Trasformazioni nel dominio spaziale

Slides:



Advertisements
Presentazioni simili
Trasformazioni nello spazio dei colori
Advertisements

La dispersione nei corsi d’acqua: concetti fondamentali
Trasporto stradale o intermodale ferroviario? Unindagine presso alcune aziende manifatturiere Romeo Danielis ed Edoardo Marcucci Università degli Studi.
Il linguaggio delle immagini A cura di don Mimmo Iervolino ottobre 2007www.mimmoiervolino.it.
Utilizzo di strumenti GIS ed analisi spaziale per lo studio della potenzialità produttiva della vongola filippina (Tapes philippinarum) nella Sacca di.
Marina Cobal - Dipt.di Fisica - Universita' di Udine
Analisi del segnale Carlo Drioli Dipartimento di Informatica dellUniversità di Verona AISV Scuola Estiva Archivi di Corpora Vocali.
Teoria del colore Andrea Torsello
Segmentazione Andrea Torsello
Trasformazioni nel dominio spaziale
Trasformazioni nel dominio delle frequenze Andrea Torsello Dipartimento di informatica Università Ca Foscari via Torino 155, Mestre (VE)
Costruzione di Interfacce Lezione 4 Geometria per la grafica
G.M. - Informatica B-Automazione 2002/03 Funzione Indica una relazione o corrispondenza tra due o più insiemi che soddisfa ad alcune proprietà. Il dominio.
Strumentazione per bioimmagini
Strumentazione per bioimmagini
Strumentazione Biomedica 2
coordinate utente e di finestra
Università degli Studi di Roma
DATA PROCESSING UNIVERSITÀ DEGLI STUDI DI ROMA “LA SAPIENZA”
Applicazioni progettuali di grafica computerizzata a.a. 2008/2009 Trasformazioni affini.
Trasformazioni affini INFORMATICA GRAFICA – SSD ING-INF/05 Sistemi di elaborazione delle informazioni a.a. 2006/2007 LEZIONE DI TEORIA CAP 3 Informatica.
ELECTRO DISCHARGE MACHINING - programmazione
Adimensionalizzazione della soluzione per un processo diffusivo nello spazio e introduzione alle fasi del mescolamento.
DEFINIZIONE DI STRATO LIMITE
Fabio Massacci Programmazione ad Oggetti 1 Fondamenti di Informatica per Ingegneria Prof. Ing. Fabio Massacci (A-L) Ing. Enrico Blanzieri (M-Z) Lezione.
Dal tempo continuo al tempo discreto
Lezione 6 informatica di base per le discipline umanistiche vito pirrelli Istituto di Linguistica Computazionale CNR Pisa Dipartimento di linguistica Università
UNIVERSITÀ DEGLI STUDI DI PERUGIA Dipartimento di Ingegneria Industriale Prof. Francesco Castellani Corso di Meccanica Applicata.
Georeferenziazione di immagini
Trasformazioni 2D e 3D Daniele Marini.
Lavorare con le matrici in OGL
Dipartimento di Fisica e Astronomia
Modellazione di terreni a risoluzione adattiva
La professione del fisico sanitario in ospedale
Sampling and Quantization
Elaborazione di Immagini II Parte Lezione N.2
Determinazione delle superfici visibili
21 giugno 2011 Volume Rendering Prof. Roberto Pirrone.
Trasformazioni geometriche
Effetti fotorealistici
Prof. Cerulli – Dott.ssa Gentili
Texturing - Tessiture Daniele Marini.
Le trasformazioni Daniele Marini.
Università degli studi di Padova Dipartimento di ingegneria elettrica
Corso di Programmazione Grafica e Laboratorio Daniele Marini
Trasformazioni Daniele Marini.
Wavelets Introduzione. 4 Marzo 2004Andrea Carbone...Piccole Onde.... Letteralmente piccola onda... (in francese: “Ondelette”)  Periodicità.  Il modulo.
Studio dell’ intrusione salina nell’ area di Mestre/Marghera (VE) mediante modello numerico MODFLOW/MT3DMS Studente: Filippo Resente Relatori: Achille.
La geometria nel secondo ciclo
Compressione JPEG Andrea Torsello
La traslazione.
Visione e Percezione Matlab Filtri Lineari Operazioni su immagini Piramidi Gaussiane Esercitazione 4 Maggio.
Elaborazione e trasmissione delle immagini Anno Accademico Esercitazione n.4 Pisa, 20/10/2004.
Il Problema del Commesso Viaggiatore. Traveling Salesman’s Problem (TSP) Un commesso viaggiatore deve visitare un certo numero di città Conosce la distanza.
Trasformata di Fourier
Ingegneria del software Modulo 2 -Il software come prodotto Unità didattica 2 -I costi del software Ernesto Damiani Università degli Studi di Milano Lezione.
APPROSSIMAZIONE DI FUNZIONI
Tesi di Laurea in Ingegneria delle Telecomunicazioni Candidato: Gabriele Poli Elaborazione dei dati del sensore SeaWiFS. Interpolazione segmentata terra-mare.
Esercitazione 5 Corso di Elaborazione e Trasmissione delle Immagini Pisa, 27 ottobre 2004.
Corso integrato di Matematica, Informatica e Statistica Informatica di base Linea 1 Daniela Besozzi Dipartimento di Informatica e Comunicazione Università.
Relatore: Prof. Vittorio Murino Correlatore: Dott. Andrea Fusiello Università degli Studi di Verona Facoltà di Scienze MM.FF.NN. Corso di Laurea in Informatica.
Daniele Marini Con contributi di Maurizio Rossi
Riportare il segnale sulla scala Y
Analisi dei segnali nel dominio della frequenza mediante FFT
AvvioEsci ITC Soverato ITC Soverato Proff. Santoro-Mezzotero Le trasformazioni geometriche nel piano.
1 SISTEMI INFORMATIVI TERRITORIALI LABORATORIO L’APPLICAZIONE AUTODESK MAP UNIVERSITA’ DEGLI STUDI DI NAPOLI FEDERICO II CORSO DI LAUREA IN SCIENZE GEOLOGICHE.
Esercitazione tecniche di scaling. Esercizio n. 1 Delle frasi che seguono, tutte relative alle scale Likert, una descrive la distorsione detta curvilinearità;
La traslazione e i vettori
1 SISTEMI INFORMATIVI TERRITORIALI LABORATORIO APPLICAZIONE di AUTODESK MAP 03 GEOREFERENZIAZIONE 2 UNIVERSITA’ DEGLI STUDI DI NAPOLI FEDERICO II CORSO.
Trattamento delle immagini numeriche Marcello Demi CNR, Institute of Clinical Physiology, Pisa, Italy.
Transcript della presentazione:

