Elaborazine delle immagini - .Processi cognitivi legati alla semantica delle immagini ......

download Elaborazine delle immagini - .Processi cognitivi legati alla semantica delle immagini ... (Sharpening)

of 55

  • date post

    15-Feb-2019
  • Category

    Documents

  • view

    213
  • download

    0

Embed Size (px)

Transcript of Elaborazine delle immagini - .Processi cognitivi legati alla semantica delle immagini ......

Corso di Robotica

Prof. Davide Brugali

Universit degli Studi di Bergamo

Elaborazine delle immagini

UNIBG - Corso di Robotica - Prof. Brugali 2

Visione umana

Visione retinica

Pre-elaborazione del segnale

Compressione

Selezione della regione di interesse

Focalizzazione dellattenzione

Visione corticale

Estrazione delle primitive visuali

(colori, forme, tessiture)

Visione intelligente

Associazione a modelli di conoscenza

Riconoscimento

Ragionamento visuale

Apprendimento

UNIBG - Corso di Robotica - Prof. Brugali 3

Visione artificiale Basso livello :Elaborazione immagini

Operazioni ripetitive sugli elementi base delle immagini.

Utilizzo di algoritmi ben formalizzati.

Filtraggio del rumore

Segmentazione

Medio livello: Analisi di immagini

Estrazione di primitive dalle immagini

Alto livello: Comprensione delle immagini

Riconoscimento forme

Riconoscimento movimenti

Processi cognitivi legati alla semantica delle immagini

Impiego di euristiche, soluzioni approssimate

Image Processing

Pattern Recognition

Artificial Intelligence

Immagini

Immagini

Oggetti

Conoscenza

Processi decisionali

UNIBG - Corso di Robotica - Prof. Brugali 4

Basso livello Obiettivi

Esaltare alcune caratteristiche visuali (image enhancement)

Recuperare le degradazioni dellimmagine dovute, ad esempio, al rumore (image restoration)

Generare una nuova immagine combinando un gruppo di altre immagini (image recostruction)

Effettuare una compressione eliminando le ridondanze (image coding)

Modifica del contenuto informativo (image processing): segmentazione, binarizzazione, filtraggio del movimento.

UNIBG - Corso di Robotica - Prof. Brugali 5

Medio livello

linsieme dei processi di estrazione delle informazioni simboliche dalle immagini preelaborate e le tecniche di analisi delle caratteristiche visuali degli oggetti presenti nelle stesse.

Etichettatura di oggetti

Estrazione di primitive visuali

UNIBG - Corso di Robotica - Prof. Brugali 6

Alto livello

Lo scopo di questo livello quello di arrivare ad una forma di comprensione della scena osservata, come pu essere il riconoscimento di oggetti e di relazioni spaziali tra gli oggetti.

Classificazione automatica (clustering)

Riconoscimento

Localizzazione

Problemi di interpretazione

Elaborazioni puntuali

UNIBG - Corso di Robotica - Prof. Brugali

Contrasto

Imax e Imin: intensit massima e minima

Pi il contrasto alto, pi losservatore pu notare i dettagli dellimmagine. solo percezione dellocchio umano in quanto la quantit di

informazione non cambia.

UNIBG - Corso di Robotica - Prof. Brugali

Contrasto I

max I

min

Imax

Imin

8

Contrasto

UNIBG - Corso di Robotica - Prof. Brugali 9

UNIBG - Corso di Robotica - Prof. Brugali

Operazioni di soglia

Loperazione di soglia serve per binarizzare unimmagine

molto importante e spesso anche estremamente critica

10

UNIBG - Corso di Robotica - Prof. Brugali

Istogramma

L istogramma di unimmagine a livelli di grigio un

vettore con un numero di elementi pari al numero dei livelli di grigio

Il valore di ciascun elemento dato dal numero di pixel dellimmagine che assumono quello specifico livello di grigio

11

UNIBG - Corso di Robotica - Prof. Brugali

Esempi di istogrammi

12

UNIBG - Corso di Robotica - Prof. Brugali

Esempi di istogrammi

13

UNIBG - Corso di Robotica - Prof. Brugali

Utilit dellistogramma Listogramma fornisce informazioni utili per varie

operazioni, tra cui il miglioramento del contrasto e la binarizzazione tramite soglia

Poich in generale diversi oggetti hanno livelli di grigio diversi, listogramma fornisce un primo semplicissimo metodo di classificazione

14

UNIBG - Corso di Robotica - Prof. Brugali

Contrast Stretching

Espansione dei livelli di grigio

serve per modificare in modo dinamico listogramma

15

UNIBG - Corso di Robotica - Prof. Brugali

Contrast Stretching

Esempio di aumento di contrasto

16

UNIBG - Corso di Robotica - Prof. Brugali

Equalizzazione

Lequalizzazione dellistogramma lelaborazione che idealmente produce unimmagine con istogramma uniformemente distribuito su tutti i livelli di grigio.

