Corso di formazione Introduzione al trattamento delle immagini con Matlab

Fondamenti delle immagini e trattamento delle immagini in MATLAB

1. Introduzione al trattamento digitale delle immagini

• Comprensione delle immagini digitali e dei pixel
• Dimensioni, risoluzione e tipi di dati delle immagini
• Introduzione alla MATLAB Image Processing Toolbox
• Comprensione del flusso di lavoro di base per il trattamento delle immagini

2. Importazione e visualizzazione delle immagini

• Caricamento delle immagini in MATLAB
• Visualizzazione e ispezione delle proprietà delle immagini
• Lavoro con dimensioni e tipi di dati delle immagini
• Confronto di diverse rappresentazioni delle immagini

3. Lavoro con immagini a colori

• Comprensione delle immagini a colori RGB
• Accesso ai canali rosso, verde e blu individuali
• Combinazione e manipolazione dei canali colore
• Conversione tra diverse rappresentazioni dei colori

4. Immagini in scala di grigi e binarie

• Conversione di immagini RGB in scala di grigi
• Comprensione dei valori di intensità
• Creazione di immagini binarie
• Fondamenti della sogliatura
• Confronto tra rappresentazioni in scala di grigi e binarie

5. Maschere delle immagini e regioni di interesse

• Comprensione delle maschere delle immagini
• Creazione di maschere logiche
• Applicazione di maschere alle immagini
• Selezione e analisi delle regioni di interesse

6. Salvataggio ed esportazione delle immagini

• Salvataggio delle immagini elaborate
• Gestione dei formati delle immagini
• Esportazione dei risultati per un'ulteriore analisi

Esercizio pratico: Costruire un flusso di lavoro di base in MATLAB per caricare, ispezionare, manipolare, mascherare e salvare un'immagine.

Miglioramento delle immagini, riduzione del rumore, registrazione e rilevamento delle caratteristiche

1. Analisi interattiva delle immagini

• Esplorazione interattiva delle immagini
• Ispezione dei valori dei pixel e delle regioni delle immagini
• Selezione delle regioni di interesse
• Confronto tra immagini originali ed elaborate

2. Miglioramento delle immagini

• Miglioramento della visibilità delle immagini
• Regolazione dell'intensità delle immagini
• Miglioramento del contrasto
• Preparazione delle immagini per l'analisi successiva

3. Rumore e restauro delle immagini

• Comprensione del rumore comune nelle immagini
• Identificazione del rumore nelle immagini
• Applicazione di tecniche di lisciatura
• Confronto di diversi approcci per la riduzione del rumore
• Bilanciamento tra la rimozione del rumore e la conservazione del dettaglio dell'immagine

4. Allineamento e registrazione delle immagini

• Comprensione della registrazione delle immagini
• Allineamento di immagini con punti di vista o posizioni diverse
• Selezione di approcci di registrazione appropriati
• Valutazione dell'accuratezza dell'allineamento

5. Creazione di immagini panoramiche

• Combining di immagini sovrapposte
• Rilevamento delle corrispondenti caratteristiche delle immagini
• Allineamento e fusione delle immagini
• Creazione di una scena panoramica

6. Rilevamento delle caratteristiche geometriche

• Rilevamento di linee rette
• Rilevamento di cerchi
• Comprensione del concetto di trasformata di Hough
• Applicazione del rilevamento di linee e cerchi a immagini pratiche

Esercizio pratico: Rimuovere il rumore da un'immagine, allineare più immagini, creare una panoramica e rilevare le caratteristiche geometriche.

