D1. Conoscenza e capacità di comprensione: Al termine del corso lo studente deve dimostrare di conoscere i principi fondamentali della natura fisica, formazione e struttura delle immagini digitali. Deve conoscere i metodi di base dell'analisi e del trattamento delle immagini digitali con particolare riguardo ai filtraggi, al riconoscimento di forme ed alla compressione. D2. Capacità di applicare conoscenza e comprensione: Al termine del corso lo studente deve saper applicare le conoscenze acquisite al punto D1 per risolvere esercizi di analisi e trattamento delle immagini digitali, utilizzando l'ambiente di elaborazione NV5 IDL (Interactive Data Language), sviluppando i codici relativi con un approccio di programmazione strutturato. D3. Autonomia di giudizio: Al termine del corso lo studente saprà giudicare le metodiche di base per l'analisi e il trattamento delle immagini digitali. Deve essere in grado di operare in autonomia utilizzando le metodiche di base classiche. Deve proporre idee e soluzioni per la scelta della metodica più appropriata per perseguire un determinato obiettivo. D4. Abilità comunicative: Al termine del corso lo studente deve saper esporre chiaramente i concetti acquisiti al punto D1, saper documentare i codici sviluppati e presentarne il risultato in modo chiaro. Deve anche saper intervenire in una discussione critica su argomenti del corso dando validi suggerimenti. D5. Capacità di apprendimento: Al termine del corso lo studente deve essere in grado di approfondire autonomamente gli argomenti trattati, inoltre deve essere in grado di trasferire le nozioni imparate nei successivi insegnamenti, saper progettare e proporre un procedimento di analisi e trattamento di base delle immagini digitali e svilupparne il codice relativo in linguaggio IDL secondo le norme della programmazione strutturata.

Concetti di base della programmazione. Matematica di base per la Fisica.

Formazione e struttura delle immagini digitali. Procedure di visualizzazione, elaborazione ed analisi morfologica. Esercitazioni in aula informatica.

l materiale del corso viene distribuito in formato PDF o Powerpoint. Un testo di approfondimento è: Digital lmage Processing, R.C. Gonzalez and R.E. Woods, Prentice Hall (2002) [Disponibile in Biblioteca del Dipartimento di Fisica].

Lezioni Teoriche
1. Immagini bidimensionali, matrici di dati numerici, pixel, sistemi di coordinate. Struttura dei dati, immagini indicizzate, di intensità, binarie, RGB, serie di immagini. Conversione di tipo di immagine. Importazione ed esportazione di immagini.
2. Visualizzazione delle immagini, funzione di trasferimento in intensità, falso colore, colore vero, spazio dei colori RGB ed HSV. Visualizzazione grafica delle immagini, isofote, assonometrie. Animazione di serie di immagini.
3. Operazioni spaziali sulle immagini, trasformazione di sistema di coordinate, trasformazione di formato, trasformazione di scala, rotazioni, proiezioni.
4. Operazioni fotometriche sulle immagini, trasformazioni fotometriche sulle immagini, trasformazioni della funzione di trasferimento in intensità, falso colore e colore vero, quantizzazione di intensità, quantizzazione di colore, equalizzazione dell'istogramma di intensità.
5. Compressione delle immagini senza degradazione, codifica run-length ed LZW (cenni). Compressione delle immagini con degradazione mediante trasformata discreta di Fourier, trasformata discreta coseno, trasformata discreta wavelet. Compressione delle immagini mediante codifica frattale (cenni).
6. Elaborazione di immagini, operatori lineari e non lineari, estrazione di contorni, correlazione bidimensionale e localizzazione di particolari morfologici. Elaborazione di immagini binarie, trasformata di Radon e estrazione di direzioni dominanti, stima di perimetro e area, operatori di dilatazione ed erosione.
7. Elaborazione del rapporto Segnale/Rumore di immagini, trasformata bidimensionale di Fourier, analisi di Fourier di un'immagine, convoluzione bidimensionale, operatori locali e processo a blocchi, filtri lineari, operatore mediana, filtri non lineari.
8. Deconvoluzione lineare e non lineare di immagini.
9. Analisi di immagini mediante fit non lineare a forma nota (cenni).
10. Classificazione morfologica di immagini.
11. Tecniche di classificazione morfologica basate su Deep Learning.

Esercitazioni
1. Introduzione all'uso del software IDL (lnteractive Data Language) di Exelis.
2. L'array immagine in IDL
3. Visualizzazione e caratterizzazione delle immagini
4. Binarizzazione mediante soglia di livello
5. Conversione di tipo
6. Analisi dei colori RGB di un'immagine True Color
7. Visualizzazione della tavolozza di un'immagine indicizzata
8. Visualizzazione di una Pseudo-Immagine in 2 dimensioni
9. Visualizzazione di una Pseudo-Immagine in 3 dimensioni
10. Determinazione della Scala Fisica di un'immagine
11. Trasformazioni Spaziali ed Interpolazione Bilineare
12. Modifica dell'Istogramma
13. Analisi di Fourier di un'immagine
14. Filtraggio nel Dominio di Fourier (Ideale e Butterworth)
15. Filtraggio di Rumore del Dominio di Fourier (Filtro Passa-Basso)
16. Filtraggio di Disturbo nel Dominio di Fourier (Filtro Passa-Banda)
17. Compressione con Filtro Passa-Basso nel Dominio di Fourier (DFT e DCT)
18. Riconoscimento di Forme con Template Matching
19. Filtraggio mediante Convoluzione con Operatori Lineari
20. Analisi Morfologica
21. Identificazione Orientazione con Trasformata di Radon
22. Deconvoluzione Lineare (Fourier-Wiener) e Non-Lineare (Richardson­Lucy)
23. Introduzione alla Programmazione a Oggetti in IDL

Lezioni frontali ed esercitazioni in aula informatica.

Aula informatica "Poropat"
(Ed. F, II p.)
Lun., Mar. 14-17
(Provvisorio)

Esame orale su argomenti del corso e presentazione e discussione di un codice per il trattamento delle immagini.