Laboratorio Per L'elaborazione Multimediale

Introduzione
Elementi di Elaborazione delle Immagini

Il Video
Laboratorio per lElaborazione

MultiMediale
Lezione 6 Elaborazione delle Immagini
Prof. Michele Scarpiniti
Dipartimento di Ingegneria dellInformazione, Elettronica e Telecomunicazioni
Sapienza Universit`
a di Roma
http://ispac.ing.uniroma1.it/scarpiniti/index.htm
michele.scarpiniti@uniroma1.it
Roma, 29 Aprile 2011
M. Scarpiniti
Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini
1 / 85
Introduzione
Il Video
Introduzione
Introduzione
I Comandi di Base
Migliorare la Qualit`
a di unImmagine

Introduzione
La Segmentazione
Il Video
Funzioni Base
M. Scarpiniti
2 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Introduzione
Introduzione
M. Scarpiniti
3 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Introduzione
Lobiettivo di questa lezione è di illustrare i comandi di base per operare con

le immagini in Matlab.
Vengono anche discusse alcune semplici tecniche di elaborazione delle immagini.
Matlab mette a disposizione centinaia d funzioni, utili per lavorare con le
immagini: queste funzioni sono parte dellImage Toolbox. Una guida di
questo Toolbox può essere reperita al link http://www.mathworks.it/
access/helpdesk/help/pdf_doc/images/images_tb.pdf.
M. Scarpiniti
4 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Tipi di Immagine
Esistono diverse modalità per memorizzare un file rappresentante unimmagine.
Le principali sono le seguenti tre:
1 Scala di grigi;
2 Truecolor;
3 Indicizzata.
Nella modalità a scala di grigi ogni pixel dellimmagine contiene un livello
di grigio, compreso tra 0 e 1.
M. Scarpiniti
5 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Tipi di Immagine
Nella modalità Truecolor ogni pixel

dellimmagine è un vettore di tre elementi contenenti i livelli di rosso,
verde, blu (RGB), compresi tra 0 e
1.
M. Scarpiniti
6 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Tipi di Immagine
Infine, nella modalità indicizzata ogni pixel rappresenta la riga di una mappa
di colore, costituita da tre elementi, cioè i livelli di rosso, verde, blu (RGB),
compresi tra 0 e 1.
M. Scarpiniti
7 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: leggere un file di immagine

Per leggere un file contenete una immagine in scala di grigi o a colori, Matlab
mette a disposizione il comando
>>
>>
>>
>>
I = imread(filename, fmt);
[I,map] = imread(...);
[I,map] = imread(filename);
[I,map] = imread(URL,...);
Viene letta unimmagine di formato fmt e di nome (e percorso) specificato da

filename o caricata dal web dallindirizzo specificato da URL e viene restituita
una matrice I di dimensioni M N se a scala di grigio (gli M N pixels delle M
righe e N colonne), oppure di dimensioni M N 3 se a colori rappresentati con
il modello RGB o M N 4 se rappresentati con il modello CMYK (tipico dei
file *.tiff ). Gli elementi di questa matrice sono numeri interi (tipo uint8), cioè
assumono valori da 0 a 255. Se il formato fmt non viene specificato, la funzione
imread cerca di capire il formato dal file stesso.
Legge anche una immagine indicizzata, restituendo la relativa mappa di colore
nella variabile map.
M. Scarpiniti
8 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: leggere un file di immagine

I tipi di file gestiti da Matlab sono i seguenti 14:
BMP: Windows Bitmap;
CUR: Cursor File;
GIF: Graphical Interchange Format;
HDF4: Hierarchical Data Format;
ICO: Icon File;
JPEG: Joint Photographic Expert Group;
PBM: Portable Bitmap;
PCX: Windows Paintbrush;
PGM: Portable Graymap;
PNG: Portable Network Graphics;
PPM: Portable Pixmap;
RAS: Sun Raster;
TIFF: Tagged Image File Format;
XWD: X Window Dump.
M. Scarpiniti
9 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: ottenere le informazioni un file di immagine

