Morphological Image processing



Documenti analoghi
Morfologia e Image Processing

INTRODUZIONE. Gli operatori della morfologia binaria sono operatori fra insiemi definiti a partire dell immagine binaria.

Operazioni morfologiche

Algebra Booleana 1 ALGEBRA BOOLEANA: VARIABILI E FUNZIONI LOGICHE

Corso di Matematica per la Chimica

Teoria degli insiemi

1. PRIME PROPRIETÀ 2

ALGEBRA DELLE PROPOSIZIONI

Dimensione di uno Spazio vettoriale

Corrispondenze e funzioni

MATEMATICA. { 2 x =12 y 3 y +8 x =0, si pone il problema di trovare, se esistono, un numero x ed un numero y che risolvano entrambe le equazioni.

DIPARTIMENTO DI MATEMATICA E INFORMATICA

Funzioni funzione dominio codominio legge argomento variabile indipendente variabile dipendente

2 Argomenti introduttivi e generali

Le immagini digitali. Le immagini digitali. Caterina Balletti. Caterina Balletti. Immagini grafiche. Trattamento di immagini digitali.

Appunti sulla Macchina di Turing. Macchina di Turing

MATLAB. Caratteristiche. Dati. Esempio di programma MATLAB. a = [1 2 3; 4 5 6; 7 8 9]; b = [1 2 3] ; c = a*b; c

TRASFORMAZIONI GEOMETRICHE NEL PIANO. Parte 1

Corso di Calcolo Numerico

Morfologia e Image Processing. Multimedia

Sistemi Informativi Territoriali. Map Algebra

CONI, CILINDRI, SUPERFICI DI ROTAZIONE

4 3 4 = 4 x x x 10 0 aaa

Un ripasso di aritmetica: Conversione dalla base 10 alla base 16

ELABORAZIONE DI DATI TRIDIMENSIONALI - RELAZIONE HOMEWORK 2

LEZIONE 31. B i : R n R. R m,n, x = (x 1,..., x n ). Allora sappiamo che è definita. j=1. a i,j x j.

4. Operazioni elementari per righe e colonne

Fondamenti di Elaborazione di Immagini Estrazione dei Bordi e Segmentazione. Raffaele Cappelli raffaele.cappelli@unibo.it

Introduzione all elaborazione di immagini Part II

Trasformazioni 2D. Grande differenza rispetto alla grafica raster!

10. Insiemi non misurabili secondo Lebesgue.

APPUNTI DI MATEMATICA ALGEBRA \ INSIEMISTICA \ TEORIA DEGLI INSIEMI (1)

Matematica e Statistica

LE FUNZIONI A DUE VARIABILI

Lezione 1. Gli Insiemi. La nozione di insieme viene spesso utilizzata nella vita di tutti i giorni; si parla dell insieme:

Calcolatori: Algebra Booleana e Reti Logiche

Dal menù a tendina File, scegliere l opzione Open

Funzioni inverse Simmetrie rispetto alla bisettrice dei quadranti dispari. Consideriamo la trasformazione descritta dalle equazioni : = y

Informatica 3. LEZIONE 21: Ricerca su liste e tecniche di hashing. Modulo 1: Algoritmi sequenziali e basati su liste Modulo 2: Hashing

Il Modello Relazionale

Corso di Visione Artificiale. Filtri parte I. Samuel Rota Bulò

Librerie digitali. Video. Gestione di video. Caratteristiche dei video. Video. Metadati associati ai video. Metadati associati ai video

Il concetto di valore medio in generale

Un ripasso di aritmetica: Rappresentazione binaria - operazioni. riporti

Operatori logici e porte logiche

1 Giochi a due, con informazione perfetta e somma zero

Immagini binarie. Binarizzazione di immagini a livelli di grigio

Teoria in sintesi 10. Attività di sportello 1, 24 - Attività di sportello 2, 24 - Verifica conclusiva, 25. Teoria in sintesi 26

