Presentazione del corso di Elaborazione di Segnali ...unina.stidue.net/Elaborazione di Segnali...
Transcript of Presentazione del corso di Elaborazione di Segnali ...unina.stidue.net/Elaborazione di Segnali...
Anno accademico 2009-2010
Presentazione del corso di Elaborazione di Segnali Multimediali
Informazioni sul docente
@E-mail: [email protected]
Sit bSito web: www.die.unina.it/gruppoTLC/didattica/corsi.shtml
Orario di ricevimento: giovedì dopo la lezione
Studio: Dip. di Ing. Elettronica e delle Telecom., Via Claudio 21, Fabbricato 3/A, ufficio 4.28tel. 081-7683929
Informazioni sul corso
28 lezioni (4 marzo – 11 giugno)17-18 lezioni teoria10-11 lezioni laboratorio
Modalità d’esame: prova pratica + orale
Conoscenze richieste: filtraggio, analisi in frequenza, concetti base di probabilità
Raccordi corsi paralleli:Teoria dell’Informazione e codiciElaborazione Numerica
Obiettivi del corso
Fornire strumenti concettuali e matematici perFornire strumenti concettuali e matematici per l’elaborazione di immagini
Mostrare alcune tecniche di compressione di immagini/video e descriverne i relativi standard
Mostrare come si implementano algoritmi di l b i d ll i i i di t M tl belaborazione delle immagini mediante Matlab
Sommario
Concetti base sulle immagini
Esempi di elaborazioni (Enhancement, Restoration, Segmentazione, Inpainting)
Trasformate (Fourier, Wavelet)
Compressione di immagini e video
Sommario
Concetti base sulle immagini
Esempi di elaborazioni (Enhancement, Restoration, Segmentazione, Inpainting)
Trasformate (Fourier, Wavelet)
Compressione di immagini e video
Esempi di immagini
Immaginenaturale
Immaginenaturale alivelli di naturale
a colorilivelli di grigio
Immaginemultispettrale
Immaginea raggi X
Immagine a colorig
Rosso
Verde
Blu
Immagine multispettraleg
Blu Verde RossoBlu Verde Rosso
InfrarossoInfrarosso
Esempi di immaginiImmaginea raggi gamma Frattale
Ecografia Immagine dasatellite
Immagine SEMImmagine SEM
Immagine “analogica”
Immagine digitale
m
Pixel(Picture (Picture Element)
x(m,n) n( , )
Immagine digitale
mm
21 17 20 19 21 20 21 21 … …
16 13 19 17 … ….
15 14 Dinamica
RisoluzioneSpaziale15 14 … ….
23 … … ….[0,…,255]
Dinamica Spaziale
M*N
8 bit/pixelkL 2=
Risoluzionesu livelli di grigio
…. …. 248 153
… … 166
L 2=
x(m,n) n
… … 128 188 255 244 215 208 158
… … 156 227 112 255 141
( , )
Immagine “analogica”
1024 10241024x1024
256 livelli di grigio
Risoluzione spaziale
1024x1024 64x64256x256512x512 128x128
Risoluzione spaziale
1024x1024 64x64256x256
Risoluzione su livelli di grigio
8 bit/pixel 4 bit/pixel 2 bit/pixel/p /p /p
256 livelli di grigio 16 livelli di grigio 4 livelli di grigio
8.4 Mbit 4.2 Mbit 2.1 Mbit
Esempi di immagini
Quantizzazione a 1 bit/pixel
Quantizzazione a 2 bit/pixel
Quantizzazione a 3 bit/pixel
Sommario
Concetti base sulle immagini
Esempi di elaborazioni (Enhancement, Restoration, Segmentazione, Inpainting)
Trasformate (Fourier, Wavelet)
Compressione di immagini e video
Enhancement
Enhancement
Enhancement
Enhancement
Istogramma dell’immagine
1.8
2
x 104
1.4
1.6
0.8
1
1.2
0.4
0.6
0 50 100 150 200 2500
0.2
Istogramma dell’immagine
16000
18000
12000
14000
8000
10000
2000
4000
6000
0 50 100 150 200 2500
2000
Istogramma dell’immagine
3
x 104
2
2.5
1.5
0.5
1
0 50 100 150 200 2500
Istogramma dell’immagine
18000
12000
14000
16000
8000
10000
4000
6000
0 50 100 150 200 2500
2000
Filtraggio passa-bassogg
Filtraggio passa altogg
Enhancement
Enhancement
Enhancement
Restoration
Restoration
Restoration
Restoration
Immagine originale Immagine rumorosa Immagine filtrata
Restoration
Segmentazioneg
Segmentazioneg
Segmentazioneg
Segmentazioneg
Segmentazioneg
Elaborazione morfologicag
Inpainting
Inpainting
Inpainting
Sommario
Concetti base sulle immagini
Esempi di elaborazioni (Enhancement, Restoration, Segmentazione, Inpainting)
Trasformate (Fourier, Wavelet)
Compressione di immagini e video
Perché è importante la trasformata?
