Loading

Module 1: Filtro e classificazione delle immagini

Note di Apprendimento
Study Reminders
Support
Text Version

Digital Image Processing Simulator - Caratteristiche

Set your study reminders

We will email you at these times to remind you to study.
  • Monday

    -

    7am

    +

    Tuesday

    -

    7am

    +

    Wednesday

    -

    7am

    +

    Thursday

    -

    7am

    +

    Friday

    -

    7am

    +

    Saturday

    -

    7am

    +

    Sunday

    -

    7am

    +

Video 1

Quindi ora lasciatevi andare per un filtraggio speciale che abbiamo già discutere in teoria e in questo io continuerò così. Così ora si sta avendo input qui quello che si sta vedendo un filtro che è un filtro passa basso in seguito sceglieremo anche il filtro passa alto. Quindi in un filtro a basso passaggio incostruito che significa evidenziare i filtri regionali e sottolineare la soppressione delle caratteristiche locali. E quando applichiamo questo filtri su questa immagine di input e poi per come potete vedere sul lato destro che ogni tipo di calcolo sta andando avanti. Quindi per pixel dopo pixel come cursore si sta muovendo anche e quello che stiamo vedendo che il calcolo è fatto così stop ad esempio a questo pixel ho segnato qui come blu e questo calcolo viene fatto perché questo è un filtro da 3 da 3. Quindi circa 66 pixel numero 66 o il pixel che sta avendo valore 66 conosci tutti i valori intorno a quel pixel sono considerati in questo filtraggio e quello che stiamo vedendo che tutto viene moltiplicato per primo per un valore di uno come nella presente matrice dimensionale 2 o nel filtro di convoluzione. E poi per esempio il pixel è 95 moltiplicato per rimarrà 95 e allo stesso modo tutto questo filtro tutti questi valori di pixel sono moltiplicati per la prima volta la somma viene assunta che somma kernel sum ne è 9 perché tutti i valori qui si aggiungono così si chiama kernel sum e poi è diviso 708 / 9 e otteniamo il valore 78. Ed è questo che stiamo ottenendo valore 78 qui per quel pixel che ora è questo è il 78 dove si trova il mio cursore. Così anche quando faccio per tutti i pixel tranne pixel al limite o al bordo. Allo stesso tempo si stanno anche vedendo i cambiamenti dell'immagine si svolge in basso. Quindi se voglio che tu sappia questo sono i numeri digitali che qui vengono visualizzati e questo lo stesso numero viene visualizzato qui come i valori grigi a e qui questo è l'immagine filtrata di questo sul lato sinistro e tranne che per il bordo quando abbiamo discusso la parte teorica in un filtraggio spaziale ho detto che se il tuo filtro è di 3 / 3 allora linea su tutti i lati 1 pixel line su tutti i lati non sarà considerato per nessun tipo di filtraggio. Ecco cosa è successo che tutti questi pixel rossi siano ora i pixel filtrati o filtrati come si può vedere originariamente valore come 80 ora sta avendo 63 e qui valore originale era il 95 ne ha 69. Ora perché diciamo filtro passa basso e quindi la differenza è tra i pixel dove in questa zona le iniziali erano grandi che significavano che avevano conosciuto la variazione locale alta. Quindi quelli sono stati soppressi usando questo filtro speciale che è a basso filtro passa e ora nell'immagine risultante ciò che si vede la variazione nei valori dei pixel si è ridotto e questo significa che le variazioni locali sono state soppresse e le variazioni regionali saranno evidenziate o evidenziate qui in questo esempio. Quindi quello che farò farò di nuovo premere nuovamente e lentamente ne ripartiremo uno per vedere che quando eseguo il filtro questo è quello che vedo che ora questo lo sai questo il pixel che sta avendo valore 80 calcolato. Ma tutti questi pixel nei dintorni sono stati presi in considerazione e il loro fattore di moltiplicazione in questo caso è tutto 1 che viene prelevato poi il loro qualche scambiato diviso per 9 che è la somma del kernel e poi si ottiene un valore di 63. Quindi una volta accettato questo uno allora si vede che il valore è di 63 e allo stesso modo tutti i pixel tranne che al bordo o sul bordo spessi 1 pixel non saranno considerati e si ottiene. E se volete mostrarvi il confine di pixel che c'è anche lì. Così è così che il filtro passa basso