Questo sito utilizza cookie di terze parti per inviarti pubblicità in linea con le tue preferenze. Se vuoi saperne di più clicca QUI 
Chiudendo questo banner, scorrendo questa pagina, cliccando su un link o proseguendo la navigazione in altra maniera, acconsenti all'uso dei cookie. OK

Algoritmo del taglio normalizzato per la segmentazione di immagini

L'anteprima di questa tesi è scaricabile in PDF gratuitamente.
Per scaricare il file PDF è necessario essere iscritto a Tesionline.
L'iscrizione non comporta alcun costo. Mostra/Nascondi contenuto.

Fig. 1.2 – Istogramma normalizzato dell’immagine di Fig. 1.1 L’importanza di avere una precisa conoscenza delle percentuali dei diversi livelli di grigio sarà maggiormente compresa in seguito. Tuttavia, prendendo come riferimento la Fig. 1.2, è già facilmente verificabile come sia possibile migliorare la qualità dell’immagine intervenendo sull’istogramma. In Fig. 1.2 è infatti presente una zona (nel nero) dove non sono presenti pixel (la parte con valore y a 0 sulla sinistra). E’ quindi possibile “normalizzare” l’immagine di partenza per fare in modo che i pixel siano distribuiti su tutta l’ampiezza dei valori della scala. Questa semplice operazione consente di migliorare notevolmente la leggibilità dei dettagli, seppur, ovviamente, non aggiungendo alcuna informazione. Una semplice procedura di normalizzazione sarà realizzata nel Capitolo 4. 1.4.2 Segmentazione tramite thresholding Il tipo più semplice di partizionamento utilizza la strategia del thresholding. Sia data un’immagine I di dimensioni N x M e G livelli di grigio. Si prenda un valore arbitrario K appartenente a G. Nel tresholding viene generata una nuova immagine T (sempre di dimensioni N x M) con pixel solo bianchi o neri. L’elemento T i sarà ad esempio bianco se il corrispondente I i è minore o uguale a K, altrimenti sarà nero. Questa semplice metodologia di segmentazione ha due grossi svantaggi: primo, non è possibile conoscere a priori in quanti sottoinsiemi verrà divisa l’immagine di partenza (è molto facile avere anche dei singoli punti “sparsi”); secondo, è in generale molto difficile individuare (se non per immagini molto semplici) un corretto valore soglia K. Un caso in cui risulta abbastanza semplice la scelta del valore soglia è dato dall’immagine di Fig. 1.1. Osservando il corrispondente istogramma normalizzato (Fig. 1.2) è possibile notare che esiste un punto di minimo posto nella parte sinistra della curva di distribuzione. 11

Anteprima della Tesi di Marco Introini

Anteprima della tesi: Algoritmo del taglio normalizzato per la segmentazione di immagini, Pagina 7

Diploma di Laurea

Facoltà: Scienze Matematiche, Fisiche e Naturali

Autore: Marco Introini Contatta »

Composta da 81 pagine.

 

Questa tesi ha raggiunto 1764 click dal 20/03/2004.

 

Consultata integralmente 3 volte.

Disponibile in PDF, la consultazione è esclusivamente in formato digitale.