Istogrammi, filtraggio e segmentazione delle immagini

1. Istogrammi delle immagini

• Comprensione delle distribuzioni di intensità delle immagini
• Creazione e interpretazione degli istogrammi
• Analisi delle immagini basata sugli istogrammi
• Utilizzo degli istogrammi per supportare la selezione della soglia
• Confronto delle caratteristiche delle immagini utilizzando istogrammi

2. Filtraggio di immagini 2D

• Comprensione del filtraggio spaziale
• Fondamenti della convoluzione delle immagini
• Progettazione di kernel di filtri 2D
• Applicazione di filtri alle immagini
• Lisciatura e nitidezza
• Confronto di diverse risposte dei filtri

3. Rilevamento dei bordi

• Comprensione dei bordi delle immagini
• Rilevamento dei bordi basato sui gradienti
• Rilevamento dei confini degli oggetti
• Selezione di metodi di rilevamento dei bordi appropriati
• Miglioramento del rilevamento dei bordi attraverso la pre-elaborazione

4. Segmentazione degli oggetti

• Introduzione alla segmentazione delle immagini
• Separazione degli oggetti in primo piano dai sfondi
• Segmentazione basata su soglie
• Segmentazione basata sull'intensità
• Valutazione dei risultati della segmentazione

5. Segmentazione basata sul colore

• Comprensione degli spazi colore
• Selezione di informazioni colore utili
• Segmentazione di oggetti basata sul colore
• Gestione delle variazioni di illuminazione

6. Segmentazione basata sulla texture

• Comprensione delle informazioni sulla texture
• Identificazione di oggetti utilizzando le caratteristiche della texture
• Combinazione delle informazioni sulla texture con altre tecniche di segmentazione

Esercizio pratico: Sviluppare un flusso di lavoro completo di segmentazione utilizzando filtraggio, rilevamento dei bordi, intensità, colore e informazioni sulla texture.

Analisi automatica delle immagini, morfologia e misurazione degli oggetti

1. Elaborazione delle immagini in batch

• Comprensione dei flussi di lavoro automatizzati per il trattamento delle immagini
• Lettura di più immagini da una cartella
• Applicazione degli stessi passaggi di elaborazione a collezioni di immagini
• Salvataggio e organizzazione dei risultati dell'analisi
• Creazione di script MATLAB riutilizzabili per l'analisi delle immagini

2. Elaborazione morfologica delle immagini

• Introduzione alla morfologia matematica
• Elementi strutturali
• Erosione e dilatazione
• Apertura e chiusura
• Compimento dei buchi e rimozione di regioni indesiderate
• Rifinitura dei risultati della segmentazione binaria

3. Segmentazione degli oggetti basata sulla forma

• Identificazione di oggetti basata sulla forma
• Separazione di oggetti connessi
• Rimozione di piccoli o oggetti indesiderati
• Rifinitura dei confini degli oggetti
• Combinazione di tecniche di segmentazione e morfologiche

4. Misurazione delle proprietà degli oggetti

• Rilevamento di singoli oggetti
• Misurazione dell'area e del perimetro degli oggetti
• Scatole circoscritte e centroidi
• Misure di forma e geometriche
• Estrazione delle proprietà degli oggetti per un'ulteriore analisi

5. Analisi quantitativa delle immagini

• Conversione dei risultati del trattamento delle immagini in dati numerici
• Creazione di tabelle di misurazione
• Confronto degli oggetti
• Identificazione di oggetti basata su proprietà misurate
• Esportazione dei risultati dell'analisi

6. Flusso di lavoro completo di elaborazione delle immagini

I partecipanti combineranno le tecniche apprese durante il corso per sviluppare un flusso di lavoro completo di analisi delle immagini:

Acquisizione delle immagini → pre-elaborazione → miglioramento → filtraggio → segmentazione → elaborazione morfologica → rilevamento degli oggetti → misurazione → reportistica

Esercizio pratico: Sviluppare un'applicazione MATLAB automatizzata che elabori una collezione di immagini, segmenti gli oggetti, estragga le proprietà della forma e produca risultati quantitativi.

Esercizi pratici

Durante il corso, i partecipanti lavoreranno su esempi pratici che coinvolgono:

• Miglioramento e visualizzazione delle immagini
• Analisi di immagini RGB e in scala di grigi
• Riduzione del rumore
• Filtraggio delle immagini
• Creazione di panoramiche
• Rilevamento di linee e cerchi
• Rilevamento dei bordi
• Segmentazione basata sul colore e sulla texture
• Elaborazione morfologica
• Rilevamento degli oggetti basata sulla forma
• Misurazione degli oggetti
• Elaborazione in batch automatizzata