E possibile ottenere le informazioni su un file di immagine in una struttura info, tramite il
comando
>> info = imfinfo(filename,fmt);
>> info = imfinfo(filename);
>> info = imfinfo(URL,...);
Ad esempio:
>> imfinfo(orig1,jpg)
ans =
Filename: orig1.jpg
FileModDate: 20-mag-2005 20:57:46
FileSize: 5047
Format: jpg
FormatVersion:
Width: 128
Height: 128
BitDepth: 8
ColorType: grayscale
FormatSignature:
NumberOfSamples: 1
CodingMethod: Huffman
CodingProcess:
Sequential
M. Scarpiniti
Laboratorio per
lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini
10 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Informazioni sul tipo di file possono essere ottenute dal seguente comando, che
restituisce una struttura formats:
>> imformats
>> formats = imformats;
>> formats = imformats(fmt);
I possibili campi della struttura, sono
ext: specifica le estensioni valide per il formato in esame;
isa: specifica il nome della funzione che determina se il file è del tipo specificato;
info: specifica il nome della funzione che legge le informazioni del tipo specificato;
read: specifica il nome della funzione che legge i dati dal tipo specificato;
write: specifica il nome della funzione che scrive i dati nel tipo specificato;
alpha: vale 1 se il formato ha un canale alfa, 0 altrimenti;
description: descrive brevemente il tipo di file.
M. Scarpiniti
11 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Ad esempio, per il formato *.jpg
>> imformats(jpg)
ans =
ext: {jpg jpeg}
isa: @isjpg
info: @imjpginfo
read: @readjpg
write: @writejpg
alpha: 0
description: Joint Photographic Experts Group (JPEG)
Oppure, per il formato *.tiff
>> imformats(tiff)
ans =
ext: {tif tiff}
isa: @istif
info: @imtifinfo
read: @readtif
write: @writetif
alpha: 0
description: Tagged Image File Format (TIFF)
M. Scarpiniti
12 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Senza il tipo di formato, la funzione imformats restituisce in una tabella tutti i
campi delle proprietà relative a tutti i tipi di file supportati:
>> imformats
EXT
ISA
INFO
READ
WRITE
ALPHA DESCRIPTION
-----------------------------------------------------------------------------------------------bmp
isbmp
imbmpinfo
readbmp
writebmp 0
Windows Bitmap (BMP)
cur
iscur
imcurinfo
readcur
1
Windows Cursor resources (CUR)
fts fits isfits imfitsinfo readfits
0
Flexible Image Transport System (FITS)
gif
isgif
imgifinfo
readgif
writegif 0
Graphics Interchange Format (GIF)
hdf
ishdf
imhdfinfo
readhdf
writehdf 0
Hierarchical Data Format (HDF)
ico
isico
imicoinfo
readico
1
Windows Icon resources (ICO)
jpg jpeg isjpg
imjpginfo
readjpg
writejpg 0
Joint Photographic Experts Group (JPEG)
pbm
ispbm
impnminfo
readpnm
writepnm 0
Portable Bitmap (PBM)
pcx
ispcx
impcxinfo
readpcx
writepcx 0
Windows Paintbrush (PCX)
pgm
ispgm
impnminfo
readpnm
writepnm 0
Portable Graymap (PGM)
png
ispng
impnginfo
readpng
writepng 1
Portable Network Graphics (PNG)
pnm
ispnm
impnminfo
readpnm
writepnm 0
Portable Any Map (PNM)
ppm
isppm
impnminfo
readpnm
writepnm 0
Portable Pixmap (PPM)
ras
isras
imrasinfo
readras
writeras 1
Sun Raster (RAS)
tif tiff istif
imtifinfo
readtif
writetif 0
Tagged Image File Format (TIFF)
xwd
isxwd
imxwdinfo
readxwd
writexwd 0
X Window Dump (XWD)
M. Scarpiniti
13 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: scrivere un file di immagine

Per scrivere un file contenete una immagine in scala di grigi o a colori,
Matlab mette a disposizione il comando
>> imwrite(I,filename,fmt);
>> imwrite(I,map,filename,fmt);
Tale comando salva sul disco un file di nome filename e di formato
specificato da fmt contenente limmagine rappresentata dalla matrice I.
La matrice I può avere dimensioni M N per immagini in scala di grigi,
oppure dimensioni M N 3 per immagini a colori, rappresentata dal
modello RGB o M N 4 per immagini a colori, rappresentata dal modello
CMYK.
La seconda riga salva una immagine indicizzata con la relativa mappa di
colore, specificata dalla variabile map.
M. Scarpiniti
14 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: visualizzare una immagine

Per visualizzare una immagine in scala di grigi o a colori contenuta in una
matrice I, Matlab mette a disposizione il comando
>>
>>
>>
>>
>>
imshow(I);
imshow(I,[low high]);
imshow(I,map);
imshow(filename);
handle = imshow(...);
Se limmagine è in scala di grigi, posso visualizzare solo i pixels con valori

allinterno dellintervallo [low high], gli altri valori saranno sostituiti con il
colore nero, se il loro valore è minore di low , altrimenti, se maggiore, con
il colore bianco. Posso anche visualizzare una immagine indicizzata con la
relativa mappa di colore contenuta nella variabile map, oppure
unimmagine da un file di nome filename. Se serve, la funzione
imshow restituisce lhandle della figura.
M. Scarpiniti
15 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Vediamo un esempio:
>> I = imread(cameramen.tif);
>> subplot(1,2,1), imshow(I);
>> subplot(1,2,2), imshow(I,[0 80]);
M. Scarpiniti
16 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Riportiamo un secondo esempio, utilizzando una immagine indicizzata:
>> [X,map] = imread(trees.tif);
>> imshow(X,map);
M. Scarpiniti
17 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Un modo alternativo per visualizzare una immagine in scala di grigi o a
colori contenuta in una matrice A (quindi trattata come unimmagine), è
quello di utilizzare il comando
>> image(A);
>> image(x,y,A);
>> handle = image(...);
Questo comando visualizza il contenuto della matrice A come
unimmagine. Posso anche specificare in due vettori x e y gli intervalli
degli assi da visualizzare, ma limmagine è la stessa della chiamata
precedente. Se serve la funzione image restituisce lhandle della figura.
M. Scarpiniti
18 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Ad esempio, carico da file una matrice X che contiene una fotografia a colori di un
primate e la visualizzo:
>>
>>
>>
>>
>>
>>
load mandrill
figure(color,k)
image(X)
colormap(map)
axis off
axis image
M. Scarpiniti
19 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Un ulteriore modo alternativo per visualizzare una immagine in scala di grigi o a
colori contenuta in una matrice A (quindi trattata come unimmagine), è quello di
utilizzare il comando
>>
>>
>>
>>
imagesc(A);
imagesc(x,y,A);
imagesc(...,clims);
handle = imagesc(...);
E equivalente allutilizzo di image, tranne il fatto che limmagine ottenuta è

visualizzata utilizzando tutta la mappa di colore. Questo comando visualizza il
contenuto della matrice A come unimmagine. Posso anche specificare in due
vettori x e y gli intervalli degli assi da visualizzare, ma limmagine è la stessa della
chiamata precedente. Se serve la funzione image restituisce lhandle della figura.
Posso utilizzare anche una parte della mappa di colore compresa nellintervallo
clims = [low high]: i pixel con valore minore di low vengono visualizzati con il
primo elemento della mappa di colore, quelli con valore maggiore di high con
lultimo elemento della mappa di colore.
M. Scarpiniti
20 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Ad esempio, carico da file una matrice X che contiene una fotografia a colori di un
clown e la visualizzo:
>>
>>
>>
>>
>>
>>
load clown
clims = [10 60];
subplot(1,2,1); imagesc(X);
colormap(gray);
subplot(1,2,2); imagesc(X,clims);
colormap(gray);
M. Scarpiniti
21 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Matlab: la mappa di colore

