logo simone provenzano

 

Dott. Simone Provenzano - Tecniche di analisi di immagine applicate allo studio dei suoli

Tesi di Laurea Magistrale in Scienze Geologiche - Capitolo II - Cenni teorici sull'analisi di immagine - Unical

 

 

 

 

 

2.3.2. Elaborazione delle immagini

L'elaborazione di un'immagine digitale avviene attraverso l'utilizzo di algoritmi che modificano le informazioni contenute nei pixel dell'immagine stessa, con la finalità ultima di isolare gli oggetti di interesse. Gli algoritmi di elaborazione possono essere suddivisi in due macro-categorie:
1) Operatori punto: effettuano una modifica assoluta su ogni singolo pixel. Un esempio di operatore punto è il thresholding, che modifica il valore di ogni pixel sulla base del confronto con un valore di soglia assoluto.
2) Operatori spaziali: modificano il valore di un pixel in modo relativo, cioè basandosi sui valori dei pixel circostanti. Un esempio di operatore spaziale è il filtro mediana, che assegna ad ogni pixel il valore ottenuto dalla mediana statistica dei valori dei pixel circostanti.
Prima di eseguire una qualunque operazione sull'immagine digitale, è suggeribile applicare degli algoritmi di smoothing (es. San José Martínez et al., 2010) allo scopo di ridurre il noise (rumore). Il noise consiste in una variazione casuale dei valori di luminosità o delle informazioni sul colore; esso è dovuto in prima misura alle caratteristiche elettroniche ed ottiche del sensore dello strumento di acquisizione, e può essere amplificato quando si acquisiscono immagini in condizioni di scarsa illuminazione. È necessario ridurre il noise in quanto esso costituisce un insieme di informazioni non veritiere all'interno dell'immagine digitale. Generalmente gli algoritmi di riduzione del rumore sibasano sull'utilizzo di operatori spaziali, ad esempio il filtro mediana precedentemente descritto.
Affinché l'elaborazione possa produrre risultati accettabili è necessario che i pixel relativi agli oggetti di interesse abbiano un valore (o un intervallo di valori) di una certa caratteristica (luminosità, colore, tessitura, ecc.) tale per cui sia possibile discriminarli. Generalmente gli interventi di elaborazione vengono pianificati sulla base di considerazioni visuali. Per questo motivo quasi sempre è prevista una fase preliminare volta al miglioramento dell'immagine in modo tale che sia intelligibile al meglio per l'occhio umano, ed in particolare che enfatizzi la presenza degli oggetti di interesse. Ciononostante, prima di eseguire un qualunque processo di elaborazione, è molto importante comprenderne e prevederne gli effetti anche dal punto di vista delle modifiche che vengono apportate ai valori dei pixel dell'immagine. A tal fine è necessario introdurre il concetto di istogramma relativo ad un'immagine, ed il modo più semplice per farlo è partendo da immagini in scala di grigi. Come precedentemente descritto, nelle immagini in scala di grigi ogni pixel può assumere valori di luminosità da 0 a 255 per colori che vanno rispettivamente dal nero verso il bianco, passando attraverso diverse tonalità di grigio. È possibile realizzare un istogramma che abbia in ascisse i valori di luminosità, ed in ordinate le relative frequenze, cioè il numero di pixel che presentano i corrispondenti valori di luminosità.

 

 

 

La Fig. 2.26a mostra un'immagine insieme al relativo istogramma; trattandosi di un'immagine molto scura, le maggiori frequenze si osservano in corrispondenza dei valori di luminosità più bassi. Alcuni possibili interventi di miglioramento sono l'equalizzazione, il bilanciamento dei livelli, la regolazione della luminosità e del contrasto.

L'equalizzazione (Fig. 2.26b) ha come scopo quello di ridistribuire le frequenze all'interno di tutto l'istogramma in modo da ottenere un istogramma più omogeneo. A livello visivo ciò produce un'immagine in cui l'abbondanza delle porzioni scure è confrontabile con l'abbondanza delle porzioni chiare. Sebbene la diversità delle informazioni resti preservata, in alcuni casi l'equalizzazione può produrre una consistente diminuzione delle differenze fra valori simili, il che a sua volta può rendere più difficoltosa la discriminazione visiva nonché digitale di elementi che appartengono a categorie diverse. Per comprendere meglio questo concetto è stato eseguito un semplice test su un'immagine creata appositamente (Fig. 2.13a). Tale immagine è dominata dal colore nero, e poi è presente un piccolo oggetto grigio di luminosità pari a 210 che contiene un altro oggetto grigio di luminosità pari a 240. Questi due oggetti sono visivamente ben discriminabili. Se si applica un'operazione di equalizzazione si ottiene una nuova immagine (Fig. 2.13b) in cui gli oggetti grigi hanno valori di luminosità pari rispettivamente a 244 e 255. Le differenze di luminosità sono passate da 30 (nel primo caso) ad 11 (nel secondo caso), cioè sono ancora presenti ma si sono ridotte di molto. Questo si traduce visivamente in una quasi impossibilità di discriminare i due elementi, sebbene a livello numerico le differenze siano ancora presenti. In questo caso particolare la causa va ricercata nella predominanza del colore nero, che ha prodotto la necessità di schiarire di molto entrambi gli elementi grigi per ottenere nel complesso frequenze di intensità confrontabili. Per gli stessi motivi, se si considera una situazione inversa, cioè dominata dal bianco e con due elementi scuri (Fig. 2.13c), l'equalizzazione può rendere difficoltosa la discriminazione visiva degli elementi scuri (Fig. 2.13d).
Va sottolineato che, per questo esempio così come per gli esempi che seguono, sono state considerate immagini costituite da oggetti contenuti in altri oggetti, oppure da oggetti adiacenti, allo scopo di facilitare la comprensione degli effetti prodotti da errate elaborazioni delle immagini. Se si ha a che fare con oggetti separati le conseguenze sono molto simili. In particolare, anche se non avviene la fusione grafica di due oggetti in un unico oggetto, avverrà sempre la fusione delle informazioni, il che renderà comunque impossibile discriminare, sulla sola base dei valori di luminosità, oggetti appartenenti a categorie diverse.

