ANALISI D’IMMAGINE (IMAGE ANALYSIS) “Le tecniche d’analisi dell’immagine hanno lo scopo di quantificare delle caratteristiche geometriche e densitometriche di immagini acquisite in forma tale da rappresentare elementi significativi dell’aspetto di un oggetto” (Riva, www.distam.unimi.it/info) .
73
Embed
ANALISI D’IMMAGINE (IMAGE ANALYSIS) - unirc.it · Biologia Analisi morfologica e architettonica dell’apparato radicale Analisi della copertura vegetale Analisi dendrometrica.
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
ANALISI D’IMMAGINE (IMAGE ANALYSIS)
“Le tecniche d’analisi dell’immagine hanno lo scopo di quantificare delle caratteristiche geometriche e
densitometriche di immagini acquisite in forma tale da rappresentare elementi significativi dell’aspetto di un
oggetto” (Riva, www.distam.unimi.it/info) .
L’enorme elasticità di applicazione, l’elevata intensità di
calcolo ed il rigoroso approccio statistico sono caratteristiche
funzionali che hanno determinato il crescente interesse di queste
applicazioni nei diversi campi scientifici
Il crescente utilizzo delle tecniche d’analisi d’immagine va di pari passo all’evoluzione dei calcolatori elettronici (computer)
Quali potrebbero essere gli interessi scientifici verso le tecniche di
analisi di immagine?
Nel campo dell’agro-alimentare, l’aspetto di un prodotto alimentare mostra una serie di informazioni qualitative che sono difficilmente parametrizzati con metodi classici quali quelli che si basano sulle
prestazioni sensoriali
Perché?
La visione umana 1) è limitata alle lunghezze d’onda comprese fra 380 e 700
nm, con una maggiore sensibilità intorno ai 550 nm;2) riesce a discriminare poco più che un centinaio di
gradazioni di grigio;3) interpreta in maniera nient'affatto lineare la relazione
fra intensità della luce riflessa e brillanza (intensità percepita) di un oggetto;
4) tende a sopravvalutare o sottovalutare le informazioni al confine fra oggetti di differente intensità (effetto Mach
Band);5) è influenzata dalla luminosità dello sfondo (effetto di
contrasto simultaneo).
Agroalimentare
le tecniche d’analisi d’immagine applicate nel campo alimentare mostrano i seguenti principali vantaggi: l’oggettività, la
continuità nel tempo e la rapidità decisionale
Oggettività
Continuità nel tempo
Rapidità decisionale
Zootecnia
Analisi d’immagine applicata alla zoometria.
Figura xx – Misurazione in un bovino. Altezza garrese (HGA): distanza tra garrese e base unghioni; Altezza corpo (HCO): distanza tra linea dorsale ed il ventre; Inclinazione groppa (IGR): angolo tuberosità iliaca –ischiatica e retta perpendicolare al suolo; Angolo arto posteriore (AArPo): angolo al garretto; Profondità mammella (PrM): distanza tra base mammella ed una retta parallela al suolo passante per il garretto; Inclinazione capezzoli (ICap): angolo capezzolo; Lunghezza capezzoli (LCap): lunghezza capezzoli; Larghezza attacco posteriore mammella (LaAttPoM): distanza sommità pliche cutanee all’attaccatura posteriore della mammella.
Biologia
Analisi morfologica e architettonica dell’apparato radicale
Analisi della copertura vegetale
Analisi dendrometrica
Telerilevamento e
L’uso di immagini di territori ottenuti mediante telerilevamento o aerofotogrammetria è alla base delle analisi eseguite per studiare le
trasformazioni del territorio stesso
“Analisi di immagini aerofotogrammetriche e telerilevate per la caratterizzazione qualitativa e quantitativa di ecosistemi
forestali e della loro evoluzione” Mogol (2001)
Biomedicina
Valutazione del traffico
Presentazione dei dati
Elaborazione dei dati
Misurazione
Trattamento del campione
Preparazione del campione
Presentazione dei dati
Elaborazione dei dati
Misurazione (analisi)
Elaborazione dell'immagine
Acquisizione dell'immagine
Procedura analitica generica Procedura di Analisi dell’Immagine
Le tecniche di analisi dell’immagine sono di tipo analitico
Acquisizione
Elaborazione
Analisi
Interpretazione
dei risultati
Conoscenza di base
°°°°°
Memorizzazione
°°°°°
Visualizzazione
Scena
Immagine
Immagine
elaborata
Misura
Le procedure di analisi dell’immagine comprendono 4 fasi
…..ma che cos’e l’immagine?