Una mappa di colore è una matrice di dimensione M 3 di valori compresi nellintervallo [0 1], che specifica i valori RGB degli M colori predefiniti. In particolare, la riga k-esima della mappa di colore è la terna
[r (k) g (k) b(k)] del k-esimo colore. Matlab mette a disposizione 17 mappe
di colore predefinite, che possono essere utilizzate con i comandi seguenti:
>> colormap(map);
>> colormap(default);
>> cmap = colormap;
Il primo comando consente di utilizzare la mappa di colore specificata da
map, il secondo comando consente di utilizzara la mappa corrente come
default, mentre il terzo restituisce la mappa di colore nella matrice cmap.
M. Scarpiniti
22 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Le 17 mappe di colore disponibili in Matlab sono elencate qui sotto ed
illustrate a fianco:
autumn;
bone;
colorcube;
cool;
copper;
flag;
gray;
hot;
hsv;
jet;
lines;
pink;
prism;
spring;
summer;
white;
winter.
M. Scarpiniti
23 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Riportiamo qualche esempio:
>>
>>
>>
>>
>>
load flujet
image(X), colormap(jet)
image(X), colormap(summer)
load spine
image(X), colormap(bone)
M. Scarpiniti
24 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Per disegnare una mappa di colore, si utilizza il comando:
>> rgbplot(cmap);
Ad esempio:
>> subplot(1,3,1), rgbplot(copper);
>> subplot(1,3,2), rgbplot(hot);
>> subplot(1,3,3), rgbplot(spring);
Per editare manualmente una mappa di colore, si pu`

o utilizzare
>> colormapeditor
M. Scarpiniti
25 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Migliorare la Qualità di unImmagine
Molte volte limmagine che abbiamo a disposizione non è di buona qualità.

Ad esempio limmagine pu`
o essere troppo scura o troppo chiara, oppure
avere un contrasto molto limitato.
Matlab mette a disposizione varie funzioni che consentono di modificare in
modo elementare gli attributi pi`
u semplici di unimmagine, come la
luminosità e/o il contrasto.
M. Scarpiniti
26 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Modificare la luminosità
La luminosità di una immagine pu`
o essere modificata tramite il comando:
>>
>>
>>
>>
brighten(beta);
brighten(h,beta);
newmap = brighten(beta);
newmap = brighten(cmap,beta);
Tale funzione modifica la mappa di colore che viene utilizzata. In particolare

la mappa di colore è schiarita se 0 < < 1 oppure scurita se 1 < < 0.
La funzione agisce su tutti i grafici, oppure solo su quello di handle h. In
newmap viene restituita la nuova mappa di colore, o la versione modificata
di quella correntemente in uso cmap.
Ogni elemento della mappa di colore map viene elevato ad un esponente ,
pari a
(
1 se > 0
=
1
se 0
1+
M. Scarpiniti
27 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Modificare la luminosità
Riportiamo un esempio di modifica della luminosità:
>> load clown
>> imshow(X,map);
>> for i=1:10,
brighten(0.5);
pause;
end
>> for i=1:10,
brighten(-0.5);
pause;
end
M. Scarpiniti
28 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Modificare il contrasto
Il contrasto di una immagine pu`

o essere modificato tramite il comando:
>> cmap = contrast(X);
>> cmap = contrast(X,m);
Tale funzione crea una nuova mappa di colore cmap. Tale nuova mappa ha
una distribuzione approssimativamente uniforme: tutti gli elementi in ogni
riga sono identici.
In particolare il primo comando ritorna una mappa di colore in scala di
grigi, mentre la seconda ritorna una mappa di colore di dimensioni m 3.
M. Scarpiniti
29 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Modificare il contrasto
Riportiamo un esempio di modifica del contrasto:
>>
>>
>>
>>
load clown;
cmap = contrast(X);
imshow(X,gray);
colormap(cmap);
M. Scarpiniti
30 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Modificare lintensità
E possibile modificare lintensit`
a di una immagine in scala di grigi o a colori, utilizzando
i comandi
>>
>>
>>
>>
J = imadjust(I);
J = imadjust(I,[low_in; high_in],[low_out; high_out]);
J = imadjust(I,[low_in; high_in],[low_out; high_out],gamma);
newmap = imadjust(map,[low_in; high_in],[low_out; high_out],gamma);
Il comando imadjust crea una nuova immagine J tale che l1% dei dati è saturato alle
basse ed alte intensit`
a: il risultato è un aumento del contrasto dellimmagine. E anche
possibile specificare che un intervallo di valori dellimmagine di partenza [lowin highin ]
venga mappato in un nuovo intervallo dellimmagine J [lowout highout ]. Per le immagini
a colori, lowin e highin sono vettori di tre elementi. Il parametro gamma descrive la curva
di saturazione: se 0 < < 1 la saturazione è spinta verso valori pi`
u elevati (risultato pi`
u
luminoso), altrimenti, se > 1, la saturazione è spinta verso valori pi`
u bassi (risultato
pi`
u scuro). Di default è = 1. Se alla funzione passo una mappa di colore, essa mi
restituisce la nuova mappa di colore, dopo lenhancement.
M. Scarpiniti
31 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Riportiamo un esempio.
>>
>>
>>
>>
I = imread(pout.tif);
J = imadjust(I);
subplot(1,2,1), imshow(I);
subplot(1,2,2), imshow(J);
M. Scarpiniti
32 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Riportiamo un secondo esempio.
>>
>>
>>
>>
I = imread(football.jpg);
J = imadjust(I,[0.2 0.3 0; 0.6 0.7 1],[]);
M. Scarpiniti
33 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Convertire unimmagine in binario

