Operazioni puntuali. Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
|
|
- Gianleone Brunetti
- 5 anni fa
- Visualizzazioni
Transcript
1 Tipi di elaborazioni Operatori puntuali Look Up Table Istogramma
2 Analisi di Basso Livello In ingresso abbiamo le immagini provenienti dai sensori. In uscita si hanno un insieme di matrici ognuna delle quali descrive un particolare attributo (feature) rilevato sulla scena. Dal punti di vista computazionale: è indipendente dal tipo di applicazione finale; si basa su modelli statistici legati a proprietà locali; è legata al processo di riduzione dei disturbi e distorsioni del processo di acquisizione e trasmissione; prepara per l elaborazione successiva e è costituita da una trasformazione: IMMAGINE/IMMAGINE 2
3 Analisi di Basso Livello 3
4 Elaborazione di Livello Intermedio La descrizione per pixel della scena è troppo complessa per essere utile in applicazioni pratiche; Il primo passo per ottenere una descrizione significativa è la segmentazione. Per i segmenti si applicano dei descrittori. Complessivamente è una trasformazione: IMMAGINE/PARAMETRI 4
5 Elaborazione di Livello Intermedio Oggetto1: area:.. baricentro: Oggetto2: area:.. baricentro: Oggetto3: area:.. baricentro: 5
6 Elaborazione di Alto Livello Viene definita di alto livello in analogia alla visione umana. Utilizza tecniche di intelligenza artificiale. Richiede un modello della scena da analizzare. In ingresso ha dei descrittori, in uscita da una classificazione o una interpretazione. La quantità di dati proveniente dalla scena è limitata, spesso però è elevata la quantità di dati necessaria per descrivere il contesto operativo. Complessivamente è una trasformazione: PARAMETRI/SIMBOLI 6
7 Classificazione delle Tecniche di EI Per modalità di interazione: metodi automatici; metodi interattivi. Per tipo di operatore e estensione dell area coinvolta: puntuali; locali; globali. Per tipo di implementazione: seriali - paralleli - L elaborazione di un pixel dipende dalla elaborazione dei pixel precedenti (l ordine di elaborazione può cambiare il risultato) Ogni elaborazione è indipendente 7
8 Operatori Puntuali Definiamo con I(i,j) la funzione che restituisce il valore associato ad un particolare pixel. Una operazione puntuale genera una nuova immagine in cui il valore di ogni pixel dipende solo dal corrispondente valore dell immagine di partenza: O(i,j) = f[i(i,j)] Una operazione puntuale ha una complessità molto ridotta e può essere facilmente realizzata attraverso una tabella (LUT: Look Up Table) che associa ad ogni valore il risultato della funzione stessa. In(i, j) = f(iv(i,j)) imgnew[i][i] = lut[imgold[i][j]] 8
9 Implementazione Una trasformazione puntuale in generale può essere implementata in due passi Definizione di una LUT (regola di trasformazione) Utilizzo della LUT // immagine negativa (in toni di grigio) static public int[] lutnegativa() { int[] lut = new int[256]; for(int i=0; i<256; i++) lut[i] = 255 i; return lut; } // attenzione modifica i pixel originali static void applicalut(int[] pixels, int[] lut) { for(int i=0; i<pixels.length; i++) { pixels[i] = lut[pixels[i]]; } } // uso int[] LUT = lutnegativa(); applicalut(pixels, LUT); 9
10 Implementazione // immagine negativa (in toni di grigio) int* lutnegativa() { int *lut = malloc(256*sizeof(int)); for(int i=0; i<256; i++) lut[i] = 255 i; return lut; } // attenzione modifica i pixel originali void applicalut(int* pixels, int length, int* lut) { for(int i=0; i<length; i++) { pixels[i] = lut[pixels[i]]; } } // uso int* LUT = lutnegativa(); applicalut(pixels, w*h, LUT); 10
11 L istogramma L istogramma trasforma l immagine in un vettore. Ogni elemento i del vettore contiene il numero delle volte che il valore i è presente nell immagine stessa (o se il vettore è normalizzato la sua frequenza). Da un punto di vista implementativo data una immagine I(i,j) e il vettore istogramma H è necessario scandire l immagine e per ogni pixel incrementare H(I(i,j)). Per normalizzare il vettore al termine basta dividere per il prodotto righe per colonne. Per immagini multispettrali (per esempio a colori RGB) si opera un istogramma per ogni componente (o si converte preventivamente l immagine a colori in una a toni di grigio). 11
