INTERAZIONE E MULTIMEDIA

INF/01 - 9 CFU - 1° semestre

Docente titolare dell'insegnamento

FILIPPO STANCO


Obiettivi formativi

Obiettivi formativi generali dell'insegnamento in termini di risultati di apprendimento attesi.

  1. Conoscenza e capacità di comprensione (knowledge and understanding): l'obiettivo del corso è quello di far acquisire conoscenze che consentano allo studente di comprendere i meccanismi teorici e fisici che stanno alla base del sistema visivo umano, della formazione ed elaborazione delle immagini digitali, del miglioramento della qualità visiva delle immagini digitali.
  2. Capacità di applicare conoscenza e comprensione (applying knowledge and understanding): lo studente acquisirà le competenze necessarie per acquisire, editare, comprimere e salvare una immagine digitale. In particolare una parte del corso sarà relativa allo studio del software Processing per applicare tali conoscenze teoriche.
  3. Autonomia di giudizio (making judgements): Attraverso esempi in aula lo studente sarà messo nelle condizioni di comprendere se le soluzioni da lui proposte soddisfano un certo grado di qualità.
  4. Abilità comunicative (communication skills): lo studente acquisirà le necessarie abilità comunicative e la proprietà di linguaggio tecnico nell'ambito del settore Multimediale.
  5. Capacità di apprendimento (learning skills): il corso si propone, come obiettivo, di fornire allo studente le necessarie metodologie teoriche e pratiche per poter affrontare e risolvere autonomamente nuove problematiche che dovessero sorgere durante una attività lavorativa. A tale scopo diversi argomenti saranno trattati a lezione coinvolgendo lo studente nella ricerca di possibili soluzioni a problemi reali.

Prerequisiti richiesti

Buona conoscenza della programmazione di base. E' sufficiente aver superato il corso di programmazone I.



Frequenza lezioni

E' fortemente consigliata la presenza alle lezioni.



Contenuti del corso

Introduzione alle immagini digitali

Formazione della immagini nell’occhio umano

Equazione della lente sottile

Illusioni ottiche

I sensori digitali

Il Bayer pattern

Color interpolation

Immagini Raster e immagini vettoriali

Rappresentazione delle immagini raster

Campinamento

Quantizzazione

Aliasing

Risoluzione delle immagini digitali

Interpolazione replication, bilineare e bicubica

Il PSNR

Il colore

Gli spazi di colore RGB, CMY, HSV, Munsell, YUV, YCbCr

Le immagini indicizzate e le palette

Il reindexing

L’istogramma di una immagine

Le operazioni puntuali e le LUT

Bit-planes

Operatori lineari e invarianti per traslazione

Noise reduction

Edge detection

Dominio spaziale

Dominio delle frequenze

Trasformata di Fourier

La convoluzione e il teorema della convoluzione

Compressione lossy e lossless

Teorema di Shannon per la compressione

Codifica di Huffman

Lo standard Jpeg

 

Programmazione in Processing



Testi di riferimento

Fondamenti di Image Processing di S. Battiato e F. Stanco - Ediargo

ELABORAZIONE DELLE IMMAGINI DIGITALI, Terza Edizione, Rafael C. Gonzalez, Richard E. Woods, Ediz. Pearson, Prentice Hall

DIGITAL IMAGE PROCESSING using MATLAB, seconda Edizione, Rafael C. Gonzalez, Richard E. Woods, Stevem L. Eddins


Altro materiale didattico

Tutto il materiale didattico è presenta su Studium.



Verifica dell'apprendimento


MODALITÀ DI VERIFICA DELL'APPRENDIMENTO

Occorre superare le seguenti prove:

1. esame scritto

2. progetto di Processing

3. Laboratorio di Processing

4. Colloquio orale


PROVE IN ITINERE

viene svolta una prova in itinere nel mese di dicembre su tutti gli argomenti già trattati nel corso ed una seconda prova a fine corso. Il superamento della prova sostituisce l'esame scritto. Le altre prove vanno comunque sostenute.


ESEMPI DI DOMANDE E/O ESERCIZI FREQUENTI

le domande nell'esame scritto sono a risposta aperta. Ne riporto un paio come esempio.

  1. L’operatore “potenza” è puntuale, locale o globale? Che significa? Tale operatore, in genere, schiarisce o incupisce l’immagine? Applicare l’operatore potenza ^2 alla matrice di seguito riportata. Infine normalizzare linearmente tra 0 e 255 la matrice risultato.

 

56

45

11

67

100

232

0

129

50

 

 

  1. Quali sono le caratteristiche fondamentali della codifica di Huffman? Costruire la codifica di Huffman per i simboli che compongono la stringa “esame per esame”.



Apri in formato Pdf English version