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
