11.07.2014 Views

Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...

Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...

Progetto e Realizzazione di un Sensore Ibrido Omnidirezionale/pin ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

Per commentare l’esempio, secondo la tecnica <strong>di</strong> classificazione vista, le macchie blu e<br />

viola appartengono alla classe sub 2), la macchia nera, quella verde scuro e quella<br />

arancio alla classe sub 3), quelle azzurra e verde chiaro alla classe sub 4) prima della<br />

loro <strong>un</strong>ione e alla classe sub 2) dopo.<br />

Per lo stu<strong>di</strong>o della <strong>di</strong>versità <strong>di</strong> colore si fa ampio utilizzo della seguente tecnica fuzzy:<br />

dati due colori RGB C 1 e C 2 , per ogn<strong>un</strong>a delle tre bande R, G, B si definisce <strong>un</strong>a classe<br />

fuzzy <strong>di</strong> <strong>di</strong>fferenza, sulla specifica banda, tra i due colori (Dr, Dg, Db). Questa è<br />

definita come (nel caso della banda R):<br />

Dr(C 1 ,C 2 ) = 0 per |R 1 -R 2 | < sogliaInferiore<br />

Dr(C 1 ,C 2 ) = arctan [(|R 1 -R 2 | - sogliaInferiore)/costanteDiScala] /(p/2)<br />

altrove<br />

Il grado <strong>di</strong> appartenenza alla classe <strong>di</strong> <strong>di</strong>versità <strong>di</strong> colore RGB Dc, è invece dato da:<br />

Dc(C 1 ,C 2 ) = Max{Dr,Dg,Db} per Max{Dr,Dg,Db} > sogliaDifferenza<br />

Dc(C 1 ,C 2 ) = 0 altrove<br />

Quin<strong>di</strong> i due colori C 1 e C 2 verranno considerati uguali per Dc = 0, <strong>di</strong>versi (con grado<br />

variabile) altrimenti.<br />

Il passo successivo del metodo consiste nell’operare <strong>un</strong>a combinazione (matching) delle<br />

regioni classificate nel caso sub 2) e sub 4) e nella “chiusura” <strong>di</strong> certe aree<br />

dell’immagine contenenti ipotesi <strong>di</strong> ostacolo (denominate regioni ostacolo). Il matching<br />

viene eseguito tramite euristiche che si basano sulle statistiche descritte<br />

precedentemente. Come visto, queste statistiche sono calcolate su <strong>un</strong> insieme <strong>di</strong> p<strong>un</strong>ti<br />

alla destra e <strong>un</strong> insieme <strong>di</strong> p<strong>un</strong>ti alla sinistra delle regioni <strong>di</strong>fferenza. Poiché le regioni<br />

<strong>di</strong>fferenza si presentano prevalentemente l<strong>un</strong>go i confini degli ostacoli, si tratta <strong>di</strong> <strong>un</strong><br />

insieme <strong>di</strong> pixel che fanno parte dell’immagine dell’ostacolo e, verosimilmente, <strong>un</strong><br />

insieme <strong>di</strong> pixel che fanno parte dello sfondo <strong>di</strong>etro a questo. Nella maggior parte dei<br />

casi, quello che si deve decidere è se, data <strong>un</strong>a situazione come quella descritta nel caso<br />

sub 2), l’ostacolo ipotizzato si trovi più probabilmente alla sua sinistra o alla sua destra.<br />

Il matching viene operato nel modo seguente:<br />

− per ogni regioni del caso sub 2) e sub 4) si cercano le regioni prime vicine <strong>di</strong> destra<br />

91

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!