Contenuti del Corso

Fondamenti di Computer Vision

1. Introduzione alla Computer Vision

Che cos'è la computer vision?Fondamenti dell'Elaborazione delle Immagini Algebra Lineare per la Manipolazione delle Immagini

2. Elaborazione delle Immagini con OpenCV

Trasformazioni di Base Trasformata di Fourier Filtri Passa Basso e Passa Alto Riduzione del Rumore e Levigatura Equalizzazione dell'Istogramma Tecniche di Super-Risoluzione Rilevamento dei Bordi Rilevamento di Angoli e Blob

3. Reti Neurali Convoluzionali

Introduzione alle Reti Neurali Convoluzionali Strati di Convoluzione Strati di Pooling Appiattimento Funzioni di Attivazione Panoramica Dei Modelli Cnn Più Diffusi Sfida: Costruzione di una CNN

4. Rilevamento Oggetti

Localizzazione degli Oggetti Rilevamento Oggetti Previsioni del Riquadro di Delimitazione Intersezione su Unione (IoU) e Metriche di Valutazione Soppressione Non Massima (NMS)Anchor Box Panoramica del Modello YOLO Sfida: Rilevamento Oggetti con Modello Personalizzato e YOLO

5. Panoramica degli Argomenti Avanzati

Apprendimento Trasferito nella Visione Artificiale Panoramica sul Riconoscimento Facciale Panoramica della Generazione di Immagini

Fondamenti dell'Elaborazione delle Immagini

Modelli di Colore

I computer memorizzano e visualizzano le immagini utilizzando i pixel, che sono piccoli quadrati che compongono un'immagine. Ogni pixel contiene informazioni sul colore e, mettendone insieme milioni, si ottiene un'immagine nitida. Il modo in cui i colori vengono rappresentati dipende da diversi modelli di colore:

• Scala di grigi: invece del colore, questo modello utilizza diverse sfumature di grigio (da 0 a 255), dal bianco al nero. È spesso utilizzato nella fotografia in bianco e nero o nell'imaging medico;

• RGB (rosso, verde, blu): il modello più comune, utilizzato in schermi e fotocamere. Combina diversi livelli da 0 a 255 di luce rossa, verde e blu per creare tutti i colori possibili, consentendo un totale di oltre 16 milioni (256 × 256 × 256) di colori distinti;

• HSV (tonalità, saturazione, valore): un modello che rappresenta il colore in modo più vicino alla percezione umana. Scompone i colori nel loro tipo (tonalità, da 0˚ a 360˚), intensità (saturazione, da 0% a 100%) e luminosità (valore, da 0% a 100%).

Immagini Vettoriali vs. Raster

Quando si lavora con le immagini, è importante comprendere i due principali tipi: immagini raster e immagini vettoriali. Ognuna ha un proprio modo di memorizzare i dati visivi ed è utilizzata per scopi diversi.

Immagini Raster (Basate su Pixel)

Le immagini raster sono composte da piccoli quadrati chiamati pixel, disposti in una griglia. Ogni pixel ha un valore di colore e, insieme, formano l'immagine completa. Le immagini raster sono comunemente utilizzate nella fotografia e nei display digitali perché catturano accuratamente dettagli e colori.

• Formati comuni: JPEG, PNG, BMP, TIFF;

• Vantaggi: ricchezza di dettagli e profondità di colore;

• Svantaggi: perdita di qualità quando vengono ridimensionate (pixelizzazione).

Immagini Vettoriali (Forme Matematiche)

Le immagini vettoriali, invece, non sono composte da pixel ma da equazioni matematiche che definiscono linee, curve e forme. Per questo motivo possono essere ridimensionate all'infinito senza perdere qualità. Queste immagini sono ideali per loghi, icone e illustrazioni.

• Formati comuni: SVG, EPS, PDF;

• Vantaggi: scalabili senza perdita di nitidezza;

• Svantaggi: non adatte a foto dettagliate.

Ogni formato serve a uno scopo diverso, che si tratti di risparmiare spazio, preservare la qualità o supportare effetti speciali come la trasparenza. Comprendere come le immagini vengono memorizzate e rappresentate aiuta a scegliere il formato giusto per ogni attività.