IMAGE PROCESSING (VS.2)

Tateo’s Interdisciplinary Lifelong Learning Project

T I L L L

LEARNING - SHARING - NETWORKING

Learning, knowledge sharing and Communities engagement about:

Artificial Intelligence, Extended / Augmented / Virtual / Mixed Reality (XR/AR/VR/MR), Automation, Electronics, Computer Science and Information Technology, Mobile Technologies, Problem Solving & Innovation, Readings, Social Media, Digital Modeling and Simulation, Computer Vision, Work and Soft Skills, Railway.

by Tateo Giovanni Battista

_____________________________

LEARNING

COMPUTER VISION

Image Processing.
La elaborazione delle immagini.

Hashtag keywords: #computerVision #artificialVision #machineVision #imageProcessing #computerVision #featureExtraction #regionDetection #regionSegmentation #patternRecognition #ocr #gauging #TILLL #TateoBlog 

Summary. The processing subsystem of an artificial vision system basically consists of an electronic processor and an algorithm coded in a software program. The algorithm is suitably designed to process the images produced by the acquisition subsystem, in order to give them meaning, that is, to extract from them the information useful for the purpose for which the artificial vision system was built. Depending on the information you want to extract from the images, there are specific processing techniques. 

Il sottosistema di elaborazione di un sistema di visione artificiale è costituito fondamentalmente da un elaboratore elettronico e da un algoritmo codificato in un programma software. L'algoritmo è progettato opportunamente per elaborare le immagini prodotte dal sottosistema di acquisizione, al fine di  dare ad esse significato, ossia per estrarne da essa le informazioni utili allo scopo per cui è stato costruito il sistema di visione artificiale. A seconda delle informazioni che si desidera estrarre dalle immagini, esistono specifiche tecniche di elaborazione.

~ o ~

You are >>> HERE <<< within the TILLL project.

Ti trovi >>> HERE <<< all'interno del progetto TILLL.

You are here: TATEO~BLOG > ENCYCLOPEDIA  >  ARTIFICIAL VISION  >  IMAGE PROCESSING

~ o ~

§1. Image Processing.

Elaborazione di immagini.

Image Processing is a useful practice to perform some operations on a digital image, in order to get an enhanced image, or to extract some useful information from it for specific purposes. From the mathematical point of view, Image Processing is a type of signal processing in which input is an image and output may be image or a characteristics/features associated with input image. 

L'elaborazione delle immagini (Image Processing in lingua inglese) è una pratica utile per eseguire alcune operazioni su un'immagine digitale, al fine di ottenere un'immagine migliorata, o per estrarne alcune informazioni utili per scopi specifici. Dal punto di vista matematico, Image Processing è un tipo di elaborazione del segnale in cui l'ingresso è un'immagine e l'uscita può essere un'immagine o una caratteristica/caratteristica associata all'immagine di ingresso. 

With the evolution of electronic computing technologies, these operations are carried out automatically by suitably programmed and trained electronic computers.

Con l'evoluzione delle tecnologie di calcolo elettronico queste operazioni sono svolte in modo automatico da calcolatori elettronici opportunamente programmati ed addestrati.

Hashtag keywords: #computerVision #imageProcessing #imageEnhancement #imageMakeSense

-----------------------------------------

last update July 15, 2022

~ o ~

§2. Origins and history.

Origini e storia.

The origin of image processing can be traced back to the early 1920s with the image transmission system from London to New York via a submarine cable. The images were encoded for transmission and then reconstructed before being printed. Later, in the 60s, the improvement of technologies and computers and the race to conquer space led to the birth of digital image processing.

In the 1970s, digital image processing began to be used for medical applications. It was in these years that the image of Lenna Sjööblom, a Swedish model who became a Playboy bunny in November 1972, became a legend. Anyone with even the slightest experience in image processing knows what we are talking about. The image of the face of this model only became a sort of reference for all the image processing tests that were carried out in the research centers around the world.