funziona anche nello scenario dell'immagine reale ma qual è il vantaggio migliore da questo software di Doctor Rathore Chinmaya Rathore è che simula le cose che dimostra che che tipo di calcolo sta andando avanti se parliamo di filtraggio a basso passaggio. All'interno di un software di elaborazione digitale convenzionale o commerciale come LiDAR o qualsiasi altro e siamo possono essere altri potenti mapper ER o altri. Che tipo di calcoli vanno avanti nel dietro e che anche per la grande immagine è tutto raffigurato qui in modo molto semplice. Ecco perché ho sottolineato che il presente software dovrebbe essere scaricato da coloro che sono interessati all'elaborazione delle immagini digitali in questo corso. E dovrebbe imparare le basi fondamentali e la matematica che si riparte alle spalle. Ora quello che farò comincerò fresco ma ora prenderò invece il filtro passa basso ora prenderò il filtro passa alto e vedrò come le cose cambieranno in filtro passa alto. Prima discuteremo questa matrice di convoluzione e questo è il kernel e questo è di nuovo 3 / 3 in questo esempio abbiamo preso se prendiamo 5/5 poi 2 pixel line sui bordi non verranno considerati nel filtraggio se prendiamo più qualsiasi numero dispari come 7/7 poi 3 righe e così via. Quindi in questo è l'esempio più semplice non può essere inferiore a 3/3. Così abbiamo preso tutti i valori sui bordi di questa matrice di convoluzione sono -1. Mentre il pixel del centro è 16 se si ricorda la parte teorica quando abbiamo discusso in precedenza di una speciale filtrazione in un filtro di passaggio appositamente elevato lo scopo del filtro passa alto è quello di sottolineare le variazioni locali presenti nell'immagine e desottolineare la variazione regionale appena inversa del filtro passa basso. Ecco perché c'è più peso per il valore di pixel del centro o il kernel del centro e il riposo è sminuito così è per questo che ci sono meno valori. Ora di nuovo allo stesso modo impareremo che eseguiremo questa cosa passo dopo passo e vedremo delle modifiche che ci vogliono. Quindi per il primo pixel e cioè 80 il valore di pixel che sta avendo 80 è ora il calcolo viene fatto tutto questo 55 moltiplicato per -1 diventano -55 e allo stesso modo tutti questi valori sono e fatti e poi quello che si ottiene un valore 98. Quindi questo valore è come un aumento rispetto a ciò che il valore di input era del 80 e allo stesso modo tutti questi valori sono potenziati. Quindi quando prendiamo questa somma di dopo questa moltiplicazione contro per tutti i pixel in questo esempio per i 95 pixel il pixel che è di 95 valore e poi diviso per 8 allora questo troviamo 1, 2, 3 e allo stesso modo iniziamo a arrivare fin qui. Perché il 1 di valore è il riposo positivo sono negativi e quindi è la divisione a 809 nel filtro a basso passaggio perché tutti i valori erano uguali così la divisione era di 9 che è una somma di kernel. E ora questo è quello che stiamo vedendo nel filtro passa alto così come si può vedere che quando se si confronta solo questa in scala grigia anche non si vedono tanti dettagli in pixel o differenziazione nei pixel adiacenti. Ma quando è stato sottoposto ad un filtraggio di alto passaggio ora si sta vedendo molto di differenziazione nei pixel nel locale che significa pixel adiacenti che era lo scopo del filtro passa alto per far luce sulle variazioni locali e sopprimere le variazioni regionali. In caso di filtro passa basso l'obiettivo era appena invertito che per evidenziare le variazioni regionali e sopprimere le variazioni locali. Così questa è la dimostrazione del filtro passa alto che lo farò di nuovo solo per completezza e lentamente correrò per il primo pixel e poi secondo e poi la condizione è uguale a quella che uno perché questo è un filtro da 3/3 quindi 1 pixel di spessore si beve tutto il tempo negli anni ' 3 da perché se voglio calcolare per questo pixel che è all'angolo in alto a sinistra poi non faccio i pixel che si circondano di questo. E quindi in questo speciale filtro e 1 pixel edge o bordo non verranno considerati nel calcolo filtraggio. Ecco come in un modo molto semplice possiamo capire che il passaggio basso e il filtraggio in alto passaggio avviene su un'immagine di dimensione completa.

