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

 

 

 

 

 

Per comprendere meglio i meccanismi di funzionamento della segmentazione e del thresholding, è stato realizzato un semplice test utilizzando un'immagine RGB (Fig. 2.27a) ed un'immagine in scala di grigio (Fig. 2.28a). Sull'immagine RGB è stato testato il funzionamento della segmentazione variando il numero di classi, mentre sull'immagine in scala di grigio è stato testato il funzionamento del thresholding variando il valore della soglia. In tutti i test eseguiti si può osservare in generale che, al variare delle impostazioni applicate agli algoritmi, si ottengono classificazioni più o meno precise, che possono cioè includere in una singola classe oggetti di diverso tipo, o al contrario separare un oggetto di un certo tipo in due regioni di classi diverse. Si può notare come in particolare le zone più critiche siano quelle non ben definite, come i minerali molto alterati o le zone di confine fra oggetti di tipo diverso; in queste zone infatti gli algoritmi non riescono a capire in modo inequivocabile se si tratti di un minerale o della matrice. Di conseguenza è possibile che cercando di escludere tutta la matrice si escludano anche alcuni minerali, oppure che cercando di includere tutti i minerali si includano anche porzioni di matrice.

 

 

 

Questi test danno quindi un'idea molto chiara di quanto, utilizzando il colore o la luminosità come parametro discriminante, sia necessario l'intervento umano per ogni singola immagine, sia in fase preliminare, sia in fase finale per il controllo del risultato. Nello stesso tempo si può comprendere il consistente grado di variabilità dell'errore che si può commettere, in quanto non è possibile stabilire oggettivamente quale sia il risultato migliore fra le varie alternative, così come non è possibile stabilire un'impostazione di algoritmo valida in modo assoluto. Anche immagini visivamente (e quindi qualitativamente) simili fra loro possono portare quantitativamente a risultati molto diversi, in quanto un errore anche molto piccolo su un singolo elemento porta ad una sommatoria di errori, che produce un errore totale molto grande quando è presente una moltitudine di elementi dello stesso tipo.

 

 

elaborazione immagini ed istogrammi

Fig. 2.26. Esempi di processi di elaborazione e relativi istogrammi. a: immagine originale. b: equalizzazione. c: bilanciamento dei livelli. d: aumento della luminosità. e: aumento del contrasto. Le elaborazioni sono state effettuate con il software Adobe© Photoshop©. Gli istogrammi sono stati calcolati con il software ImageJ (versione Fiji) e rappresentati con il software Microsoft© Excel©.

 

 

 

 

 

segmentazione classi immagine test

Fig. 2.27. Test sull'influenza del numero di classi nella segmentazione. a: immagine originale; b: 2 classi; c: 5 classi; d: 4 classi. La segmentazione è stata eseguita con il software ImageJ (versione Fiji) attraverso il comando: "Plugins - Segmentation - Trainable Weka Segmentation", impostando di volta in volta 2, 3 e 4 classi, e definendo per ogni classe diverse regioni di interesse per istruire l'algoritmo sui valori cromatici da assegnare a ciascuna classe.

 

 

soglia thresholding test

Fig. 2.28. Test sull'influenza del valore della soglia nell'applicazione del thresholding. a: immagine originale; b: soglia 80; c: soglia 130; d: soglia 200. Il thresholding è stato eseguito con il software ImageJ (versione Fiji) attraverso il comando "Image - Adjust - Threshold".