12 Immagine originale 12
13 Immagine negativa L istogramma risulta simmetrico rispetto all asse verticale LUT (n) = 255 n 13
14 Immagine normalizzata n min LUT (n) = 255 max min L istogramma copre l intero intervallo di valori disponibili 14
15 Immagine intensificata LUT (n) = 255 n L istogramma risulta traslato verso i valori alti (immagine più chiara) L operazione non è invertibile 15
16 Immagine oscurata L istogramma risulta traslato verso i valori bassi (immagine più scura) L operazione non è invertibile 2 n LUT (n) =
17 Lineare a banda ristretta 0 n a LUT (n) = 255 b a 255 se n< a se a n b se n> b b a Si evidenzia con il massimo di contrasto una porzione della banda dei grigi Caso limite con b=a-1 (si ottiene una immagine con 2 soli valori) 17
18 Correzione gamma n LUT (n) = γ 18
19 Correzione gamma Permette di compensare le differenze di luminosità in monitor diversi Si applica ad ogni singolo canale (colore) 19
20 Correzione gamma γ=1/2 Originale (γ=1) γ=1/3 γ=1/4 20
21 Immagine equalizzata n LUT (n) = 255 hist è il vettore istogramma hist (i ) hist (i ) i= i= 0 Si cerca di ottenere una immagine in cui ogni tonalità è presente con la stessa frequenza 21
22 Immagine equalizzata 22
23 Rappresentazione bit-plane 23
24 Segmentazione Ricerca di regioni uniformi Binarizzazione Ricerca di contorni Accrescimento di regioni Inseguimento di contorni 24
25 Binarizzazione Vi sono applicazioni che per loro natura possono essere considerate binarie: Stampati, dattiloscritti Parti meccaniche piatte di superficie omogenea Immagini microscopiche di cellule, cromosomi... Difatti spesso appaiono numerosi livelli di grigio a causa di: Rumore elettrico generato dalla telecamera Illuminazione non omogenea della scena Ineguale sensibilità dell'obiettivo al centro e ai bordi 25
26 Distribuzione bimodale Possibili approcci: Ricerca del minimo Criteri statistici 26
27 Distribuzione bimodale 27
28 Binarizzazione a soglia costante È la soluzione più semplice y(x) = 0 se x < S // x valori del pixel originale y(x) = 255 altrimenti // y valore del pixel prodotto il problema è la scelta della soglia (threshold) S per esempio trovare l immagine a due valori che minimizza la differenza rispetto all immagine originale y(x) = a? x < s : b; Voglio minimizzare: err ( S ) = ( imm(i) bin(i, S )) 2 i I valori dell'immagine binarizzata sono le medie dei valori dell'immagine originaria sulle due regioni (si veda il metodo di Otsu 28
29 Esempio pezzo Immagine originale Immagine binarizzata 29
30 Esempio Vela Soglia =
31 Esempio Orso 31
32 Esempio Cerchio 32
33 Binarizzazione a soglia variabile La soglia è una funzione dell intorno del pixel considerato 33
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
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
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
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
DettagliElaborazione di immagini. Trasformare e migliorare. Scopi dell elaborazione. Tipi di elaborazione
Elaborazione di immagini Trasformare e migliorare Procedimento che data un immagine originale f(x,y) ne generi una nuova g(x,y) i cui pixel siano stati trasformati secondo un determinato algoritmo. f(x,y)
DettagliAL DI LA DELLE IMMAGINI
AL DI LA DELLE IMMAGINI Lucia Della Croce Giulia Maggi Ada Pulvirenti - Giuseppe Toscani Dipartimento di Matematica Università di Pavia Piano Lauree Scientifiche Broni - I. I. S. Faravelli 7 Dicembre 2010
DettagliTrasformare e migliorare
Trasformare e migliorare Elaborazione di immagini Da f(x,y) a g(x,y) pixel trasformati secondo un determinato algoritmo f(x,y) g(x,y) Scopi dell elaborazione Eliminazione dei disturbi Esaltazione dei particolari
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
DettagliImage Processing. Dispense del corso di Elaborazione di Immagini e Audio Digitali. Prof. Roberto Vezzani.
