EO_503

EO LIGHTING - GIUGNO/LUGLIO 2022 XXXII Lighting Applicazione object recognition za di calcolo) ad oggi, l’elaborazione delle immagini ha fat- to letteralmente passi da gigante, ottenendo risultati im- maginabili solo nei film di fantascienza: object detection e tracking, face ed emotion/mood recognition, autenti- cazione tramite parametri biometrici (impronta digitale o iride dell’occhio), pattern recognition per anticollision nell’automotive e pattern analysis nel mondo industriale, sono solo alcuni esempi delle potenzialità di questa nuova tecnologia. Questa scienza è tanto vasta e importante che si è meritata un nome a parte: la Computer Vision. Processo di acquisizione e identificazione Il processo di acquisizione e identificazione delle imma- gini è complesso, e prevede vari step che coinvolgono più moduli hardware e software. Tutti gli step che vedremo successivamente, è banale dirlo, sono realizzati mediante l’uso di CPU dotati di una buona capacità elaborativa, e sottendono delle librerie di algoritmi complessi, che negli anni sono stati ottimizzati e potenziati. Il primo step prevede l’acquisizione della immagine da parte del trasduttore ottico, il quale cattura il segnale lu- minoso in 2D, lo converte in un array di valori digitali e ne effettua le prime pre-elaborazioni (come ad esempio lo scaling della dimensione). Successivamente l’aspetto dell’immagine viene miglio- rato tramite processi di enhancing e restauro: equalizza- zione, bilanciamento del bianco, filtraggio, riduzione del rumore sono alcune delle tecniche che permettono di pas- sare da un’immagine poco più che accettabile ad una più nitida e migliore in senso lato. Si interviene poi sui colori, aspetto fondamentale oggi- giorno soprattutto per la grafica pubblicitaria, ma anche per porre le basi del pattern recognition (desaturazione localizzata). Quest’area sta acquisendo sempre più impor- tanza grazie al significativo aumento dell’uso delle imma- gini digitali sui social networks e, in generale, in rete. Questi step possono essere realizzati manualmente tra- mite software appositamente realizzati per l’elaborazione di immagini, oppure mediante algoritmi di AI: attraverso l’addestramento con un set campione è possibile realizzare software che, a partire da un’immagine di bassa qualità, riescono ad ottenere un’immagine rigenerata in maniera totalmente automatica. Una volta ottenuta un’immagine di buona qualità, si può intervenire con algoritmi di compressione (con o senza Edge detection con matrice Sobel