Video 2

Ora ne prendiamo un altro che è il costruttore di rapporti. Come abbiamo discusso in discussioni precedenti quando siamo andati a analisi multi spettrale e poi un rapporto di banda e anche noi di un 1 più passo in avanti nella banda di razionamento si calcola in NDVI che sta normalizzando l'indice di vegetazione da vedere e la vegetazione copre la salute della vegetazione e altre cose. Così prima andremo in questa dimostrazione sul rapporto semplice e come sapete il rapporto semplice è solo A diviso B così la banda A è qui e la banda B è in fondo. Negli esercizi di filtraggio spaziale che stavamo vedendo la singola band ora qui stiamo andando in multi spettrale quindi stiamo valutando band e 2 band qui una mano potrebbe essere a infrarossi A potrebbe essere una band dalla parte visibile dello spettro M. Così quando facciamo questo allora il tutto viene calcolato e uno per uno di nuovo e l'insieme delle cose è stato fatto qui e quello che vediamo qui e diviso A diviso per immagine B come abbiamo creato qui. Quindi se voglio vedere il valore come qui prendo questo esempio qui quello che vedo il 91 / 63 che willmarriverà 1,44 ma ovviamente deve essere ridimensionato. Quindi il rapporto di scaling per visualizzare i valori da 0 a 55 che è il 2 moltiplicato per e poi otteniamo una forma di valori di pixel. Così possiamo anche vedere la matematica stretch qui o anche così i confini di pixel che è di nuovo sulla lavagna qui la questione edge o la questione dei 1 pixel sicuramente non arriverà. Quindi di nuovo lo farò nuovamente dividere ora l'immagine è stata creata e così stirare la matematica ed è così che il calcolo è fatto ci vediamo ancora una volta con molta attenzione e quel rapporto di pixel per il primo pixel sulle due bande band 1, band A e B e 91 e 63 che si riveleranno 1,444. Il rapporto sominimum è cosa che un massimo è questo è questo un calcolo allungato per quel pixel cornered pixel e in caso di questa normalizzazione perché dopo deve essere visualizzato e possiamo un'immagine se si ricorda l'immagine un'immagine il pixel che è l'unità il valore o l'attributo come un valore intero. Questo significa che il valore di pixel in un'immagine come valore intero positivo e dopo aver riemesso quale sia il valore che stiamo ottenendo è 1,44 che non è il valore intero è il valore del punto reale o galleggiante. E quindi è in decima quindi dobbiamo sapere moltiplicarsi per 255 come qui mostrato e poi otteniamo un valore di visualizzazione che è 180 che viene utilizzato qui. Così anche per ogni pixel questo calcolo viene fatto e si ottiene un output di rapporto dell'immagine. Così posso sapere di farlo di nuovo qui e quindi questo e poi quando seleziono questo è così ogni volta che se voglio fare l'analisi per analisi simile per questo pixel la stessa cosa è qui il rapporto di rapporto è di 1,857 allora minimo è il 1,44 massimo nell'immagine complessiva è 185 questi 2 minimo e massimo sono utilizzati come per questa equazione molto semplice equazione che il rapporto dei pixel meno minimo diviso da qui pixel massimo meno e poi moltiplicato per 255 / 255 perché stiamo considerando 8bit scenario.
Quindi spero che questa parte sia molto chiara che quando mettiamo un o quando creiamo un rapporto di immagine usando 2 bande sullo sfondo che tipo di calcolo va contro questo pixel nell'immagine viene mostrato chiaramente attraverso questo simulatore di elaborazione delle immagini. Quindi è in quel modo che meglio per prima capire vedere passo l'apprendimento è passo dopo passo in questo dominio prima è la teoria parte che abbiamo studiato o discusso di allora attraverso questo simulatore. Ora stiamo vedendo che tipo di matematica di calcolo può essere semplice sta andando avanti e mentre calcoliamo il filtraggio o in questo caso la banda di razionamento e una volta che hai capito la teoria parte la parte di simulazione ora puoi andare per la vera e propria banda di immagini che si utilizza può essere software commerciale. Ora mi scuso di prendere ora un NDVI qui invece di semplice rapporto di banda NDVI è anche un tipo di rapporto di banda ma come nel calcolo