http://imagelab.ing.unimo.it Dispense del corso di Elaborazione di Immagini e Audio Digitali Image Processing Prof. Roberto Vezzani Immagini digitali IMMAGINE e una funzione D acquisita con opportuni sensori
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
DettagliEqualizzazione di istogrammi
Equalizzazione di istogrammi Stefano Ferrari Università degli Studi di Milano stefanoferrari@unimiit Tecniche di calcolo e sistemi operativi e informatica academic year 217 218 Istogramma L istogramma
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
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
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,
DettagliElaborazione dei dati
Elaborazione dei dati Corso di Laurea Magistrale in SIT&TLR a.a. 2009/10 Ing. Claudio La Mantia pkt006-179-3.0 4/5 info@planetek.it rgomenti della lezione 1. nalisi delle immagini multispettrali 2. nalisi
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
DettagliElaborazione di immagini. I filtri Digital Image Processing
Elaborazione di immagini I filtri Digital Image Processing Tre livelli di image processing Basso livello Filtro di smoothing Tre livelli di image processing Medio livello Contrast saliency region detection,
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
DettagliTelecamere per la vision artificiale. Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo
Telecamere per la vision artificiale Corso di Robotica Prof. Davide Brugali Università degli Studi di Bergamo Immagini monocromatiche Ogni cella corrisponde ad un bit. Y Row 1 1 1 1 q X 0: nero 1: bianco
DettagliAcquisizione e rappresentazione di immagini
Acquisizione e rappresentazione di immagini Stefano Ferrari Università degli Studi di Milano stefano.ferrari@unimi.it Elaborazione delle immagini anno accademico 2009 2010 Radiazione elettromagnetica λ
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
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
DettagliFunzioni per la descrizione delle immagini
Funzioni per la descrizione delle immagini Problemi della rappresentazione in piel Visti i limiti del template matching, non è pensabile di realizzare un sistema efficiente di riconoscimento che si basa
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
DettagliL immagine. Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale
L immagine Meccanismi della visione umana Come si genera un immagine Caratteristiche dell acquisizione L immagine digitale Da dove vengono le immagini? Il principale (e più familiare, in quanto legato
DettagliINTRODUZIONE. Immagini microscopiche di cellule, cromosomi etc..
Capitolo 6 - Segmentazione dell Immagine 1 INTRODUZIONE In numerosissime applicazioni le immagini da elaborare sono intrinsecamente binarie: l immagine ideale della scena è costituita da due soli livelli
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
DettagliEsposizione riassuntiva
Esposizione riassuntiva L elaborazione elettronica di immagini e video riveste un ruolo importante nello sviluppo di tecnologie per la sicurezza. Le telecamere per videosorveglianza sono molto diffuse
DettagliElementi di grafica raster
Elementi di grafica raster Le immagini Una immagine è una rappresentazione spaziale di un oggetto o di una scena Una immagine digitale è una rappresentazione di una scena anche 3D dopo il processo di acquisizione
DettagliLezione 14: La visione robotica
Robotica Robot Industriali e di Servizio Lezione 14: La visione robotica L'acquisizione dell'immagine L acquisizione dell immagine Sensori a tubo elettronico (Image-Orthicon, Plumbicon, Vidicon, ecc.)
