oggetti da un immagine attraverso un elemento strutturante che non si abbina agli elementi da rimuovere; la loro differenza porta ad avere un immagine in cui rimangono solo le componenti rimosse.
81 TOP HAT La trasformazione top-hat si usa per oggetti chiari su uno sfondo scuro (white top-hat) e viene spesso utilizzata per correggere efficacemente gli effetti di un illuminazione non uniforme (shading correction). Immagini binarie Immagini a scala di grigio A = imread ('tophat.png'); e = strel ('disk', 3 ); T = imtophat(a, e);
82 BOTTOM HAT La trasformazione bottom-hat si usa per oggetti scuri su uno sfondo chiaro (black top-hat) e viene spesso utilizzata per correggere efficacemente gli effetti di un illuminazione non uniforme (shading correction). Immagini binarie Immagini a scala di grigio A = imread ('bottomhat.png'); e = strel ('disk', 3 ); T = imbothat(a, e);
83 CORREZIONE ILLUMINAZIONE
84 Operatori morfologici per le immagini in scala di grigio
85 SE NON-FLAT Estendendo la morfologia ad immagini a scala di grigio si possono utilizzare elementi strutturanti di tipo non-flat dove ad ogni elemento è assegnato un valore di intensità, il cui intervallo di valori è lo stesso di quello dell'immagine a toni di grigio. SE = strel ('ball', R, H, N) Crea un elemento strutturante non-flat a forma di ellissoide, il cui raggio nel piano x-y è R e la cui altezza è H. R deve essere un intero non negativo H deve essere uno scalare reale N deve essere un intero non negativo
86 SE NON-FLAT Quando N > 0 l'elemento strutturante sferico è approssimato da una sequenza di N elementi strutturanti non-flat a forma di linea. Quando N = 0 non viene utilizzata alcuna approssimazione e i membri dell elemento strutturante consistono in tutti i pixel i cui centri non sono maggiori di R rispetto all'origine. I corrispondenti valori di altezza sono determinati dalla formula dell'ellissoide specificata da R e H. Se N non è specificato, il valore predefinito è 8. SE = strel ('ball', R, H, N)
87 Estensioni a immagini a scala di grigio E possibile generalizzare le tecniche di morfologia matematica a immagini a livelli di grigio. In questo caso: f(x, y): immagine di input; b(x, y): un elemento strutturale (una sottoimmagine); (x, y): coordinate intere. f e b sono funzioni che assegnano un livello di grigio a ciascuna coppia distinta di coordinate intere.
88
89 Dilatazione / Erosione a Toni di Grigio Dilation (f b)(s, t) = max{f(s - x, t - y) + b(x, y) (s - x) D f,(t - y) D f, (x, y) Db } dove D f, D b rappresentano rispettivamente i domini della f e della b. Se tutti i valori dell elemento strutturale sono positivi l immagine di output tende ad essere più chiara dell input. Dettagli scuri sono ridotti o eliminati a seconda del loro valore e della forma e del valore di b. Erosion (f Θb)(s, t) = min{f( s + x, t + y) b(x, y) (s + x) D f,(t + y) D f, (x, y) D b } dove D f, D b rappresentano rispettivamente i domini della f e della b. Se tutti i valori dell elemento strutturale sono positivi l immagine tende ad essere più scura dell input. Si può controllare il grado di schiarimento dei piccoli dettagli chiari a seconda del loro valore e della forma e del valore di b.
90 Dilation 1-D (f b)(s) = max{f(s - x) + b(x) (s - x) D f, (x) Db }
91 Erosion 1-D ( fθb)( s) = min{f(s + x) b(x) (s + x) D f, (x) D b }
92 A destra un esempio di opening e di closing su un segnale monodimensionale
93 Esempi Original Dilation Erosion
94
95 Esempi
96
Morfologia Matematica applicata alle Immagini Digitali
Morfologia Matematica applicata alle Immagini Digitali Daniela Garofalo Viviana Zimbone MORFOLOGIA MATEMATICA Branca della matematica rivolta all elaborazione delle immagini. Fornisce strumenti utili per:
DettagliMorfologia e Image Processing
Morfologia e Image Processing Multimedia Prof. Battiato Morfologia Matematica Nell ambito dell image processing il termine morfologia matematica denota lo studio della struttura geometrica dell immagine.
