EMB 96

EMBEDDED 96 • MAGGIO • 2025 19 principalmente da algoritmi tradizionali basati sull’e- laborazione delle immagini come il rilevamento Canny Edge e da convoluzioni con filtri di rilevamento dei bordi appositamente progettati. Inoltre, i bordi in un’immagine forniscono informazioni fondamentali sul contenuto dell’immagine, con il risul- tato che tutti i metodi di deep learning eseguono il ri- levamento dei bordi internamente per l’acquisizione di funzionalità globali di basso livello con l’aiuto di kernel apprendibili. Restauro dell’immagine Il restauro dell’immagine si riferisce alla ricostruzione di copie cartacee di immagini vecchie e sbiadite che sono state acquisite e archiviate in modo improprio, con conse- guente perdita di qualità dell’immagine. I tipici processi di restauro delle immagini comportano la riduzione del rumore additivo tramite strumenti matema- tici, mentre a volte la ricostruzione richiede importanti mo- difiche, che portano ad ulteriori analisi e all’uso dell’ima- ge inpainting. Nell’Image inpainting, le parti danneggiate di un’immagine vengono riempite con l’aiuto di modelli generativi che fanno una stima di ciò che l’immagine sta cercando di trasmettere. Spesso il processo di restauro è seguito da un processo di colorazione che colora il sogget- to del quadro (se in bianco e nero) nel modo più realistico possibile. La figura 2mostra un esempio di ricostruzione di un’imma- gine danneggiata eseguita con l’uso dell’image inpainting. Sfide della tecnologia di visione artificiale Una delle maggiori sfide nella visione artificiale è la mancanza di comprensione di come funzionano il cer- vello umano e il sistema visivo umano. Abbiamo un senso della visione potenziato e complesso che possiamo comprendere in tenera età, ma non siamo in grado di spiegare il processo attraverso il quale pos- siamo comprendere ciò che vediamo. Inoltre, le attività quotidiane, come attraversare la stra- da passando sulle strisce pedonali, indicare qualcosa nel cielo, controllare l’ora sull’orologio, richiedono che co- nosciamo abbastanza gli oggetti che ci circondano per comprendere l’ambiente in cui ci troviamo. Tali aspetti sono molto diversi dalla semplice visione, ma sono in gran parte inseparabili da essa. La simulazione della visione umana tramite algoritmi e rappresentazio- ne matematica richiede quindi l’identificazione di un oggetto in un’immagine e la comprensione della sua pre- senza e del suo comportamento. COMPUTER VISION | IN TEMPO REALE Esempio di rilevamento di un oggetto in una fotografia (fonte: Computer vision - Wikipedia ) Accesso con sistema di riconoscimento facciale alla stazione Morinomiya della metropolitana di Osaka (fonte: Tokumeigakarinoaoshima - Own work, CC BY-SA 4.0, https:// commons.wikimedia.org/w/index.php?curid=85306076 )