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
DettagliIl ranking di pagine web
Il ranking di pagine web Consideriamo l insieme delle pagine web con i relativi link. Questo può essere considerato come un grafo orientato (con miliardi di nodi). Concentriamoci su l esempio più piccolo
DettagliLaboratorio di Segnali e Sistemi A. A. 2009/ Lezione 5: Immagini
Laboratorio di Segnali e Sistemi A. A. 2009/ 2010 Lezione 5: Immagini 28 maggio 2010 Introduzione Immagini: risultato di un sistema di acquisizione/elaborazione/visualizzazione della radiazione EM visibile
Dettagli1) Probabilità di errore di trasmissione. 2) Capacità di canale. 3) Esempi di calcolo della capacità. 4) Disuguaglianza di Fano
Argomenti della Lezione 1) Probabilità di errore di trasmissione ) Capacità di canale 3) Esempi di calcolo della capacità 4) Disuguaglianza di Fano 5) Teorema inverso della codifica di canale 1 Probabilità
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
DettagliProf. Massimiliano Giacomin 22 dicembre NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli
INFORMATICA E PROGRAMMAZIONE Prof. Massimiliano Giacomin 22 dicembre 2016 NOME: COGNOME: MATR: Scrivere nome, cognome e matricola chiaramente in caratteri maiuscoli 1. Si consideri il seguente codice per
DettagliImmagini binarie. Binarizzazione di immagini a livelli di grigio
Immagini binarie Binarizzazione di immagini a livelli di grigio Immagini binarie In molti casi gli le scene di interesse conducono ad immagini che possono essere considerate binarie, cioè contenenti nel
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
DettagliLe immagini digitali. Grafica. Due approcci alla modellazione grafica
Le immagini digitali 1 Grafica Due approcci alla modellazione grafica Grafica bit-map Immagine è rappresentata come un insieme di punti (pixel) esattamente come sul monitor Non sempre i pixel logici dell
DettagliAlgoritmi per il riconoscimento dell iride
Algoritmi per il riconoscimento dell iride 1 L O C A L B I N A R Y P A T T E R N - S C A L E I N V A R I A N T F E A T U R E T R A S F O R M - C U M U L A T I V E S U M S A cura di: Chiara Galdi http://biplab.unisa.it/
DettagliLa codifica video. Il codificatore ibrido. Principi di base Compressione spaziale Tecniche di predizione temporale Stima e compensazione del movimento
La codifica video Marco Cagnazzo Elaborazione dei Segnali Multimediali Sommario Il segnale video La codifica video Principi di base Compressione spaziale Tecniche di predizione temporale Stima e compensazione
DettagliSistemi di Elaborazione delle Informazioni 6 CFU
Università degli Studi di Palermo Dipartimento di Ingegneria Chimica, Gestionale, Informatica, Meccanica Sistemi di Elaborazione delle Informazioni 6 CFU Anno Accademico 2015/2016 Docente: ing. Salvatore
DettagliU n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o. Guido Vicino
U n i v e r s i t à d e l P i e m o n t e O r i e n t a l e A m e d e o A v o g a d r o Corso di Laurea Specialistica in Informatica dei Sistemi Avanzati e dei Servizi di Rete Studio introduttivo alle
DettagliCorso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.
Corso di Laurea in Informatica, Corso di Laurea in Matematica Matematica computazionale (6 cfu), Ottimizzazione (8 cfu) a.a.0-4 Programmazione lineare Domande di ripasso Definizioni e risultati teorici.