L’origine dell’elaborazione delle immagini può essere collocata agli inizi degli anni 20 con il sistema di trasmissione delle immagini da Londra a New York attraverso un cavo sottomarino. Le immagini erano codificate per permetterne la trasmissione e dopo erano ricostruite prima di essere stampate. In seguito, negli anni 60, il miglioramento delle tecnologie e dei computer e la corsa alla conquista dello spazio hanno portato alla nascita del digital image processing. 

Negli anni 70 l’elaborazione delle immagini digitali inizia ad essere utilizzata per applicazioni mediche. E' in questi anni che entrò nella leggenda l'immagine di Lenna Sjööblom, una modella svedese diventata coniglietta di Playboy nel novembre del 1972. Chiunque tra i lettori abbia seppur minima esperienza di image processing sa di cosa stiamo parlando. L'immagine del solo viso di questa modella diventò una sorta di riferimento per tutti i test di elaborazione d'immagine che venivano eseguiti nei centri di ricercati mezzo mondo. 

The Nobel Prize for the invention of the technology underlying the CT scan was awarded in 1979. From the 80s onwards, and up to the present day, the use of image processing has undergone a vast expansion in many activities and sectors. Think of artistic applications, such as cinema special effects, Geographic Information Systems (GIS), industrial control (Machine Vision), human-computer interface (Human Computer Interface).

E’ del 1979 il premio Nobel per l’invenzione della tecnologia che sta alla base della TAC. Dagli anni 80 in poi, e fino ai giorni nostri l’uso dell’elaborazione di immagini ha subito una vasta espansione in molte attività e settori. Si pensi alle applicazioni artistiche, come per esempio gli effetti speciali cinematografici, ai Sistemi Informativi Geografici (GIS), al controllo industriale (Machine Vision), all’interfaccia uomo-computer (Human Computer Interface). 

~ o ~

§3. Image Processing subsystem.

Il sotto-sistema di elaborazione delle immagini.

The processing subsystem of an artificial vision system basically consists of an algorithm that processes the acquired image to give it meaning, that is, to extract the information sought from it.

Il sottosistema di elaborazione di un sistema di visione artificiale è costituito fondamentalmente da un algoritmo che elabora l'immagine acquisita per dare ad essa un significato, ossia per estrarne da essa le informazioni ricercate. 

~ o ~

§4. Aims of image processing.

Scopi dell'elaborazione d'immagini.

Tipicamente si possono distinguere tre categorie fondamentali di elaborazione: il miglioramento della qualità dell'immagine; l'estrazione di caratteristiche (estrazione di funzionalità in inglese); la individuazione e segmentazione di regioni di interesse (rilevamento e segmentazione); il riconoscimento di oggetti (lavorazione di alto livello).

Tipicamente si possono distinguere tre categorie fondamentali di elaborazione: il miglioramento della qualità dell'immagine; l’estrazione di caratteristiche (feature extraction in inglese); la individuazione e segmentazione di regioni di interesse (detection and segmentation); il riconoscimento di oggetti (high-leve processing). 

~ o ~

§5. Image Enhancement.
Miglioramento della qualità delle immagini.

L'elaborazione di immagini è spesso utilizzata come passo preliminare di un pro cedimento di visione per effettuare pre-elaborazioni tendenti a migliorare la qualità 

dell'immagine da analizzare. 

Le operazioni di miglioramento più frequenti consistono in genere nella eliminazione dell'eventuale rumore frammisto all'immagine e che potrebbe provocare una cattiva interpretazione dell'immagine con conseguente introduzione di informazioni false. 

Un'altra operazione di miglioramento molto frequente consiste nella modifica del contrasto dell'immagine, generalmente per aumentarlo, per assicurarsi che le informazioni rilevanti vengano individuate correttamente.

~ o ~

§6. Feature Extraction.

Estrazione di caratteristiche.

