Approssimazione di derivate

Slides:



Advertisements
Presentazioni simili
DI3 – Dip. Ing.Industriale e dell’Informazione
Advertisements

ESERCITAZIONE 2 Come leggere la tavola della normale e la tavola t di Student. Alcune domande teoriche.
Selezione delle caratteristiche - Principal Component Analysis
8) GLI INTERVALLI DI CONFIDENZA
Prof.Maurita Fiocchi Corso A-ERICA RICERCA PUNTI ESTREMANTI LIBERI DELLE FUNZIONI REALI A DUE VARIABILI REALI z = f( x ; y )
FUNZIONI REALI DI DUE VARIABILI REALI
Corso di Percezione Robotica (PRo) A. A. 99/00 B
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
MATLAB.
FUNZIONI DI DUE VARIABILI
Cinematica differenziale
ODE PROBLEMA DI CAUCHY IN 1-D Sia f : I x RR, I  R.
Marina Cobal - Dipt.di Fisica - Universita' di Udine
LIMITI DAGLI INTORNI ALL DAGLI INTORNI ALL. Compresa la definizione di limite, adesso cerchiamo di trovarne unaltra più efficace da un punto di vista.
Filtro di smoothing Gaussiano
RICHIAMI ELEMENTARI DI ALGEBRA MATRICIALE
Statistica per le decisioni aziendali ed analisi dei costi Modulo II - Statistica per le decisioni Aziendali Richiami di Algebra Matriciale.
DERIVATE PARZIALI PRIME
Inversione differenziale della Cinematica
PER FUNZIONI DI PIÙ VARIABILI - 3.
CONTINUITÀ LIMITI E DIFFERENZIABILITÀ DI FUNZIONI DI PIÙ VARIABILI
SUPERFICIE NELLO SPAZIO, FORMULE DELLA DIVERGENZA E DI STOKES
SISTEMI D’EQUAZIONI ED EQUAZIONI DIFFERENZIALI LINEARI.
FEM -3 G. Puppo.
Velocità media Abbiamo definito la velocità vettoriale media.
Il moto armonico Altro esempio interessante di moto è quello armonico caratterizzato dal fatto che l’accelerazione è proporzionale all’opposto della posizione:
Ricerca della Legge di Controllo
Tesine per il corso visione e percezione: Struttura e temi.
CORSO DI MODELLI DI SISTEMI BIOLOGICI
STATISTICA a.a METODO DEI MINIMI QUADRATI REGRESSIONE
Isometrie del piano In geometria, si definisce isometria
SOLUZIONE DELLO STRATO LIMITE SU UNA PARETE PIANA
Estremi di una funzione
Lezione 8 Numerosità del campione
Num / 36 Lezione 9 Numerosità del campione.
Analisi di Immagini e Dati Biologici
Metodi numerici per l’approssimazione
Propagazione degli errori
Spazi vettoriali astratti Somma e prodotto di n-ple Struttura di R n.
MASSIMI E MINIMI DI UNA FUNZIONE
METODI E CONTROLLI STATISTICI DI PROCESSO
ESERCIZI: CONVOLUZIONE
CONVOLUZIONE - ESERCIZIO
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
INDICE I VALORI MEDI LA MEDIA GEOMETRICA LA MEDIA ARITMETICA
Shape-based visual information retrieval Enver Sangineto Dipartimento di Informatica
Stabilità per E.D.O. (II): IL METODO DIRETTO DI LYAPUNOV
Stabilità per E.D.O. (I): STABILITÀ LINEARIZZATA
Vettori dello spazio bidimensionale (R 2)
Studio della monotonia
Vettori A B VETTORE è un segmento orientato caratterizzato da: C D
Analisi di Immagini e Dati Biologici Edge detection and sharpening L7 38.
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
Approssimazione FD 1D su griglia non uniforme
A proposito di spazio scala e di altre features locali... Elisabetta Delponte
Trasformata di Hough.
Trasformata di Fourier
Esercitazione 5 Corso di Elaborazione e Trasmissione delle Immagini Pisa, 27 ottobre 2004.
L’integrale definito di una funzione
I massimi, i minimi e i flessi
F U N Z I O N I Definizioni Tipi Esponenziale Logaritmica
L’integrale definito di una funzione
Rapporto incrementale Calcolare il rapporto incrementale.
Selezione del volume dei polmoni M. Antonelli, B. Lazzerini, F. Marcelloni Dipartimento Ingegneria dell’Informazione Pisa.
DIPENDENZA STATISTICA TRA DUE CARATTERI Per una stessa collettività può essere interessante studiare più caratteri presenti contemporaneamente in ogni.
FILTRI NUMERICI. Introduzione Nel campo nei segnali (analogici o digitali), un sistema lineare tempo-invariante è in grado di effettuare una discriminazione.
Elementi di Topologia in R
Teoremi sulle funzioni derivabili 1. Definizione di massimo globale x0x0 f(x 0 ) Si dice massimo assoluto o globale di una funzione il più grande dei.
I LIMITI.
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Transcript della presentazione:

Approssimazione di derivate Data una funzione (teoricamente analitica) f: R  R campionata ad intervalli regolari di ampiezza h, si può approssimare la sua derivata in un punto di campionamento mediante le differenze finite fra i valori in punti di campionamento vicini: Approssimazione all’indietro: Approssimazione in avanti:

Approssimazione di derivate Approssimazioni centrali:

Approssimazione di derivate

Approssimazione di derivate Approssimazioni analoghe valgono per la derivata seconda:

Ancora rilevamento dei contorni Alcune delle approssimazioni viste prima sono utilizzate nel rilevamento dei contorni. Dopo (o assieme a) un filtraggio, si convolve l’immagine con una maschera che fornisce la derivata parziale fx rispetto a x. Con tali valori si costruisce una matrice (una immagine ausiliaria) di tipo appena più piccolo della immagine originaria (a causa dell’impossibilità di centrare la maschera su tutti gli elementi del bordo). Analogamente, si costruisce una terza matrice contenente i valori della derivata parziale fy rispetto ad y.

Ancora rilevamento dei contorni Si costruisce una quarta matrice in cui ogni elemento è la norma euclidea del gradiente di f relativo alla stessa coppia di indici: Gli elementi appartenenti al contorno sono quelli per cui tale norma risulta massima, o comunque superiore ad una soglia fissata.

Ancora rilevamento dei contorni Algoritmo di Canny: le derivate parziali si ottengono mediante convoluzione con le maschere o anche, con le dovute modifiche alla sommatoria,

Ancora rilevamento dei contorni Algoritmo di Sobel: la variante relativa al calcolo delle derivate parziali è rappresentata dalle maschere Algoritmo di Roberts: le derivate vengono calcolate rispetto ad altre direzioni

Rilevamento degli angoli Con opportuni accorgimenti, è possibile rilevare caratteristiche (features) più sofisticate. Come esempio, indichiamo un metodo per rilevare angoli. Per ogni elemento dell’immagine (sufficientemente discosto dal bordo) consideriamo i valori di fx ed fy relativi agli elementi di un suo intorno prefissato. Costruiamo la matrice 2x2, simmetrica e semidefinita non negativa

Rilevamento degli angoli Tale matrice ha autovalori a1 a20. Se nell’intorno prefissato dell’elemento considerato la funzione f è costante, gli autovalori sono entrambi nulli. Se l’elemento si trova su un contorno rettilineo (nell’ambito dell’intorno prefissato), allora a1 è positivo ma a2 è nullo. Gli angoli sono dunque individuati da quegli elementi per cui a2 è positivo (e sufficientemente lontano dallo zero).