DettagliCorso di Elaborazione di Segnali Multimediali Elaborazione Morfologica delle Immagini
Corso di Elaborazione di Segnali Multimediali Elaborazione Morfologica delle Immagini Raffaele Gaetano 3 Giugno 2014 L analisi di immagini Tra le discipline informatiche, l analisi di immagini ha come
DettagliMorphological Image processing
Morphological Image processing Morfologia matematica La parola morfologia comunemente denota una parte della biologia che tratta con la forma e la struttura di organismi In analogia al termine biologico
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
DettagliFondamenti di Elaborazione di Immagini Morfologia Matematica. Raffaele Cappelli
Fondamenti di Elaborazione di Immagini Morfologia Matematica Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Introduzione alla morfologia matematica Notazione e concetti di base Gli operatori di
DettagliCapitolo 9 LA MORFOLOGIA APPLICATA ALLE IMMAGINI DIGITALI
Capitolo 9 LA MORFOLOGIA APPLICATA ALLE IMMAGINI DIGITALI La morfologia è una branca della biologia che ha a che fare con la forma degli animali e delle piante; nel nostro caso è un mezzo che ci serve
DettagliOperazioni morfologiche
Elaborazione di Segnali Multimediali a.a. 2013/2014 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso può
DettagliOperazioni morfologiche
Elaborazione dei Segnali Multimediali a.a. 2009/2010 Operazioni morfologiche L.Verdoliva Le tecniche di enhancement studiate finora si basano tipicamente su operazioni di tipo lineare, tuttavia spesso
DettagliINTRODUZIONE. Gli operatori della morfologia binaria sono operatori fra insiemi definiti a partire dell immagine binaria.
Capitolo 7 - Operatori Morfologici per Immagini Binarie INTRODUZIONE Gli operatori della morfologia binaria sono operatori fra insiemi definiti a partire dell immagine binaria. L immagine binaria, I, viene
DettagliAutomatic and Accurate Extraction of Road Intersections from Raster Maps
Automatic and Accurate Extraction of Road Intersections from Raster Maps Studente Francesco Vitagliani Introduzione L uso delle mappe è noto da tempi antichi. Oggi grazie alla diffusione di mappe raster,
DettagliIntroduzione a Matlab
Introduzione a Matlab Operatori Morfologici Fondamenti di Visione Artificiale a.a. 2015/2016 12/05/16 Introduzione a Matlab 1 Operatori Morfologici Dilation: The value of the output pixel is the maximum
DettagliIntroduzione a Matlab
Introduzione a Matlab Operatori Morfologici A cura di: Daniel Riccio http://www.dmi.unisa.it/people/riccio/www/teaching.htm http://www.dmi.unisa.it/people/nappi 08/04/2013 Introduzione a Matlab 1 Operatori
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
DettagliSharpening mediante filtraggio spaziale
Sharpening mediante filtraggio spaziale Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Sharpening Il termine sharpening
DettagliArray e Oggetti. Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1. Dispensa 12. A. Miola Dicembre 2006
Corso di Laurea Ingegneria Informatica Fondamenti di Informatica 1 Dispensa 12 Array e Oggetti A. Miola Dicembre 2006 http://www.dia.uniroma3.it/~java/fondinf1/ Array e Oggetti 1 Contenuti Array paralleli
DettagliFondamenti di Elaborazione di Immagini Topologia Digitale. Raffaele Cappelli
Fondamenti di Elaborazione di Immagini Topologia Digitale Raffaele Cappelli raffaele.cappelli@unibo.it Contenuti Metriche e distanze Trasformata distanza Contorno di un oggetto Etichettatura delle componenti
DettagliProblema ( ) = 0,!
