Presentazione standard di PowerPoint - e-Learning
Transcript
Presentazione standard di PowerPoint - e-Learning
Digital Imaging Esercitazione TTC 20/11/2014 Cubo RGB Esercizio 1 • Spazio CMY (Cyan, Magenta, Yellow): le componenti CMY sono le complementari di quelle RGB C 1 R M 1 G Y 1 B • Scrivere una function y=rgb2cmy(x), che legge un’immagine a colori e determina la rappresentazione CMY dell’immagine fragole.jpg visualizzandone le componenti. • È possibile usare la funzione imcomplement di Matlab direttamente sull’immagine a colori. Introduzione a MATLAB - Image Processing Toolbox 3 Spazio YIQ/YCbCr Usati nella trasmissione delle immagini per ottimizzarne la codifica: il sistema visivo umano è più sensibile alla variazione di luminanza piuttosto che alla variazione di cromaticità: le componenti [I Q] [Cb Cr] possono essere compresse più della componente Y (luminanza). Y 0.299 I 0.596 Q 0.212 0.114 R 0.275 0.321 G 0.523 0.311 B 0.587 • In Matlab: rgb2ycbcr – If the input is uint8, YCBCR is uint8, where Y is in the range [16 235], and Cb and Cr are in the range [16 240]. – If the input is a double, Y is in the range [16/255 235/255] and Cb and Cr are in the range [16/255 240/255] Spazio HSV H = hue, tinta: coordinata angolare, varia da 0 a 360o (0rosso) S = saturation, saturazione: varia da 0 (colore desaturo) a 1 (colore puro) V = value, intensità Esercizio 2 • Caricare l’immagine ‘colors.png’ e trasformarla a livelli di grigio • Quantizzate l’immagine a livelli di grigio a 8, 32 e 64 livelli e visualizzare i risultati – grayslice – NOTA: grayslice produce una immagine di indici, per avere i valori di grigio corrispondenti dovete moltiplicare gli indici per 256/nlivelli Introduzione a MATLAB - Image Processing Toolbox 6 Esercizio 3 • Caricare l’immagine ‘colors.png’ • Create e visualizzate 3 immagini tali che – La prima abbia il canale R quantizzato a 16 livelli – La seconda abbia il canale G quantizzato a 16 livelli – La terza abbia il canale B quantizzato a 16 livelli • Ripetete l’esperimento precedente sui canali dell’immagine convertita nello spazio colore YCbCr (rgb2ycbcr) • Q: C’e’ qualcosa in comune tra Y e G? Introduzione a MATLAB - Image Processing Toolbox 7 Esercizio 4 • Caricate l’immagine train.jpg e visualizzatela • Applicate una correzione gamma su tutti contemporaneamente e visualizzate il risultato e 3 i canali RGB • Trasformate l’immagine nello spazio colore YIQ, applicate una gamma solo al canale Y e ricostruite l’immagine RGB – rgb2yiq, yiq2rgb • Trasformate l’immagine nello spazio colore HSV e provate ad applicare una gamma a ciascun canale (singolarmente uno alla volta), ricostruite e commentate i tre risultati. – rgb2hsv, hsv2rgb Introduzione a MATLAB - Image Processing Toolbox 8 Esercizio 5 • Caricare l’immagine lenac.jpg • Applicare un filtro di smoothing di dimensioni 5x5 operando su: – ogni singola componente RGB – nello spazio HSV solo sulla componente di intensità • Confrontate le immagini ottenute. Le due immagini non sono identiche: nello spazio RGB ogni pixel `e pari al color medio dei pixel nella finestra 5x5, mentre mediare solo le intensità non altera i colore originale dei pixel (dato che tinta e saturazione non sono stati modificati). Questo effetto aumenta al crescere della dimensione del filtro. • Ripetete l’esperimento usando l’immagine fiori.tif con una finestra di dimensioni 252x5.