Vai alla Home Page About me Courseware Federica Living Library Federica Federica Podstudio Virtual Campus 3D La Corte in Rete
 
Il Corso Le lezioni del Corso La Cattedra
 
Materiali di approfondimento Risorse Web Il Podcast di questa lezione

Giovanni Mettivier » 4.Immagini Digitali - parte prima


Rappresentazione

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.

Rappresentazione numerica di una immagine. Il valore riportato nel riquadro è il valore dell’intensità dell’immagine.

Rappresentazione numerica di una immagine. Il valore riportato nel riquadro è il valore dell'intensità dell'immagine.


Proprietà

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)

Risoluzione spaziale

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.

Risoluzione spaziale (segue)

Esempio della rappresentazione di una immagine modificando le dimensioni dei pixel a parità di dimensione dell’immagine.

Esempio della rappresentazione di una immagine modificando le dimensioni dei pixel a parità di dimensione dell'immagine.


Risoluzione spaziale (segue)

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.

Risoluzione spaziale (segue)

Esempio della rappresentazione di una immagine mantenendo le dimensioni dei pixel e variando la dimensione dell’immagine.

Esempio della rappresentazione di una immagine mantenendo le dimensioni dei pixel e variando la dimensione dell'immagine.


Risoluzione spaziale (segue)

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.

Quantizzazione

Esempio della rappresentazione di una stessa immagine con diversi livelli di quantizzazione.

Esempio della rappresentazione di una stessa immagine con diversi livelli di quantizzazione.


Quantizzazione (segue)

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).

Proprietà

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)

Immagini digitali

Immagine Binaria

Composta da un solo piano ed i suoi pixel possono assumere solo due valori.

A(i,j) = {1 o 0}

Esempio di immagine binaria.

Esempio di immagine binaria.


Immagini digitali (segue)

Immagini a livello di grigio

Composta da un solo piano.

8 bit (0-255) -> BMP, TIFF, PNG, JPEG

16 bit (0-65535) -> PNG

Esempio di immagine a livelli di grigio.

Esempio di immagine a livelli di grigio.


Immagini digitali (segue)

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

Esempio di immagine RGB.

Esempio di immagine RGB.


Immagini digitali (segue)

Index color image

Composta da un solo piano.
La matrice dei dati è accompagnata dalla matrice della colormap.

Esempio di Index Image.

Esempio di Index Image.


Color Map

Esempi di diverse palettes (colormaps) comunemente utilizzate per la visualizzazione delle immagini digitali.

Esempi di diverse palettes (colormaps) comunemente utilizzate per la visualizzazione delle immagini digitali.


Immagini digitali (segue)

Immagini complesse

Composte da due piani

64 bit ->   32 bit -> parte reale

32 bit -> parte complessa

Bit plane slicing

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.

Bit plane slicing

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.

Rappresentazione dell’immagine come composizione di tanti piani quanti sono il numero di bit dell’immagine stessa.

Rappresentazione dell'immagine come composizione di tanti piani quanti sono il numero di bit dell'immagine stessa.


Bit plane slicing (segue)

Un esempio reale. Rappresentazione dei piani di ogni singolo bit per una immagine a 8 bit.

Un esempio reale. Rappresentazione dei piani di ogni singolo bit per una immagine a 8 bit.


Bit plane slicing (segue)

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

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

H{_{Cumul}}(k) = {\sum_{0}^{k}} n{_k}

Istogramma Lineare.

Istogramma Lineare.

Istogramma Comulativo.

Istogramma Comulativo.


Line profile

Definita una linea lungo l’immagine disegna le variazioni dell’intensità (es. livelli di grigio) lungo i pixel appartenenti ad essa.

Line profile.

Line profile.


  • Contenuti protetti da Creative Commons
  • Feed RSS
  • Condividi su FriendFeed
  • Condividi su Facebook
  • Segnala su Twitter
  • Condividi su LinkedIn
Progetto "Campus Virtuale" dell'Università degli Studi di Napoli Federico II, realizzato con il cofinanziamento dell'Unione europea. Asse V - Società dell'informazione - Obiettivo Operativo 5.1 e-Government ed e-Inclusion

Fatal error: Call to undefined function federicaDebug() in /usr/local/apache/htdocs/html/footer.php on line 93