Domanda. Problema ( = sen! x ( è! Poiché la funzione seno è periodica di periodo π, il periodo di g x! = 4. Studio di f. La funzione è pari, quindi il grafico è simmetrico rispetto all asse y. È sufficiente
Dettagli15 luglio Soluzione esame di geometria - Ing. gestionale - a.a COGNOME... NOME... N. MATRICOLA... ISTRUZIONI
15 luglio 01 - Soluzione esame di geometria - Ing. gestionale - a.a. 01-01 COGNOME.......................... NOME.......................... N. MATRICOLA............. La prova dura ore. ISTRUZIONI Ti sono
DettagliLaboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale
Dipartimento di Ingegneria dell Informazione Università degli Studi di Parma Laboratorio di Programmazione Laurea in Ingegneria Civile e Ambientale Algebra di Boole Stefano Cagnoni Algebra di Boole L algebra
DettagliL 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
DettagliDIPARTIMENTO DI MATEMATICA E INFORMATICA
DIPARTIMENTO DI MATEMATICA E INFORMATICA CORSO DI LAUREA SPECIALISTICA IN INFORMATICA MULTIMEDIA PROF S. BATTIATO RELAZIONE DEL PROGETTO: Estensione software ImageJ con tecniche di Morfologia matematica
DettagliAlessandra Raffaetà. La rappresentazione vettoriale
Lezione 0 S.I.T. PER LA VALUTAZIONE E GESTIONE DEL TERRITORIO Corso di Laurea Magistrale in Scienze Ambientali Alessandra Raffaetà Dipartimento di Informatica Università Ca Foscari Venezia La rappresentazione
DettagliCorso di Informatica
CdLS in Odontoiatria e Protesi Dentarie Corso di Informatica Prof. Crescenzio Gallo crescenzio.gallo@unifg.it Rappresentazione delle immagini 2 Rappresentazione delle immagini Le forme e i colori presenti
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
Dettaglisenza stato una ed una sola
Reti Combinatorie Un calcolatore è costituito da circuiti digitali (hardware) che provvedono a realizzare fisicamente il calcolo. Tali circuiti digitali possono essere classificati in due classi dette
Dettagli2. Coordinate omogenee e trasformazioni del piano
. Coordinate omogenee e trasformazioni del piano Nella prima sezione si è visto come la composizione di applicazioni lineari e di traslazioni porta ad una scomoda combinazione di prodotti matriciali e
DettagliII Università degli Studi di Roma
Versione preliminare gennaio TOR VERGATA II Università degli Studi di Roma Dispense di Geometria. Capitolo 3. 7. Coniche in R. Nel Capitolo I abbiamo visto che gli insiemi di punti P lineare di primo grado
DettagliGLI SPECCHI SPECCHI SFERICI (CONCAVI E CONVESSI) E PIANI
GLI SPECCHI SPECCHI SFERICI (CONCAVI E CONVESSI) E PIANI Specchi sferici In approssimazione parassiale l equazione dei punti coniugati in uno specchio sferico è l: posizione oggetto (S nella figura) l
DettagliSISTEMI INFORMATIVI GEOGRAFICI (GIS)
SISTEMI INFORMATIVI GEOGRAFICI (GIS) Prof. Dipartimento di Elettronica e Informazione Politecnico di Milano SISTEMA INFORMATIVO GEOGRAFICO E UN SISTEMA CHE USA SIA DATI SPAZIALI (CIOE BASATI SU RIFERIMENTI
DettagliDerivazione numerica. Introduzione al calcolo numerico. Derivazione numerica (II) Derivazione numerica (III)
Derivazione numerica Introduzione al calcolo numerico Il calcolo della derivata di una funzione in un punto implica un processo al limite che può solo essere approssimato da un calcolatore. Supponiamo
DettagliRichiami di Algebra di Commutazione
LABORATORIO DI ARCHITETTURA DEI CALCOLATORI lezione n Prof. Rosario Cerbone rosario.cerbone@libero.it http://digilander.libero.it/rosario.cerbone a.a. 6-7 Richiami di Algebra di Commutazione In questa
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
DettagliIntroduzione. Metodologia di lavoro