E possibile trasformare una immagine in scala di grigi o a colori in una
immagine binaria, cioè in una immagine i cui pixels hanno solo due valori:
1 (bianco) e 0 (nero). Il comando che è messo a disposizione da Matlab è
il seguente:
>> BW = im2bw(I, level);
>> BW = im2bw(X, map, level);
Tutti i pixel con intensità superiori a level vengono posti a 1, quelli pi`
u
piccoli a 0. Se ho a disposizione la mappa di colore si utilizza la seconda
linea.
Il livello ottimale level può essere ottenuto con il comando
>> level = graytresh(I);
>> [level, EM] = graytresh(I);
La variabile EM rappresenta il valore di efficacia (compreso tra 0 e 1):
misura cioè il grado di efficacia della soglia calcolata.
M. Scarpiniti
34 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Riportiamo un esempio.
>>
>>
>>
>>
>>
I = imread(coins.png);
level = graythresh(I);
BW = im2bw(I,level);
subplot(1,2,2), imshow(BW);
M. Scarpiniti
35 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine

Un metodo alternativo, è utilizzare la funzione
>> BW = dither(I);
>> X = dither(RGB,map);
Il secondo comando converte unimmagine a colori in unaltra con una risoluzione
di colori aumentata grazie allutilizzo del dither. Ad esempio:
>>
>>
>>
>>
I = imread(cameraman.tif);
BW = dither(I);
subplot(1,2,2), imshow(BW);
M. Scarpiniti
36 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Convertire unimmagine in scala di grigio

E possibile trasformare una immagine indicizzata in scala di grigi attraverso il
seguente comando:
>> J = ind2gray(I,map);
Il comando ind2gray rimuove le informazioni di tonalità e saturazione, lasciando
inalterata linformazione sulla luminosità. Riportiamo un esempio:
>>
>>
>>
>>
load trees
J = ind2gray(X,map);
subplot(1,2,1), imshow(X,map);
M. Scarpiniti
37 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Operazioni matematiche con due immagini

Due immagini possono essere sommate, sottrate (in modulo), moltiplicate,
divise o combinate linearmente tra di loro, tramite i comandi
>>
>>
>>
>>
>>
>>
>>
K
K
K
K
K
K
K
=
=
=
=
=
=
=
imadd(I,J);
imsubtract(I,J);
imabsdiff(I,J);
immultiply(I,J);
imdivide(I,J);
imlinconb(c1,I1,c2,I2,...,cn,In);
imcomplement(I);
Lultima riga calcola il complemento, cioè il valore massimo meno il valore

del pixel. La variabile J pu`
o essere una immagine oppure un valore
numerico: in questo caso vario il contrasto dellimmagine I.
M. Scarpiniti
38 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Operazioni matematiche con due immagini

Ridportiamo un esempio con imadd e imcomplement:
>>
>>
>>
>>
I = imread(rice.png);
J = imread(cameraman.tif);
K = imadd(I,J,uint16);
imshow(K,[]);
>>
>>
>>
>>
bw = imread(text.png);
bw2 = imcomplement(bw);
subplot(1,2,1),imshow(bw)
subplot(1,2,2),imshow(bw2)
M. Scarpiniti
39 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Elaborare unimmagine: imtool

Matlab mette a disposizione uninterfaccia grafica per poter effettuare la visualizzazione e/o modifica semplice di unimmagine. Tale interfaccia può essere richiamata
con il comando
>> imtool
M. Scarpiniti
40 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Visualizzare una sequenza di immagini e video

E possibile visualizzare un insieme di immagini come una sequenza, con il
comando
>> implay(sequenza);
dove sequenza contiene tutte le immagini da visualizzare, cioè è un insieme di
matrici (ovvero un tensore). Viene aperto uninterfaccia grafica che consente
anche di vedere filmati in formato *.avi. Posso creare un video con le
immagini, attraverso il comando
>> mov = immovie(sequenza);
e quindi visualizzarlo con implay.
M. Scarpiniti
41 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Visualizzare una sequenza di immagini e video
Un esempio in tal senso è il seguente:

>> mri = uint8(zeros(128,128,1,27));
>> for frame=1:27
[mri(:,:,:,frame),map] = imread(mri.tif,frame);
end
>> mov = immovie(mri,map);
>> implay(mov);
Viene creato un video a partire da unimmagine letta a blocchi.
M. Scarpiniti
42 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Ridimensionare unimmagine
E possibile ridimensionare unimmagine attraverso i comandi:
>>
>>
>>
>>
B = imresize(A,scale);
B = imresize(A,[mrows ncols]);
[Y newmap] = imresize(X,map,scale);
[...] = imresize(..., method);
La prima riga restituisce unimmagine B che è scale volte limmagine A, mentre la seconda
riga restituisce limmagine A rapportata a mrows righe e ncols colonne. La terza riga viene
utilizzata se utilizzo immagini indicizzate (mappe di colore). Literpolazione utilizzata nel
ridimensionamento, pu`
o essere effettuata con diversi metodi, specificata dal parametro
method:
nearest;
bilinear;
bicubic;
box;
triangle;
cubic;
lanczos2;
lanczos3.
M. Scarpiniti
43 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Ruotare unimmagine
E possibile ruotare unimmagine attraverso i comandi:
>> B = imrotate(A,angle);
>> B = imrotate(A,angle,method);
>> B = imrotate(A,angle,method,bbox);
Limmagine A viene ruotata di un angolo pari ad angle in senso orario. Anche qui
literpolazione utilizzata nella rotazione, pu`
o essere effettuata con diversi metodi, specificata dal parametro method:
nearest;
bilinear;
bicubic.
Il parametro bbox specifica la dimensione dellimagine restituita B e pu`
o assumere i
due valori:
1
crop: B ha la stessa dimensione di A;
loose: rende limmagine B grande quanto basta a contenere tutta limmagine

ruotate (di solito di dimensioni maggiori rispettto ad A). E lopzione di default.
M. Scarpiniti
44 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Ruotare unimmagine
Riportiamo un esempio, ruotando di 35 unimmagine:
>>
>>
>>
>>
I = imread(rice.png);
J = imrotate(I,35);
M. Scarpiniti
45 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Estrarre una porzione di unimmagine