L’immagine
Un'immagine è una metodica di rappresentazione secondo coordinate spaziali indipendenti di un
oggetto o di una scena.
Contiene informazioni descrittive riferite all'oggetto e alla scena che rappresenta;
pertanto, l’immagine è una distribuzione (che può essere bi o tri-dimensionale) di un'entità
fisica
Come si formano le immagini?
Le immagini sono generate dalla combinazione di una
sorgente di energia (elettromagnetica ma anche
ultrasuoni) e dalla riflessione dell'energia emessa
dalla sorgente da parte di oggetti di una scena. Le
immagini sono visualizzate, successivamente, su un
“sensore” sensibile all'energia che è stata “irradiata”
dalla scena.
Formazione dell’immagine
Immagini analogiche (ad esempio quelle ottenute mediante macchina fotografica): definiti da valori
continui (energia elettromagnetica);
Immagini digitali: determinati da valori discreti.
Analogico DigitaleDigitalizzazione
Il processo di digitalizzazione è quel processo di conversione che applicato alla misurazione di un
fenomeno naturale o fisico ne determina il passaggio dal campo dei valori continui a quello dei valori
discreti.
Immagini digitali
Un'immagine digitale è un insieme ordinato di numeri interi
ognuno dei quali rappresenta l'intensità luminosa media
(livello di grigio) di un'areola corrispondente
nell'immagine sorgente, detta pixel (PICture ELement).
Il pixel, che rappresenta il più piccolo elemento autonomo
dell'immagine, è caratterizzato da due dimensioni (posizione) dX
(orizzontale) e dY (verticale), detti passi di campionamento della
digitalizzazione e da valori quali colore e intensità, variabili
in funzione del sistema di rappresentazione adottato.
Il pixel
La capacità di ogni sistema di digitalizzazione di eseguire misurazioni più o meno fini viene detta
risoluzione
La risoluzione dell’immagine digitale
Risoluzione radiometricaminima differenza di luminosità rilevabile e viene anche detta profondità del colore in bit (quantità minima di informazione che serve a discernere tra due possibili
alternative equiprobabili).
radiometrica e geometrica
La profondità di colore rappresenta il numero di colori utilizzati nell'immagine e viene indicata con il numero dei
La risoluzione geometrica è legata all'ampiezza delle areole, minori sono i passi di campionamento (dX e dY), maggiore è la risoluzione geometrica del dispositivo.
Essa viene misurata in punti per pollice o DPI (dots per inch) o numero pixel orizzontali x numero pixel verticali
Le immagini digitali possono essere memorizzati attraverso diverse tipologie di file che sfruttano
differenti algoritmi di compressione. I formati più comuni sono quelli non compressi, con
compressione lossless e con compressione lossy
Caratteristiche non compressi:
1) hanno richieste di elaborazione minima, non essendo
necessari algoritmi di compressione (in fase di
scrittura) e decompressione (in fase di lettura).
2) Risultano particolarmente voluminosi
raw
bmp
Le immagini salvate con un algoritmo di compressione
dati lossless occupano meno spazio nei dispositivi di
memorizzazione, mantenendo inalterata tutta
l'informazione originale
1. png (certe applicazioni permettono anche la scrittura
di file png non compressi)
2. tga
3. tiff (sebbene questo sia l'uso più comune, questo
formato permette diversi tipi di compressione)
4. gif (salvando un'immagine RGB in formato gif si
ottiene una compressione lossy poiché vengono eliminate
la maggior parte delle sfumature di colore)
Le immagini memorizzate con un algoritmo di compressione lossy, subiscono una perdita di informazione.