09 - Funzioni reali di due variabili reali

Lezione 8. La macchina universale

e-dva - eni-depth Velocity Analysis

Testi di Esercizi e Quesiti 1

I sistemi di numerazione

FUNZIONI ELEMENTARI - ESERCIZI SVOLTI

Informatica B a.a 2005/06 (Meccanici 4 squadra) PhD. Ing. Michele Folgheraiter

Matematica generale CTF

Luigi Piroddi

Prova scritta di Geometria 2 Prof. M. Boratynski

Funzioni in C. Violetta Lonati

ESERCIZI SVOLTI. 1) Dimostrare che l insieme. non è ricorsivo. Soluzione: Definiamo l insieme

LA TRASMISSIONE DELLE INFORMAZIONI QUARTA PARTE 1

Plate Locator Riconoscimento Automatico di Targhe

Analisi Matematica di circuiti elettrici

Università degli Studi di Roma Tor Vergata. Corso di Laurea in Ingegneria Meccanica

x 1 + x 2 3x 4 = 0 x1 + x 2 + x 3 = 0 x 1 + x 2 3x 4 = 0.

Corso di. Dott.ssa Donatella Cocca

Esempi di funzione. Scheda Tre

a) Il campo di esistenza di f(x) è dato da 2x 0, ovvero x 0. Il grafico di f(x) è quello di una iperbole -1 1

2.1 Definizione di applicazione lineare. Siano V e W due spazi vettoriali su R. Un applicazione

( x) ( x) 0. Equazioni irrazionali

(anno accademico )

Progettare una base di dati che permetta di gestire il problema descritto nel seguito, nei seguenti punti:

Lezioni di Matematica 1 - I modulo

2. Leggi finanziarie di capitalizzazione

Elementi di Algebra Relazionale

Come costruire una presentazione. PowerPoint 1. ! PowerPoint permette la realizzazione di presentazioni video ipertestuali, animate e multimediali

Grandezze scalari e vettoriali

ESAME DI STATO DI LICEO SCIENTIFICO CORSO SPERIMENTALE P.N.I. 2004

Parte 1. Vettori di bit - AA. 2012/13 1.1

La scelta in condizioni di incertezza

1. Sia dato un poliedro. Dire quali delle seguenti affermazioni sono corrette.

Intelligenza Artificiale

Codifica delle Informazioni

Cos è un Calcolatore?

RETTE, PIANI, SFERE, CIRCONFERENZE

Trasformazioni Geometriche 1 Roberto Petroni, 2011

MOMENTI DI INERZIA. m i. i=1

VETTOR DAL BITMAP AL VETTORIALE. Paolo Mantini TEORIA E PRATICA DELLA CONVERSIONE DELLE IMMAGINI DA RASTER A VETTORIALI

Un esempio di applicazione della programmazione lineare intera all ingegneria del software: stima del worst-case execution time di un programma

15 febbraio Soluzione esame di geometria - 12 crediti Ingegneria gestionale - a.a COGNOME... NOME... N. MATRICOLA...

Calcolo delle Probabilità

RISOLUTORE AUTOMATICO PER SUDOKU

LEZIONI N 24 E 25 UNIONI SALDATE

CONVESSITÀ NELLA GEOMETRIA DEL TAXI DI MINKOWSKI

Lezione 5. Fogli di calcolo

Transcript:

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 gli operatori morfologici matematici effettuano elaborazioni sulla forma di un oggetto

Morfologia matelatica Nell ambito dell image processing il termine morfologia matematica denota lo studio della struttura geometrica dell immagine Fornisce uno strumento per estrarre in una immagine componenti utili nella rappresentazione e descrizione della forma di una regione, quali contorni, scheletro, ecc. E uno strumento matematico definito inizialmente su immagini binarie ma facilmente estensibile ad immagini a toni di grigio e quindi a colori. Image analysis Analisi della forma di una regione Obiettivo: Distinguere le informazioni significative sulla forma da quelle irrilevanti Ad esempio estrazione di un profilo

Image analysis L analisi di una immagine può richiedere l estrazione di misure caratteristiche delle sue regioni Ad esempio misure geometriche quali posizione di un oggetto orientazione area e perimetro Definizioni preliminari Il linguaggio della morfologia matematica è la teoria degli insiemi L insieme dei pixel di una immagine si può vedere come un elemento dello spazio degli interi Z 2 oppure Z 3 Immagini binarie (0 = black, 1 = white): una immagine è descritta come un insieme A di coppie di coordinate (x,y), di pixel di valore ad esempio 1. L insieme A è definito in Z 2 Immagini a toni di grigio: una immagine è descritta come un insieme di triple di interi, cioè le coordinate (x,y) del pixel ed il corrispondente valore di intensità- L insieme A è definito in Z 3

