Digitalizzazione delle Immagini

Transcript

Informazione Analogica
Versus
Informazione Digitale
Concetti Chiave
• Informazione Analogica vs. Informazione Digitale
• Conversione da Analogico a Digitale:
Campionamento e Quantizzazione
• Bits e Bytes
• Sistema di Numerzione Decimale e Binario
• Dimensione dei Files
• Compressione dei Files
Fondamenti dei media digitali
• La comprensione dei concetti alla base degli
strumenti (es. Photoshop, Dreamweaver, etc.)
aiuta a rendere razionali le decisioni prese
durante la realizzazione di una “opera digitale”,
e quindi a “prevederne” il risultato finale
durante la fase di realizzazione.
Rilevanza di notazione binaria,
bits e bytes
• I computer gestiscono dati rappresentati come
sequenze di numeri binari.
• Bit: unità elementare dell'informazione trattata da
un elaboratore.
• Byte: una sequenza di 8 bit.
Rilevanza di notazione binaria,
bits e bytes
Dimensione dei file e prefissi: La dimensione dei file
digitali (immagini, suoni, video) è definita in termini
di bits o bytes. Si usano prefissi (Kilo, Mega, Giga) per
specificare la dimensione dei file digitali.
Relevance of Binary Notation, Bits,
and Bytes to Digital Media Studies
• Capire la conversione dei numeri decimali in
binario ci aiuta a capire perché un numero, che
rappresenta un “pezzo di informazione”, richiede
un certo numero di bit per la memorizzare.
• Imparando la notazione binaria e la conversione
di un numero decimale in un numero binario,
possiamo capire come le informazioni, sotto forma
di bits, sono memorizzate e manipolate da un
computer.
profondità di bit/profondità di
colore
• Bit Depth/Color Depth: capire il sistema binario ci
aiuta a comprendere la connessione tra Bit
Depth/Color Depth di una immagine e il numero
dei possibili colori dei pixel della immagine. Ad
esempio, una bit depth pari a 8-bits permettono
di avere 256 possibili colori in ogni pixel. Perchè?
• Per aumentare il numero dei possibili colori di un
pixel di una immagine, si deve aumentare
necessariamente il numero di bit per ogni pixel e
quindi la dimensione dell’immagine.
• Lavorando con i video digitali, spesso si incontra il
termine “bit rate”. Il bit rate di un video è connesso
alla “fluidità” del video durante la sua riproduzione.
• E’ quindi necessario comprendere cosa è e come
calcolare il bit rate di un video al fine di ottenere un
“buon video”.
• Nella creazione delle pagine web, viene usata la
notazione esadecimale per definire i colori.
• La conversione di un numero da decimale a
esadecimale è simile alla conversione di un numero
da decimale a binario.
• Imparare la conversione da decimale a binario
semplifica la comprensione della conversione di un
numero da decimale ad esadecimale.
Rappresentazione
Analogioco Vs Digitale
• Si dice spesso che viviamo nell'era digitale. Tuttavia, il
mondo naturale in cui viviamo è un mondo
analogico.
• Ad esempio, i suoni e la musica che sentiamo sono
delle onde sonore (segnali analogici).
• I Computer immagazzinano e trasmettono le
informazioni utilizzando i dati digitali (sequenze di
bits).
• Per collegare il mondo analogico con quello digitale
dei computer, le informazioni analogiche e digitali
devono poter essere convertite da una forma all'altra
e viceversa.
Rappresentazione
Analogioco Vs Digitale
• Nel processo di conversione da analogico a
digitale viene sacrificata l'esattezza delle
informazioni originali.
• Discuteremo il processo di campionamento e
di quantizzazione dell’informazione analogica.
• Dobbiamo
prima
capire
la
natura
dell’informazione analogia e dell’informazione
digitale.
Analog Information
Non è possibile riprodurre la lunghezza
esatta di questa matita. Esiste un infinito
