Metodi Bayesiani per problemi inversi e applicazioni in Matlab all'elaborazione delle immagini
Gratis
L'anteprima di questa tesi è scaricabile gratuitamente in formato PDF.
Per scaricare il file PDF è necessario essere iscritto a Tesionline. L'iscrizione non comporta alcun costo: effettua il Login o Registrati.
1 Perturbazioni delle immagini digitali Le immagini digitali sono funzioni di due o tre variabili (rispettivamente nel caso di immagini 2D o 3D) prodotte da sistemi sici di registrazione dei segnali, degli strumenti in grado trasformare le radiazioni rilevate (fotoni, raggi, onde, ecc) in radiazioni contenenti informazioni, e di quanti carne l’intensit a. Le immagini cos ottenute sono composte da pixel (da picture element) nel caso 2D, o da voxel (da volume element) nel caso 3D, che contengono le informazioni riguardo un oggetto sico; ad ognuno e assegnato un colore che rappresenta il livello di espressione della quantit a sica misurata (o di una sua funzione), in corrispondenza di quella posizione spaziale secondo una determinata gradazione. Formazione delle immagini e perturbazioni Indicato conX il dominio spaziale nel quale si deve risolvere il problema, che sar a in generale un sottoinsieme di R 2 o di R 3 , e si suppone di aver ssato un opportuno sistema di riferimento cartesiano inX, in modo tale da poter rappre- sentare ogni punto (cio e ogni posizione) con un vettore x. Si assume inoltre che i vettori siano vettori colonna nito-dimensionali. I processi di formazione e registrazione delle immagini sono descritti mediante trasformazioni fra due spazi funzionali su due dominiX eY :F(X) !G (Y ) (1.1) 1 1 Perturbazioni delle immagini digitali conF(X) spazio dell’oggetto eG(Y ) spazio dell’immagine. Gli elementi diF(X) sono funzioni suX che rappresentano la distribuzione ‘vera’ della propriet a sica che si vuole indagare nel dominio X (incognita del problema). Gli elementi di G(Y ) sono funzioni suY che rappresentano invece la distribuzione della quantit a e ettivamente misurata nell’osservazione dell’oggetto (dati del problema). Il do- minioY e anch’esso un sottoinsieme di R n e pu o o meno coincidere con X. Ad esempio, nel processo di formazione delle immagini radiogra che di un corpo, il dominioX e un volume tridimensionale contenente il corpo mentre il dominio Y e una parte di piano. In tal caso la funzione incognitaf(x)2F(X) rappresenta la distribuzione (incognita) della densit a del corpo mentre g(y)2G(Y ) rappresenta la distribuzione misurata (e quindi nota) dell’attenuazione della radiazione che ha attraversato il corpo (cio e il dato). Le immagini che si ottengono tramite questo processo non sono per o fedeli alla realt a, per due cause principali: la presenza di disturbi nel processo di formazione dell’immagine, che pos- sono essere dovuti a diverse cause, come per esempio il moto relativo tra la macchina fotogra ca e i soggetti della foto (che causa immagini mosse e sfuocature), le aberrazioni ottiche (soprattutto nel caso di microscopi e telescopi) o le turbolenze atmosferiche o polveri; si parla in questo caso di blurring; la comparsa di disturbi nel processo di registrazione dell’immagine dovuti per esempio alla discretizzazione o ad errori di musura e di conteggio; si parla in questo caso di noise. In genere il blurring e dato da un processo deterministico e sono disponibili model- li matematici per descriverlo e risalire all’immagine originale. Nel caso del noise invece, si tratta di un processo stocastico che non e facile determinare. 