Introduzione La carta dell'acclività è derivata dal Modello Digitale del Terreno (D.T.M.) in scala 1:5000 realizzato utilizzando due distinte fonti informative, disponibili al momento della sua realizzazione:
DettagliPrimi passi con JFlex
Primi passi con JFlex Luca Chiodini Abstract Ci proponiamo di muovere i primi passi nel mondo dell analisi lessicale e della produzione automatica di un analizzatore lessicale. Verrà mostrato l uso di
DettagliAddizionatori: metodo Carry-Lookahead. Costruzione di circuiti combinatori. Standard IEEE754
Addizionatori: metodo Carry-Lookahead Costruzione di circuiti combinatori Standard IEEE754 Addizionatori Il circuito combinatorio che implementa l addizionatore a n bit si basa su 1-bit adder collegati
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
DettagliEQUAZIONE DELLA RETTA
EQUAZIONE DELLA RETTA EQUAZIONE DEGLI ASSI L equazione dell asse x è 0. L equazione dell asse y è 0. EQUAZIONE DELLE RETTE PARALLELE AGLI ASSI L equazione di una retta r parallela all asse x è cioè è uguale
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
DettagliRicordiamo brevemente come possono essere rappresentate le rette nel piano: 1) mediante un'equazione cartesiana. = ( p 1
Introduzione Nella computer grafica, gli oggetti geometrici sono definiti a partire da un certo numero di elementi di base chiamati primitive grafiche Possono essere punti, rette e segmenti, curve, superfici
DettagliDefinizioni. Esempi di alfabeti
Definizioni SIMBOLO: entità minima significativa STRINGA: sequenza finita di simboli giustapposti (lunghezza della stringa, stringa vuota) ALFABETO: insieme finito di simboli LINGUAGGIO: insieme di stringhe
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
DettagliEsercizi-Calcolo diretto di campo elettrico
1 CALCOLO DIRETTO CAMPO ELETTRICO Parte I Esercizi-Calcolo diretto di campo elettrico 1 Calcolo diretto campo elettrico Problema svolto 22.2 In figura vi sono due cariche q 1 = +8q e q 2 = 2q la prima
DettagliUnità aritmetica e logica
Aritmetica del calcolatore Capitolo 9 Unità aritmetica e logica n Esegue le operazioni aritmetiche e logiche n Ogni altra componente nel calcolatore serve questa unità n Gestisce gli interi n Può gestire
DettagliSPECCHI. Dalla posizione dell'immagine non emergono raggi luminosi; essa si trova sull'immaginario prolungamento dei raggi di luce riflessa.
SPECCHI SPECCHI PIANI Per specchio si intende un dispositivo la cui superficie è in grado di riflettere immagini di oggetti posti davanti a essa. Uno specchio è piano se la superficie riflettente è piana.
DettagliEsercizio 1. Esercizio 2
Sia data la matrice A A(α) = Esercizio α 2 2α 2 2, α R.) determinare per quali valori del parametro reale α é verificata la condizione necessaria e sufficiente di convergenza per il metodo di Jacobi;.2)
DettagliEsercizi svolti e da svolgere sugli argomenti trattati nella lezione 25
Esercizi svolti e da svolgere sugli argomenti trattati nella lezione 25 Esercizi svolti Es.. Si progetti in dettaglio il circuito che, dati quattro registri sorgente Si e quattro registri destinazione
DettagliCorso: Fondamenti di Informatica 1 (gruppo 8-9) Corsi di laurea: Area dell'informazione Questionario di autovalutazione 4
Corso: Fondamenti di Informatica 1 (gruppo 8-9) Corsi di laurea: Area dell'informazione Questionario di autovalutazione 4 Domanda n. 1 Argomento: Rappresentazione dell'informazione Domanda: Il numero binario
DettagliLa codifica delle immagini
Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
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
DettagliEsercizi di Fisica LB - Ottica
Esercizi di Fisica LB - Ottica Esercitazioni di Fisica LB per ingegneri - A.A. 2003-2004 Esercizio Un sistema ottico centrato è costituito (da sinistra a destra) da una lente sottile biconcava (l indice