E possibile estrarre una porzione da una immagine utilizzando i comandi:
>>
>>
>>
>>
>>
>>
I = imcrop;
I2 = imcrop(I);
X2 = imcrop(X,map);
I = imcrop(h)
I2 = imcrop(I,rect);
X2 = imcrop(X,map,rect);
Basta selezionare con il mouse la porzione da estrarre dalla figura attiva, o

specificata dallhandle h oppure dove è stata disegnata limmagine I .
E comunque possibile indicare quale porzione estrarre con la variabile
rect, che è il vettore di 4 elementi: [xmin ymin width height].
M. Scarpiniti
46 / 85
Introduzione
Il Video
Introduzione
I Comandi di Base
a di unImmagine
Estrarre una porzione di unimmagine

Riportiamo un esempio:
>> I = imread(circuit.tif);
>> I2 = imcrop(I,[75 68 130 112]);
>> imshow(I), figure, imshow(I2);
M. Scarpiniti
47 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
M. Scarpiniti
48 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Listogramma di unimmagine
Listogramma di unimmagine pu`
o essere ottenuto in Matlab con il comando
>>
>>
>>
>>
imhist(I);
imhist(I, n);
imhist(X, map);
[counts,x] = imhist(...);
Senza argomenti di uscita, viene restituita la figura dellistogramma (su n punti se

specificato) con la scala di colore a cui si riferisce.
M. Scarpiniti
49 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Listogramma e il contrasto
Il contrasto di unimmagine pu`
o essere migliorato equalizzando il suo istogramma in modo tale da renderlo simile ad un istogramma di riferimento.
Se tale riferimento non è specificato, viene preso di default un istogramma
piatto. In Matlab si utilizza il comando:
>>
>>
>>
>>
J = histeq(I, hgram);
J = histeq(I, n);
newmap = histeq(X, map, hgram);
newmap = histeq(X, map);
I è limmagine in esame, hgram è listogramma di riferimento, n indica il

numero di livelli di colore utilizzato (di default pari a 64).
M. Scarpiniti
50 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Listogramma e il contrasto
>> I = imread(tire.tif);
>> J = histeq(I);
>> subplot(1,2,1), imshow(I);
>> subplot(1,2,2), imshow(J);
figure;
>> subplot(1,2,1), imhist(I,64);
>> subplot(1,2,2), imhist(J,64);
M. Scarpiniti
51 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lestrazione dei contorni

I contorni di unimmagine binaria, possono essere trovati attraverso la funzione
>>
>>
>>
>>
B = bwboundaries(BW);
B = bwboundaries(BW,conn);
B = bwboundaries(BW,conn,options);
[B,L] = bwboundaries(...);
in cui BW è limmagine binaria, conn specifica il grado di connettività tra

gli oggetti trovati (e vale 4 oppure 8, che è il valore di default), mentre
option può assumere solo due valori:
1 holes: ricerca i buchi (cio`
e contorni dentro i contorni) negli
oggetti;
2 noholes: non ricerca i buchi.
B è un array di celle, in cui ogni cella contiene una matrice di dimensione
Q 2, ovvero le Q coppie di punti che formano il contorno delloggetto,
mentre L contiene le label degli oggetti.
M. Scarpiniti
52 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

>>
>>
>>
>>
>>
>>
BW = im2bw(I, graythresh(I));
[B,L] = bwboundaries(BW,noholes);
imshow(I)
hold on
for k = 1:length(B)
boundary = B{k};
plot(boundary(:,2),boundary(:,1),g,LineWidth,2);
end
M. Scarpiniti
53 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Un funzione alternativa per lestrazione dei contorni è la seguente:
>>
>>
>>
>>
J = edge(I);
J = edge(I,method);
J = edge(I,method,tresh);
[J,tresh] = edge(I,method);
dove I è unimmagine in scala di grigi o binaria. Vengono ignorati i contorni che non superano la soglia tresh. La detection può essere effettuata
attraverso diversi metodi, specificati dal parametro method:
metodo di Sobel (è quello di default);
metodo di Prewitt;
metodo di Roberts;
metodo Laplaciano Gaussiano;
metodo del Zero-Cross;
metodo di Canny.
M. Scarpiniti
54 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

>>
>>
>>
>>
J = edge(I);
M. Scarpiniti
55 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Manualmente il contorno pu`
o essere estratto analizzando il valore della derivata numerica, per righe o per colonne, di unimmagine. Infatti un contorno
è caratterizzato da pixel adiacenti di valore sensibilmente diverso: la derivata
quindi evidenzia queste discontinuità.
Se dunque, il valore della derivata è superiore ad una certa soglia per
un determinato pixel, allora molto probabilmente quel pixel appartiene al
contorno di un oggetto dellimmagine.
In Matlab la derivata numerica di ordine N, lungo la direrione dim è effettuata con il comando:
>> Y = diff(X,N,dim);
Se non specificato, viene assunto N = 1 e dim = 1.
M. Scarpiniti
56 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Un esempio di codice pu`
o essere:
>>
>>
>>
>>
>>
>>
imshow(I);
Id = diff(I);
Ic = zeros(size(Id));
[n,m] = size(Id);
for i=1:n,
for j=1:m,
if Id(i,j) < tresh
Ic(i,j) = 255;
else
Ic(i,j) = 0;
end
end
end
>> figure;
>> imshow(Ic);
M. Scarpiniti
57 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Inoltre è anche possibile plottare il profilo di intensità (valore del pixel) lungo
un segmento, attraverso il comando
>>
>>
>>
>>
c
c
c
c
=
=
=
=
improfile;
improfile(n);
improfile(I,xi,yi);
improfile(I,xi,yi,n);
Cliccando con il mouse su due punti dellimmagine viene valutato in c il profilo su n punti. E anche possibile specificare il segmento dando le coordinate
nei due vettori xi e yi .
Osservando questo profilo è possibile osservare se è presente un contorno
allinterno del segmento scelto.
M. Scarpiniti
58 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

