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 (0rosso)
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.