DettagliEUROPEAN COMPUTER DRIVING LICENCE SYLLABUS VERSIONE 5.0
Pagina I EUROPEAN COMPUTER DRIVING LICENCE SYLLABUS VERSIONE 5.0 Modulo 4 Foglio elettronico Il seguente Syllabus è relativo al Modulo 4, Foglio elettronico, e fornisce i fondamenti per il test di tipo
DettagliLezione 6 Richiami di Geometria Analitica
1 Piano cartesiano Lezione 6 Richiami di Geometria Analitica Consideriamo nel piano due rette perpendicolari che si intersecano in un punto O Consideriamo ciascuna di queste rette come retta orientata
DettagliUn ripasso di aritmetica: Conversione dalla base 10 alla base 2
Un ripasso di aritmetica: Conversione dalla base 10 alla base 2 Dato un numero N rappresentato in base dieci, la sua rappresentazione in base due sarà del tipo: c m c m-1... c 1 c 0 (le c i sono cifre
DettagliLuigi Piroddi
Automazione industriale dispense del corso (a.a. 2008/2009) 10. Reti di Petri: analisi strutturale Luigi Piroddi piroddi@elet.polimi.it Analisi strutturale Un alternativa all analisi esaustiva basata sul
DettagliIl Concetto Intuitivo di Calcolatore. Esercizio. I Problemi e la loro Soluzione. (esempio)
Il Concetto Intuitivo di Calcolatore Elementi di Informatica e Programmazione Ingegneria Gestionale Università degli Studi di Brescia Docente: Prof. Alfonso Gerevini Variabile di uscita Classe di domande
DettagliGrandezze scalari e vettoriali
Grandezze scalari e vettoriali Per caratterizzare completamente una grandezza fisica, a volte è sufficiente dare soltanto un numero (scalare), mentre altre volte questo non è sufficiente. Massa, lunghezza,
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
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
DettagliSOLUZIONE DEL PROBLEMA 1 TEMA DI MATEMATICA ESAME DI STATO 2017
SOLUZIONE DEL PROBLEMA TEMA DI MATEMATICA ESAME DI STATO 7. Studiamo la funzione f() per verificare che il suo grafico sia compatibile con il profilo della pedana. Dominio della funzione. R Eventuali simmetrie
DettagliORDINAMENTO SESSIONE SUPPLETIVA QUESTIONARIO QUESITO 1
www.matefilia.it ORDINAMENTO 2003 - SESSIONE SUPPLETIVA QUESTIONARIO QUESITO Tra i rettangoli aventi la stessa area di 6 m 2 trovare quello di perimetro minimo. Indicate con x ed y le misure della base
DettagliSTRUMENTI DI RITOCCO. EDI II Strumenti di disegno e di ritocco 1
STRUMENTI DI RITOCCO EDI II Strumenti di disegno e di ritocco 1 STRUMENTO PENNELLO CORRETTIVO AL VOLO Campiona automanticamen te le zone limitrofe all area di utilizzo STRUMENTO PENNELLO CORRETTIVO Si
DettagliCompressione lossless di immagini composite
Compressione lossless di immagini composite Corso di Compressione Dati Sistemi Multimediali Compressi Compression Team Prof. Bruno Carpentieri A.A. 2007/2008 Overview Introduzione Analisi del problema
DettagliMetodo di Quine-McCluskey. Algoritmo. Sommario. Sommario. M. Favalli
Sommario Metodo di Quine-McCluskey M. Favalli Engineering Department in Ferrara 2 3 Sommario (ENDIF) Reti logiche / 46 Algoritmo (ENDIF) Reti logiche 2 / 46 2 3 Metodo esatto per la sintesi di reti a 2
Dettaglitrasformazione grafico Cosa si deve fare Esempio goniometrico
trasformazione grafico Cosa si deve fare Esempio goniometrico = cos + b>0 Traslazione verticale b 0 si sposta il grafico verso l alto, oppure l asse orizzontale verso il
DettagliFunzioni reali di variabile reale
Funzioni reali di variabile reale Consideriamo le seguenti situazioni: Il volume V di una sfera di raggio r è dato dalla formula V = 4 3 r3. Dopo t anni, la massa rimasta di una quantità iniziale m 0 di
DettagliProgetto Pilota Valutazione della scuola italiana. Anno Scolastico PROVA DI MATEMATICA. Scuola Secondaria Superiore.
