Esercitazione 1
Studente: Pippo Valentina
Matricola: 2644853
9/8/2010
Metodi:
Le camere digitali più popolari utilizzano un solo sensore CCD o CMOS, sia per minimimizzarne i
costi che per ridurne la complessità, su di esso è disposto un filtro a mosaico denominato “Color Filter
Array” (CFA). I filtri sono disposti secondo opportuni mosaici di cui il più utilizzato è noto come “Bayer
pattern” (dal nome di chi lo ha proposto nel 1976), caratterizzandosi in realtà con tale nome una famiglia con
varianti nel numero dei colori filtrati (3 o 4) e nel tipo di disposizione dei colori sul mosaico. Il più
comunemente usato è quello denominato GRGB che ha il 50% dei pixel che catturano il Verde (G), il 25%
che catturano il Rosso (R) ed il rimanente 25 % che catturano il Blu (B) (Figura 2). Questa particolare
distribuzione tiene conto della maggiore sensibilità dell’occhio umano alle lunghezze d’onda prossime al
Verde.
1
Sistemi Intelligenti Naturali e Artificiali
Esercitazione 1
Studente: Pippo Valentina
Matricola: 2644853
9/8/2010
Figura 2 La disposizione Bayer dei filtri di colore sulla matrice di pixel di un sensore d'immagine
L’algoritmo di nearest neighbor (vicino più vicino) assegna al pixel nell’immagine corretta il valore
del pixel più vicino al punto corrispondente nell’immagine non corretta. È un algoritmo semplice dal punto
di vista computazionale e che non altera i valori dei pixel nella correzione; gli elementi lineari nell’immagine
corretta, per effetto della distorsione applicata, risultano avere un aspetto “a scala”, ma l’immagine nel
complesso mantiene visivamente un buon contrasto: per questo motivo tale algoritmo è quello maggiormente
utilizzato nei casi in cui sull’immagine corretta si debba operare una classificazione automatica.
L’algoritmo si basa sulla ridefinizione del valore di ogni singolo canale di colore per pixel, centrando,
attraverso la funzione “get_RGB”, un pixel nell’immagine .pgm, nella funzione Nearest_Interpolation
vengono quindi ricostruiti i pixels centrati nel rosso (R), nel verde (G) e infine nel blu (B), utilizzando lo
schema di ricostruzione mostrato in figura3.
2
Sistemi Intelligenti Naturali e Artificiali
Esercitazione 1
Studente: Pippo Valentina
Matricola: 2644853
9/8/2010
Bilinear Interpolation:
L’interpolazione Bilineare stima il valore del pixel sconosciuto facendo la media dei valori dei
quattro pixel noti diagonalmente adiacenti. Da un punto di vista geometrico corrisponde ad utilizzare un
piano interpolante che passa per i quattro pixel diagonalmente adiacenti. Il risultato visivo di questo tipo di
interpolazione è di un’immagine tanto più sfuocata quanto maggiore è il fattore di ingrandimento. La figura
sottostante mostra lo schema di ricostruzione utilizzato:
3
Sistemi Intelligenti Naturali e Artificiali
Esercitazione 1
Studente: Pippo Valentina
Matricola: 2644853
9/8/2010
Risultati:
Per testare le funzioni di ricostruzione del colore sono state utilizzate due diverse immagini di prova,
raffiguranti la stessa scena, acquisite con telecamera con sensore bayer pattern. Sono riportate di seguito le
immagini ottenute applicando le due differenti tecniche:
Conclusioni:
Gli schemi convenzionali di interpolazione lineare basati su modelli spazialmente invarianti non
tengono conto delle rapide variazioni statistiche attorno ai bordi degli oggetti rappresentati nell’immagine
(edge) e, di conseguenza, creano immagini sfuocate e con una notevole presenza di artefatti.
L’interpolazione lineare, malgrado questi svantaggi è comunque largamente utilizzata per via della bassa
complessità computazionale.
4
Sistemi Intelligenti Naturali e Artificiali
Esercitazione 1
Studente: Pippo Valentina
Matricola: 2644853
9/8/2010
Il confronto tra i due metodi evidenzia come la Bilinear sopperisca meglio rispetto alla Neighborhood nella
ricostruzione delle zone con cambiamenti cromatici netti.