DettagliAnalisi multivariata per osservazioni appaiate. Analisi multivariata per osservazioni appaiate
Introduzione Notazione Modello additivo Verifica d ipotesi Sia X una variabile q-dimensionale, a valori reali, non degenere, osservata in k tempi diversi (τ 1, τ 2,..., τ k ), sulle stesse n unità statistiche
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
DettagliINTRODUZIONE INTRODUZIONE TABELLE HASH FUNZIONE HASH
INTRODUZIONE INTRODUZIONE Una tabella hash è una struttura dati che permette operazioni di ricerca e inserimento molto veloci: in pratica si ha un costo computazionale costante O(1). Si ricorda che la
DettagliIl contrasto. La percezione del contrasto. Contrasto e filling-in. Il contrasto simultaneo. Le distribuzioni di luminanza (ii)
20 Aprile 2006 Corso di Laurea in Informatica Multimediale Facoltà di Scienze MMFFNN Università di Verona Il contrasto La percezione del contrasto Chiara Della Libera DSNV Università di Verona Sezione
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
DettagliTelerilevamento e Modellistica Forestale
Telerilevamento e Modellistica Forestale Lezione 3 Immagini digitali e visualizzazione Dario Papale Contributi: Vern Vanderbilt, TA- Quinn Hart, CCRS Radiazione riflessa Diverse superfici riflettono parte
DettagliCenni di fotogrammetria LE IMMAGINI DIGITALI
Cenni di fotogrammetria LE IMMAGINI DIGITALI Hardcopy fotogrammetry: è la fotogrammetria che usa immagini di tipo analogico Softcopyfotogrammetry: è la fotogrammetria che usa immagini di tipo digitale
DettagliElaborazione delle immagini
Dipartimento di Fisica a.a. 4/5 Fisica Medica Elaborazione delle immagini 5/4/5 Processamento Una mappatura di tipo esponenziale mostra un immagine del tipo Intensità d uscita Intensità in entrata L =
DettagliL2 Operazioni su buffer di memoria. Corso di Visione Artificiale A.A. 2016/2017
L2 Operazioni su buffer di memoria Corso di Visione Artificiale A.A. 2016/2017 Argomenti Puntatori in C Primitive base di OpenCV AA 2016/2017 Visione Artificiale 2 Puntatori in C Un puntatore è una variabile
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
DettagliSistemi di Elaborazione delle Informazioni 6 CFU
Università degli Studi di Palermo Dipartimento dell Innovazione Industriale e Digitale Sistemi di Elaborazione delle Informazioni 6 CFU Anno Accademico 2016/2017 Docente: ing. Salvatore Sorce Rappresentazione
DettagliDal problema al programma: introduzione al problemsolving. Capitolo 1: Introduzione G. Cabodi, P. Camurati, P. Pasini, D. Patti, D.
Dal problema al programma: introduzione al problemsolving in linguaggio C Capitolo 1: Introduzione G. Cabodi, P. Camurati, P. Pasini, D. Patti, D. Vendraminetto 2016 1 Il problem-solving Attività del pensiero
DettagliClassificazione di immagini aeree. Annalisa Franco
Classificazione di immagini aeree Annalisa Franco annalisa.franco@unibo.it http://bias.csr.unibo.it/vr/ 2 Classificazione di immagini aeree Scopo di questa esercitazione è l implementazione di una tecnica
DettagliSistemi di Elaborazione dell Informazione 170. Caso Non Separabile
Sistemi di Elaborazione dell Informazione 170 Caso Non Separabile La soluzione vista in precedenza per esempi non-linearmente separabili non garantisce usualmente buone prestazioni perchè un iperpiano
DettagliPreprocessamento di immagini per la classificazione in GRASS
Preprocessamento di immagini in GRASS Preprocessamento di immagini per la classificazione in GRASS Marco Ciolli 1, Clara Tattoni 2, Alfonso Vitti 1, Paolo Zatelli 1 1 Dipartimento di Ingegneria Civile,
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
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 Informatica. Dipartimento di Scienze Fisiche -- Università di Napoli Federico II. Colori. Sistemi Informativi Multimediali
Colori 1 La Percezione dei Colori Immanuel Kant (Königsberg,, 1724-1804) 1804) tratta il fenomeno (Phainomenon)) percepito secondo quello che appare e non nella sua reale essenza 2 Rappresentazione dei
