Identificazione dei pixel bianchi e ner

Il primo passaggio consiste nel riuscire ad identificare all’interno dell’immagine rappresentante la sezione sottile, il giusto numero di pixel che corrispondano alle aree bianche (per l’osservazione a nicols //) e a quelle nere (per l’osservazione a nicols X). Un’immagine digitale, cioè la rappresentazione di un immagine sul computer, si compone di pixel che costituiscono le unità minime di informazione luminosa. Esistono diverse modalità per memorizzare un file rappresentante un’immagine; le principali sono le seguenti due:

- Scala di grigi - RGB

Ogni pixel è rappresentato da un determinato numero di bit, dipendentemente dal numero di colori che questo può assumere. Nella modalità scala di grigi, ogni pixel dell’immagine contiene un livello di grigio compreso tra 0 e 1; nella modalità RGB ogni pixel è rappresentato da un insieme di bit che indicano nell’ordine: l’intensità di rosso, quella di verde e quella di blu (RGB) che deve essere associata al relativo punto dell’immagine per poter essere rappresentato correttamente sullo schermo. Essenzialmente la differenza tra un’immagine a scala di grigi e un’immagine RGB è il numero dei così detti “canali di colore”: un’immagine a scala di grigi ne ha uno solo; un’immagine RGB ne possiede tre.

Le immagini delle sezioni sottili a disposizione sono di tipo RGB ad alta risoluzione (8 bpp); pertanto ciascun pixel consiste di tre componenti differenti (RGB), ciascuna delle quali può avere un’intensità variabile tra 0 e 255; ciò che si osserva in ciascun pixel è la combinazione additiva delle tre.

L’obiettivo è quello di trovare tutti i pixel che nell’osservazione a N// risultano bianchi e tutti i pixel che nell’osservazione a NX risultano neri; il passo successivo sarà l’intersezione delle due di modo da evidenziare le regioni potenzialmente corrispondenti al vuoto, cioè che sono contemporaneamente bianche (N//) e nere

96

(NX). Naturalmente, quello che corrisponde al bianco puro, identificato con il codice 255, così come il nero puro, identificato con il codice 0, identifica un colore impossibile da riscontrarsi nella realtà, affetta da imperfezioni imputabili alla modalità con cui la foto è stata scattata dall’operatore, dalla luminosità presente in quel momento, dal modo in cui i minerali risultavano essere orientati e quindi dal modo in cui essi riflettevano la luce in quel dato momento. Pertanto, la ricerca delle aree bianche e delle aree nere, dovrà essere effettuata in modo iterativo, identificando una soglia ottimale per i pixel bianchi e una altrettanto ottimale per i pixel neri, che permettano l’identificazione del “giusto” numero di pixel bianchi e neri.

Per rendere l’operazione computazionalmente più agevole, si è deciso di innanzitutto di convertire l’immagine da RGB a scala di grigi, in modo tale da velocizzare la ricerca dei pixel in funzione della soglia data. Successivamente si è fissata una soglia per la ricerca dei pixel bianchi nella prima immagine ed una soglia per la ricerca dei pixel neri nella seconda immagine, la prima “sufficientemente” più bassa di 255, la seconda “sufficientemente” più alta di 0. Il valore di soglie ottimo è stato opportunamente calibrato su una sezione sottile che si prestasse al facile riconoscimento dei vuoti, senza bisogno di osservazione microscopica. Le soglie hanno significato analogo ma complementare: la soglia bianca sarà infatti un limite inferiore al di sopra del quale verranno considerati i pixel come vuoti potenziali; la soglia nera sarà invece un limite superiore, per cui i pixel selezionati saranno quelli con valore inferiore o uguale ad esso.

Pertanto l’algoritmo (riportato nella versione integrale in Allegato 4 – Script Matlab), in questa fase, dovrà effettuare le seguenti operazioni:

- Ricevere in ingresso le due immagini della stessa sezione sottile - Convertire ciascuna delle due immagini da RGB a scala di grigi - Fissate le due soglie ricercare:

o Nell’immagine a nicols//: tutti i pixel che hanno un valore sopra il livello della soglia (che tendono quindi al colore bianco)

o Nell’immagine a nicolsX: tutti i pixel che hanno un valore sotto il livello di soglia (che tendono quindi al colore nero)

97

- Moltiplicare le due matrici e mostrare in un’immagine finale i pixel selezionati contemporaneamente in entrambe le ricerche precedenti

Di seguito si riporta la sezione sottile utilizzata per la calibrazione delle soglie ed alcuni dei tentativi effettuati prima di raggiungere l’ottimo.

Fig. 5.3: sezione utilizzata per la calibrazione delle soglie ottimali; nel riquadro rosso il tratto di vuoto utilizzato per la calibrazione delle soglie.

Calibrazione soglia pixel bianchi:

98

Soglia pixel bianchi 200 Soglia pixel bianchi 190

99

Le figure sovrastanti rappresentano i risultati ottenuti dall’intersezione delle matrici risultanti dalla selezione dei pixel bianchi e di quelli neri; si noti come, a soglia nera fissata, facendo variare la soglia bianca, diminuendola, il particolare della sezione sottile di fig. 5.3 risulta sempre meglio definito e rappresentato. A partire dalla soglia 190 però, ad una ulteriore diminuzione di soglia, si osserva un aumento rapido delle aree che vengono considerate vuoti ma che in realtà non lo sono, falsando così la rappresentazione finale. Si è deciso di considerare come soglia di selezione dei pixel bianchi ottimale quella corrispondente al valore 190.

Si noti infine, come i bordi dell’immagine al diminuire della soglia risultino sempre meglio definiti; questo però contrasta la comparsa sempre meno trascurabile di falsi vuoti che non possono essere considerati nel computo finale. Per tale motivo, si è deciso che nella fase successiva si procederà ad un ridimensionamento dell’immagine intersezione di modo che i bordi non influiscano sul calcolo percentuale dei vuoti rispetto al totale dell’immagine considerata.

Calibrazione soglia pixel neri:

100

Soglia pixel neri 30 Soglia pixel neri 40

101

Anche per la calibrazione della soglia dei pixel neri valgono le considerazioni effettuate nel caso precedente; ora, all’aumentare della soglia considerata, mantenendo invece fissa la soglia bianca, i vuoti rilevati aumentano sempre di più. La soglia ottima in questo caso è 40 che, come 190 nel caso dei pixel bianchi, rappresenta il miglior compromesso tra vuoti correttamente rilevati e falsi vuoti che disturbano l’immagine di intersezione finale.