34888 - ELABORAZIONE DELL'IMMAGINE M

Conoscenze e abilità da conseguire

Conoscenze di base riguardanti algoritmi, strumenti e sistemi dedicati alla gestione, elaborazione e analisi di immagini digitali. Capacità progettuali e realizzative di semplici sistemi orientati ad applicazioni reali.

Contenuti

1. Introduzione - Definizioni di elaborazione dell'immagine (image processing) e visione artificiale (computer vision).Panoramica sulle principali applicazioni: ispezione automatica e controllo qualità, robotica ed automazione industriale, riconoscimentodi testi dattiloscritti e manoscritti,applicazioni nel settoreITS(Intelligent Transportation Systems),videosorveglianza, sistemi biometrici, elaborazione ed analisi di immagini mediche, telerilevamento.
2. Formazione ed Acquisizione delle Immagini - Modelli geometrici per la formazione dell'immagine. Proiezione prospettica. Punti di fuga. Impiego di lenti. Profondità di campo, diaframma e messa a fuoco. Campo visivo e scelta dell'ottica. Equazione radiometrica e riflettanza.Digitalizzazione dell'immagine.
3. Tecnologie per l'Acquisizione delle Immagini -Principio di funzionamento di una telecamera a CCD. Principali parametri di una telecamera. Standard video. Standard video RS-170 e CCIR. Spazi di colore. Standard video NTSC e PAL. Principi di funzionameto di un frame-grabber.
4. Operatori Puntuali - Istogramma dei livelli di grigio. Miglioramento del contrasto. Espansione uniforme e non uniforme della dinamica. Equalizzazione dell'istogramma.
5. Operatori Locali - Operatori lineari spazialmente invarianti. Convoluzione e risposta impulsiva. Correlazione. Trasformata di Fourier bidimensionale. Filtro di media. Filtro gaussiano.Filtro mediano. Filtro di sharpening.
6. Segmentazione dell'Immagine -Binarizzazione con soglia globale. Metodi per la determinazione automatica della soglia. Binarizzazione con soglia variabile. Binarizzazione con soglia locale. Sogliatura con isteresi. Intensity slicing. Determinazione automatica di più seglie per la segmentazione. Region growing. Split-and-Merge.
7. Operatori Morfologici per Immagini Binarie -Dilatazione. Erosione. Opening e Closing. Trasformata Hit-and-Mis. Thinning basato su operatori morfologici. Pruning.
8. Operatori Morfologici per Immagini a Livelli di Grigio - Top Surface e Umbra. Dilatazione. Erosione. Opening e Closing. Trasformata Top-Hat. Smoothing e gradiente morfologico.
9. Trasformate per Immagini Binarie - Trasformata asse mediano (MAT). Metriche discrete. Trasformata distanza (DT). Legame fra MAT e DT. Algoritmi di thinning.
10. Caratterizzazione degli Oggetti - Labeling delle componenti connesse. Algoritmo classico in due scansioni. Algoritmo iterativo. Descrittori e problemi di riconoscimento e individuazione. Area e Baricentro. Perimetro. Compattezza. Circolarità. MER (Minimum Enclosing Rectangle). Rettangolarità. Orientamento dell'oggetto. Asse Minore e Asse Maggiore. MER orientato come l'oggetto. Lunghezza e Larghezza. Ellitticità. Eccentricità. Numero di Eulero. Momenti. Momenti invarianti rispetto a traslazione-rotazione-scala.
11. Estrazione dei Contorni - Definizione di step-edge 1D e 2D. Edge detection mediante gradiente. Operatore di Roberts. Smoothing e derivazione. Operatore di Prewitt. Operatore di Sobel. Operatore di Frei-Chen. Operatori basati su mask-matching (Prewitt, Sobel e Kirsch. NMS (Non Maxima Suppression). Zerocrossing della derivata seconda. Operatore LOG (Laplacian of Gaussian). Edge detector di Canny.
12. Individuazione di Forme - Template matching. Misure di similarità (SSD, SAD, NCC). Algoritmi veloci per il template matching. Trasformata di Hough. Trasformata di Hough per le rette. Trasformata di Hough per i cerchi. Trasformata di Hough generalizzata. Individuazione di cerchi mediante risoluzione numerica dell'equazione della propagazione delleonde in 2D.

Testi/Bibliografia

Testi consigliati per approfondimenti:

• Gonzales R., Woods R. : “Digital Image Processing”, Second Edition, Prentice-Hall, New-Jersey, USA, 2002.
• Nalwa V. : “A Guided Tour of Computer Vision”, Addison-Wesley, Mass., USA, 1993.
• Jain R,, Kasturi R., Schunk B “Machine Vision”, Mc Graw-Hill, 1995
• Trucco E., Verri A.: “Introductory Techniques for 3D Computer Vision”, Prentice-Hall, 1998.
• CVonline: Vision Related Books including Online Books and Book Support Sites (http://homepages.inf.ed.ac.uk/rbf/CVonline/books.htm).

Metodi didattici

Lezioni in aula ed esercitazioni assistite in laboratorio.

Modalità di verifica e valutazione dell'apprendimento

Gli studenti devono sviluppare un progetto concordato con il docente e documentare il lavoro svolto in una tesina.

L'esame è costituito dalla discussione del progetto sviluppato dallo studente e da una prova orale integrativa.

Strumenti a supporto della didattica

Dispense a cura del docente scaricabili dal sito del corso:

http://didattica.arces.unibo.it/index.php?dbName=ldistefano

Link ad altre eventuali informazioni

http://didattica.arces.unibo.it/index.php?dbName=ldistefano

Orario di ricevimento

Consulta il sito web di Luigi Di Stefano