è che si band perché usiamo un canale a infrarossi visibile o vicino dove a infrarossi quindi è dedicato questo tipo di calcolo della banda di calcolo è dedicato alla vegetazione. Ecco perché è ed è normalizzato quindi è indice di vegetazione a differenza normalizzato perché la differenza è usare anche canale visibile. Quindi se metto queste 2 bande A e B al NDVI questo è il risultato che ottengo e riesco a vedere anche come è il calcolo. Quindi allo stesso modo se metto un mio cursore qui questo è il calcolo che il rapporto di pixel che si basa su questa semplice formula è di 87 qui nella banda A - 52 nella banda B diviso per 87 + 51 e in quel modo ottengo il valore 0,5 251799 e quando mi moltiplica per questo valore per normalizzarlo poi ottengo un valore 236 che è il valore di questo pixel in immagine NDVI. Così in quel modo quando lo faccio per l'intera immagine come è già stato fatto qui allora ricevo la salute delle informazioni sulla vegetazione. Per cui in molti modi è proprio come un rapporto ma che è semplice rapporto banda ratio ma NDVI è poco complesso in quel senso che a uno deve essere uno visibile e una banda e uno deve essere la banda a infrarossi e poi si fa così. Quindi infrarossi meno gli infrarossi visibili plus visibili qualunque cosa vi si ridimensiona e poi si finisce. Ovviamente lo stesso rapporto di pixel qui è 0,251 di valore minimo è di -0,381 valore massimo è 0,3 quindi questi valori sono stati utilizzati anche durante la normalizzazione. In modo da ottenere un valore intero nella nostra immagine di output il valore di pixel e un'immagine da numero intero e che è la sola condizione solo inGIS una griglia possono avere valori interi così come valori reali e possono avere anche valori positivi o negativi. Ma il valore di immagine pixel ha anche un valore intero positivo che è il motivo per cui tutti questi valori negativi tutto è stato rimosso attraverso questa normalizzazione e si ottiene output come questo. Ora vedremo un'altra simulazione che è la differenziazione dell'immagine significa l'aritmetica dell'immagine è possibile aggiungere 2 immagini che si possono dividere 2 immagini che è la banda che razionalmente è possibile sottrarre l'immagine a una band da un'altra band. Quindi questa è semplice dimostrazione qui che ci sottrarremo da immagine una e useremo questa immagine 2 e quando lo facciamo è quello che otteniamo. E poi possiamo vedere in forma di immagine o possiamo vedere sotto forma di dati possiamo anche scambiare queste immagini che l'immagine 2 diventerà immagine 1 e l'immagine 1 è 2 ora quando ci sottriamo come qui poi otteniamo questa cosa e noi in termini di pixel o grigio scala questo è il risultato. Quindi se noi lineamenti lineari sull'immagine questo è ciò che il risultato se andiamo per pseudo stretch e poi ci sarà di nuovo risultato e scelgo di dire no stretch allo stesso modo. A volte in qualche analisi anche l'aritmetica dell'immagine semplice da applicare e quindi questi strumenti sono supportati anche nel tuo software di elaborazione delle immagini digitali. Nel filtrare ciò che abbiamo visto low pass filter high pass ora vedremo anche potenziometro edge che potenziano i bordi nelle caratteristiche e questo è ovviamente un filtro passa alto come questa matrice di convoluzione che potete vedere qui. Quindi se carico questo tu sai questo e corri questo e vedi che i valori sono uguali sono calcolati allora è il valore di questo CP è ora 9 conosci questo 99 e poi più filtro alcuni in questo caso qualche filtro è 0 perché qui questo è il e questi valori vengono utilizzati e quindi sto ottenendo valore 99.