DettagliL2 Elaborazione di immagini in C/C++
L2 Elaborazione di immagini in C/C++ Corso di Visione Artificiale Ing. Luca Mazzei AA 2009/2010 Visione Artificiale 2 Formato immagini Utilizziamo il formato PGM PPM P4 = PBM P5 = PGM P6 = PPM P5 320 240
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
DettagliSistemi Informativi Territoriali. Paolo Mogorovich Quantum GIS - QGIS. Dati raster - Tecniche di rappresentazione
I valori dei pixel di un layer raster formano un insieme che, a seconda del tipo di immagine, presenta caratteristiche diverse. Sistemi Informativi Territoriali Paolo Mogorovich www.di.unipi.it/~mogorov
DettagliStatistica. Alfonso Iodice D Enza
Statistica Il e Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 21 Outline Il e 1 2 3 Il 4 e 5 () Statistica 2 / 21 Il e Due distribuzioni aventi stessa posizione
DettagliLa rappresentazione cartografica è una forma di descrizione del territorio fondata sulla restituzione delle relazioni spaziali di elementi geografici
Cartografia digitale e modelli di dati spaziali modelli vettoriali e modelli raster La descrizione cartografica La rappresentazione cartografica è una forma di descrizione del territorio fondata sulla
DettagliLE VARIABILI CASUALI A 1, A 2.,..., A k., p 2.,..., p k. generati da una specifica prova sono necessari ed incompatibili:
LE VARIABILI CASUALI Introduzione Data prova, ad essa risultano associati i k eventi A, A,..., A k con le relative probabilità p, p,..., p k. I k eventi A i generati da una specifica prova sono necessari
DettagliAnalisi dell associazione tra due caratteri
Analisi dell associazione tra due caratteri Non ci accontentiamo di analizzare il singolo fenomeno, considerato indipendentemente da altri fenomeni Ci interessano le relazioni che possono esistere tra
DettagliConversione Analogico/Digitale
Conversione Analogico/Digitale 1 Fondamenti di Segnali e Trasmissione Conversione analogico/digitale (A/D) Per rappresentare numericamente un segnale continuo nel tempo e nelle ampiezze è necessario: Campionare
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
DettagliReti Neurali in Generale
istemi di Elaborazione dell Informazione 76 Reti Neurali in Generale Le Reti Neurali Artificiali sono studiate sotto molti punti di vista. In particolare, contributi alla ricerca in questo campo provengono
DettagliTeoria e tecniche dei test. Concetti di base
Teoria e tecniche dei test Lezione 2 2013/14 ALCUNE NOZIONI STATITICHE DI BASE Concetti di base Campione e popolazione (1) La popolazione è l insieme di individui o oggetti che si vogliono studiare. Questi
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Codici a blocchi e codici convoluzionali Matrice di controllo di parità I decodificatori
DettagliOutline. 1 La forma di una distribuzione. 2 Indici di asimmetria. 3 Indice di asimmetria per variabili qualitative ordinate.
Statistica Alfonso Iodice D Enza iodicede@unicas.it Università degli studi di Cassino () Statistica 1 / 22 Outline 1 2 3 4 5 6 () Statistica 2 / 22 Due distribuzioni aventi stessa posizione e variabilità
DettagliTEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE
TEORIA DEGLI ERRORI DI MISURA, IL CALCOLO DELLE INCERTEZZE Errore di misura è la differenza fra l indicazione fornita dallo strumento e la dimensione vera della grandezza. Supponendo che la grandezza vera
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 di Matematica e Informatica 1
Laboratorio di Matematica e Informatica 1 Matteo Mondini Antonio E. Porreca matteo.mondini@gmail.com porreca@disco.unimib.it Dipartimento di Informatica, Sistemistica e Comunicazione Università degli Studi
DettagliSECONDA PROVA INTERMEDIA DEL MODULO DI
SECONDA PROVA INTERMEDIA DEL MODULO DI CORSO DI LAUREA IN INGEGNERIA ELETTRICA, ELETTRONICA ED INFORMATICA CORSO DI LAUREA IN INGEGNERIA BIOMEDICA ISCRITTI ALL A.A. 2017/18 e precedenti 3 giugno 2019 NOME:
