Grafica raster digitale: Svelare la potenza della grafica raster digitale nella visione artificiale
Di Fouad Sabry
()
Info su questo ebook
Che cos'è la grafica raster digitale
Una grafica raster digitale (DRG) è un'immagine digitale risultante dalla scansione di una mappa topografica USGS cartacea da utilizzare su un computer. I DRG creati da USGS vengono generalmente scansionati a 250 dpi e salvati come TIFF. L'immagine raster solitamente include le informazioni sul bordo originale, denominate "collare della mappa". Il file cartografico è proiettato UTM e georeferenziato alla superficie della Terra. I DRG vengono regolarmente utilizzati nelle applicazioni GIS. I DRG sono stati prodotti per la prima volta nel 1995.
Come trarrai vantaggio
(I) Approfondimenti e convalide sui seguenti argomenti:
Capitolo 1: Grafica raster digitale
Capitolo 2: Grafica raster
Capitolo 3: Formato file (GIS)
Capitolo 4: GeoTIFF
Capitolo 5: Formato file immagine
Capitolo 6: GDAL
Capitolo 7: Mappatura Web
Capitolo 8: Bitmap
Capitolo 9: United States Geological Survey
Capitolo 10: Mappa del territorio
(II) Rispondere alle principali domande del pubblico sulla grafica raster digitale.
(III) Esempi del mondo reale per l'utilizzo della grafica raster digitale in molti campi.
A chi è rivolto questo libro
Professionisti, studenti universitari e laureati, appassionati, hobbisti e tutti coloro che che vogliono andare oltre le conoscenze o le informazioni di base per qualsiasi tipo di grafica raster digitale.
Correlato a Grafica raster digitale
Titoli di questa serie (100)
Equalizzazione dell'istogramma: Miglioramento del contrasto dell'immagine per una migliore percezione visiva Valutazione: 0 su 5 stelle0 valutazioniVisione computerizzata: Esplorare le profondità della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRiduzione del rumore: Miglioramento della chiarezza, tecniche avanzate per la riduzione del rumore nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformata del radon: Svelare modelli nascosti nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniMappatura dei toni: Mappatura dei toni: prospettive illuminanti nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDiffusione anisotropa: Miglioramento dell'analisi delle immagini attraverso la diffusione anisotropa Valutazione: 0 su 5 stelle0 valutazioniRetinex: Svelare i segreti della visione computazionale con Retinex Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di Hough: Svelare la magia della trasformazione di Hough nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniVisione artificiale subacquea: Esplorando le profondità della visione artificiale sotto le onde Valutazione: 0 su 5 stelle0 valutazioniCorrezione gamma: Migliorare la chiarezza visiva nella visione artificiale: la tecnica di correzione gamma Valutazione: 0 su 5 stelle0 valutazioniModello di aspetto del colore: Comprendere la percezione e la rappresentazione nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniOmografia: Omografia: trasformazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniScala dello spazio: Esplorare le dimensioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGruppo congiunto di esperti fotografici: Sfruttare la potenza dei dati visivi con lo standard JPEG Valutazione: 0 su 5 stelle0 valutazioniFunzione di corrispondenza dei colori: Comprendere la sensibilità spettrale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRidipintura: Colmare le lacune nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIstogramma dell'immagine: Svelare intuizioni visive, esplorare le profondità degli istogrammi delle immagini nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniConsenso del campione casuale: Stima robusta nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevatore di bordi astuto: Svelare l'arte della percezione visiva Valutazione: 0 su 5 stelle0 valutazioniModello a colori: Comprendere lo spettro della visione artificiale: esplorare i modelli di colore Valutazione: 0 su 5 stelle0 valutazioniSpazio colore: Esplorare lo spettro della visione artificiale Valutazione: 0 su 5 stelle0 valutazioniStima della posa del corpo articolato: Sbloccare il movimento umano nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniRilevamento delle macchie: Scoprire modelli nei dati visivi Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione affine: Sbloccare le prospettive visive: esplorare la trasformazione affine nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTrasformazione di feature invarianti di scala: Svelare il potere della trasformazione delle caratteristiche invarianti su scala nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Ebook correlati