Diversa rappresentazione dei datiDiversa rappresentazione dei dati
I coefficienti trasformati possono portare alla luceI coefficienti trasformati possono portare alla luceparticolari proprietà del segnale (Analisi)
Certe operazioni possono risultare particolarmentesemplici nel dominio trasformato (Elaborazione)semplici nel dominio trasformato (Elaborazione)
Analisi di Fourier di un segnale
∫+∞
−= dtetxfX ftj π2)()( ∫∞−
200
250
−20
−10
0
100
150
−40
−30
−20
0 50 100 150 200 250 3000
50
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5−60
−50
Segnale originale x(t) Segnale trasformato X(f)
Elaborazione LTI nel dominio di Fourier
250 250
)(*)()( thtxty =100
150
200
100
150
200
0 50 100 150 200 250 3000
50
100
0 50 100 150 200 250 3000
50
100
0 0
−30
−20
−10
)()()( fHfXfY = −30
−20
−10
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5−60
−50
−40
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.5−60
−50
−40
Trasformata di Fourier
Trasformata di Fourier
1 2 3 4 61 2 3 4 5 6 7
Trasformata di Fourier
200 400 600 800 1000 1200
Perché una “nuova” trasformata?
non è poi così nuova! (Haar 1910)…non è poi così nuova! (Haar 1910)
Limiti della trasformata di Fourier (segnali stazionari)Limiti della trasformata di Fourier (segnali stazionari)
Segnali reali: segnali non stazionari (transitori)Segnali reali: segnali non stazionari (transitori)
Localizzazione frequenziale
Segnale stazionario = somma di due toni puriSegnale stazionario = somma di due toni puri
5002
350
400
450
500
0 5
1
1.5
2
150
200
250
300
−0.5
0
0.5
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.50
50
100
0 2 4 6 8 10 12 14 16 18 20−2
−1.5
−1
Segnale originale x(t) Segnale trasformato X(f)
Limiti della trasformata di Fourier
Segnale non stazionario = successione di due toni puriSegnale non stazionario = successione di due toni puri
5001 5
350
400
450
500
0.5
1
1.5
150
200
250
300
−0.5
0
−0.5 −0.4 −0.3 −0.2 −0.1 0 0.1 0.2 0.3 0.4 0.50
50
100
100 150 200 250 300 350 400−1.5
−1
Segnale originale x(t) Segnale trasformato X(f)
Analisi tempo-frequenza
Rappresentazione tempo-frequenza (Spettrogramma)Rappresentazione tempo frequenza (Spettrogramma)
2 1
0 5
1
1.5
2
0.7
0.8
0.9
1
−0.5
0
0.5
Fre
quen
cy
0.3
0.4
0.5
0.6
0 2 4 6 8 10 12 14 16 18 20−2
−1.5
−1
Time0 20 40 60 80 100 120 140 160 180
0
0.1
0.2
Analisi tempo-frequenza
Rappresentazione tempo-frequenza localizza i due toniRappresentazione tempo frequenza localizza i due toni
11 5
0.7
0.8
0.9
1
0.5
1
1.5
Fre
quen
cy
0.3
0.4
0.5
0.6
−0.5
0
Time0 20 40 60 80 100 120 140 160 180
0
0.1
0.2
100 150 200 250 300 350 400−1.5
−1
Trasformata Wavelet di un segnale
Conserva traccia delle brusche discontinuità
250 300
Conserva traccia delle brusche discontinuità
200
250
200
250
300
100
150
100
150
0 50 100 150 200 250 3000
50
50 100 150 200 250 3000
50
Segnale originale x(t) WT[x(t)] a un livello
Trasformata di Fourier
Trasformata Wavelet
Trasformata Wavelet
Trasformata Wavelet