DettagliEsercitazioni del Corso di Fondamenti di Informatica ARRAY. Prof. Giuseppe Manco. A cura di Ing. Andrea Tagarelli
Esercitazioni del Corso di Fondamenti di Informatica ARRAY Prof. Giuseppe Manco A cura di Ing. Andrea Tagarelli ESERCIZIO 1 public static int[] elaboravettore (int[] v) che verifica che gli elementi di
DettagliControllo Visuale. Prof. Bruno Siciliano
Controllo Visuale Le misure visive sono misure dell ambiente non invasive o Usate per il controllo di alto livello Es. per la pianificazione o Usate per controllo basso livello Es. direttamente nell anello
DettagliTecnologie Multimediali a.a. 2017/2018. Docente: DOTT.SSA VALERIA FIONDA
Tecnologie Multimediali a.a. 2017/2018 Docente: DOTT.SSA VALERIA FIONDA Modifica dei colori Trasformazioni di colore Le trasformazioni di colore alterano i colori che compongono l'immagine, senza alterarne
DettagliIng. Alessandro Putaggio
PROVINCIA REGIONALE DI TRAPANI UFFICIO DEL PIANO EX ART. 12 L.R. 9/86 NODO PROVINCIALE SISTEMA INFORMATIVO TERRITORIALE REGIONALE EGIONALE Acquisizioni dati territoriali Giornata di Formazione sui Sistemi
DettagliF. Milotta Ph.D. Student
F. Milotta Ph.D. Student milotta@dmi.unict.it Le immagini digitali Rappresentazione delle immagini digitali Luce incidente e luce riflessa Immagini vettoriali e raster Operazioni affini sulle immagini
DettagliSPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE
SPAZI EUCLIDEI, APPLICAZIONI SIMMETRICHE, FORME QUADRATICHE. Esercizi Esercizio. In R calcolare il modulo dei vettori,, ),,, ) ed il loro angolo. Esercizio. Calcolare una base ortonormale del sottospazio
DettagliComunicazioni Elettriche II
Comunicazioni Elettriche II Laurea Magistrale in Ingegneria Elettronica Università di Roma La Sapienza A.A. 2017-2018 Capacità del canale discreto Teoria dell informazione Sorgente Codificatore di sorgente
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
DettagliINDICE PARTE METODOLOGICA
INDICE PARTE METODOLOGICA 1. Il processo di ricerca 1.1.Individuazione di un problema e formulazione delle ipotesi 1.2.Individuazione e definizione operativa delle variabili 1.2.1. Le variabili definite
DettagliIntroduzione a Matlab
Introduzione a Matlab Contrasto, Soglia, Rumore Fondamenti di Visione Artificiale a.a. 2015/2016 07/04/16 Introduzione a Matlab 1 Istogramma di un immagine Conta il numero di occorrenze di ciascuna tonalità,
DettagliControllo Visuale. Prof. Bruno Siciliano
Controllo Visuale Le misure visive sono misure dell ambiente non invasive o Usate per il controllo di alto livello Es. per la pianificazione o Usate per controllo basso livello Es. direttamente nell anello
DettagliClustering. Clustering
1/40 Clustering Iuri Frosio frosio@dsi.unimi.it Approfondimenti in A.K. Jan, M. N. Murty, P. J. Flynn, Data clustering: a review, ACM Computing Surveys, Vol. 31, No. 3, September 1999, ref. pp. 265-290,
Dettaglicome segue: data una collezione C di elementi e una un elemento che verifica la proprietà P
Problemi di Ricerca Carla Binucci e Walter Didimo Il problema della Ricerca In generale, il Problema della Ricerca è definito come segue: data una collezione C di elementi e una proprietà P, determinare
DettagliTrasformazione elementari di Givens
Trasformazione elementari di Givens dove Osservazione Esprime una rotazione di ampiezza ϕ Esempio (n=2) Osservazione Rotazione nel senso positivo degli archi In generale Il prodotto matrice vettore equivale
DettagliCorrezione radiometrica
Correzione radiometrica Correzione delle immagini I dati raccolti dai sensori per telerilevamento necessitano, prima dell utilizzo nelle applicazioni, di una serie di correzioni per eliminare o limitare
DettagliANALISI MULTIDIMENSIONALE DEI DATI (AMD)
ANALISI MULTIDIMENSIONALE DEI DATI (AMD) L Analisi Multidimensionale dei Dati (AMD) è una famiglia di tecniche il cui obiettivo principale è la visualizzazione, la classificazione e l interpretazione della
Dettagli