Aumenta i contrasti vicino ai massimi e li diminuisce vicino ai minimi

17

UNIBG - Corso di Robotica - Prof. Brugali

Equalizzazione

Considera listogramma come la distribuzione di probabilit dei livelli di grigio. Procedimento:

1. Si calcola listogramma cumulativo

2. Si dividono i valori ottenuti al passo 1 per il numero di pixel

3. Si moltiplicano i valori ottenuti al passo 2 per il massimo livello di grigio e si arrotonda

4. Si mappano i livelli di grigio originali sui valori ottenuti al passo 3 con una corrispondenza 1 a 1

18

UNIBG - Corso di Robotica - Prof. Brugali

Equalizzazione

Esempio di equalizzazione

19

UNIBG - Corso di Robotica - Prof. Brugali

Esempi

Originale Con contrast stretching

Equalizzata

20

Elaborazioni locali

UNIBG - Corso di Robotica - Prof. Brugali

Rumore

Il rumore nelle immagini puo essere generato in qualsiasi punto della catena del segnale:

Rumore gaussiano (termico):

Speckle noise (elettrico): il rumore e proporzionale (correlato) allimmagine sottostante

Rumore salt&pepper: pixel difettosi nella camera, transienti anomali

immagine originale Gaussiano Speckle Salt & pepper

UNIBG - Corso di Robotica - Prof. Brugali 22

Convoluzione/filtraggio

E possibile applicare i concetti della teoria dei sistemi

(deterministici e stocastici) con i dovuti accorgimenti matematici

Come per i segnali 1D e possibile definire un prodotto di

convoluzione

1

0

1

0

,,,:N

r

M

s

srhsmrnfmnuhf

filtro h = FIR 7x7 immagine f

n

m

r

s

UNIBG - Corso di Robotica - Prof. Brugali 23

Image Convolution

0.5

0.5 0 0

1 0

0 0 0

kernel

8

Modified image data Local image data

6 1 4

1 8 1

5 3 10

* =

UNIBG - Corso di Robotica - Prof. Brugali 24

Linear filters: examples

0 0 0

0 1 0

0 0 0

Original Identical image

Source: D. Lowe

* =

UNIBG - Corso di Robotica - Prof. Brugali 25

Linear filters: examples

0 0 0

0 0 1

0 0 0

Original Shifted left

By 1 pixel

* =

Source: D. Lowe

UNIBG - Corso di Robotica - Prof. Brugali 26

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Smoothing)

Avendo i pesi somma 1, la luminosit globale dellimmagine non cambia

Il filtro uniforma i valori nellintorno riducendo le variazioni: un filtro passa-basso

27

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Smoothing)

Avendo i pesi somma 0, si ottiene la soppressione della componente continua dellimmagine.

E un filtro passa-alto perch non azzera i punti dove si hanno variazioni (alte frequenze)

28

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Filtraggio del rumore)

Filtro Mediano: un pixel sostituito dal valore mediano dei pixel nellintorno

Mediano : il mediano M di un insieme di valori tale che met dei valori sono minori di M e met dei valori sono maggiori di M

29

35

38

40

52

57

107

110

115

29

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Filtraggio del rumore)

Leffetto del filtro mediano di forzare i pixel ad assumere un valore uguale a quello di uno dei pixel circostanti, eliminando eventuali spike isolati, cio la forma con cui di solito si manifesta il rumore

30

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Sharpening)

I filtri di sharpening, complementari ai filtri di smoothing, sono utilizzati per aumentare il contrasto locale dellimmagine, in modo da arricchire i dettagli fini o per evidenziare i contorni degli oggetti.

Possono provocare laumento del rumore nellimmagine.

31

UNIBG - Corso di Robotica - Prof. Brugali

Convoluzione (Sharpening)

I filtri di sharpening, complementari ai filtri di smoothing, sono utilizzati per aumentare il contrasto locale dellimmagine, in modo da arricchire i dettagli fini o per evidenziare i contorni degli oggetti.

Possono provocare laumento del rumore nellimmagine.

Per accrescere le differenze tra pixel vicini, una maschera deve avere il peso centrale di segno opposto a quelli periferici

La somma dei pesi delle maschere 1, per evitare lintroduzione di bias di intensit

32