Introduzione alla Computer Vision e all'Elaborazione Digitale delle Immagini
Computer Vision è il campo dell'intelligenza artificiale che consente ai computer di ricavare informazioni significative da immagini e video digitali, cercando di colmare il divario semantico tra i dati grezzi dei pixel e la comprensione tipica dell'essere umano. L'Elaborazione Digitale delle Immagini costituisce il livello fondamentale della Computer Vision, concentrandosi sulla manipolazione e sul miglioramento dei segnali immagine tramite trasformazioni pixel-to-pixel, al fine di preparare i dati per attività interpretative di livello superiore.
Principi Chiave
- Rappresentazione dei Dati: A livello macchina, un'immagine è un tensore numerico, e non un'immagine olistica. Le immagini in scala di grigi sono matrici 2D di valori di intensità, mentre le immagini a colori sono tensori 3D che rappresentano i canali Rosso, Verde e Blu (RGB) con dimensioni $H \times W \times 3$.
- Trasformazione vs. Interpretazione: L'Elaborazione Digitale delle Immagini si occupa principalmente di operazioni image-to-image come la riduzione del rumore, l'aumento della nitidezza o l'equalizzazione dell'istogramma. La Computer Vision si concentra su operazioni image-to-knowledge come la classificazione degli oggetti, la localizzazione e la segmentazione.
- Il Paradigma della Grafica Inversa: La Computer Vision può essere vista come l'inverso della Computer Grafica. Mentre la grafica cerca di generare un mondo visivo a partire da modelli matematici, la visione cerca di ricostruire strutture 3D ed etichette semantiche da proiezioni 2D.
La Sfida Principale
La sfida principale in questo campo è il Divario Semantico, ovvero la disconnessione tra i valori dei pixel di basso livello elaborati dalle macchine e i concetti di alto livello percepiti dagli esseri umani.
Implementazione in Python
Domanda 1
Quale processo è categorizzato come operazione image-to-knowledge?
Domanda 2
A livello macchina, qual è la struttura dati di una normale immagine a colori?
Caso di Studio: Sistema Diagnostico Medico
Leggi lo scenario riportato di seguito e rispondi alle domande.
Un ospedale sta sviluppando un nuovo sistema diagnostico medico automatizzato progettato per analizzare radiografie alla ricerca di potenziali fratture ossee. Il sistema elabora i dati grezzi dei sensori della macchina radiografica e produce un referto diagnostico per il radiologo.
D
1. Se il sistema applica un miglioramento del contrasto per rendere più chiare le strutture ossee, si tratta di Elaborazione Digitale delle Immagini (DIP) o di Computer Vision (CV)?
Risposta:
Elaborazione Digitale delle Immagini. Il miglioramento del contrasto è una trasformazione image-to-image che migliora la qualità visiva del segnale senza estrarre significato semantico.
Elaborazione Digitale delle Immagini. Il miglioramento del contrasto è una trasformazione image-to-image che migliora la qualità visiva del segnale senza estrarre significato semantico.
D
2. Se il sistema segnala automaticamente un'area specifica come potenziale frattura, quale attività sta svolgendo?
Risposta:
Computer Vision / Rilevamento Oggetti. Il sistema sta interpretando il contenuto dell'immagine per estrarre conoscenza di alto livello (individuazione di una frattura).
Computer Vision / Rilevamento Oggetti. Il sistema sta interpretando il contenuto dell'immagine per estrarre conoscenza di alto livello (individuazione di una frattura).
D
3. Perché la riduzione del rumore è necessaria prima di eseguire un algoritmo di rilevamento?
Risposta:
Per migliorare la qualità del segnale e ridurre i falsi positivi nella fase di interpretazione semantica. Il rumore può essere erroneamente interpretato dagli algoritmi di CV come caratteristiche o bordi reali.
Per migliorare la qualità del segnale e ridurre i falsi positivi nella fase di interpretazione semantica. Il rumore può essere erroneamente interpretato dagli algoritmi di CV come caratteristiche o bordi reali.