46 / 92
EMBEDDED
66 • NOVEMBRE • 2017
46
HARDWARE
|
IMAGE PROCESSING
il pixel esaminato con il valore media
K
|
e 4).
O
9
informazioni da un’immagine abbiamo bisogno di
}
Z
contrasto questi valori saranno vicini l’uno all’altro
À
Z 7
-
À
Z
7
-
terminato dal suo istogramma che mostra la distri-
buzione dei valori dei pixel. Un’immagine a basso
contrasto mostrerà uno stretto raggruppamento
di valori di pixel nell’istogramma, mentre un’im-
magine ad alto contrasto presenterà un’ampia di-
stribuzione di valori. Gli algoritmi comunemente
usati per il miglioramento del contrasto includono
l’estensione del contrasto, che può usare approcci li-
neari o non lineari o l’equalizzazione dell’istogram-
K
6U #
-
rata, lo stadio successivo della nostra sequenza di
À
-
teristiche all’interno dell’immagine di interesse per
"
-
-
nemente eseguite nell’elaborazione delle immagini,
À
nella sorveglianza, nel campo della sicurezza o in
} }! J
due aspetti della rilevazione dei dettagli che sono
comunemente usati: quelli che rilevano parametri
come contorni o angoli e quelli che estraggono strut-
K
di colore). Nel campo della rilevazione dei contorni,
9
! #
-
Y "
&
K
~U "
-
zione di contorni e macchie di colore è una forma
-
plicazioni è richiesta un’elaborazione delle immagi-
9
segmentazione dell’immagine, in cui l’immagine è
-
Z
À
}
contorni, vi sono altri approcci come l’adattamento,
-
À
9
À
Molti approcci alla segmentazione delle immagi-
9
À
in scala di grigi a una che è in formato binario e
* >
conseguenza c’è meno informazione da elaborare,
e si hanno quattro operazioni morfologiche di base:
•
[ Z
À
con un pixel di sfondo è convertito in un pixel di
9
-
•
[ Z
À
un pixel non di sfondo è convertito in un pixel non
di sfondo. Questa operazione ha l’effetto opposto
Fig. 3 – Immagine con rumore e immagine corret-
ta post-elaborata
Fig. 4 – Immagine grezza (a sinistra) e immagine
rettificata (a destra)
Fig. 5 – Istogramma di Immagine