Академический Документы
Профессиональный Документы
Культура Документы
di Milano
Il cristallino concentra la
luce dagli oggetti sulla retina
La retina coperta da
recettori della luce chiamati
coni (6-7 milioni) e
bastoncelli (75-150 million)
Coni sono concentrati
intorno alla fovea e sono
molto sensibili ai colori
Bastoncelli sono pi
distribuiti e sono sensibili ai
bassi livelli di illuminazione
Politecnico
di Milano Formazione dellimmagine
nellocchio
Muscoli dellocchio possono essere usati per cambiare
la forma del cristallino permettendoci di mettere a fuoco
oggetti vicini o lontani
Un immagine messa a fuoco sulla renita: coni e
bastoncelli sono eccitati dalla luce
Limmagine acquisita viene poi trasferita al cervello
Politecnico
Nellesempio: la mancanza
di toni di grigio intermedi
evidente nelle zone a lenta
variazione di luminosit
(come le nuvole e il cielo)
6
Politecnico
Lintensit percepita
non una funzione
solo dellintensit
luminosa: il bordo tra
due regioni appare
pi scuro nella
regione scura e pi
chiaro nella regione
chiara.
Ernst Mach
(1865)
Bande di Mach: regioni ad intensit uniforme
Politecnico
Illusioni Ottiche
di Milano
Politecnico
La luce riflessa
di Milano
dalloggetto
Politecnico
Acquisire le immagini
di Milano
Sensore di immagini
Array di sensori
Politecnico
Il mondo continuo
una immagine digitale semplicemente
unapprossimazione di questo mondo!
Politecnico
Quali immagini?
di Milano
17
Politecnico
18
Politecnico
19
Politecnico
Immagini Raggi X
di Milano
TAC
I raggi X sono tra le pi
antiche fonti di
radiazioni
elettromagnetiche
utilizzate per le immagini
Luso pi noto dei raggi
X la diagnostica
medica, ma sono
ampiamente utilizzati
anche nel settore
industriale e in altri
settori
20
Politecnico
Immagini nellultra-violetto
di Milano
22
Politecnico
Microprocessore
Polmone Quarzite 23
Politecnico
24
Politecnico
Immagini da infrarosso
di Milano
Immagini Radar
di Milano
26
Politecnico
Le onde radio
vengono usate in
medicina, per
esempio, per la
risonanza magnetica
(magnetic resonance
imaging, MRI).
27
Politecnico
Immagini da ultrasuoni
di Milano
28
Politecnico
29
Politecnico
Inizio
Anni 20: Una delle prime applicazioni delle
immagini digitali stata nellindustria della carta stampata
Il servizio di trasmissioni via cavo
Bartlane
Le immagini venivano trasferite
tramite cavo sottomarino tra
Londra e New York
Le immagini venivano codificate
per il trasferimento via cavo e Una delle prime
immagini digitali
ricostruite dal ricevente su una
stampante telegrafica
Politecnico
Immagine
digitale Immagine a 15 toni di
grigio
Politecnico
Anni
70: elaborazione di immagini digitali inizia ad
essere utilizzata in applicazioni mediche
1979: Sir Godfrey N.
Hounsfield ed il Prof. Allan M.
Cormack vincono il premio
Nobel per linvenzione
della tecnologia alla base
della TAC
Immagine acquisita
durante una TAC
Politecnico
Effetti
artistici vengono
utilizzati per rendere le
immagini pi
interessanti, per
aggiungere effetti
speciali e per creare
immagini composite
Politecnico
Esempio: Medicina
di Milano
40
Politecnico
42
Politecnico
43
Politecnico
di Milano Esempio: Human-Computer
Interface
Rendere
linterfaccia
computer-uomo pi naturale
Riconoscimento di volti
Riconoscimento di gesti
Questicompiti sono
particolarmente complessi
Politecnico
di Milano La catena dellelaborazione dellimmagine
(Brian Mac Namee)
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Image Acquisition
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Image Enhancement
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Image Restoration
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Morphological Processing
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Segmentation
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Object Recognition
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Representation & Description
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Image Compression
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Politecnico
di Milano La catena dellelaborazione dellimmagine:
Colour Image Processing
Image Morphological
Restoration Processing
Image
Segmentation
Enhancement
Image Object
Acquisition Recognition
Representation
Problem Domain
& Description
Colour Image Image
Processing Compression
Elaborazione delle immagini
Politecnico
di Milano
digitali
Istogramma
Negativo
Sogliatura
Trasformazioni (equalizzazione)
Politecnico
Istogramma dellimmagine
di Milano
Grey Levels
Politecnico
L'immagine ad alto
contrasto quella che ha
listogramma pi regolare
(uniformemente
spaziato)
Politecnico
Immagini in negativo
di Milano
Immagine Immagine
Originale Negativa
s = 1.0 - r
Politecnico
s = intensitymax - r
Politecnico
Thresholding (sogliatura)
di Milano
Power-Law transformations
di Milano
Le trasformazioni con
legge di potenza hanno
la seguente forma
s=c*r
Mappare tonalit r
nella tonalit s attraverso
una trasformazione con
legge di potenza
Variando si ottiene
lintera famiglia
di curve
Politecnico
di Milano Trasformazioni con legge di
potenza: pixel per pixel
Original Image Enhanced Image x
x
s=r
Generalmente si fissa c a 1
Livelli di grigio devono essere nellintervallo [0.0, 1.0]
Politecnico
di Milano Trasformazioni con legge di
potenza: immagine originale
Politecnico
di Milano
Trasformazioni con legge di potenza:
immagine trasformata (1)
= 0.6
1
0.9
Transformed Intensities
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1
Old Intensities
Politecnico
di Milano
Trasformazioni con legge di potenza:
immagine trasformata (2)
= 0.4
1
0.9
Transformed Intensities
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1
Original Intensities
Politecnico
di Milano
Trasformazioni con legge di potenza:
immagine trasformata (3)
= 0.3
1
0.9
Transformed Intensities
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1
Original Intensities
Politecnico
di Milano Effetto del nelle trasformazioni di
potenza
Queste immagini
mostrano una
s = r 0.6
risonanza magnetica
di una colonna
vertebrale
s = r 0.4
Differenti curve
evidenziano dettagli
differenti
Politecnico
di Milano E per scurire unimmagine? Che valore
di dobbiamo usare?
Politecnico
di Milano
Trasformazioni con legge di potenza:
immagine trasformata con >1
= 5.0
1
0.9
Transformed Intensities
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0
0 0.2 0.4 0.6 0.8 1
Original Intensities
Politecnico
di Milano Effetto del nelle trasformazioni di
potenza
Questa volta le
trasformazioni
sono usate per s = r 3.0
scurire
limmagine
Differenti curve
evidenziano
s = r 4.0
dettagli differenti
Politecnico
Aumentare il contrasto
di Milano
Equalizzazione: esempio 1
di Milano
1
Politecnico
Equalizzazione: esempio 2
di Milano
2
Politecnico
Equalizzazione: esempi 3 e 4
di Milano
4
Politecnico
di Milano Funzioni di trasformazione per gli esempi di
equalizzazioni 1, 2, 3 e 4
Politecnico
Per approfondimenti
di Milano
92