Questa tecnica non è adatta per salvare le immagini che vengono rielaborate coi programmi di fotoritocco (le
continue modifiche comporterebbero un progressivo degrado dell'immagine ad ogni salvataggio e riapertura);
invece, in virtù delle ridotte dimensioni del file, sono particolarmente indicate per la trasmissione di immagini o
per ridurre le dimensioni di un'applicazione o di un prodotto da distribuire.
jpeg
Acquisizione dell’immagine
L'acquisizione di un'immagine è un processo di digitalizzazione della stessa, o in altri termini una
conversione analogico-digitale di un'immagine.
1. Un sensore sensibile ad una data energia, solitamente ad una banda dello spettro e.m. che produce un segnale
elettrico proporzionale al livello di energia registrato
2. Un meccanismo di digitalizzazione per la conversione della risposta del sensore in una quantità digitale
Struttura di un sensore
Esistono due tipi differenti di acquisizioni delle immagini: analogica, digitale.
Acquisendo immagini con sistemi analogici (Fotocamere
tradizionali con emulsioni sensibili, Videocamere) occorre
eseguire un processo di digitalizzazione successivo alla
fase di acquisizione
Acquisendo immagini con sistemi digitali il processo
di digitalizzazione è integrato in quello di acquisizione (scanner,
fotocamere e video digitali).
Proprietà macroscopiche: scanner, fotocamere, videocamere;
Caratteristiche microscopiche: l'immagine può derivare da microfotografia o da interfacce collegate ad attrezzature LM, SEM,
TEM.
Video ProcessingBoard
Image AnalysisSoftware
Computer
Input Devices
Fotocamera:Accurata
standardizzazione delle condizioni di acquisizione per
quanto riguarda sia l’illuminazione sia la geometria e la
calibrazione spaziale.
L’acquisizione mediante telecameraconsente di ottenere
una relativa automazione delle acquisizioni e presuppone una
standardizzazione delle condizioni
operative.
L’impiego di devices(microscopi con fotocamera e
videocamera) opportuni consente di ottenere immagini significative della microstruttura
l’acquisizione mediante scanner è una tecnica semplice e facilmente standardizzabile, anche se limitata alle
superfici piane.
Si può “settare” a priori la risoluzione della visualizzazione (qualità dell’immagine) ed il tipo di immagine (B/N, Gray, Color) (quantità di informazione
dell’immagine). Prevede l’impiego di un supporto adeguato di
posizionamento dei campioni e di un eventuale sfondo ad alto contrasto.
Elaborazione dell’immagine
Lo scopo dell’elaborazione è quello di migliorare la
qualità dell’immagine ottenuta che solitamente è affetta da
distorsioni e disturbi (noise) provenienti dal sistema
elettronico del dispositivo di acquisizione.
Gli obiettivi di tale fase sono quelli di
1) favorire l’interpretazione dell’immagine da parte di un
operatore umano grazie al miglioramento dell’informazione
visiva
2) di permettere l’interpretazione automatica dell’immagine
da parte del PC.
Operativamente, l'elaborazione consiste nell'applicare un operatore all'immagine digitalizzata (f (x,y)) in modo da ottenere una nuova immagine (f' (x,y)) più adattata alle successive operazioni di elaborazione o alle altre fasi della procedura d'analisi
1) Operazione di modifica o editing: Sono operazioni molto comuni in ambito grafico, rivolte principalmente a modificare la visualizzazione dell'immagine nel suo complesso. Le più comuni sono la selezioni di regioni d'interesse, la riscalatura delle immagini e la loro rotazione
A
B
Riscalatura dell’immagine.A) Immagine a 150 dpi (308x199 pixel) di una sezione di pane
acquisita mediante uno scanner piano;B) Immagine a 60 dpi (121x80 pixel).
2) Operazioni di elaborazione a punto singolo. In questo caso i nuovi valori dei parametri cromatici (livello di grigio, RGB, HSI, ecc.) dei singoli pixel non dipendono dalla posizione del pixel stesso, ma solo dai valori di partenza dei parametri cromatici.
Ad esempio, l'operatore di trasformazione prevede che l'intensità passi da 102 a 16 ciò varrà per tutti i pixel la cui intensità è 102.
Esempi comuni di operazioni di questo tipo sono le tecniche che prevedono una modifica dell'istogramma delle immagini in toni di grigio: regolazione di luminosità e contrasto, equalizzazione, binarizzazione, correzione del valore di gamma, rimappatura della tavolozza.