 

 

Beneš & Zitová (2014) studiano le performance di diversi algoritmi di segmentazione non interattivi su immagini microscopiche, e forniscono delle classificazioni sui tipi di algoritmi ritenuti più efficaci per diverse tipologie di immagini (acquisite in VIS o spettro del visibile, in luce UV ed al SEM) calcolando diversi indici di qualità. Infatti si parte sempre dal presupposto che non esista un algoritmo universalmente riconoscibile come il migliore e che l'efficacia di uno stesso algoritmo sia variabile al variare del tipo di immagine. Per determinare gli indici di qualità è stato seguito un approccio supervisionato. Tale approccio si basa sul confronto fra l'immagine segmentata ed un'immagine segmentata di riferimento standardizzata detta GT (ground truth image). La GT generalmente viene creata manualmente da esperti, e rappresenta la segmentazione ottimale. Perciò, confrontando il risultato di un processo di segmentazione con il risultato standard della GT si può avere una stima della qualità del processo.
Dalle considerazioni fatte finora è possibile comprendere che, sebbene molti interventi di elaborazione si basino prevalentemente su considerazioni visuali, rimane sempre di fondamentale importanza sapere come è fatta un'immagine digitale, a cosa corrisponde in termini numerici ciò che l'occhio umano vede, e come funzionano gli algoritmi che vengono utilizzati. Ad esempio un aumento del contrasto generalmente produce un risultato più gradevole all'occhio umano però, come visto, se esso non viene applicato correttamente, l'immagine digitale tende a perdere parte delle informazioni.
Un'altra importante considerazione da tenere presente è relativa al fatto che l'enfasi degli oggetti di interesse, oltre che tramite elaborazione software, può (o in molti casi deve) essere effettuata anche alla radice, cioè in fase di acquisizione. Affinché ciò sia possibile è necessario conoscere quali sono le proprietà ottiche degli oggetti che costituiscono il campione di studio, e come queste rispondono in base allo strumento di acquisizione ed al metodo di acquisizione utilizzati. Quando ad esempio si acquisiscono immagini digitali utilizzando luce trasmessa (il fascio luminoso sorgente attraversa il campione ed il fascio luminoso in uscita viene catturato dal sensore di acquisizione), si ottengono immagini le cui informazioni sono interpretabili soprattutto in termini di densità ottica. La densità ottica è la proprietà di un mezzo tale per cui, quando esso viene attraversato da un fascio luminoso con un certo spettro, il fascio luminoso in uscita avrà uno spettro diverso a causa delle componenti di lunghezze d'onda che vengono assorbite dal mezzo stesso.
Quando si elabora un'immagine digitale è necessario rispettare alcune importanti condizioni:
1) Conservare sempre una copia originale dell'immagine. In questo modo è possibile ritornare all'immagine originale nel caso in cui siano stati commessi errori nell'elaborazione, oppure nel caso in cui si volesse provare ad applicare un diverso tipo di elaborazione.
2) Salvare le immagini elaborate in un formato lossless, cioè che non provochi perdita di informazioni. Ad esempio il formato TIFF è di tipo lossless, mentre il formato JPG è un formato lossy, che cioè provoca la perdita di informazioni per produrre immagini che occupino minore spazio sul supporto di memorizzazione.
3) Annotare le informazioni più importanti relative alle modalità e condizioni di acquisizione (strumenti utilizzati e loro configurazione, condizioni del campione e, se rilevanti, condizioni ambientali). In questo modo è possibile valutare a posteriori l'efficacia dei processi di acquisizione e stabilire se sia necessario effettuare nuove acquisizioni con modalità diverse oppure se sia necessario modificare gli interventi di elaborazione.
4) Documentare in modo accurato qualunque operazione eseguita, in modo da rendere chiaro al lettore (oltre che all'autore stesso) il significato di tutti i risultati (parziali o finali) ottenuti, nonché per rendere riproducibili le procedure adottate.
In particolare le condizioni dei punti 3 e 4 sono fortemente richieste in ambito scientifico, poiché consentono ad un qualunque altro studioso di eseguire su un altro campione la stessa procedura, per sottoporla ad un ulteriore esame, oppure per verificarne l'efficacia su campioni di tipo diverso, oppure ancora semplicemente per applicarla ad altri campioni simili in quanto ritenuta efficace in quel contesto.

 

 

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