Operatori logici Definizioni preliminari Se un elemento di A è definito come a=(a1,a2) sono ben definite le seguenti espressioni: a Aa appartiene all insieme A a A a non appartiene all insieme A A B A è incluso in B C = A B Unione C = A B Intersezione A c = {w w A} Complementare di A A- B = {w w A,w B}= A B c Differenza

Riflessione e traslazione A Z 2, t Z 2 Traslazione di A rispetto ad un vettore z=(z 1, z 2 ) A z = { w Z 2 w=a+z, a A } La traslazione di A rispetto z è l insieme dei punti di A le cui coordinate (x,y) sono sostituite con (x+z 1, y+z 2 ) Riflessione di A A r ={ w w=-a, a A } La riflessione di A è l insieme dei punti di A le cui coordinate (x,y) sono sostituite con (-x,-y) A A (2,1) A r Riflessione e traslazione Siano A e B insiemi in Z 2

Operatori fondamentali 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). Vengono definiti 5 operatori principali: Dilation, Erosion, Opening, Closing, Hit-or-Miss transform, che combinati con diversi elementi strutturanti B trasformano un oggetto A in vario modo. Erosione e Dilatazione sono gli operatori elementari Operatori più complessi sono definiti come combinazioni di questi ultimi. Dilation L effetto dell operatore su una immagine binaria è di allargare gradualmente i contorni delle regioni di pixel non di background (tipicamente i pixel chiari) In questo modo l area dei pixel foreground cresce in dimensione, mentre i vuoti in queste regioni diventano più piccoli

Somma di Minkowski (Dilation) A B = { w Z 2 w=a+z, a A, z B } A B = U A z, z B Si dimostra facilmente: A B = B A A B= { (0,0), (1,0) } A (0,0) A (1,0) A B Dilation Supponiamo che A sia l insieme delle coordinate dei pixel di una immagine binaria A e B l insieme delle coordinate dell elemento strutturante Il risultato dell operatore è l insieme delle posizioni z tali che (B^) z interseca almeno un elemento di A (B^) z è l insieme ottenuto dopo una riflessione e una traslazione L elemento strutturante viene ribaltato rispetto alla sua origine, attraverso l operazione di riflessione, e shiftato di z posizioni attraverso una traslazione

Dilation L insieme B èl elemento strutturante. A B= {(-1,0), (1,0) } A (-1,0) A (1,0) A B Dilation Per calcolare la dilatazione di una immagine binaria A mediante un elemento strutturante sovrapponiamo l elemento strutturante sulla immagine in modo tale che l origine della matrice coincida con il pixel in esame Se il pixel centrale della matrice coincide con un foreground pixel nella immagine A allora il pixel in esame è posto a 1 1 1 1 1 1 1 1 1 1 Structuring element

L effetto dell operatore è dovuto all applicazione di B vicino ai bordi Effetto della dilatazione utilizzando un elemento strutturante quadrato 3 3: i vuoti tra le 2 regioni vengono riempiti Dilation

Dilation Dilatazione: l effetto dell operatore su una immagine binaria è di allargare gradualmente i contorni delle regioni di pixel non di background (tipicamente i pixel chiari) In questo modo l area dei pixel foreground cresce in dimensione, mentre i vuoti in queste regioni diventano più piccoli L elemento strutturante determina l effetto dell operatore di dilatazione sulla immagine Gli operatori di dilatazione: Espandono gli oggetti in una immagine Riempono le lacune di piccola dimensione Connettono oggetti separati da una distanza minore della dimensione della matrice dell elemento strutturante Dilation - esempio Input image Edge image After dilation L operatore dilation è applicato ad una immagine binaria avente : 1- regione background, 0 - regione foreground

Erosion (Differenza di Minkowski) AΘB = { w Z 2 w+z A, per ogni z B } AΘB = A z z B A B= { (0,0), (-1,0) } A (-1,0) A-B Erosion L effetto della erosione è dovuto al fatto che quando l elemento strutturante B viene traslato vicino ai bordi esso non è completamente contenuto in A