Aumento del contrasto (contrast enanchement) La mappa di trasformazione è la più semplice: c'è una corrispondenza lineare tra i valori di luminosità prima e dopo la trasformazione.
Aumento del contrasto (contrast enanchement). Nel riquadro la mappa trasformazione dei valori d'intensità: in ascissa i
valori originari, in ordinata i nuovi valori
EqualizzazioneRidistribuisce i valori d'intensità lungo la loro scala, in base alla loro frequenza. Criteri per la ridistibuzione, a seconda della regione del range d'intensità che si vuole mettere maggiormente in evidenza: best fit, lineare, a campana, logaritmico, esponenziale.
Equalizzazione dell’immagine. In questo caso la mappa è quella di un equalizzazione best fit
BinarizzazioneTecnica per realizzare la segmentazione di un'immagine, cioè la suddivisione dell'immagine in sfondo e gli oggetti d'interesse. Ai valori d'intensità al di sotto di una certa soglia viene attribuito il valore 0 (nero), ai restanti il valore 255 (bianco).
Binarizzazione di un’immagine. La soglia di binarizzazione è 75
3) Operazioni di trasformazioni spazialiIn questo caso, la trasformazione dei pixel avviene
manipolando direttamente i pixel stessi, mediante l'uso di maschere o filtri spaziali.
La maschera è una matrice di pixel nell'intorno del pixel
considerato, i valori d'intensità dei pixel della maschera sono
utilizzati per la determinazione della trasformazione del pixel
filtro passa-basso (lowpass) o di sfocatura (blurring): riduce il rumore presente nelle immagini, ma tende a
peggiorare la definizione dei dettagli, in particolare dei bordi;
filtro passa-alto (highpass): evidenza le differenze d'intensità tra i pixel, in particolare i contorni degli
oggetti, riducendo gli altri dettagli a sfondo filtro "sharpen": accentua i contorni, ma aumenta il rumore
nell'immagine filtro laplaciano: simile al filtro passa-alto
filtri di contorno orizzontale e verticale (horizontal and vertical edge): permettono l'individuazione di bordi con un
orientamento particolare
Filtri lineariil valore d'intensità di un pixel è la media ponderata
dell'intensità dei pixel compresi nella maschera, dove i coefficienti per il calcolo della media sono caratteristici di
ogni filtro
Filtro di sfocatura. A sinistra: immagine di una sezione di pane acquisita mediante
microscopio ottico e videocamera analogica; A destra: applicazione di un filtro di sfuocatura 3x3 ripetuta 5 volte, nel
riquadro la matrice utilizzata.
I filtri non lineari considerano sempre una matrice di pixel per operare la trasformazione, ma non utilizzano coefficienti. ma metodi statistici o formule matematiche che ricavano un nuovo valore per l'intensità del pixel considerato,
a partire dall'insieme dei valori della matrice.
filtro mediano: sostituisce il valore del pixel considerato con la mediana dei valori della matrice, riduce il rumore nelle immagini, ma preserva maggiormente i dettagli e i contorni del filtro di
sfocatura
filtri di dilatazione ed erosione: il valore del pixel viene sostituito rispettivamente con il valore massimo e minimo della matrice, il primo espande gli oggetti presenti nell'immagine, il
secondo li riduce.
filtri di differenziazione (Roberts, Sobel, Fase): sono basati sulla determinazione del gradiente dell'intensità, ed evidenziano
i contorni.
Filtro mediano. A sinistra: immagine di una sezione di pane acquisita mediante
microscopio ottico e videocamera analogica. A destra: applicazione di un filtro mediano 3x3 ripetuta 5 volte, si più osservare comerispetto all'esempio precedente si abbia un'analoga riduzione del rumore, ma una maggiore preservazione dei dettagli dei contorni
4) Operazioni aritmetiche e logicheQueste operazioni possono essere effettuate o tra due
immagini o tra un'immagine e un valore numerico costante.
Operatoriaddizione, sottrazione, moltiplicazione, divisione, logaritmo, media, massimo, minimo; o operatori logici (booleani) quali AND, OR, NOT, XOR
Usi1. rimozione delle informazioni relative allo sfondo
in sequenze di immagini in movimento,2. la mascheratura di porzioni d'immagine,
3. l'ottenimento della media di più immagini.