Grafica raster: Comprendere i fondamenti della grafica raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica raster: Trasformare le realtà visive: padroneggiare gli editor grafici raster nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniEditor di grafica vettoriale: Potenziare la creazione visiva con algoritmi avanzati Valutazione: 0 su 5 stelle0 valutazioniGrafica vettoriale: Padroneggiare la grafica vettoriale nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTagli del grafico di visione artificiale: Esplorazione dei tagli grafici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniTexture Mapping: Esplorare la dimensionalità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSegmentazione delle immagini: Sbloccare insight grazie alla precisione dei pixel Valutazione: 0 su 5 stelle0 valutazioniAlgoritmo di disegno di linee: Padroneggiare le tecniche per il rendering di immagini di precisione Valutazione: 0 su 5 stelle0 valutazioniCompressione delle immagini: Tecniche efficienti per l'ottimizzazione dei dati visivi Valutazione: 0 su 5 stelle0 valutazioniProfilo colore: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniGrafica di ray-tracing: Esplorazione del rendering fotorealistico nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniVisione stereoscopica del computer: Esplorare la percezione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappa dell'altezza: Esplorare la rappresentazione del terreno attraverso la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniSistema di gestione del colore: Ottimizzazione della percezione visiva negli ambienti digitali Valutazione: 0 su 5 stelle0 valutazioniMappatura dei colori: Esplorare la percezione visiva e l'analisi nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura mobile: Sbloccare l'intelligenza spaziale con la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniMappatura dei rilievi: Bump Mapping: esplorazione della profondità nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniShader: Esplorare i regni visivi con Shader: un viaggio nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniIlluminazione globale: Visione avanzata: approfondimenti sull'illuminazione globale Valutazione: 0 su 5 stelle0 valutazioniPrimitivo geometrico: Esplorazione dei fondamenti e delle applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniModellazione e rendering basati su immagini: Esplorare il realismo visivo: tecniche di visione artificiale Valutazione: 0 su 5 stelle0 valutazioniClassificazione delle immagini contestuali: Comprendere i dati visivi per una classificazione efficace Valutazione: 0 su 5 stelle0 valutazioniCompressione dati: Sbloccare l'efficienza nella visione artificiale con la compressione dei dati Valutazione: 0 su 5 stelle0 valutazioniStima del movimento: Progressi e applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniUsare GD library con PHP, funzioni, figure, grafici e gradienti Valutazione: 0 su 5 stelle0 valutazioniDisegno tecnico: Sbloccare la percezione visiva nel disegno tecnico Valutazione: 0 su 5 stelle0 valutazioniFlusso ottico: Esplorazione di modelli visivi dinamici nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniComputer grafica di vertice: Esplorando l'intersezione tra la computer grafica di vertice e la visione artificiale Valutazione: 0 su 5 stelle0 valutazioniPartizionamento binario dello spazio: Esplorazione del partizionamento binario dello spazio: fondamenti e applicazioni nella visione artificiale Valutazione: 0 su 5 stelle0 valutazioniDeterminazione della superficie nascosta: Svelare i segreti della visione artificiale Valutazione: 0 su 5 stelle0 valutazioni
Intelligenza artificiale e semantica per voi
ANonniMus: Vecchi rivoluzionari contro giovani robot Valutazione: 0 su 5 stelle0 valutazioniIl Terzo Like Valutazione: 0 su 5 stelle0 valutazioniGuida Intelligenza Artificiale Valutazione: 0 su 5 stelle0 valutazioni
Recensioni su Grafica raster digitale
0 valutazioni0 recensioni
Anteprima del libro
Grafica raster digitale - Fouad Sabry
Capitolo 1: Grafica raster digitale
Un grafico raster digitale (DRG) è un'immagine leggibile dal computer creata scansionando una mappa topografica USGS cartacea. In genere, i DRG creati dall'USGS vengono scansionati a 250 dpi e archiviati come TIFF. In genere, l'immagine raster include le informazioni sui contorni originali, spesso note come collare della mappa
. Il file cartografico viene proiettato in UTM e georeferenziato sulla superficie terrestre. I DRG sono utilizzati frequentemente nelle applicazioni GIS. I DRG sono stati inizialmente prodotti nel 1995.
{Fine Capitolo 1}
Capitolo 2: Grafica raster
Nella computer grafica e nella fotografia digitale, un grafico raster ritrae un'immagine bidimensionale come una matrice rettangolare o una griglia di pixel quadrati che può essere visualizzata sul monitor di un computer, su carta o su un altro supporto di visualizzazione. Tecnicamente, un raster è definito dalla larghezza e dall'altezza dell'immagine in pixel e dal numero di bit per pixel. Le immagini raster vengono memorizzate in file di immagine i cui formati di distribuzione, creazione, generazione e acquisizione variano.