>>
>>
>>
>>
imshow(I);
c = improfile;
plot(c);
M. Scarpiniti
59 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Il valore in formato RGB di un pixel, pu`

o essere ottenuto attraverso luso
del comando
>> P = impixel(I);
>> P = impixel(X,map);
Basta cliccare con il mouse su un punto di interesse dellimmagine corrente
I (o X se indicizzata) e in P viene restituito il valore RGB del pixel.
M. Scarpiniti
60 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Segmantare unimmagine
La segmentazione di unimmagine è il processo di partizione di unimmagine
in regioni significative. La segmentazione è di solito utilizzata per localizzare
oggetti e bordi. Pi`
u precisamente, la segmentazione è il processo con il
quale si classificano i pixel dellimmagine che hanno caratteristiche comuni,
pertanto ciascun pixel in una regione è simile agli altri della stessa regione per
una qualche proprietà o caratteristica (colore, intensità o texture). Regioni
adiacenti sono significativamente differenti rispetto ad almeno una di queste
caratteristiche. Esistono diverse tecniche per effettuare la segmentazione di
unimmagine; le principali sono
1 Algoritmi di crescita: si parte dai singoli pixel fino a formare i
segmenti per fusione;
2 Algoritmi di divisione: si parte dallintera immagine fino a
suddividerla di segmenti;
3 Algoritmi di clustering: si suddivide limmagine in segmenti
agglomerando le parti simili.
M. Scarpiniti
61 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means
Esistono molteplici algoritmi per effettuare il clustering. Uno dei pi`

u semplici
e utile è lalgortimo k-means: lo scopo è quello di partizionare N osservazioni
in K clusters, in cui ogni osservazione deriva dal cluster pi`
u vicino.
Dato un insieme di osservazioni (x1 , x2 , . . . , xN ), dove ogni osservazione è
un vettore d-dimensionale, lalgoritmo k-means partiziona le N osservazioni
negli K insiemi (K < N) S = {S1 , S2 , . . . , SK } tali da minimizzare la
funzione obiettivo:
K X
X
arg min
kxj mi k2
S
i=1 xj Si
dove mi è il valor medio di Si , detto centroide.
M. Scarpiniti
62 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means
Lalgoritmo K-means utilizza una tecnica iterativa.
(1)
(1)
Dato un insieme iniziale di K valor medi m1 , . . . , mk chiamati centroidi e che
sono i rappresentanti dei clusters, che possono essere scelti random, lalgoritmo si
applica eseguendo due passi consecutivi:
1
Assegnamento: ogni
n
(t)
Si = xj :
osservazione è assegnata al cluster i-esimo se

o

(t)
(t)
xj mi xj mi i = 1, . . . , K
Aggiornamento: calcolo i nuovi valori medi che saranno i nuovi centroidi

dei clusters:
X
1
(t+1)

mi
=
xj
(t)
Si xj S (t)
i
Lalgoritmo converge quando non ho pi`

u variazioni dei centroidi.
M. Scarpiniti
63 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means: un esempio
1) K medie iniziali (in questo caso K =

3) sono selezionate a caso dai dati (cerchi
colorati).
2) Vengono creati K clusters associando

ogni osservazione al cluster con centroide
pi`
u vicino.
3) Il centroide di ognuno dei K clusters

viene aggiornato con il nuovo valor medio.
4) Si ripetono i passi 2 e 3 fino a

convergenza.
M. Scarpiniti
64 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means
Dato che lalgoritmo è basato su uneuristica e i centroidi sono inizializzati a

caso, la convergenza dellalgoritmo non è garantita. Inoltre il risultato finale
dipende dalle condizioni iniziali. Poichè comunque è un algoritmo molto
veloce ed efficiente è possibile eseguirlo pi`
u volte con condizioni iniziali
diverse.
I due principali aspetti negativi dellalgoritmo K-means sono:
1
Il numero di clusters K deve essere noto a priori: una scelta

inappropriata di K pu`
o causare dei risultati scadenti;
Lalgoritmo utilizza una distanza Euclidea che può non essere una
misura adequata della distanza.
M. Scarpiniti
65 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means: Matlab

Matlab mette a disposizione una funzione per effettuare lalgoritmo Kmeans, e precisamente:
>>
>>
>>
>>
>>
IDX = kmeans(X,k);
[IDX,C] = kmeans(X,k);
[IDX,C,sumd] = kmeans(X,k);
[IDX,C,sumd,D] = kmeans(X,k);
[...] = kmeans(...,param1,val1,param2,val2,...);
La funzione kmeans partizione i dati contenuti in X in k clusters e

restituisce un vettore IDX contenete lindice del cluster per ogni punto dei
dati. Se interessa restituisce anche la posizione dei centroidi nel vettore
C, il valore del funzionale di errore in sumd, ovvero la distanza dal relativo
centroide in D. Infine è possibile assegnare opportuni valori ad alcuni
parametri.
M. Scarpiniti
66 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Lalgoritmo K-means: Matlab