Gruppo di lavoro per la predisposizione degli indirizzi per l attuazione delle disposizioni concernenti la valutazione del servizio scolastico Progetto Pilota Valutazione della scuola italiana Anno Scolastico
DettagliSistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila
Sistemi compatibili (Il metodo di Fourier-Motzkin) Claudio Arbib Università degli Studi di L Aquila Sommario 1. Sistemi di disequazioni lineari e poliedri 2. Poliedri e insiemi convessi 3. Disequazioni
DettagliLa codifica. dell informazione
La codifica dell informazione (continua) Codifica dei numeri Il codice ASCII consente di codificare le cifre decimali da 0 a 9 fornendo in questo modo un metodo per la rappresentazione dei numeri Il numero
DettagliEsercizi di Matematica per la prova di ammissione alla Scuola Galileiana /16
Esercizi di Matematica per la prova di ammissione alla Scuola Galileiana - 015/16 Esercizio 1 Per quali valori n Z \ {0} l espressione è un numero intero positivo? (n + 5)(n + 6) 6n Soluzione. Il problema
DettagliCalcolo Numerico con elementi di programmazione
Calcolo Numerico con elementi di programmazione (A.A. 2014-2015) Appunti delle lezioni sui metodi per la soluzione di sistemi di equazioni non lineari Sistemi di equazioni non lineari Un sistema di equazioni
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
DettagliLABORATORIO DI INFORMATICA ESERCITAZIONE VIII
LABORATORIO DI INFORMATICA ESERCITAZIONE VIII Cercate di eseguire gli esercizi da soli. Se non ci riuscite, cercate di capire i messaggi di errore. Se non ci riuscite, provateci di nuovo. Poi chiamate
DettagliINDICE 1 PREMESSA MODELLO DI CALCOLO UTILIZZATO PER LE VERIFICHE IDRAULICHE... 2
INDICE 1 PREMESSA... MODELLO DI CALCOLO UTILIZZATO PER LE VERIFICHE IDRAULICHE....1 DESCRIZIONE DEL MODELLO MATEMATICO.... DATI DI INPUT... 4.3 DATI DI OUTPUT... 5 3 VERIFICA IDRAULICA DELLO STATO ATTUALE...
Dettaglif(x) = sin cos α = k2 2 k
28 Maggio 2015 Il punteggio viene attribuito in base alla correttezza e completezza nella risoluzione dei quesiti, nonché alle caratteristiche dell esposizione: chiarezza, ordine ed organicità. La sufficienza
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
DettagliArgomenti Capitolo 1 Richiami
Argomenti Capitolo 1 Richiami L insieme dei numeri reali R si rappresenta geometricamente con l insieme dei punti di una retta orientata su cui sia stato fissato un punto 0 e un segmento unitario. L insieme
DettagliLa visione. Visione biologica ed elaborazione delle immagini
La visione Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Visione biologica ed elaborazione delle immagini La percezione
DettagliSoluzioni dei quesiti di matematica (3)
Facoltà d Ingegneria - Università Roma Tre 1 Soluzioni dei quesiti di matematica (3) 1) Anche senza usare i criteri di classificazione delle curve del second ordine, è possibile rendersi conto che l equazione
DettagliNote per la Lezione 6 Ugo Vaccaro
Progettazione di Algoritmi Anno Accademico 2016 2017 Note per la Lezione 6 Ugo Vaccaro Ancora sulla tecnica Programmazione Dinamica Nella lezione scorsa abbiamo appreso che la tecnica Divide-et-Impera,
DettagliCapitolo 1. Esercizi a.a Esercizi. Esercizio 1.1 Dimostrare che il metodo iterativo
Capitolo Esercizi a.a. 206-7 Esercizi Esercizio. Dimostrare che il metodo iterativo x k+ = Φ(x k ), k = 0,,..., se convergente a x, deve verificare la condizione di consistenza x = Φ(x ). Ovvero, la soluzione
Dettagli3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI
3.3 FORMULAZIONE DEL MODELLO E CONDIZIONI DI ESISTENZA DI UN PUNTO DI OTTIMO VINCOLATO Il problema di ottimizzazione vincolata introdotto nel paragrafo precedente può essere formulato nel modo seguente:
DettagliSIMULAZIONE - 29 APRILE QUESITI
www.matefilia.it SIMULAZIONE - 29 APRILE 206 - QUESITI Q Determinare il volume del solido generato dalla rotazione attorno alla retta di equazione y= della regione di piano delimitata dalla curva di equazione