Nei settori della stampa e della prestampa, le immagini raster sono denominate contoni (da toni continui). Nei sistemi digitali, tuttavia, la line art è tipicamente implementata come grafica vettoriale.
Numerose manipolazioni raster si trasferiscono direttamente sui formalismi matematici dell'algebra lineare, dove la struttura delle matrici matematiche è di grande importanza.
Il termine raster
deriva dal latino rastrum (rastrello), che deriva dal verbo radere (spazzare) (raschiare). Deriva dalla scansione raster dei monitor televisivi a tubo catodico (CRT), che dipingono l'immagine una riga alla volta guidando magneticamente o elettrostaticamente un fascio di elettroni focalizzato. Può anche essere usato per fare riferimento a una griglia rettangolare di pixel. Attualmente, il termine rastrum si riferisce a uno strumento per creare linee di pentagramma musicale.
La tassellatura di un piano in una matrice bidimensionale di quadrati, ciascuno chiamato cella o pixel, è l'approccio fondamentale alla base del modello di dati raster (da elemento immagine
). Nella fotografia digitale, il piano è il campo visivo proiettato sul sensore di immagine; Nella computer art, è una tela virtuale; e nei sistemi informativi geografici, è una proiezione della superficie terrestre. La risoluzione o il supporto, ovvero la dimensione di ogni pixel quadrato, rimane coerente in tutta la griglia. Un metodo di grigliatura può fornire dati raster o basati su griglia.
Per ogni pixel, viene quindi salvato un singolo valore numerico. Questo valore è un colore visibile per la maggior parte delle foto, ma sono possibili misurazioni alternative, inclusi codici numerici per categorie qualitative. Ogni griglia raster ha un formato pixel univoco, che specifica il tipo di dati di ogni numero intero. I formati di pixel più comuni includono binario, scala di grigi, tavolozza e a colori, in cui la profondità del colore controlla la precisione dei colori visualizzati e lo spazio colore determina l'intervallo di copertura del colore (che spesso è inferiore all'intera gamma della visione umana dei colori). La maggior parte dei formati raster a colori contemporanei esprime il colore con 24 bit (quasi 16 milioni di colori diversi) e 8 bit (0-255) per canale di colore (rosso, verde e blu). I sensori digitali utilizzati nel telerilevamento e nell'astronomia sono spesso in grado di rilevare e memorizzare lunghezze d'onda oltre lo spettro visibile; il grande sensore bitmap CCD dell'Osservatorio Vera C. Rubin cattura 3,2 gigapixel in una singola immagine (6,4 GB raw) su sei canali di colore che superano la gamma spettrale della visione umana dei colori.
La maggior parte delle immagini del computer vengono salvate in formati grafici raster o nelle loro varianti compresse, come GIF, JPEG e PNG, ampiamente utilizzate su Internet. Un formato di dati raster è costruito su una tassellatura (spesso rettangolare, a base quadrata) del piano 2D in celle con un singolo valore ciascuna. La matrice bidimensionale deve essere serializzata per archiviare i dati in un file. In un formato di riga principale, le celle lungo la prima riga (in genere la più alta) sono elencate da sinistra a destra, seguite immediatamente da quelle della seconda riga e così via.
Nell'illustrazione a destra, le celle della tassellatura A sono sovrapposte al modello di punti B, producendo una matrice C di conteggi di quadranti che riflette il numero di punti in ogni cella. Ai fini della visualizzazione, è stata utilizzata una tabella di ricerca per colorare ogni cella nell'immagine D. I numeri sono presentati come un array seriale row-major:
1 3 0 0 1 12 8 0 1 4 3 3 0 2 0 2 1 7 4 1 5 4 2 2 0 3 1 2 2 2 2 3 0 5 1 9 3 3 3 4 5 0 8 0 2 4 3 2 8 4 3 2 2 7 2 3 2 10 1 5 2 1 3 7
Per ricostruire la griglia bidimensionale, il file deve includere una sezione di intestazione che specifichi almeno il numero di colonne e il tipo di dati pixel (con il numero di bit o byte per valore) in modo che il lettore sappia dove si ferma ogni valore e da dove iniziare a leggere quello successivo. Nelle intestazioni possono essere inclusi