Buona capacità di localizzazione tempo frequenzaBuona capacità di localizzazione tempo-frequenza
Il segnale viene decomposto in una gerarchia di segnaliIl segnale viene decomposto in una gerarchia di segnalia risoluzioni diverse (Analisi Multirisoluzione)
La trasformata può essere implementata mediante unbanco di filtri (Fast Wavelet Transform)banco di filtri (Fast Wavelet Transform)
E’ possibile codificare in modo efficiente i coefficientiE possibile codificare in modo efficiente i coefficientiWavelet (algoritmo EZW)
Sommario
Concetti base sulle immagini
Esempi di elaborazioni (Enhancement, Restoration, Segmentazione, Inpainting)
Trasformate (Fourier, Wavelet)
Compressione di immagini e video
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 1 bit/pixel/p 1 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 2 bit/pixel/p 2 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 3 bit/pixel/p 3 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 4 bit/pixel/p 4 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 5 bit/pixel/p 5 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 6 bit/pixel/p 6 bit/pixel
Esempio di compressione di immagini
Immagine originale Immagine quantizzata
8 bit/pixel 7 bit/pixel/p 7 bit/pixel
Schema a blocchi
Immagine Trasformata Quantizz CodificaImmagineSorgente
Trasformata Quantizz. Codificaentropica
Esempio di compressione di immagini
Immagine OriginaleImmagine Originale JPEG
8 bit/pixel 1 bit/pixelp p
Esempio di compressione di immagini
Immagine QuantizzataImmagine Quantizzata JPEG
1 bit/pixel 1 bit/pixelp p
Esempio di compressione di immagini
Immagine Originale JPEG
8 bit/pixel 0.27 bit/pixelp p
Esempio di compressione di immagini
Immagine Originale JPEG2000
8 bit/pixel 0.27 bit/pixel
Esempio di compressione di immagini
Immagine Originale JPEG2000
8 bit/pixel 0.02 bit/pixelp p
Esempio di compressione di immagini
Immagine Originale JPEG2000
8 bit/pixel 0.01 bit/pixelp p
JPEG vs JPEG2000
JPEG2000JPEG
0.12 bpppp
JPEG vs JPEG2000
JPEG2000JPEG
1.00 bpppp
Codifica con JPEG2000
0.1 bit/pixel
Compressione 81
0.02 bit/pixel
Compressione 400Originale
Compressione video
Compressione video
Compressione video
Programma del corso (1)
Elaborazioni elementariTrasformazioni puntuali e geometricheFiltraggio spaziale e frequenzialeRappresentazione del colore
Compressione di immaginiCodifica mediante trasformata (JPEG)Trasformata Wavelet (JPEG2000)
Programma del corso (2)
Compressione videoCodifica ibrida (MPEG)Codifica basata su trasformata Wavelet
R t tiRestoration
O i i f l i hOperazioni morfologiche
Segmentazione
Libri consigliati
R C G l R E W d “Di i l I P i ”R.C.Gonzalez, R.E.Woods, “Digital Image Processing” http://www.imageprocessingplace.com
A.Bovik, “Handbook of Image and Video Processing”
G. Gersho, R. M. Gray, “Vector Quantization and Signal Processing”
K S d “I t d ti t D t C i ”K.Sayood, “Introduction to Data Compression”
S Mallat “A Wavelet tour of signal processing”S.Mallat, A Wavelet tour of signal processing