Sei sulla pagina 1di 6

Image Processing

Histogram

L’istogramma conta e grafica il numero totale di pixel ad ogni valore di grigio. L’istogramma descrive la
distribuzione di intensità dei pixel in un’immagine.
Puoi rilevare due importanti criteri guardando l’istogramma:

Saturazione: Troppa poca luce nella scena porta ad una sottoesposizione del sensore di
immagine, mentre tanta luce causa sovraesposizione, o saturazione, al sensore di immagine.
Immagini ottenute sotto queste condizioni possono non contenere tutte le informazioni che si
vogliono ispezionare.

Un’immagine sottoesposta contiene un gran numero di pixel nella parte sinistra dell’istogramma
(livelli di grigio molto alti) mentre un’immagine sovraesposta è rappresentata da picchi nella zona
alta dell’istogramma.
Mancanza di contrasto: Una strategia per separare l’oggetto dal background si basa su differenze
di intensità di entrambe per esempio una parte più luminosa e un background scuro.

Linear Histogram Cumulative Histogram

Linear Histogram: la funzione di distribuzione sarà

H linear (k) = nk
H linear (k)= ˋe il numero di pixel uguali a k

Cumulative Histogram:la funzione di distribuzione sarà:

k
H cumul (k) = ∑(ni )
i=0
H cumul (k)= ˋe il numero di pixel che sono minori o uguali di k

L’istogramma lineare mostra che l’immagine è composta per la maggior parte da tre elementi.
L’istogramma cumulativo della stessa immagine mostra che i due picchi di sinistra compongono
approssimativamente 80% dell’immagine mentre il restante 20 % corrisponde all’ultimo picco.
Thresholding

Linear threshold

Fare una sogliatura significa dividere un’immagine in due parti. Il processo consiste nel settare ad 1 i
pixel che provengono da un intervallo di valori di grigio e mettere gli altri pixel dell’immagine a 0.
Fare una sogliatura serve a isolare oggetti di interesse dall’immagine. Thresholding converte
l’immagine da valori di grigio (da 0 a 255) a un’immagine binaria (con valori di pixel di 0 o 1)

Local threshold
Viene utilizzato quando l’immagine presenta una diversa illuminazione in parti differenti e quindi un
semplice threshold non risulterebbe efficace.
Lookup table

Le trasformazioni tramite lookup table sono delle funzioni base di processing di immagine che
evidenziano dettagli in aree contenenti informazioni significative a discapito delle altre aree.
Usare le trasformazioni di LUT per migliorare il contrasto e la luminosità di un’immagine. Queste
trasformazioni convertono i valori di grigio in input in altri livelli di grigio nell’immagine trasformata.

Nel primo istogramma gli intervalli di livello di grigio [0,49] e [191,254] non contengono informazioni
significative. Usando le trasformazioni LUT i valori minori di 49 sono messi a zero e i valori maggiori di
191 sono settati a 255. L’intervallo [50,190] viene espanso a [0,255] incrementando l’intensità
dell’immagine.

Predefined Lookup tables

Funzione di
LUT Correzione
trasferimento

Distribuisce l’intensità della dinamica da un intervallo a livelli di


Linear
grigio [min,max] sulla massima scala [0,255].

Logarithmic

Incrementa la luminosità e il contrasto nelle regioni scure.


Power 1/Y

Diminuisce il contrasto nelle regioni luminose.


Square
Root

Logarithmic

Diminuisce il contrasto e la luminosità nelle regioni scure.


Power 1/Y

Aumenta il contrasto nelle regioni chiare.


Square
Root
Trasformazione lineare a tratti

Serve per migliorare il contrasto dell’immagine. Rispetto alla lookup table è uno strumento un po’ più
flessibile.

L’intervallo dei livelli di grigio che sono poco discostati dal background va mappato in uscita ad un
livello di grigio più basso (usando un coefficiente angolare minore di 1). In questo modo abbatto il
fondo.
Bisogna invece alzare i livelli di grigio che corrispondono alla mia informazione (coefficiente angolare
maggiore di 1).
Esercizio 1

L’istogramma conta e grafica il numero totale di pixel ad ogni valore di livello di grigio. Inoltre aiuta a
distinguere vari oggetti in un’immagine come lo sfondo, oggetti e/o rumore.

L’immagine A e l’immagine C sono molto simili e di tipo bimodale, a differenza che l’immagine C è più
chiara. Sia l’immagine A che l’immagine C avranno presumibilmente due picchi dovuti alla presenza di
una zona bianca e una nera, ma essendo che l’immagine C è più chiara il suo istogramma sarà più
spostato verso sinistra. Inoltre essendo che l’immagine C è più contrastata i due picchi saranno più
marcati.

L’immagine B è quella con più grigio chiaro ed uniforme mentre l’immagine D ha una dinamica più varia
e quindi occuperà di più il centro dell’istogramma.
Esercizio 2

Le trasformazioni tramite lookup table sono delle funzioni base di processing di immagine che
evidenziano dettagli in aree contenenti informazioni significative a discapito delle altre aree.

Usare le trasformazioni di LUT vengono utilizzate per migliorare il contrasto e la luminosità di


un’immagine.

In questo caso è stata applicata la trasformazione “invert” che inverti i valori di livelli di grigio. Le aree
chiare diventano scure e le area scure chiare.