Le caratteristiche estratte dall'immagine possono consistere semplicemente nella individuazione linee e bordi oppure di punti dell'immagine dotati di proprietà ben definite, come per esempio i punti angolari. 

Esistono tuttavia caratteristiche più complesse che possono essere estratte, come per esempio il riconoscimento del movimento in una sequenza di immagini, oppure il riconoscimento di forme geometriche, come per esempio rettangoli ed ellissi, oppure il riconoscimento di texture.

~ o ~

§7. Detection and Segmentation.
Individuazione e segmentazione di regioni di interesse.

Questa particolare elaborazione dell'immagine consiste nella individuazione di un sottoinsieme del dominio dei punti che costituiscono l'immagine caratterizzate da una specifica proprietà. Per esempio, potrebbe essere utile individuare all'interno dell'immagine tutti i punti aventi le stesse proprietà cromatiche, oppure tutti i punti che costituiscono contorni di oggetti. L'output di una operazione di segmentazione consiste in una o più regioni che contengono punti con caratteristiche utili per l'obiettivo che ci prefiggiamo di perseguire attraverso il processo di elaborazione. 

~ o ~

§8. High-level Processing.

Riconoscimento di oggetti.

Il processo di segmentazione tipicamente fornisce una analisi sommaria e propone una serie di regioni che potenzialmente potrebbero contenere gli oggetti a cui siamo interessati. Per questo motivo, ognuna delle regioni proposte dalla segmentazione deve essere verificata con tecniche più raffinate. Un esempio potrebbe essere quello di verificare la corrispondenza (verosimiglianza) tra l'immagine sottesa ad ognuna delle regioni candidate ed un modello base di riferimento della classe di interesse. Dell'oggetto riconosciuto se ne potrebbe determinare la posizione e orientazione, oppure valutarne la dimensione rispetto al modello (fattore di scala), oppure ancora fornire una misura della verosimiglianza (matching score) rispetto al modello di riferimento, oppure ancora eseguire una classificazione più specializzata degli oggetti individuati attraverso la segmentazione. 

~ o ~

§9. Image processing techniques.

Le tecniche di elaborazione delle immagini.

Per migliorare la qualità delle immagini esistono diverse tecniche, ognuna delle quali è specifiche per il tipo di informazione che si intende estrarre. 

 - Le operazioni di elaborazione più che possono essere eseguite sulle immagini sono le seguenti: 

 - Thresholding (converting a grayscale image to black and white, or using separation based on a grayscale value); 

 - Segmentation; 

 - Blob extraction; 

 - Riconoscimento di pattern (pattern recognition); 

 - Decodifica dei codici (bar-code and data matrix code reading); 

 - Riconoscimento dei caratteri (optical character recognition, brevemente OCR); 

 - Misura della dimensioni degli oggetti (gauging); 

 - Positioning; 

 - Riconoscimento dei contorni (edge detection); 

 - Analisi dei colori (colour analysis); 

 - Filtering (e.g. morphological filtering); 

 - Classificazione statistica di oggetti (classification); 

~ o ~

§10. Work tools.

Gli strumenti del mestiere.

Durante il corso delle mie esperienze professionali mi sono occupato della progettazione e sviluppo di algoritmi basate su molte di queste tecniche, dalle più semplici come l’edge detection e la image enhancement, alle più sofisticate e complesse come per esempio lo shape based pattern matching, l'analisi di immagini 2D e 3D. La risoluzione di problemi sempre più sfidanti mi ha permesso di acquisire competenze nella misura e valutazione delle prestazioni degli algoritmi, e nella capacità di individuare e correggere gli errori. Lungo il corso delle esperienze professionali ho avuto modo di utilizzare i più potenti strumenti di prototipazione e sviluppo di algoritmi di image processing che sono disponibili sul mercato come per esempio: Visilog della franco-canadese Noesis; VisionPro, In-Sight e CheckPoint dell'americana Cognex; DVT; Dalsa; HALCON della tedesca MVTech, la open source library OpenCV. 