E allo stesso modo tutti questi valori ci sono e quale risultato finale è che le cose spigoli significano che differenti tra i valori di pixel supponevano che fossero differenza di 2 pixel valori 1 valore 75 un altro era il valore adiacente era di 77 di 2 pixel adiacenti dopo che questo edge enhancement filtrava il filtraggio ad alto passaggio perché dire filtro di potenziatore locale. Così creerà più diversi tra i pixel adiacenti. Così esempio 75, 77 che differenza possono essere ora 72 e 79 o forse 80 e questo è ciò che si sta vedendo e che in questa immagine di input i valori sono questo è il bordo che qui è stato identificato o segnato qui. E se voglio potenziare questo bordo come avviene in questo caso allora la differenza qui vede la differenza che prima se prendo questo pixel questo era il 99 e il 69. Ora questo valore il 99 come andato a 129 e il 69 è salito a 39 e questo significa che c'è più differenza tra 2 valori di pixel adiacenti e che significa che i bordi sono aumentati o potenziati per questo è chiamato filtro di potenziamento edge. E così si può fare quel tipo di analisi e di software reale non in simulatore e discussioni precedenti vi ho mostrato attraverso immagini quando sono state sottoposte a potenziatori di bordo otteniamo un ottimo output vero per l'estrazione di caratteristiche lineari o l'identificazione di funzioni lineari. Tuttavia una cosa importante che vorrei portare qui è che ogni qualvolta ci si va per certo questo è un simulatore per cui va bene che stiamo avendo un filtro di convoluzione che è un filtro passa alto che è 3 / 3. Ma in vere e proprie operazioni quando si va con la per l'immagine reale in sapienza di un software potente quello che fa si prende piuttosto allora 3/3 filtro di convoluzione si va per 5/5 o 7 /7 nella nostra discussione in teoria parte quello che ho mostrato l'esempio del 11/11 anche se ci vorrà molto tempo ma metterà davvero in risalto tutti i bordi molto con successo. Quindi nei filtri di potenziamento edge una grande matrice di convolution dovrebbe essere scelta e poi una si ottiene un'altra cosa è che se si ricorda il passaggio basso e lasciate che vi mostri i filtri di passaggio bassi e di alto passaggio. I filtri a basso passaggio qui tutti sono esempi da 3 / 3 matrice di convoluzione così a basso passaggio quello che vedete qui stanno avendo tutto il valore positivo che è uno in filtro passa alto sui bordi del filtro di convoluzione 3/3 si sta avendo valori negativi e nel peso del centro perché dopo tutto questo è media ponderata. Così il peso del centro sta avendo un valore positivo che è 16 perché in quel modo si può progettare 8 o mettere qualunque cosa ci sia. Ma troppo più il peso avrà più alto il potenziato di conoscenza che farà per passare in alto in questo esempio. Ma anche noi se ci si vede attentamente nei filtri di potenziamento edge anche se di nuovo è una matrice di convoluzione del 3/3 un valore d'angolo è stato mantenuto 0 che significa che non è necessario un cambio a nord sud est ovest qui i filtri che invertiamo in quel senso che quando dico nord sud significa che sto parlando di questi valori quando dico est ovest poi sto parlando di questi pesi nel filtro. Nell'immagine è quando è est ovest nell'immagine est ovest è ovest nord sud così ora qui si vede un nella prima fila di questa matrice di convolgimento che si vede la cella media dei pixel si sta avendo -1 uguali qui nella prima cella di fascia media si sta avendo -1 di nuovo in basso -1 e -1 e se il centro uno sta avendo valore positivo. Così si può anche notare una netta differenza di taglio tra la matrice di convolgimento superiore del filtro passa e il bordo potenziato anche se si tratta di un filtro passa alto ma di un design diverso. Ora quando si utilizza 3/3 matrice di convoluzione l'opzione per la progettazione di un filtro a basso passaggio o di passaggio alto soprattutto i filtri ad alto passaggio è molto limitata si può realizzare ormai che in 3/3 matrice di convoluzione non molto (()) (30:32) è disponibile. Mentre mentre si espande questo invece di 3/3 si va per il 5/5 allora sarebbero disponibili più opzioni e si va sempre più in alto e più in alto nella dimensione della matrice di convoluzione sarebbero disponibili anche più opzioni. Così in quel modo possiamo vedere molti cambiamenti che sono nella nostra immagine e lo scopo qui di mostrarsi di nuovo mi sto ripetendo che anche per dimostrare e come che tipo di calcolo va avanti quando mettiamo le immagini a tecniche di filtraggio una tecnica di filtraggio spaziale o a banda di razionamento o NDVI o edge enhancement tutte quelle cose ci sono.

