Immagini Digitali
annuncio pubblicitario
1 Università degli Studi di Ferrara Corso di Laurea in Tecnologie per i Beni Culturali A.A.2009/2010 Corso di Informatica 2 Docente: Dott. Andrea Silvestri - Immagini - 2 Sommario • Immagine g digitale g ▫ metodi di trasformazione • Concetti di ▫ Risoluzione ▫ Profondità ▫ Qualità • Modelli di colore • Compressione • Formati Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 3 Cos’è Cos è un’immagine un immagine • Una immagine è un insieme continuo di informazioni • Ogni punto di un’immagine è caratterizzato da una particolare grandezza: ▫ il colore Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 4 Immagine Digitale 1/3 • Si usa lo stesso principio di una immagine reale • Differenza: ▫ i punti sono disposti in modo regolare ▫g griglia g di p punti equidistanti q • Punti chiamati p pixel (PIcture ELements) • La loro struttura è visibile ingrandendo l’immagine Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 5 Immagine Digitale 2/3 • Digitalizzazione ▫ Processo che trasforma immagine reale in digitale • Si p pone una g griglia g regolare g sopra p l’immagine g reale da digitalizzare ▫ griglia di campionamento • Ogni elemento della griglia conterrà una porzione di immagine ▫ porzione approssimata da un unico valore • Una griglia di campionamento con maglie più larghe ▫ produce un’immagine meno dettagliata Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 6 Immagine Digitale 3/3 • Composta da un numero finito di elementi ▫ collocazione ▫ valore • Sono i pixel p • Definita da una matrice di punti p ▫ due dimensioni ▫ specifica in termini numerici il colore dei punti • Immagini raster Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 7 Elaborazione • Esistono diverse tecniche p per memorizzare ed elaborare immagini • Ddigital image processing ▫ Elaborazione delle immagini mediante un computer Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 8 Acquisizione • Processo di rivelazione e registrazione • Prende l'immagine su un supporto adatto per gli usi successivi • Tecnologie principali: ▫ fotochimiche x pellicola fotografica ▫ fotoelettroniche x telecamera + dispositivo di memoria • L L'acquisizione acquisizione immagine digitale ▫ produce una immagine numerica su un supporto accessibile • Immagine g digitale g monocromatica ▫ ottenuta a partire da dati acquisiti con sensori ▫ output di un sensore è una grandezza continua x le cui variazioni spaziali e/o temporali di ampiezza seguono una legge • La creazione dell’immagine digitale a partire dal segnale analogico passa per due processi: ▫ Ca Campionamento po a e o ▫ Quantizzazione Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 9 Digitalizzazione • Per rendere digitale un’immagine continua • Due Fasi: ▫ Campionamento spaziale: x Suddivisione S ddi i i d della ll superficie fi i d dell’immagine ll’i i iin un d determinato t i t numero di pixel i l ▫ Quantizzazione cromatica: x Associazione di un numero che rappresenta pp il colore medio p per ogni g p pixel • Una griglia regolare viene posta al di sopra di un’immagine ▫ griglia di campionamento • Ogni elemento della griglia contiene una porzione di immagine ▫ Approssimata con un unico valore (quantizzazione) Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 10 Esempio Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 11 Digitalizzazione e qualità • Griglia fitta ▫ Risultato migliore x Maggiore numero pixel generati • Maggiore è il numero dei pixel ▫ Mi Minore la l loro l di dimensione i ▫ Migliore è la definizione dell’immagine ▫ Maggiore è l’occupazione di memoria • P Per ognii pixel i l memorizzato i t un colore l f quelli fra lli di una tavolozza t l ▫ Palette • Maggiore è il numero di colori ▫ migliore è la qualità x maggiore la memoria occupata Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 12 Quantizzazione • Conversione dell'immagine campionata in valori l i numerici i i • Esempio ▫ il bianco bi viene i convertito tit iin 0 ▫ il nero in 1 ▫ Si ottiene una rappresentazione binaria • Approssimazione dell’immagine originaria ▫ DIGITALIZZAZIONE = PERDITA di QUALITA’ • Risoluzione più fedele aumentando numero di pixel Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 13 Dimensione • I pixel che compongono un un’immagine immagine rappresentano la dimensione • Espressa indicando separatamente ▫ il numero di pixel orizzontali ▫ il numero di pixel i l verticali ti li ▫ Es. 800 x 600 pixel Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 14 Risoluzione e profondità Un’immagine Un immagine caratterizzata da: • Dimensione: ▫ numero di pixel espressi tramite larghezza per altezza (MxN) • Profondità: ▫ numero di bit usati per rappresentare un singolo pixel ▫ legata al numero di colori rappresentabili (k) Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 15 Risoluzione • Immagine di una certa dimensione ▫ visualizzata su un supporto a grandezze differenti • Al variare delle dimensioni di visualizzazione ▫ cambia la risoluzione dell’immagine • La risoluzione ▫ dipende dalle dimensioni dell’immagine ▫ ma anche dalle dimensioni del supporto • La risoluzione di misura in punti/pollice (dpi) • In altre parole la risoluzione è legato a quanto sono fitti i punti che visualizziamo • Nota ▫ Una certa risol risoluzione ione p può ò non essere ssufficiente fficiente se l’immagine de devee essere riprodotta in grandi dimensioni Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 16 Risoluzione Esempi 1/2 • Espressa in elementi per unità di lunghezza ▫ ▫ pixel per inch (ppi) per inch ((dpi): p) p punti p per p pollice dot p ▫ valori accettabili sono (66-75) dpi • Rappresenta una densità ▫ in relazione alla dimensione del supporto di visualizzazione • La risoluzione interviene ▫ ▫ ▫ ▫ sia al momento della visualizzazione dell’immagine g sia al momento della sua acquisizione per visualizzare un’immagine su un monitor la risoluzione è di 72 dpi Per una stampante a getto d'inchiostro tra i 150 e i 300 dpi Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 17 Risoluzione Esempi 2/2 Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 18 Profondità • Il numero di colori assegnabili ad un pixel viene chiamato intervallo dinamico (L): [0,L-1] L=2k • I livelli sono equidistanti q e interi da una potenza p intera di 2 • La profondità di colore è il numero di bit riservati ad ogni pixel indicata con k • E’ una misura della capacità di rappresentare varie sfumature di colore • Quando un’immagine ha 2k livelli di grigio, l’immagine è a k-bit • Esempio ▫ un un’immagine immagine con 256 valori possibili di livelli di grigio ▫ è una immagine a 8-bit (28 = 256) Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 19 Profondità Esempi • Un'immagine in b/n, senza sfumature ▫ 1 bit per ogni pixel ▫ nero (0) oppure bianco (1) • Livelli di grigio ▫ corrisponde a ogni singolo livello una sequenza di bit ▫ con 4 bit posso rappresentare t 16 li livelli lli ▫ con 8 bit posso rappresentare 256 livelli • Un’associazione molto usata ▫ un byte b t (8 bit) ad d ognii pixel i l Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 20 Qualità • Determinata da ▫ numero di campioni ▫ numero di li livelli lli di grigio i i usatii per campionamento i e quantizzazione i i • Le dimensioni di ogni singolo elemento devono essere scelte in base alle esigenze • Con pixel di grande dimensione ▫ Risoluzione scadente ▫ ben visibile la discontinuità di grigio al confine tra i pixel • Man mano che la dimensione dei pixel si riduce ▫ ll’effetto effetto diventa meno visibile ▫ fino al punto che si ha l’impressione di una immagine continua • Se la dimensione dei pixel resta invariata ▫ variazione di risoluzione provoca una variazione delle dimensioni dell’immagine Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 21 Qualità Esempi Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 22 Colori 1/2 • I coni sono i sensori, presenti nell’occhio, responsabili della visione a colori • Ogni colore percepito può essere visto come una combinazione dei tre cosiddetti colori primari: ▫ rosso (R) ▫ verde (G) ▫ blu (B) • I colori primari possono essere sommati ▫ a due a due in modo da produrre i colori secondari: x magenta (M): rosso + blu x ciano (C): verde + blu x giallo (Y): rosso + verde • La miscela dei tre primari ▫ oppure la miscela di un secondario e del suo primario opposto ▫ produce luce bianca • Una appropriata combinazione ▫ dei colori secondari ▫ oppure una combinazione di un secondario con il suo primario opposto ▫ produce il nero Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 23 Colori 2/2 • Un’immagine RGB pp di tre immagini g in scala di g grigi g ▫ sovrapposizione ▫ ognuna con un filtro colorato • Ad ognii punto dell’immagine d ll’i i ▫ associato un valore numerico per ogni canale di colore pertanto l’immagine g risulta rappresentata pp da 3 matrici ▫ p Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 24 Modelli di Colore 1/3 • Consente di specificare i colori in modo standard • Sistema di coordinate 3-D ▫ perché tre sono le caratteristiche che definiscono un colore (RGB) • Ogni O i colore l è rappresentato t t d da un singolo i l punto t • Modelli più comunemente usati: ▫ Modello M d ll RGB (red, ( d green, blue) bl ) x per monitor e un’ampia classe di videocamere ▫ Modello CMY (cyan, magenta, yellow) e il modello CMYK (cyan, magenta,yellow, g ,y , black)) x per la stampa a colori ▫ Modello HSI (hue, saturation, intensity) che corrisponde al modo in cui gli esseri umani descrivono e interpretano il colore Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 