Se vuoi approfondire l'argomento della elaborazione delle immagini, in particolare riguardo all’uso della libreria di image processing open-source OpenCV, ti invito a proseguire la consultazione del mio blog con la lettura dell’articolo:

 VS.2.1. DEVELOPING USING OPENCV

~ o ~

§11. References to useful sources for further information.

Riferimenti a fonti utili per approfondimenti.

Listed below are some references to sources (websites, videos and book) that I have consulted during the writing of this article, and that you could also use to learn more about the topics covered in this article. 

Di seguito sono elencati alcuni riferimenti a fonti (siti web, video e libri) che ho consultato durante la stesura di questo articolo e che potresti utilizzare anche tu per approfondire gli argomenti trattati in questo articolo.

• (1) Sistemi di visione artificiale, Wikipedia
• (2) The Lenna story

~ o ~

§12. More generally.

Più in generale.

In this article we talked about the image processing system, which specifically constitutes one of the main subsystems of a typical computer vision system. 

   But if you want to examine the whole Artificial Vision technology from a more general point of view, then allow me to suggest you the reading of the following article which is the main one of the thematic area dedicated to this discipline, within Tateo~Encyclopedia (En).

  {In questo articolo abbiamo parlato del sistema di elaborazione delle immagini, che in particolare costituisce uno dei sotto-sistemi principali di un tipico sistemati visione artificiale. 

  Ma se vuoi esaminare l'intera tecnologia della Visione Artificiale da un punto di vista più generale, allora permettimi di suggerirti la lettura del seguente articolo che è il principale dell'area tematica dedicata a questa disciplina, all'interno di Tateo~Encyclopedia (En)}

HUMAN VISION REPRODUCTION BY MEANS OF AN ARTIFICIAL SYSTEM

{La riproduzione della visione umana per mezzo di un sistema artificiale}

 (VS)

~ o ~

§13. Stay up to date.

Rimani aggiornato.

If you are interested in the topics covered in the current article and want to be informed about my most recent updates dealing with them, then I invite you to register on the following Facebook page and Pinterest dashboard which I dedicated specifically for sharing the most recent changes made to the corresponding thematic area of TILLL~Learning (>).

Se sei interessato agli argomenti trattati nell'articolo corrente e vuoi essere informato sui miei aggiornamenti più recenti che trattano di essi, allora ti invito a registrarti sulla seguente pagina Facebook e bacheca Pinterest che ho dedicato appositamente per la condivisione delle modifiche più recenti apportate all'area tematica corrispondente di TILLL~Learning (>).

"Computer Vision by TILLL" on Facebook (link)

"Computer Vision by TILLL" on Pinterest (link)

-----------------------------------------

updated July 14, 2022

~ o ~

§14. Let's keep in touch.

Teniamoci in contatto.

I hope you enjoyed this article, belonging to the Learning (>) section of the Tateo's Interdisciplinary Lifelong Learning (TILLL) project (>), and that the notes and observations I gathered within it meets your interests. If you want stay tuned with the TILLL project evolution, then I invite you to follow the next upgrades that are published on the TILLL's Blog and on the social media pages dedicated to the TILLL community.

Spero che questo articolo, appartenente alla sezione Learning (>) del progetto Tateo's Interdisciplinary Lifelong Learning (TILLL) (>), ti sia piaciuto e che le note e le osservazioni che ho raccolto al suo interno soddisfino i tuoi interessi.  Se vuoi rimanere aggiornato sull'evoluzione del progetto TILLL, allora ti invito a seguire i prossimi aggiornamenti che vengono pubblicati sul Blog di TILLL e sulle pagine social dedicate alla community TILLL.

