Abbiamo gia visto nella lezione 4 che i sistemi LTI in due dimensioni sono caratterizzati, al pari di quelli unidimensionali dalla formula di convoluzione:
y[n,m]=x[n,m]*δ[n,m]
La convoluzione si implementa mediante una finestra scorrevole sui dati (sliding window) che appunto è la risposta all’impulso unitario.
Richiamiamo anche la circostanza che trattandosi di maschere bidimensionali, i coefficienti di una risposta impulsiva crescono con il quadrato e costringono ad usare lunghezze relativamente brevi; inoltre in generale i filtri utilizzati sono filtri FIR, a risposta impulsiva finita.
Un modo semplice per progettare coefficienti di una risposta impulsiva usa il criterio che, di norma, all’elaborazione nelle due diverse direzioni, x ed y, non si richiedono risultati differenti; una sorta di criterio di invarianza nelle due direzioni che in realtà è una invarianza in tutte le direzioni.
Un semplice sistema è quello di progettare un filtro 1D con le caratteristiche desiderate – passa alto passa basso passa banda.
Abbiamo già visto che la risposta impulsiva di un filtro che fa la media in 2D ha l’aspetto in figura nel caso di un filtro 3×3 con 9 campioni per la convoluzione. Il filtraggio è di tipo passa basso. I risultati sono nelle figure.
Con una matrice
si può ottenere un effetto passa-alto. Nello spettro si osserva che il contributo in frequenza alle basse frequenze è minore nell’immagine filtrata è diminuito rispetto all’immagine di partenza.
Si osserva come nella matrice che definisce la risposta impulsiva troviamo segni discordi tra campioni adiacenti (per pesare appunto le variazioni ovvero le differenze, approssimazioni di una derivata). Inoltre il valore medio della risposta impulsiva è nullo.
Nello spettro si osserva che esso è stato reso più uniforme e le componenti a bassa frequenza sono praticamente scomparse.
L’informazione sull’immagine ha lasciato posto alla sola informazione sui dettagli.
Se vogliamo ripristinare l’informazione sull’immagine nelle sue variazioni lente (basse frequenze) oltre a quella sui dettagli possiamo aggiungere i dettagli all’immagine di partenza.
L’immagine di partenza è “filtrata” dal filtro identico:
Possiamo sommare le due risposte impulsive con pesi 1 e 0.2 ottenendo
e filtrare con quest’ultima.
Il risultato è in figura. Nello spettro si osserva l’energia minore delle basse frquenze.
La ricerca dei contorni di una immagine si può fare mediante filtraggio lineare con opportuni filtri che mettano in evidenza le variazioni di intensità tra punti o zone adiacenti. Si mostrano di seguito i risultati ottenuti con alcuni filtri utilizzati allo scopo.
Le prestazioni di filtri lineari sono comunque insufficienti allo scopo di rivelare contorni.
Si adottano per questo problema delle procedure non lineari, basate sul confronto con soglie opportune allo scopo di ottenere immagini contrastate che descrivano i contorni.
Su questi contorni poi possono essere sviluppati degli algoritmi per misurare le dimensioni di zone identificate dai contorni, ad esempio, organi, nel caso di radiografie, o cellule nel caso di immagini da microscopi.
Queste tecniche non lineari, proprio perché basate su soglie e decisioni logiche binarie, vanno al di là degli scop di questo corso.
Le immagini riportate servono esclusivamente a dare uno sguardo a queste potenti tecniche di elaborazione.
1. Introduzione al corso. I segnali a tempo continuo ed a tempo di...
3. Sistemi: tipologie. Sistemi discreti e continui, lineari e non.
5. Equazioni alle differenze finite: sistemi del primo ordine
6. Sistemi del Secondo Ordine. Sistemi di ordine arbitrario
7. Sistemi del secondo ordine: sintesi vocale
8. Sistemi per l'elaborazione numerica dei segnali: implementazion...
9. Quantizzazione: precisione finita di parola
10. Segnali continui: Serie di Fourier e Trasformata di Fourier
11. Analisi di Fourier per sequenze periodiche: DFS
12. Serie Discrete di Fourier: esempi
13. Analisi di Fourier per sequenze finite: la DFT
14. Trasformata di Fourier a Tempo Discreto per segnali di durata a...
15. Trasformata di Fourier a Tempo Discreto: proprietà
16. Trasformata di Fourier a Tempo Breve (STFT short time fourier t...
17. La trasformata Z
18. Il teorema del campionamento: ricostruzione
19. Trasformate bidimensionali