Alcuni dei parametri gestiti dalla funzione kmeans sono i seguenti:
distance: specifica come misurare la distanza dai centroidi:
1
2
3
4
5
sqEuclidean: distanza Euclidea (opzione di default);

cityBlock: norma L1 ;
cosine;
correlation;
Hamming.
replicates: specifica il numero di volte che lalgoritmo verrà

ripetuto con diverse condizioni iniziali;
start: metodo utilizzato per selezionare la posizione dei centroidi
iniziali:
1
2
3
M. Scarpiniti
sample: selezione k osservazioni casuali da X (opzione di default);

uniform: selezion k osservazioni uniformemente su X;
cluster: esegue lalgoritmo preliminarmente sul 10% dei dati X e
seleziona i centroidi.
67 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Il segmentatore
Riportiamo un semplice esempio di segmentatore, utilizzando lalgoritmo K-means. Viene creata
una matrice le cui righe sono le terne: numero di riga, numero di colonna e valore del pixel.
Lalgoritmo K-means restituisce un vettore contenete la classificazione dei pixels e successivamente
viene ricostruita la matrice immagine segmentata, contenente solo i valori 0 e 255.
>>
>>
>>
>>
>>
nc = 2;
I = imread(volto.jpg); imshow(I);
J = [];
[n,m] = size(I);
for i = 1:n,
for j = 1:m,
c = I(i,j);
J = [J;i,j,c];
end
end
>> J = double(J);
>> ID = kmeans(J,nc);
>> for k = 1:nc
K = 255 .* ones(size(I));
temp = find(ID == k);
for i = 1:length(temp),
row = floor(temp(i)/m) + 1;
col = mod(temp(i),m) + 1;
K(row,col) = 0;
end
imshow(K);
end
M. Scarpiniti
68 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Aggiungere rumore alle immagini

Per aggiungere del rumore alle immagini si utilizza il comando:
>> J = imnoise(I,type);
>> J = imnoise(I,type,parameters);
La funzione imnoise restituisce una versione rumorosa J dellimmagine I
aggiungendovi un rumore ti tipo type e relativi parametri parameters:
gaussian: rumore di tipo gaussiano con media e varianza costanti;
localvar: rumore gaussiano a media nulla;
poisson: rumore con distribuzione di Poisson;
salt & pepper: rumore sale e pepe (accende e spegne alcuni
pixel);
speckle: rumore moltiplicativo.
M. Scarpiniti
69 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Aggiungere rumore alle immagini

Riportiamo un esempio di aggiunta di un rumore di tipo sale e pepe:
>>
>>
>>
>>
J = imnoise(I,salt & pepper,0.02);
M. Scarpiniti
70 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Rimozione del rumore
Molto spesso le immagini a disposizione sono corrotte dal rumore: diviene

quindi necessario saper eliminare il rumore dalle immagini. Normalmente
questo problema è risolto tramite un filtraggio lineare dellimmagine con un
filtro (bidimensionale). Molto utile è il filtro mediano.
Il filtraggio lineare bidimensionale è effettuato con le funzioni:
>> Y = filter2(h,X);
>> Y = conv2(h,X);
>> Y = imfilter(X,h);
Tali funzioni filtrano la matrice X con la matrice FIR contenuta in h.
M. Scarpiniti
71 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Molto utili sono alcuni particolari tipi di filtri bidimensionali, che possono
essere ottenuti attraverso il comando:
>> h = fspecial(type);
>> h = fspecial(type, parameters);
In cui la variabile type pu`
o assumere le opzioni:
1 average: filtro medio;
2 disk: filtro medio circolare;
3 gaussian: filtro passa-basso gaussiano;
4 laplacian: approssimazione delloperatore Laplaciano;
5 log: Laplaciano del filtro gaussiano;
6 motion: approsimazione di un movimento della fotocamera;
7 prewitt: filtro di Prewitt;
8 sobel: filtro di Sobel;
9 unsharp: filtro per lenhancement del contrasto.
M. Scarpiniti
72 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Riportiamo un esempio di un movimento:
>>
>>
>>
>>
>>
>>
I = imread(peppers.png);
I = I(60+[1:256],222+[1:256],:);
h = fspecial(motion,31,11);
J = imfilter(I,h,circular,conv);
subplot(1,2,1); imshow(I);
subplot(1,2,2); imshow(J);
M. Scarpiniti
73 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Per eliminare efficacemente il rumore di tipo sale e pepe è possibile applicare

un filtro mediano, attraverso il comando
>> B = medfilt2(A, [m n]);
>> B = medfilt2(A);
>> B = medfilt2(A, indexed,...);
Vengono modificati i pixel, utilizzando la mediana calcolata in un intorno
m n del pixel. Per default è m = n = 3.
M. Scarpiniti
74 / 85
Introduzione
Il Video
Introduzione
La Segmentazione