numero di possibili punti tra due segni del
righello.
Esempi di informazione continua sono:
-Il tempo
-Il peso
-La temperatura
-Una linea
-Un piano
Digital Data
I computer sono costruiti da dispositivi
elettronici che possono assumere solo due
possibili stati.
In informatica, indichiamo con i numeri 0 e
1 i due possibili stati.
I computer utilizzano il sistema binario.
Serve un metodo per codificare
decodificare le informazioni.
e
Possiamo “enumerare” gli “oggetti” da
codificare.
Digital Data
Un sistema a 4 bits
Digital Data
hand signals
Bits
• In un computer i dati vengono memorizzati sottoforma di
cifre binarie chiamate “bit”.
• Un bit può assumere due possibili valori: {0,1}
• Nell'esempio dei segnali codificati con gli occhi, ogni
occhio può essere considerato un bit, dal momento che
può indicare due possibili stati: aperto o chiuso.
• Un solo bit non è molto utile nella rappresentazione delle
informazioni, ma una combinazione di bit che formano
sequenze più grandi possono rappresentare informazioni,
come ad esempio caratteri di testo, le informazioni sul
colore per le immagini digitali, e le ampiezze audio.
• Con un sistema ad n bit possiamo codificare 2n
informazioni.
Prefixes
• La dimensione dei files è specificata in bits e
bytes. Vengono usati prefissi.
Nome Simbolo Multiplo
Kilobyte
KB
210
Megabyte
MB
220
Gigabyte
GB
230
Terabyte
TB
240
Petabyte
PB
250
Exabyte
EB
260
Zettabyte
ZB
270
yottabyte
YB
280
12 KB= ? Byte
123 MB = ? Bit
2 GB = ? KB
NB: 210=1024
Using Bits to Represent Numeric Values
Base 10
Base 2
Using Bits to Represent Non-Numeric Values
American Standard Code for Information Interchange
Using Bits to Represent Colors
•
•
•
•
•
•
•
•
Rosso = (255,0,0) = 11111111 00000000 00000000
Verde = (0,255,0) = 00000000 11111111 00000000
Blu = (0,0,255) = 00000000 00000000 11111111
Ciano = (0,255,255) = 00000000 11111111 11111111
Magenta = (255,0,255) = 11111111 00000000 11111111
Giallo = (255,255,0) = 11111111 11111111 00000000
Nero = (0,0,0) = 00000000 00000000 00000000
Bianco = (255,255,255) = 11111111 11111111 11111111
The Finite and Discrete Nature of Computers
• Le informazioni analogiche sono continue e
infinite.
• Il computer può gestire solo dati che sono
discreti e finiti.
Limitations
• All’aumentare delle informazioni da rappresentare aumenta il numero di bit
da utilizzare per la rappresentazione.
• La rappresentazione dei colori naturali (informazione analogica)
richiederebbe un numero infinito di bit.
• I computer hanno un limite al numero di bit che possono essere utilizzati
per la rappresentazione dell’informazione.
• Una sequenza di bit in un computer non può essere infinita.
• Solo un insieme finito di dati può essere rappresentato in formato digitale.
• Non importa quale sia il numero massimo di bit utilizzabili. Ogni valore può
rappresentare solo una sfumatura discreta di colore attraverso un numero.
Ci sono sempre sfumature di colore, tra due sfumature di colore codificate
in un computer, che non sono catturate in forma digitale.
• La natura discreta e finita di computer limita la precisione con la quale
l’informazione analogica può essere catturata e riprodotta in forma digitale.
Converting Analog to Digital
• La conversione delle informazioni da analogico
a digitale è un processo in cui sono coinvolti
due parametri: campionamento (sampling) e
quantizzazione (quantization).
• Campionamento: quanto spesso campionare
un segnale.
• Quantizzazione:
con
quanti
valori
rappresentare ogni campione.
Converting Analog to Digital
Sampling and Quantization
Digitalizzazione delle informazioni analogiche
• I concetti di sampling e quantization sono necessari
per definire i seguenti concetti:
