Ogni pixel rappresenta l’intensità nella corrispondente posizione della griglia di campionamento.
Un pixel rappresenta in realtà non soltanto un punto dell’immagine, ma piuttosto una regione rettangolare coincidente con una cella della griglia.
Il valore associato al pixel deve rappresentare pertanto l’intensità media nella cella.
Pixel depth
indica il numero di colori o gradazioni che si possono vedere nell’immagine. Pixel depth è il numero di bit usato per codificare l’intensità di un pixel.
dato n -> pixel depth = 2n……………………………….
n = 8 -> pixel depth = 256 ……….(0 -> 255)
n = 16 -> pixel depth = 65536 …….. (0 -> 65535)
…………………………………………………………..(-32768 -> 32768)
La modalità di campionamento determina la risoluzione spaziale dell’immagine.
La risoluzione spaziale è il più piccolo dettaglio distinguibile in una immagine.
Viene espressa normalmente in elementi per unità di lunghezza, per esempio pixel (oppure dot) per inch.
Quando non è necessaria una valutazione della risoluzione che metta in relazione il numero di pixel con il livello di dettaglio della scena originale, è usuale dire semplicemente che una immagine di dimensioni MxN ha una risoluzione spaziale MxN.
Esempio della rappresentazione di una immagine modificando le dimensioni dei pixel a parità di dimensione dell'immagine.
Con pixel di grande dimensione, non solo la risoluzione spaziale è scadente, ma appaiono ben visibili le discontinuità di grigio al confine tra i pixel.
Man mano che la dimensione dei pixel si riduce, l’effetto diventa meno visibile, fino al punto che si ha l’impressione di una immagine continua.
Questo accade quando la dimensione del pixel diventa più piccola della risoluzione spaziale del sistema visivo umano.
Siccome quest’ultima dipende dalla distanza e dalle altre condizioni di osservazione, in generale non è definibile a priori il numero di pixel necessari a garantire una buona qualità dell’immagine.
Sicuramente la dimensione dei pixel deve essere piccola in relazione alla scala degli oggetti rappresentati nell’immagine.
Esempio della rappresentazione di una immagine mantenendo le dimensioni dei pixel e variando la dimensione dell'immagine.
In realtà è la tecnologia dei sensori che determina la dimensione dei pixel e, quindi, la risoluzione dell’immagine, piuttosto che i requisiti dell’applicazione.
D’altra parte anche la condizione di “immagine di buona qualità” è strettamente dipendente dall’applicazione, nel caso generale, e fortemente soggettiva, nel caso dell’osservazione visuale.
La riduzione del numero di livelli provoca il peggioramento della qualità dell’immagine: appaiono falsi contorni, e non è possibile distinguere oggetti che differiscono per variazioni di grigio lente.
Nell’ esempio, si nota (in misura crescente al diminuire del numero di livelli) il fenomeno dei falsi contorni nelle zone di lenta variazione dei grigi, fino al caso limite delle immagini a due livelli (o bi-livello o binarie).
Numero di Piani
Il numero di piani in un’immagine è il numero di matrici che compongono l’immagine.
gray level = 1 piano
true color = 3 piani (Red, Green, Blue)
Immagine Binaria
Composta da un solo piano ed i suoi pixel possono assumere solo due valori.
A(i,j) = {1 o 0}
Immagini a livello di grigio
Composta da un solo piano.
8 bit (0-255) -> BMP, TIFF, PNG, JPEG
16 bit (0-65535) -> PNG
Immagini a colori RGB
3 piani
24 bit = 2563 = 16 milioni di colori
-> BMP, TIFF, PNG, JPEG
8 bit -> red
8 bit -> green
8 bit -> blue
Index color image
Composta da un solo piano.
La matrice dei dati è accompagnata dalla matrice della colormap.
Esempi di diverse palettes (colormaps) comunemente utilizzate per la visualizzazione delle immagini digitali.
Immagini complesse
Composte da due piani
64 bit -> 32 bit -> parte reale
32 bit -> parte complessa
In alcune applicazioni può essere utile evidenziare il contributo di specifici bit alla apparenza complessiva dell’immagine.
Se per codificare i pixel di una immagine si utilizzano 8 bit, si può considerare l’immagine costituita da 8 piani di 1 bit, dal piano 0 (che contiene il bit meno significativo di ogni pixel) al piano 7 (che contiene il bit più significativo).
Si consideri il valore di ogni pixel dell’immagine espresso in binario. Ovviamente il bit più significativo si trova nel piano 7, il bit di peso immediatamente inferiore si trova nel piano 6, e così via per tutti gli altri.
Per esempio, consideriamo un’immagine i cui primi pixel abbiano rispettivamente i valori 192, 255, 65, …
Si ottiene la rappresentazione come quella riportata in figura.
Il bit-plane slicing consiste quindi nello scomporre un’immagine in otto immagini binarie, rappresentate dai vari piani.
I piani di bit più significativi contengono informazioni sulla struttura dell’immagine, mentre quelli via via meno significativi forniscono i dettagli sempre più piccoli.
Si noti che solo i piani dal 7 al 3 contengono dati significativi dal punto di vista visuale.
Inoltre l’immagine binaria del piano 7 è esattamente quella che si ottiene binnarizzando con soglia pari a 128 l’immagine di partenza.
Istogramma Lineare
Data una immagine si definisce l’istogramma dell’immagine
H (k) = nk
dove k è il valore di livello di grigio e
nk è il numero di pixel in un’immagine con un valore di livello di grigio uguale a k.
Istogramma Comulativo
2. Digital Imaging Processing: Introduzione
4. Immagini Digitali - parte prima
5. Immagini Digitali - parte seconda
6. Dicom
7. Trasformazioni di Intensità
8. Convoluzione e Correlazione
9. Filtraggio nel Dominio Spaziale - parte prima
10. Filtraggio nel Dominio Spaziale - parte seconda
11. Trasformazioni Geometriche
14. Filtraggio nel Dominio delle Frequenze
16. Region Growing
17. Image Registration - parte prima
18. Image Registration - parte seconda
19. Computed Tomography - parte prima