Video 3

Ora mi soffermerò molto brevemente anche in questa discussione o dimostrazione di un software che è software commerciale. Ma fatemi chiarire qui e lo scopo di utilizzare questo software commerciale è solo quello di dimostrare quello che abbiamo discusso nelle normali lezioni o lezioni di teoria mi lasciano dire così. Lo scopo qui non è promuovere alcun software soprattutto quello commerciale non c'è tensione a tutti per sapere promuovere qualsiasi software. Ma per dimostrare ciò che noi o per capire ulteriormente quello che abbiamo discusso in classi di teoria allora dobbiamo usare invece di un simulatore dobbiamo usare davvero un software potente per mostrare tutte quelle cose. Ora quello che farò qui per primo prenderò un'immagine che prima anche abbiamo preso quell' immagine e poi vedere che cosa succede a questa immagine ho mostrato anche questa immagine attraverso un diverso software commerciale che era Arc GIS. Ora qui quando la prima volta che si visualizza questa immagine è accaduto anche in caso di Arc GIS che si trova in uno schema diverso. Così cambierà questo schema e ora sto entrando in veri e propri mezzi RGB è un falso colore composito 3 canali sono lì da satellite spot che era il satellite francese della maggior parte della città di Mosca eri tu stai vedendo e 3 band e questo non è migliorato a tutte le elaborazioni di immagini che abbiamo eseguito tranne che un falso composito di colori è stato creato su questa immagine. Questa è l'immagine di esempio del software di visualizzazione Arc quindi è una sorta di immagine standard se si desidera farlo un vero e proprio si desidera avere una vera esperienza poi è necessario scaricare un'immagine che è disponibile attraverso varie risorse. E poi si inizia a fare questo tipo di lavorazione così come ora ci sono molti potenziamenti che posso eseguire qui e alcuni sono sapori che sono loro come se andassi per questa semplice radiometria. Già il sistema ha fatto sull'immagine utilizzando diversamente se vedo questa è sostanzialmente un'immagine in ingresso in un brevissimo articolo che mostra e anche quando metto il mio cursore e questo mostrando che questa è la percentuale uguale che significa allungare l'immagine per escludere il 2,5% inferiore e superiore. Quindi se si ricorda l'istogramma di un o istogramma di qualsiasi immagine. Così che la parte di coda o entrambe le code 2,5% delle code sono state escluse in questo potenziamento ed è questo il risultato che state vedendo. E questo è tutto ciò che sono tutti preparati (()) (34:52) in base al nostro input se accetto questo articolo poi ricevo il display altrimenti ricevo e una prossima è la percentuale di sinistra giusta di nuovo quella che dice che si allunga le immagini per escludere i 2,5 più bassi e superiore 1,0 in questo è stato tutto lungo finendo entrambi i racconti 2,5 sono esclusi. Qui 2,5 e 1% e se qui si tratta di una deviazione standard che è un potenziamento dell'immagine in stretching basato sulla deviazione standard della tecnica statistica. Quindi 2 + e -2 deviazione standard così quelle sono state anche voi sapete quelle sono state usate qui come qui le strettoia che ho fatto uniformemente tra più e - 1 deviazione standard intorno alla media e alla produzione che state vedendo qui. Se vado per il massimo minimo ci stiamo andando per il massimo minimo che significa che tutto viene tenuto e in questo esempio stiamo praticamente raggiungendo l'immagine originale. Quindi c'è una minima differenza tra non ha tratto e massimo minimo ma se andare per questo semplice lineare posso fare molti cambiamenti questo è Guassian stretch questa