Digital Image Processing

Trattamento d’immagine digitale.
E’ una materia a sé, fatta di algoritmi, espressioni, procedure di calcolo che fanno un poco rizzare i capelli sul capo. L’analisi di immagine si puo’ definire come quel processo logico che serve a determinare, identificare, classificare, misurare e valutare il significato di strutture fisiche e culturali, la loro organizzazione e le relazioni spaziali.

Mi limitero’ ad affrontare alcune tecniche utilizzate con una certa frequenza quando si lavora con immagini satellitari. Un sito di 100 pagine dedicato a questa materia non basterebbe.

Questa pagina, e quelle che probabilmente seguiranno nel tempo, sono solo una piccola parte di un mondo in continua evoluzione, strettamente associato alla potenza di calcolo dei computers, dei softwares sempre piu’ complessi/completi e l’avanzamento della ricerca che si ha in questo settore.
Posso consigliare vivamente di leggere il libro di Jonh Russ Image Processing HandBook (IV edizione), che potrete trovare su Amazon all’indirizzo:   http://www.crcpress.com/shopping_cart/products/product_detail.asp?sku=1142 ; si tratta di un buon libro sull’analisi di immagine (ma ce ne sono tanti altri) che, sebbene dedicato all’analisi di immagini acquisite via microscopio, utilizza le stesse tecniche ed algoritmi che si impiegano nel trattamento delle immagini satellitari. Evidentemente dopo aver letto questo testo si é solo all’inizio di un lungo e tormentoso cammino....

Histogram stretching

Un’operazione che si incontra con una certa frequenza quando si trattano immagini satellitari, é quella definita come histogram stretching (bilanciamento dell’istogramma, in italiano volgare). Consiste nel  ”tirare” la curva di distribuzione dei singoli pixel, per coprire l’intero range di livelli visibili sullo schermo, cioé  tra 0 e 255. Come sempre un’immagine parla piu’ di 1000 parole....

Se vogliamo evidenziare ogni singolo livello e la distribuzione dei pixel, dal menu a tendina si selezionano i differenti livelli R, G, B; le curve ora parlano da sé. Il gioco ora starà nel prendere la parte terminale della gaussiana destra e spostarla verso il bordo destro,  verso valori prossimi a 255, cioé colori piu’ chiari; per far questo (con Photoshop) si sposta il piccolo cursore bianco a destra verso la base dell’istogramma. Come risultato finale si otterrà l’immagine seguente:

Risulta evidente il guadagno in visibilità che si ottiene nei dettagli per quello che riguarda l’occupazione del suolo, dei centri urbani, copertura nuvolosa, distribuzione delle zone vegetate. Nel dettaglio a destra a piena risoluzione (15m/pixel per l’immagine VNIR) é ben visibile la differenza tra l’immagine iniziale e quella finale.