25 Modelli di Colore 1/3 • RGB ▫ ogni g colore è definito mediante l’intensità dei tre primari (rosso, verde e blu) ▫ basato su un sistema di coordinate cartesiane ▫ il sotto-spazio di riferimento è un cubo di lato unitario ▫ rosso, verde e blu sono ai vertici sugli assi ▫ ciano, magenta e giallo sono ai vertici opposti g ▫ nero è all’origine ▫ ed il bianco è al vertice più lontano ▫ la diagonale che li congiunge è la scala dei grigi • Esempio i ▫ si usano 8 bit per ciascun pixel di ciascuna delle tre immagini ▫ 256 colori per ogni canale R-G-B ▫ ogni pixel a colori ha una profondità di 24 bit ▫ numero totale di colori in una immagine di questo tipo è ▫ [(2)8]3=16777216 Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 26 Esempi Colori RGB • Spigoli Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 27 Immagini Vettoriali • Raster ▫ consiste nell’esprimere l’immagine semplicemente come l’insieme dei pixel che la compongono ▫ non c’è informazione sul contenuto dell’immagine • Vettoriale ▫ contiene una descrizione geometrica (matematica) di ogni oggetto grafico che la compone ▫ funzione matematica per le forme geometriche ▫ più compatte ▫ modelli matematici sono gestiti direttamente dal software ▫ utente manipola gli oggetti in modo intuitivo e interattivo. Es. CAD ▫ possono essere meglio manipolate (es. (es ingrandimento) senza perdere risoluzione ▫ quando vengono visualizzate devono subire un processo di rasterizzazione ▫ dipendono dal software x non esistono standard universali ▫ Problemi x Non tutte le immagini hanno caratteristiche geometriche; x Si stanno studiando tecniche per applicare il formato vettoriale a tutti i tipi di immagine Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 28 Formato RAW • Non è un formato standard • Ogni casa produttrice adotta il suo formato RAW proprietario. • I files RAW presentano estensioni diverse a seconda del produttore. • Possiede un'elevata profondità di colore: 14 o 12 bit per canale • N Nessuna perdita di di informazione i f i ▫ tutti i dati acquisiti vengono memorizzati senza subire elaborazioni • E E' caratterizzato da files di grosse dimensioni • I files non sono direttamente utilizzabili ▫ richiedono software specifici per essere convertiti in immagini Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 29 Compressione 1/2 • Gli schemi di compressione sfruttano la ridondanza delle immagini riducendo le dimensioni dei file ▫ lavorano bene con aree uniformi • Esistono 3 parametri per la compressione ▫ grado di compressione ▫ qualità dell’immagine (algoritmi lossless e lossy) ▫ velocità di compressione/decompressione • Ridondanza di un un’immagine immagine ▫ Ridondanza spaziale x di pixel: in ogni area dell’immagine lo stesso colore si espande per più pixel, pertanto pixel adiacenti hanno lo stesso valore x di linea: una parte della scena contiene oggetti orientati verticalmente, pertanto linee adiacenti sono parzialmente le stesse ▫ Ridondanza temporale x La scena è stazionaria o lenta, pertanto frame adiacenti temporalmente sono simili Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 30 Compressione 2/2 • Capacità p di compressione p ▫ rapporto di compressione tra input/output • Tipi: ▫ Lossless (senza perdita di informazione) x l’immagine non viene alterata; x qualità li à di output = qualità li à di iinput x es. Es: BMP, GIF, TIFF, PNG ▫ Lossy (con perdita di informazione) x si sacrifica la qualità per comprimere di più x es. formato JPEG, fino a 20:1 Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri 31 Formati Vari • BITMAP ▫ ▫ ▫ ▫ ▫ formato standard delle immagini raster di Microsoft Windows (estensione file bmp) Occupa molta memoria C Consente t lla visualizzazione i li i di milioni ili i di colori l i (8 (8-24 24 bits) bit ) supporta le gestioni di colore RGB, scala di colori e scala di grigio Non supporta il canale Alpha (il canale della trasparenza) né l’animazione. • GIF ▫ ▫ ▫ ▫ ▫ ▫ ▫ Per piccole immagini si può utilizzare il formato GIF (estensione gif) consente rapide visualizzazioni possibile definire un solo colore trasparente p p Le immagini GIF possono utilizzare al massimo 256 colori differenti GIF è appropriato in particolare per disegni in bianco e nero, e immagini con grandi blocchi di colori a tinta unita non è indicato per la stampa fotografica o per immagini che debbano avere alti livelli qualitativi Animazioni i i i • JPEG ▫ ▫ ▫ ▫ ▫ È il formato più utilizzato per la rappresentazione di immagini sul Web particolarmente indicato per foto ed immagini a tono continuo Non ha limiti sulla visualizzazione dei colori supporta le gestioni di colore RGB, CMY e scala di grigio Non supporta il canale Alpha (il canale della trasparenza) Corso di Informatica 2 – A.A. 2009/2010 – Dott. Andrea Silvestri