 

 

equalizzazione immagine

Fig. 2.13. Test sugli effetti dell'equalizzazione in due casi particolari. a: immagine dominatamente scura con due piccoli elementi chiari. b: equalizzazione dell'immagine a. c: immagine dominatamente chiara con due piccoli elementi scuri. d: equalizzazione dell'immagine c.

 

 

 

 

 

Il bilanciamento dei livelli (Fig. 2.26c) ha come scopo quello di impostare i corretti valori per il nero, il bianco ed il grigio, in modo da ottenere un'immagine con i colori più simili a quelli reali. Questa operazione viene generalmente eseguita quando si ha a che fare con immagini in cui esistano una o più delle seguenti situazioni:
1) il nero non è perfettamente nero, cioè non ha valore pari a zero;
2) il bianco non è perfettamente bianco, cioè non ha valore pari a 255;
3) il grigio non è perfettamente neutro, cioè mostra differenze nei valori delle componenti RGB, che per toni neutri devono invece essere tutte uguali. Ovviamente questo problema non sussiste nelle immagini in scala di grigi che, per loro natura intrinseca, non contengono informazioni di colore.
Quando si esegue un bilanciamento dei livelli è molto importante la scelta dei colori sui quali si va ad intervenire. Bisogna cioè essere sicuri che l'oggetto considerato sia in natura realmente nero o grigio o bianco prima di applicare le modifiche. Se ciò non accade, si può produrre come risultato un'immagine ancora meno rappresentativa della realtà rispetto a quella originale.
Per comprendere meglio questo concetto sono stati effettuati alcuni semplici test su un'immagine creata appositamente. Si immagini di avere acquisito un'immagine (Fig. 2.14a) che mostra uno sfondo nero, un oggetto colorato ed un altro oggetto grigio chiaro all'interno di quello colorato. Si immagini però che tali rappresentazioni di colori non corrispondano alla realtà a causa di difetti del sistema di acquisizione, e che nella realtà l'oggetto colorato sia grigio e l'oggetto grigio chiaro sia bianco. Se si applica un corretto bilanciamento dei livelli si ottiene il risultato mostrato in Fig. 2.14b, in cui cioè l'oggetto che appariva colorato diventa grigio e l'oggetto grigio chiaro diventa bianco. Se per errore invece l'oggetto grigio viene considerato come bianco, il risultato è che entrambi gli oggetti diventano bianchi, fondendosi quindi in un unico oggetto (Fig. 2.14c). Ciò accade perché l'algoritmo di bilanciamento dei livelli riceve come istruzione quella di rendere bianchi tutti gli oggetti che hanno valore di luminosità pari o superiore a quella indicata. Si produce un fenomeno di sovra-saturazione, cioè il bianco resta bianco perché è già al suo valore massimo, ed altri elementi più scuri diventano anch'essi bianchi, provocando quindi una perdita di informazioni le quali vengono peraltro sostituite con informazioni errate. Analogamente, ma secondo un meccanismo esattamente inverso, se l'oggetto grigio viene considerato come nero diventa anch'esso nero, fondendosi quindi con lo sfondo (Fig. 2.14d). In questo caso si produce un fenomeno di sotto-saturazione.

 

 

bilanciamento livelli immagine

Fig. 2.14. Test sugli effetti del bilanciamento dei livelli. a: immagine originale. b: corretta applicazione del bilanciamento dei livelli. c-d: errata applicazione del bilanciamento dei livelli.