Dettaglimisura. Adesso, ad un arbitrario punto P dello spazio associamo una terna di numeri reali x
4. Geometria di R 3. Questo paragrafo è molto simile al paragrafo : tratta infatti delle proprietà geometriche elementari dello spazio R 3. Per assegnare delle coordinate nello spazio, fissiamo innanzitutto
DettagliAnnamaria Mazzia. Corso di Metodi Numerici per l Ingegneria dispense e altro materiale su
Soluzione di un sistema non lineare con la Regula Falsi generalizzata per la determinazione degli angoli conico di taglio ed elicoidale di taglio di una cremagliera Annamaria Mazzia Dipartimento di Metodi
DettagliProdotto scalare e ortogonalità
Prodotto scalare e ortogonalità 12 Novembre 1 Il prodotto scalare 1.1 Definizione Possiamo estendere la definizione di prodotto scalare, già data per i vettori del piano, ai vettori dello spazio. Siano
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
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
DettagliCirconferenza. Matteo Tugnoli. February 26, 2012
Circonferenza Matteo Tugnoli February 26, 2012 Versione preliminare, NON esente da errori, se il lettore riscontrasse delle imprecisioni può gentilmente segnalarle a matteo_tugnoli@yahoo.it 1 Luogo dei
DettagliUniversità degli Studi di Palermo Facoltà di Economia. CdS Sviluppo Economico e Cooperazione Internazionale. Appunti del corso di Matematica
Università degli Studi di Palermo Facoltà di Economia CdS Sviluppo Economico e Cooperazione Internazionale Appunti del corso di Matematica 02 - I Numeri Reali Anno Accademico 2013/2014 D. Provenzano, M.
DettagliA grande richiesta, esercizi di matematica&.!
A grande richiesta, esercizi di matematica&.! A partire dalla conoscenza del grafico di f(x) = 1/x, disegna il grafico delle seguenti funzioni g(x) =1/(x+1) ; g(x) =1/(2x -1); g(x) =2 + 1/x ; g(x) =2-1/x
DettagliLa codifica delle immagini
Lettere e numeri non costituiscono le uniche informazioni utilizzate dagli elaboratori ma si stanno diffondendo sempre di più applicazioni che utilizzano ed elaborano anche altri tipi di informazione:
DettagliComplementi di Matematica e Calcolo Numerico A.A Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie
Complementi di Matematica e Calcolo Numerico A.A. 2010-2011 Laboratorio 11 - Metodi numerici per equazioni differenziali ordinarie Cosideriamo il seguente Problema di Cauchy: Trovare una funzione y : I
DettagliGeometria analitica del piano pag 25 Adolfo Scimone. Equazione della retta perpendicolare ad una retta data passante per un punto
Geometria analitica del piano pag 5 Adolfo Scimone Equazione della retta perpendicolare ad una retta data passante per un punto Consideriamo una retta r di equazione r: ax by sia P ( x y), un punto del
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
DettagliCorso di Laurea in Matematica Geometria 2. Foglio di esercizi n. 1 a.a Soluzioni
Corso di Laurea in Matematica Geometria 2 Foglio di esercizi n. 1 a.a. 2015-16 Soluzioni Gli esercizi sono presi dal libro di Manetti. Per svolgere questi esercizi, studiare con cura i paragrafi 3.1, 3.2,
DettagliFunzioni booleane. Vitoantonio Bevilacqua.
Funzioni booleane Vitoantonio Bevilacqua bevilacqua@poliba.it Sommario. Il presente paragrafo si riferisce alle lezioni del corso di Fondamenti di Informatica e Laboratorio di Informatica dei giorni 9
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
Dettagli1 Distanza di un punto da una retta (nel piano)
Esercizi 26/10/2007 1 Distanza di un punto da una retta (nel piano) Sia r = {ax + by + c = 0} una retta. Sia P = (p 1, p 2 ) R 2 un punto che non sta sulla retta r. Vogliamo vedere se si può parlare di
DettagliAppunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a
Appunti di Excel per risolvere alcuni problemi di matematica (I parte) a.a. 2001-2002 Daniela Favaretto* favaret@unive.it Stefania Funari* funari@unive.it *Dipartimento di Matematica Applicata Università
Dettagli