Trasformazioni nel dominio spaziale Andrea Torsello Dipartimento di informatica Università Ca’ Foscari via Torino 155, 30172 Mestre (VE)

Trasformazioni I(x,y) immagine da R2 a Classe di trasformazioni di immagini f: R2->R2 I->f(I) f(I)(x,y)=I(f(x,y)) f trasforma la geometria del piano immagine.

Valori fuori campione Nel continuo f e’ puntuale (richiede informazioni di I solo nel punto trasformato) I’=f(I) => I’(x,y) = I(f-1(x,y)) Nel discreto le informazioni sono limitate ed il punto trasformato potrebbe non cadere in nessun campione Es. Traslazione di (0.5,0)T f(x,y)=(x-0.5,y)T I’(x,y)=I(x+0.5,y) ma I campioni esistono solo per indici interi!

Nearest Neighbour Bisogna stimare I valori usando informazioni dei campioni vicini (interpolazione) 1a possibilità: Nearest Neighbour uso il valore di I alla coordinata intera piu` vicina a f-1(x,y) [Round(f-1(x,y))] I’(x,y)=I(Round(f-1(x,y)))

Nearest Neighbour Nel caso della traslazione di (a,0)T I’(x,y)=I(Round(x+a,y))=I(x+a,y) I viene traslata della parte intera di a Cosa succede nel caso di uno zoom? compaiono artefatti (blocchi)

Nearest Neighbour In generale I cambi di scala portano ad artefatti.

Interpolazione blineare 2a possibilità: Interpolazione bilineare Vengono usati valori di tutti e 4 I punti a coordinate intere attorno a f-1(x,y) (combinazione lineare dei valori dell’immagine) I’(x,y)=aI (x’,y’)+bI(x’+1,y’)+gI(x’,y’+1)+dI(x’+1,y’+1) dove x’<=sx-1(x,y)<=x’+1 e y’<=sy-1(x,y)<=y’+1 Dx = sx-1(x,y)-x’ Dy = sy-1(x,y)-y’ a=(1- Dx)(1- Dy) b= Dx(1- Dy) g=(1- Dx) Dy d= Dx Dy s-1(x,y) Dx Dy

NN Vs interpolazione bilineare

NN Vs interpolazione bilineare

Zoom NN vs bilineare

Zoom NN vs bilineare

Zoom out Nell’immagine di destra il punto nero incide per 1/81 di tutta l’immagine. Dopo il cambio di scala incide per 1/9. Per comprendere il problema dobbiamo pensare a come da una immagine continua otteniamo una immagine discreta.

Campionamento e Quantizzazione

Campionamento e Quantizzazione

Campionamento e Quantizzazione

Effetti del campionamento

Effetti del campionamento

Effetti della quantizzazione

Passaggio continuo-discreto

Passaggio discreto-continuo

Basi funzinali

Interpolazione bilineare Equivalente a ricostruzione usando una base bilineare e ricampionamento puntuale. Se non c’è cambio di scala approssima ricostruzione e ricampionamento usando base a gradini ricostruzione e ricampionamento usando base a gradini risolve I problemi connesi con il cambio di scala, ma è oneroso da calcorare => approssimazione numerica per sottocampionamento.

Push o pull? 2 possibilita’: Per ogni base/gradino B in C’ sommare contributo basi/gradini in C all’interno di s-1(B) Per ogni base/gradino in C accumulare il contributo in tutti I punti di C’ Con scale molto diverse conviene usare 1a possibita’ e stimare campionando B

Altri usi per l’interpolazione Demosaicing Altri usi per l’interpolazione

Bayer Pattern Nelle macchine fotografiche digitali ogni detettore rileva solo un colore secondo pattern spaziali stabiliti (Bayer pattern) Bisogna ricostruire in ogni pixel le informazioni sui canali mancanti La ricostruzione dell’immagine finale può essere effettuata attraverso interpolazione

Interpolazione

Distorsioni ottiche

Pinhole camera

Lenti

Distorsione da lenti reali

Effetto bariletto

Correzione effetto bariletto

Effetti piu’ complicati