Erosion L effetto dell operatore su una immagine binaria è di di erodere i contorni delle regioni dei pixel foreground (tipicamente i pixel bianchi) L area dei pixel foreground pixels si restringe in dimensioni e i buchi si allargano Erosion Per calcolare l erosione di una immagine binaria A mediante un elemento strutturante sovrapponiamo l elemento strutturante sulla immagine su ogni pixel della immagine A 1 1 1 1 1 1 1 1 1 Structuring element L elemento strutturante è sovrapposto a ogni foreground pixel della immagine A. Se tutti i pixel sotto l elemento strutturante sono foreground pixels allora l input pixel trattiene il suo valore. Ma se uno dei pixel è un background pixel allora l input pixel prende il valore del background

Effetto della erosione usando un elemento strutturante quadrato 3 3: alcuni dettagli della immagine sono stati eliminati An example:

Erosion Erosion - esempio Input image Binary edge image After erosion L operatore erosion è applicato ad una immagine binaria avente : 1- regione background, 0 - regione foreground

Proprietà Opening Rimozione di punte L operatore opening è costituito da una 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, il cui effetto è determinato dalla forma e dalle dimensioni di B

Un opening è definito da una erosione seguita da una dilatazione mediante lo stesso elemento strutturante Effect of opening using a 3 3 square structuring element

Opening Opening Per eliminare le lineee nella immagine si può applicare una operazione di opening 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

Closing Riempimento di cavità Una dilatazione seguita da un erosione utilizzando lo stesso elemento strutturale L effetto del closing è di chiudere gli eventuali buchi interni

Closing Hit-and-Miss Transform La trasformata hit-and-miss è una operazione generale della morfologia binaria che può essere usata per cercare particolari patterns costituiti da pixel del foreground o del background La trasformata hit-and-miss costituisce uno strumento di base per il processo di shape detection, basato su 2 concetti: Hit object -Colpisci l oggetto Miss background manca il background

Hit-and-Miss Transform Gli elementi strutturanti usati in questa trasformazione sono una estensione delle maschere di 1 usate nelle operazioni di dilation, erosion etc. Gli elementi strutturanti possono contenere foreground e background pixels, piuttosto che soltanto foreground pixels L elemento strutturante B=(B 1, B 2 ) B 1 è l insieme formato dagli elementi di B associati ad un oggetto B 2 è l insieme formato dagli elementi di B associati allo sfondo corrispondente B 2 = B- B 1 denota l insieme differenza Hit-and-Miss Transform A (B 1,B 2 ) = (A Θ B 1 ) (A c Θ B 2 ) con il vincolo B 1 B 2 = Intersezione della erosione di A attraverso B 1 e A c attraverso B 2 Assumiamo che l origine di ogni forma coincida con il suo centro di gravità L insieme risultante contiene tutti i pixel origine - per cui simultaneamente B 1 ha trovato un match in A e B 2 in A c - complemento di A L elemento strutturante B è sovrapposto su ciascun pixel della immagine di input: Se si ha un match esatto tra i pixel foreground e background dell elemento strutturante e della immagine allora il pixel di input in corrispondenza della origine dell elemento strutturante è posto uguale al valore del foreground pixel Altrimenti il pixel di input è sostituito con il valore del background

A B= ( A B ) ( A B ) C 1 2 Esempi Quattro elementi strutturanti utilizzati per trovare i corner in una immagine binaria mediante la hit-andmiss transform

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 Estrazione di contorni Il bordo di un insieme A, indicato con β(a), si può ottenere mediante L erosione di A attarverso un elemento strutturante B L insieme differenza tra A ed il risultato della erosione di A β(a) = A (A Θ B) Lo spessore del contorno dipende dalla dimensione dell elemento strutturante B

Esempio Estrazione del contorno leaf erosion leaf inv erosion

Estrazione di particelle dal background 1: J1 = J /* steps performed on J1 */ 2: Apply Sobel gradient per individuare i contorni 3: Make Binary 4: Kill Borders on right and left borders pulizia dei bordi 5: Apply dilation - dilatazione 6: Fill Holes 7: Open-Close smoothing dei contorni 8: J2 = J1 - J; embryos.jpg