Operazione di sottrazione. A: superficie di piadina acquisita mediante uno scanner piano;
B: Maschera di individuazione delle aree imbrunite; C: Risultato: C = A-B, tutti i punti per i quali il risultato dell'operazione è negativo sono stati posti uguali a zero
(sfondo nero).
5) Operazione dei filtri morfologici.Appartengono a questa categoria quei filtri per i quali il risultato della trasformazione dipende dalle proprietà di
forma degli oggetti presenti nell'immagine
erosione: rimuove i pixel del contorno degli oggetti, tende a isolare gli oggetti congiunti da protuberanze sottili e a rimuovere i piccoli
oggetti isolati.
dilatazione: aggiunge nuovi pixel al contorno degli oggetti, tende ad unire oggetti vicini e a rimuovere i buchi presenti negli oggetti.
apertura: viene effettuata mediante una o più erosioni seguite da una o più dilatazioni, rende il contorno degli oggetti più regolare,
isola gli oggetti, rimuove i piccoli oggetti e i buchi.
chiusura: è l'inverso dell'apertura, ha caratteristiche analoghe all'apertura, ma tende a separare gli oggetti.
skeletonizzazione: rimuove ripetutamente i pixel del contorno fino a ridurre l'oggetto a uno "scheletro" largo un pixel.
Input Erosione Apertura (erosione + dilatazione)
Dilatazione Chiusura (dilatazione + erosione)
Skeletonizzazione
6) Operazioni di segmentazioneTale operazione permette di isolare gli oggetti da
analizzare
Esistono due approcci fondamentali al problema della segmentazione: quello per discontinuità e quello per similarità
L'approccio per discontinuità cerca di individuare punti isolati, linee, bordi e quindi di ricostruire i contorni
degli oggetti da isolare
L'approccio per similarità viene applicato nel caso della segmentazione per imposizione di una soglia d'intensità(thresholding) e dei metodi basati sulla crescita, sulla
separazione (scissione) e sulla fusione (merging) di regioni.
immagine di pane durante la cottura, acquisita mediante videocamera analogica
Istogramma relativo alla distribuzione dei livelli d'intensità dopo la conversione dell'immagine in
toni di grigio
Contorni delle segmentazioni ottenute applicando una soglia d'intensità di 155 (blu) e 235 (rosso), le stesse riportate nell'istogramma: la prima permette l'individuazione del bordo superiore, ma non di quello inferiore; la seconda mostra come non sia possibile individuare il bordo inferiore mediante
l'applicazione di una soglia d'intensità
Segmentazione ottenuta mediante una procedura mista che prevede l'uso di filtri di individuazione dei bordi e della tecnica di crescita delle regioni, si può notare
la correttezza della segmentazione
Analisi o misurazione dell’immagine
La misura dell’immagine si esegue mediante opportuni algoritmi di calcolo matriciale (direttamente implementati
nel software dedicato o previa esportazione in debito formato) che caratterizzano gli elementi isolati (perimetro, area, shape factor, dimensione minima e massima, etc.) e,
successivamente, si possono ottenere informazioni statistiche sulla loro distribuzione.
Misure relative a proprietà specifiche sono i parametri dimensionali di un oggetto (area, lunghezza, larghezza, perimetro, diametro equivalente) o di forma (shape factor, aspect ratio, dimensione frattale, numero di buchi, indici di convessità e solidità), o ancora di chroma o intensità (valori R,G,B e loro trasformazione nello spazio H,S,B o gray level).
Misure globali dell'immagine sono la determinazione di frazioni
di superficie, la numerazione degli oggetti, la determinazione di
lunghezza e curvatura delle linee e di vari tipi di parametri di
gradiente o di orientamento.