– pixels,
– risoluzione di una immagine,
– profondità di colore (color bit depth).
• La frequanza di campionamento (sampling
rate) e in relazione con la risoluzione
dell’Immagine.
• La quantizzazione è in relazione con la
profondità di colore di un pixel.
• Immagini Naturali: sono composte da infiniti
punti senza discontinuità di colore.
• Immagini digitali: sono composte da un finito
insieme di punti detti pixels (picture
elements). Ogni pixel contiene una
informazione sul colore della corrispondente
posizione nell’immagine.
Supponiamo che questa immagine sia una immagine naturale che
vogliamo catturare usando una digital camera.
53
25 campioni
20 campioni
Il processo di digitalizzazione campiona la scena naturale utilizzando una
griglia discreta di punti equispaziati.
Supponiamo che ognuno di questi punti assume un
colore pari alla media dei colori presenti nella cella
corrispondente.
Ogni campione della griglia è rappresentato con un pixel.
La risoluzione di questa immagine è pari a 20x25 pixels = 500 pixel,
56
che equivale a 0,0005 megapixels (1 megapixel = 1000000 pixels).
Nell’esempio abbiamo campionato una immagine con una griglia 25x20
capioni.
Sono evindenti artefatti (blocchi) e i dettagli sono stati perduti per via di
57
un sampling rate non adeguato (frequanza di campionamento bassa).
Se questa immagine venisse visualizzata in un coputer apparirebbe come in figura.
58
Supponiamo adesso di campionare con una griglia 100x80
59
In termini di megapixels?
8000/1000000=0,008
Come prima, ogni campione assume un valore
uniforme
corrispondente
alla
relativa
area
dell’immagine. Ogni campione della griglia sarà
rappresentato da un pixel
60
Aumentanto il sampling rate siamo in grado di catturare più dettagli.
Nelle immagini digitali, aumentare il sampling rate significa aumentare la
risoluzione dell’immagine.
Aumentanto la risoluzione abbiamo più campioni (pixels) per rappresentare
una scena.
Aumentanto il numero di pixel aumenta la dimensione del file della nostra
immagine.
61
62
Durante la fase di quantizzazione, il colore di ogni pixel viene
associato ad uno dei possibili valori discreti utilizzati per la
rappresentazione del colore.
63
1234
Supponiamo di avere una paletta a 4 colori.
Ogni pixel dell’immagine viene associato ad uno dei colori a
nostra disposizione.
64
1234
In questo caso, abbiamo scelto una palette con 4 tonalità di
verde ed abbiamo associato ogni pixel al colore più simile
presente nella palette.
65
Riducendo il numero di colori (profondità di bit) si riducono le dimensioni del file.
Quando il range dei colori (profondità di bit) è troppo bassa vengono persi dettagli.
Resolution x Bit Depth = File Size
100*80 pixels x 4 bit = 32000 bit = 4000 byte= 3.90625 Kb
68
Compression
• La compressione consente di ridurre le dimensioni
del file.
• Lossy Compression: alcune informazioni vengono
perse e non possono essere più recuperate. Esempi
di compressione Lossy sono i formati JPEG e MP3.
• Lossless Compression: tutte le informazioni originarie
possono essere recuperate. Un esempio di questo
tipo di compressione è dato dai formati .zip e .rar
• E’ consigliabile usare formati non compressi durante
le fasi di realizzazione di un opera digitale.
Homework
•
•
•
•
•
•
•
•
•
PSD
BMP
GIF
JPEG
PNG
PDF
TIFF
EPS
RAW
E’ un formato compresso?
La compressione è di tipo lossy or lossless?

Digitalizzazione delle Immagini

Transcript

Documenti analoghi

Esercizi

Formazione dell`immagine Sommario

Sicurezza

CALCOLO DIMENSIONI DEI FILE IMMAGINE

Esercizi - parte 1 - dieet - Università degli Studi di Palermo

Toscana in Bit per presentare le novità dell`offerta turistica

Gioco “Il sistema binario”

¡CD ¡..