2 1.1 Blurring 1.1 Blurring Nella formazione delle immagini ottiche, il segnale in ingresso e una distribuzione sconosciuta di radiazioni luminose, chiamate oggetto e denotate con f (0) (x), dove x e un vettore bidimensionale, cio e del tipo x = (x 1 ;x 2 ) T , oppure tridimensionale cio e del tipo x = (x 1 ;x 2 ;x 3 ) T , che produce una distribuzione radiale nel dominio del sistema ottico usato per registrarla. Questa si chiama immagine priva di noise di f (0) (x) e si denota con g (0) (x), che e quindi il segnale in uscita. Nel caso in cui il processo di formazione dell’immagine si possa modellizzare, come spesso accade, in modo lineare, si ha che g (0) (x) = Z K(x;x 0 )f (0) (x 0 )dx 0 (1.2) doveK(x;x 0 ) e la funzione di dispersione puntuale ( Point Spread Function, PSF) del sistema lineare, anche chiamata funzione di allargamento dei punti del sistema oppure risposta in impulso del sistema. A volte si usa anche il termine funzio- ne di di usione dei punti per indicare K(x;x 0 ), perch e rappresenta l’immagine prodotta da una sorgente di luce puntiforme localizzata nel puntox 0 , solitamente modellizzata mediante una distribuzione (x) di Dirac concentrata inx 0 . Infatti se la sorgente del punto e data da f (0) (x 00 ) = (x 00 x 0 ) si ottieneg (0) (x) =K(x;x 0 ). La PSF d a quindi l’immagine di sorgenti puntiformi di intensit a unitaria e fornisce un’immagine in cui i dettagli sono meno nitidi rispetto all’immagine originaria; per questo l’e etto di tale funzione e chiamato blurring (annebbiamento) e l’im- magine g (0) (x) e chiamata versione con blurring di f (0) (x) (si pensi ad esempio alla deformazione introdotta da un occhio miope guardando una stella, che la fa vedere come una sorta di macchia). In generale, la PSF si pu o ottenere risolvendo il problema diretto associato al pro- cesso di formazione dell’immagine. Nel caso di un sistema ottico questo consiste nel calcolare la propagazione della luce da un punto sorgente nel dominio ad un 3 1 Perturbazioni delle immagini digitali punto del codominio attraverso gli elementi del sistema (lenti, specchi, ecc). Se non si dispone di una rappresentazione analitica, neanche approssimata, del siste- ma diretto, la PSF pu o essere misurata generando un punto sorgente, muovendolo nel dominio e valutando le immagini prodotte nelle varie posizioni. Molti sistemi di formazione di immagini sono (o vengono approssimati come) iso- planatici, ossia invarianti per traslazioni; ne segue che anche la loro PSF e inva- riante rispetto alle transazioni, cio e la K(x;x 0 ) di una sorgente che si trova inx 0 si pu o anche vedere come la traslata in x 0 della PSF di una sorgente che si trova nell’origine, cio e K(x;x 0 ) =K(x x 0 ; 0). Ne segue cheK(x;x 0 ) e funzione della di erenza x x 0 e si pu o quindi scrivere K(x;x 0 ) =K(x x 0 ). Questo implica che la forma dell’immagine di un punto luminoso non dipende dalla sua posizione: la PSF, che dunque si pu o scrivere semplicemente come K(x), rappresenta l’immagi- ne di una sorgente puntiforme di intensit a unitaria posta al centro dell’immagine. Una PSF spazio-invariante pu o quindi essere determinata guardando l’immagine di un singolo punto sorgente. In questo caso particolare si ha inoltre che la (1.2) diventa g (0) (x) = Z K(x x 0 )f (0) (x 0 )dx 0 (1.3) o analogamente, per de nizione di convoluzione, g (0) =K f (0) : (1.4) La funzioneK(x) e sempre chiamata PSF e la sua trasformata di Fourier ^ K(!) e chiamata funzione di trasferimento (TF) del sistema di immagini. In termini di trasformata la (1.4) diventa quindi ^ g (0) (!) = ^ K(!) ^ f (0) (!): (1.5) Queste due funzioni giocano un ruolo molto importante. La PSF fornisce la rispo- sta del sistema per ogni punto sorgente, dovunque tale punto si trovi all’interno 4 1.1 Blurring del dominio. La TF dice quanto segnale di una frequenza ssata e propagato attraverso il sistema lineare; il blurring pu o essere visto allora come una sorta di ltrazione della frequenza. La descrizione di un sistema di formazione di immagini tramite la sua PSF viene anche detta descrizione nel dominio spaziale, mentre la sua descrizione mediante la TF viene detta descrizione nel dominio delle frequenze. Spesso e utile conside- rare il sistema da questo secondo punto di vista, ad esempio quando la PSF e a banda limitata, cio e nulla al di fuori di un dominio. In generale si dice che un sistema per immagini e limitato se la sua PSF e limita- ta. La banda B della PSF e anche chiamata banda del sistema. Negli esempi che seguiranno il sistema sar a limitato oppure approssimatamente limitato. Nella pratica, infatti, e importante sapere se un sistema e o meno a banda limitata e qual’