Elaborazione ed interpretazione dei risultati
La fase di elaborazione prevede la ripetizione delle misure, la loro valutazione statistica e l’idonea rappresentazione dei risultati
N° replica 0 0.25 0.5 1 1.5 2 3 6
1 935 1320 1831 2401 2632 2749 2692 2640
2 1060 1522 2091 2752 2950 3160 3033 2993
3 1131 1679 2344 3095 3447 3627 3640 3562
4 993 1446 2012 2724 2963 3112 3034 2983
5 750 1055 1460 1970 2165 2332 2292 2239
6 996 1419 1935 2616 2723 2820 2754 2711
Media 977 1407 1945 2593 2813 2967 2908 2855
DS 130 210 294 380 425 440 451 443
V rel 1.00 1.44 1.99 2.65 2.88 3.04 2.97 2.92
Tempo di lievitazione (h)
Fase di interpretazioneDa questi dati, la funzione che meglio descrive la cinetica di lievitazione è l’insieme di due
equazioni di Gompertz
Fase di rappresentazionegrafica di tali risultati
CASE STUDY 1: Uniformità delle dimensioni degli spaghetti e sua distribuzione
L’analisi dell’immagine consente una valutazione rapida della dimensione di prodotti di forma semplice: nel caso
degli spaghetti il diametro e la sua uniformità sono fattori che influenzano le prestazioni del prodotto durante la
cottura
0
1
2
3
4
5
6
1.65
1.67
1.69
1.71
1.73
1.75
1.77
1.79
1.81
1.83
1.85
Diametro (mm)
Freq
uenz
a Re
lativ
a (%
)
μ1= 1.714σ1= 0.032
μ2= 1.797σ2= 0.030
CASE STUDY 3:CASE STUDY 3: Valutazione di parametri di aspetto (prosciutto cotto)
. Le tecniche di image-analysisconsentono di quantificare contemporaneamente più attributi visivi e di
suggerire criteri per una classificazione di alcune prestazioni qualitative.
Ad esempio, nella valutazione del prosciutto cotto sono universalmente considerati
indici critici l’intensità e l’uniformità del colore
(caratteristiche attribuibili alla materia prima ed ad una corretta distribuzione della
salamoia in fase di produzione), la presenza di
scollature o sacche di gelatina tra le fasce
muscolari che compongono la fetta (difetto legato alle operazioni di zangolatura e successiva disareazione e
pressatura) e la quantità di
grasso di contorno 36.8%fori o scollature 0.1%musc.chiaro/musc.scuro 2.0colore (int.media) 186.0indice disuniformità 0.065
grasso di contorno 11.3%fori o scollature 0.6%musc.chiaro/musc.scuro 2.8colore (int.media) 187.9indice disuniformità 0.049
Al test sensoriale, il prosciutto in alto ha ottenuto il punteggio più alto per lo spessore in grasso e per l’indice di disuniformità del colore. Il prosciutto in basso
ha ottenuto il valore di difettosità più alto per la presenza di fori e scollature
Valutazioni da Image-AnalysisCon tecniche di segmentazione e misura è possibile
quantificare le aree di muscolo chiaro, di
muscolo scuro, di fori e/o scollature e di grasso di contorno.
Il risultato di queste valutazioni risulta correlato a quello
fornito da un panel di valutazione sensoriale,
offrendo un criterio oggettivo e rapido per
la definizione della qualità visiva del
prosciutto.
Case study 4: studio della reinnervazione sensitiva perifericaQuesto esempio mette in luce l’applicazione dell’analisi d’immagine per evidenziare ed analizzare le fibre nervose intraepiteliali sia
nell’epidermide sia nella mucosa orale.
Case study 5: Indagine di zoometria.Tale studio ha avuto come obiettivo le misurazioni morfologiche e ponderali di bovini mediante analisi
d’immagine ed una loro comparazione con gli stessi parametri misurati mediante sistemi classici quali l’ippometro e la
bilancia
Schema metodologico
Figura xx – Misurazione in un bovino. Altezza garrese (HGA): distanza tra garrese e base unghioni; Altezza corpo (HCO): distanza tra linea dorsale ed il ventre; Inclinazione groppa (IGR): angolo tuberosità iliaca –ischiatica e retta perpendicolare al suolo; Angolo arto posteriore (AArPo): angolo al garretto; Profondità mammella (PrM): distanza tra base mammella ed una retta parallela al suolo passante per il garretto; Inclinazione capezzoli (ICap): angolo capezzolo; Lunghezza capezzoli (LCap): lunghezza capezzoli; Larghezza attacco posteriore mammella (LaAttPoM): distanza sommità pliche cutanee all’attaccatura posteriore della mammella.