Facciamo un esempio:
>>
>>
>>
>>
>>
>>
J = imnoise(I,salt & pepper,0.02);
K = medfilt2(J,[3 3]);
subplot(1,3,3), imshow(K);
M. Scarpiniti
75 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Deblurring di unimmagine
Con il termine deblurring si intende il miglioramento della qualità di unimmagine che risulta mossa. Poichè il blurring è ottenuto con una convoluzione, loperazione di deblurring è effettuata attraverso una deconvoluzione.
Ovviamente esistono varie tecniche per effettuare questa convoluzione con il
filtro h. Ad esempio con un filtro di Wiener, un filtro regolarizzato, il metodo di Lucy-Richardson, oppure in modo blind. Matlab mette a disposizione
le seguenti funzioni per le deconvoluzioni appena citate:
>>
>>
>>
>>
J = deconvwnr(I,h);
J = deconvreg(I,h);
J = deconvlucy(I,h);
[J,PSF] = deconvblind(I,h);
M. Scarpiniti
76 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Deblurring di unimmagine
>>
>>
>>
>>
>>
>>
>>
>>
I = imread(peppers.png);
I = I(60+[1:256],222+[1:256],:);
h = fspecial(motion,31,11);
J = imfilter(I,h,circular,conv);
K = deconvwnr(J,h);
subplot(1,3,3); imshow(K);
M. Scarpiniti
77 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Eliminare un difetto
Una regione di interesse o ROI è una zona di una immagine in cui vogliamo
effettuare qualche operazione, ad esempio eliminare un diffetto. Matlab
mette a disposizione il comando:
>> J = roifill;
>> J = roifill(I);
>> J = roifill(I,c,r);
Tale funzione restituisce unimmagine J che è la stessa di I in cui è stata
eliminata una regione ottenuta costruendo un poligono intorno con
lutilizzo del mouse e sostituito dal background. E anche possibile
specificare il poligono nei vettori c e r.
M. Scarpiniti
78 / 85
Introduzione
Il Video
Introduzione
La Segmentazione
Eliminare un difetto
>>
>>
>>
>>
J = roifill(I);
M. Scarpiniti
79 / 85
Introduzione
Il Video
Funzioni Base
Il Video
Il Video
M. Scarpiniti
80 / 85
Introduzione
Il Video
Funzioni Base
Gestire un video
Matlab consente di gestire i file video di tipo *.avi. Per aprire un file avi si
utilizza:
>> mov = aviread(filename);
>> mov = aviread(filename,index);
Restituisce il video contenuto in filename o i frame indicati in index
nella struttura mov . Per scrivere un file *.avi, si utilizza invece
>> movie2avi(mov,filename);
Le informazioni sul file, invece, possono essere ottenute tramite
>> fileinfo = aviinfo(filename);
M. Scarpiniti
81 / 85
Introduzione
Il Video
Funzioni Base
Gestire un video
Per visualizzare un filmato si utilizza:

>> movie(M);
>> movie(M,n);
>> movie(M,n,fps);
Il video contenuto nella struttura M pu`
o essere ripetuto n volte, alla
velocità di fps frame per secondo.
M. Scarpiniti
82 / 85
Introduzione
Il Video
Funzioni Base
Convertire unimmagine in un video

E possibile convertire unimmagine in un video, attraverso
>> F = im2frame(X,map);
>> F = im2frame(X);
Viceversa è possibile convertire un singolo frame di un video in unimmagine
attraverso
>> [X,map] = frame2im(F);
Il frame corrente può essere anche ottenuto con la funzione:
>> getframe;
>> F = getframe;
>> F = getframe(h);
che restituisce una struttura con i campi F .cdata (i valori dei pixel con il
modello RGB) e F .colormap (mappa di colore).
M. Scarpiniti
83 / 85
Introduzione
Il Video
Funzioni Base
Catturare un video
Costruiamo un video che viene catturato da un plot.
>>
>>
>>
>>
>>
Z = peaks;
surf(Z);
axis tight
set(gca,nextplot,replacechildren);
for j = 1:20
surf(sin(2*pi*j/20)*Z,Z)
F(j) = getframe;
end
>> pause;
>> movie(F)
M. Scarpiniti
84 / 85
Introduzione
Il Video
Funzioni Base
Bibliografia
Matlab
MATLAB 7: Getting Started Guide.
Available on-line: http://www.mathworks.com/access/helpdesk/help/pdf_doc/matlab/getstart.pdf
Matlab
Image Processing Toolbox 7: Users Guide.
Available on-line: http://www.mathworks.it/access/helpdesk/help/pdf_doc/images/images_tb.pdf
A.V. Oppenheim, R.W. Schafer.
Discrete-Time Signal Processing
2-nd Edition, Prentice Hall, 1999.
T.A. Davis.
MATLAB Primer.
8-th Edition, CRC Press, 2010.
D.M. Smith.
Engineering Computation with MATLAB.
2-nd Edition, Addison-Wesley, 2010.
A. Knight.
Basics of MATLAB and Beyond.
CRC Press, 1999.
A.D. Poularikas.
Signals and Systems Primer with MATLAB.
CRC Press, 2006.
M. Scarpiniti
85 / 85

Laboratorio Per L'elaborazione Multimediale

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Laboratorio Per L'elaborazione Multimediale

Загружено:

Авторское право:

Доступные форматы

Introduzione

Elementi di Elaborazione delle Immagini

Laboratorio per lElaborazione

Roma, 29 Aprile 2011

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Elementi di Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Lobiettivo di questa lezione `e di illustrare i comandi di base per operare con

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Nella modalit`a Truecolor ogni pixel

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: leggere un file di immagine

Viene letta unimmagine di formato fmt e di nome (e percorso) specificato da

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: leggere un file di immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: ottenere le informazioni un file di immagine

Matlab: ottenere le informazioni un file di immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: ottenere le informazioni un file di immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: ottenere le informazioni un file di immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: scrivere un file di immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Se limmagine `e in scala di grigi, posso visualizzare solo i pixels con valori

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

E equivalente allutilizzo di image, tranne il fatto che limmagine ottenuta `e

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: visualizzare una immagine

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: la mappa di colore

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: la mappa di colore

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: la mappa di colore

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Matlab: la mappa di colore

Per editare manualmente una mappa di colore, si pu`

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Migliorare la Qualit`a di unImmagine

Molte volte limmagine che abbiamo a disposizione non `e di buona qualit`a.

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Tale funzione modifica la mappa di colore che viene utilizzata. In particolare

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Il contrasto di una immagine pu`

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini

Laboratorio per lElaborazione MultiMediale Lezione 6 - Elaborazione delle Immagini