 

 

La regolazione della luminosità ha come scopo quello di rendere più chiara o più scura in modo assoluto tutta l'immagine. In termini numerici, a tutti i pixel dell'immagine viene sommato oppure sottratto un valore di luminosità costante. Di conseguenza si otterrà un istogramma che non contiene informazioni rispettivamente al di sotto o al di sopra del valore di luminosità impostato. In Fig. 2.26d viene mostrato il risultato di un aumento di 62 unità di luminosità. Dal momento che il pixel più scuro ha nell'immagine originale un valore di luminosità pari a zero, l'istogramma dell'immagine modificata parte esattamente dal valore 62, cioè 62+0. Se ad esempio il pixel più scuro nell'immagine originale avesse avuto un valore pari a 13, l'istogramma dell'immagine modificata sarebbe partito dal valore 75, cioè 62+13. Le stesse considerazioni valgono in modo inverso se si considera una riduzione della luminosità.
Anche nel caso della regolazione della luminosità si possono produrre fenomeni di sovra-saturazione o sotto-saturazione. Per comprendere meglio questo concetto sono stati effettuati alcuni semplici test su un'immagine creata appositamente. Tale immagine (Fig. 2.15a) è costituita da uno sfondo nero, un oggetto grigio ed un altro oggetto bianco all'interno di quello grigio. Se si applica un aumento di luminosità eccessivo, l'oggetto grigio può schiarirsi a tal punto da diventare bianco, e quindi fondersi con l'altro oggetto bianco (Fig. 2.15b). Se al contrario si applica un'eccessiva riduzione della luminosità, l'oggetto grigio può scurirsi a tal punto da diventare nero, e quindi fondersi con lo sfondo (Fig. 2.15c).

 

 

luminosità immagine

Fig. 2.15. Test sugli effetti di una errata regolazione della luminosità. a: immagine originale. b: eccessivo aumento della luminosità. c: eccessiva riduzione della luminosità.

 

 

La regolazione del contrasto (Fig. 2.26e) ha come scopo quello di aumentare o diminuire il contrasto di luminosità fra gli elementi scuri e quelli chiari. L'algoritmo utilizza come riferimento la media aritmetica dei valori di luminosità di tutti i pixel che costituiscono l'immagine. Se si applica un aumento di contrasto, tutti i pixel con luminosità superiore a quella media vengono schiariti ed i pixel con luminosità inferiore a quella media vengono scuriti. Se si applica una diminuzione del contrasto, tutti i pixel con luminosità superiore a quella media vengono scuriti fino ad un valore limite pari proprio al valore medio, e tutti i pixel con luminosità inferiore a quella media vengono schiariti fino ad un valore limite pari anch'esso al valore medio. Esemplificando, con un aumento del contrasto i pixel chiari diventano sempre più chiari e quelli scuri sempre più scuri, mentre con una diminuzione del contrasto tutti i pixel tendono a raggiungere uno stesso valore intermedio.
Per comprendere meglio questo concetto è stato eseguito un semplice test su un'immagine creata appositamente. Tale immagine (Fig. 2.16a) è costituita da quattro oggetti di uguale area aventi luminosità rispettivamente pari a 0, 100, 180 e 220. Il valore di luminosità medio è 125. Se si applica un aumento del contrasto i due oggetti con luminosità inferiore a 125 tendono a diventare più scuri, mentre gli altri due oggetti tendono a diventare più chiari poiché hanno una luminosità superiore a 125. Finché l'aumento del contrasto non è eccessivo i diversi oggetti sono ancora discriminabili (Fig. 2.16b). Se si imposta un aumento di contrasto eccessivo, si raggiunge il limite estremo tale per cui gli oggetti scuri diventano neri e quelli chiari diventano bianchi (Fig. 2.16c). Ciò produce la perdita di informazioni poiché gli oggetti scuri non sono più discriminabili fra di essi, così come quelli chiari. In questo caso sono stati prodotti contemporaneamente un fenomeno di sovra-saturazione ed un fenomeno di sottosaturazione. Se invece viene applicata una riduzione del contrasto, gli oggetti tendono tutti verso la luminosità media pari a 125. Finché la riduzione del contrasto non è eccessiva i diversi oggetti sono ancora discriminabili (Fig. 2.16d). Se si imposta una riduzione del contrasto eccessiva, tutti gli oggetti assumono il valore di luminosità 125, fondendosi quindi in un unico oggetto (Fig. 2.16e). In questo modo tutte le informazioni sono andate perse, e l'unica informazione disponibile è la luminosità media.

 

 

contrasto immagine

Fig. 2.16. Test sugli effetti della regolazione del contrasto. a: immagine originale. b: aumento del contrasto. c: eccessivo aumento del contrasto. d: diminuzione del contrasto. e: eccessiva diminuzione del contrasto.

 

 

indice 1 2 3 4 5 6 7 8 9 10 11 12 13 14 bibliografia

 

unical

È possibile utilizzare liberamente le immagini ed i contenuti del presente capitolo di tesi, purché si inseriscano gli opportuni riferimenti bibliografici. Si consiglia un modello di citazione come quello espresso di seguito per tutte le immagini ed i contenuti ove, nel presente capitolo, non siano già presenti espliciti riferimenti bibliografici:

Provenzano Simone. Tecniche di Analisi di immagine applicate allo studio dei suoli (155 pagg.). Tesi di Laurea Magistrale in Scienze Geologiche. Unical - Università della Calabria. A.A. 2014/2015. Relatori: Scarciglia Fabio, Miriello Domenico. Pagg. 26-73.

 

 

 

 

Privacy e Cookie