è l'equalizzazione istogram ricordano la nostra discussione quando si discute di una equalizzazione istografica che crea il massimo contrasto nell'immagine ed è dimostrato anche qui questo sta creando un contrasto massimo perché ovunque i pixel ad alta frequenza dove lì sono stati ridistribuiti e ovunque le frequenze più basse ci sono state messe un altro gioco sai se si ricorda l'istogramma e quel display allora si conosce l'intero la gamma dinamica è qualunque sia disponibile è stata occupata. Si tratta di 3 scenari di banda ci saranno 3 istogrammi per ogni fascia e poi è stato fatto se io tranne questo è quello che ottengo. Anche in questo caso se torno qui si tratta di un filtro gamma o di gamma di gamma che si applica all'immagine con il valore di 2,2 e anche se manualmente si adegua ma il software ogni qualvolta si sceglie e si immagina o si visualizza un'immagine in questa finestra. Subito si calcolerà molto di opzione per te e senza andare per quella e questa è affettatrice di densità che non abbiamo discusso quindi non sarò duro e questo è interiore.
Che interiora il valore di quell' immagine e che può essere usato per correggere un'immagine negativa e in questo modo c'è. Così anche tu puoi molto velocemente perché questi sono ovviamente un software commerciale e ci sono stati resi molto user friendly quindi tutte le opzioni molto rapidamente puoi eseguire questi tipi di regolazioni. Analogamente per il filtraggio anche come potete vedere un filtro speciale che abbiamo discusso e nessun filtraggio per l'immagine in ingresso quindi fatemi portare qui l'immagine originale e o poca immagine potenziata come questa e poi scelgo questa è la mia immagine di input e questi sono i filtri. I filtri standard sono presenti applicando i filtri di età standard per l'immagine e che vedete qui potete avere un tu conosci altri bordi fini. Quindi non ha applicato è un filtro molto pesante solo i bordi sono stati evidenziati allora è smoothening che è il filtro passa basso quindi sta evidenziando le cose regionali come si può realizzare. Così quando si vede questo e questo cambia completamente anche se l'immagine in ingresso è la stessa. E ovviamente poi ti stai anche facendo conoscere il filtraggio direzionale che solo orizzontale rileva i bordi orizzontali e qui ovviamente i bordi verticali. Quindi state avendo dei filtri di passaggio bassi questo uno si ha dei filtri ad alto passaggio questo uno si sta avendo potenziatori ad alto passaggio questo e poi si stanno avendo dei filtri direzionali che sono anche dei filtri ad alto passaggio per la cosa orizzontale e poi si sta avendo una cosa verticale. Quindi tutte queste cose vengono fatte molto rapidamente senza sapere che che tipo di matematica sono calcoli si sta accecando ed è per questo che mi sono sottolineato che per un migliore apprendimento e comprensione di qualsiasi immagine si dovrebbe assolutamente andare per passo prima capire la teoria parte poi attraverso questa simulazione e infine attraverso un software così user friendly e questi sono molto ben disegnati e molto codificati ed è per questo che le cose sono molto rapidamente qui. E quando noi per questo ci sono tutte queste opzioni ci sono anche di nuovo a disposizione per ogni opzione che ci sono di nuovo ci ripeterò e poi chiudo questa discussione che lo scopo di mostrare attraverso questo software commerciale non è mostrare le capacità di questo software. Ma mostrare come l'elaborazione delle immagini può essere effettuata molto facilmente una volta che si comprende nella parte di fondo e teoria. Così questo porta alla fine di questa discussione grazie mille.