  (>) Tateo-Blog, official blog of TILLL project

  (>) LinkedIn page dedicated to TILLL project

  (>) Facebook page dedicated to TILLL project

  (>) Twitter account dedicated to TILLL project

  (>) Pinterest account dedicated to TILLL project

  (>) Instagram account dedicated to TILLL project

~ o ~ 

§15. Something about me, the founder and author of Tateo~Blog Project.

Qualcosa su di me, il fondatore e sull'autore del progetto Tateo~Blog.

First of all, thank you for visiting one of the pages of my project for Interdisciplinary Continuous Learning (TILLL which stands for Tateo's Interdisciplinary LifeLong Learning), of which I am the founder and author.

My name is Giovanni Battista Tateo (shortly Bat).

Innanzitutto ti ringrazio per aver visitato una delle pagine del mio progetto per l'Apprendimento Continuo Interdisciplinare (TILLL che sta per Tateo's Interdisciplinary LifeLong Learning), di cui io sono lil fondatore e l'autore.

Mi chiamo Giovanni Battista Tateo (brevemente Bat).

The Tateo~Blog (link) is an integral part of the project constitutes the means of sharing all updates. 

I was initially an Information Technology expert, and later I became an electronic engineer, specializing in industrial Automation. I'm passionate about Artificial intelligence, Virtual Reality, Simulation, and I'm an expert in Artificial Vision applied to industrial Automation. Currently, and starting four years ago, I am employed as a Proposal Engineer at Mer Mec S.p.A. (:::) company. Previously, starting in 2004, I was employed, always at the same company, as a Designer of Artificial Vision Systems and Image Processing Algorithms, applied in particular to Railway Diagnostics. I am a supporter and promoter of Lifelong Learning, Social Networking and Knowledge Sharing by means of the web. If you want more details about me, visit the About Me (:::) page.

Il blog Tateo~Blog (link) è parte integrante del progetto costituisce il mezzo di condivisione di tutti gli aggiornamenti. 

Sono stato in principio un esperto di Informatica, e in seguito sono diventato un Ingegnere Elettronico, specializzato in Automazione Industriale. Sono un appassionato di Intelligenza Artificiale, Realtà Virtuale, Simulazione, e sono un esperto di Visione Artificiale applicata all'Automazione Industriale. Attualmente, ed a partire dall'anno 2016, sono impiegato come Proposal Engineer presso la società Mer Mec S.p.A. (:::). Precedentemente, a partire dal 2004, sono stato impiegato, sempre presso la stessa società, come Progettista di Sistemi di Visione Artificiale e di Algoritmi di Elaborazione delle Immagini, applicati in particolare alla Diagnostica Ferroviaria. Sono un sostenitore e promotore dell'apprendimento permanente, dei social network e della condivisione delle conoscenze tramite il web. Se vuoi ulteriori dettagli su di me, visita la pagine About Me (:::).

  Contact me. Following you can find my personal references that you can use if you want to contact me directly, and the links to my social accounts that you can use to follow me or to keep in touch with me by means of social media networks.

  Contattami. Per chi scrive non c’è soddisfazione maggiore di quella che si prova sapendo di essere stato letto e di aver ispirato e fornito esperienze e pratiche utili. Per cui, chiunque contattarmi utilizzando uno dei riferimenti seguenti. Sarò felice di poterti leggere e di confrontarmi con te, di poter leggere le tue critiche, i tuoi suggerimenti, le tue riflessioni e, spreto anche i tuoi complimenti.

Giovanni Battista Tateo (aka Bat)

    - e-mail: tateogb@libero.it (send e-mail)

    - phone / WhatsApp : (+39) 388 8419726

    - LinkedIn account (link)

    - Facebook account (link)

    - Twitter account (link)

    - Instagram account (link)

    - Pinterest account (link)

    - Skype (link)

-----------------------------------------

Originally published May 31, 2020,

updated July 16, 2022 

into the Learning section of

TILLL

the Lifelong and Interdisciplinary Learning project of Giovanni Battista Tateo