Risultati

Le immagini in scala di grigi formato bitmap (640x480) sono state elaborate in ambiente di lavoro Matlab. L’algoritmo di analisi ha previsto l’aumento del contrasto e la suddivisione delle immagini in regioni a isodensità. I risultati hanno messo in maggiore evidenza la discontinuità presente nei valori dei pixel dell’area dell’immagine occupata dal campione di sangue. Ciò ha confermato l’ipotesi iniziale secondo cui il sensore dà risposte diverse alla radiazione incidente a seconda della profondità di fluido attraverso cui essa viene trasmessa.

Figura 27 Confronto: applicazione della procedura di suddivisione in regioni a isodensità all’immagine originale e a quella equalizzata acquisita da telecamera con illuminazione a 0.850µm.

Figura 28 Confronto: applicazione della procedura di suddivisione in regioni a isodensità all’immagine originale e a quella equalizzata acquisita da telecamera con illuminazione a 0.940µm.

Il passo successivo dell’algoritmo di analisi delle immagini è stato la ricostruzione del profilo di spessore della goccia deposta sulla lente. Per rendere lo studio più preciso, si è scelto di lavorare sull’immagine originale, estraendo da essa più righe di pixel parallele selezionate in modo da comprendere tutte le altezze della goccia di fluido e valutate preliminarmente tramite analisi visiva delle immagini. L’analisi dell’andamento del valore dei pixel nelle righe estratte ha mostrato la presenza di due regioni a differente andamento, di cui:

32 2. la seconda relativa al target a scacchiera bianco e nero retrostante il fluido.

Figura 29 (A sinistra) immagine originale acquisita da telecamera con illuminazione a 0.850µm con evidenziata la posizione delle tre righe di pixel estratte; (a destra) grafico dell’andamento del valore dei pixel delle righe estratte.

Figura 30 (A sinistra) immagine originale acquisita da telecamera con illuminazione a 0.940µm con evidenziata la posizione delle tre righe di pixel estratte; (a destra) grafico dell’andamento del valore dei pixel delle righe estratte.

Il fatto che il valore dei pixel non oscilli tra un massimo (colore bianco del target) e un minimo (colore nero del target) fissi nella seconda regione del grafico lascia spazio all’ipotesi per cui nelle immagini siano presenti errori di misura da imputare principalmente all’aberrazione ottica. Infatti, le aberrazioni possono dare, in maniera più accentuata nella periferia dell’immagine, scarsa nitidezza, deformazioni dell'immagine, differenze tra le immagini corrispondenti ai diversi colori, non uniformità della luminosità. Per stimare questo rumore è stato necessario acquisire l’immagine di un target monocromatico in condizioni identiche a quelle utilizzate per il campione di sangue. L’analisi visiva della suddetta immagine ha mostrato in modo più evidente l’effetto dell’aberrazione ottica che si traduce principalmente in variazioni del valore dei pixel non legate a variazioni reali di colore del target, specie nella zona periferica del campo di vista [Figura 31, Figura 32]. Il rumore è stato dunque calcolato come la differenza tra il valore acquisito del pixel e il valore medio dei pixel più centrali dell’immagine, assunto come valore corrispondente al colore reale del target. In questo modo, è stato possibile stimare il rumore di misura in base alla localizzazione del pixel all’interno della matrice dell’immagine. La ‘matrice rumore’ così ottenuta è stata quindi sottratta a quella dell’immagine originale, ottenendo il valore ideale dei pixel su cui compiere l’analisi del profilo di spessore [Figura 33, Figura 34].

33

Figura 31 (A sinistra) immagine originale del target monocromatico acquisita da telecamera Misumi con sistema di illuminazione integrato emittente a 850nm. (A destra) stessa immagine dopo l’applicazione della procedura di eliminazione della distorsione introdotta dalla lente.

Figura 32 (A sinistra) immagine originale del target monocromatico acquisita da telecamera Misumi con sistema di illuminazione integrato emittente a 940nm. (A destra) stessa immagine dopo l’applicazione della procedura di eliminazione della distorsione introdotta dalla lente.

Figura 33 (A sinistra) immagine senza distorsione della lente acquisita da telecamera Misumi con sistema di illuminazione integrato emittente a 850nm. E’ stata evidenziata la posizione delle tre righe di pixel estratte per l’elaborazione. (A destra) grafico dell’andamento del valore dei pixel delle righe estratte.

Figura 34 (A sinistra) immagine senza distorsione della lente acquisita da telecamera Misumi con sistema di illuminazione integrato emittente a 940nm. E’ stata evidenziata la posizione delle tre righe di pixel estratte per l’elaborazione. (A destra) grafico dell’andamento del valore dei pixel delle righe estratte.

34 Per procedere con il fitting del valore dei pixel appartenenti alla prima regione del grafico di tutte le righe estratte dall’immagine, è stato necessario stabilire un criterio per la scelta del pixel di confine tra le due regioni. Già da una prima analisi visiva delle immagini, risulta evidente che non esiste una divisione netta tra la prima e la seconda regione. Come criterio di scelta del pixel di confine tra le due regioni, si è adottata la ricerca del pixel a valore minimo all’interno della zona del grafico che a occhio presenta oscillazioni non marcate e che quindi con più alta probabilità rappresenta la prima regione [Figura 35, Figura 36]. Questo pixel rappresenta il punto dell’immagine in corrispondenza del quale è possibile la visualizzazione del target retrostante e per questo è di cruciale importanza per l’intera analisi.

Figura 35 Andamento del valore dei pixel appartenenti alla prima regione del grafico, per la telecamera Misumi con sistema di illuminazione integrato emittente a 850nm.

Figura 36 Andamento del valore dei pixel appartenenti alla prima regione del grafico, per la telecamera Misumi con sistema di illuminazione integrato emittente a 940nm.

A questo punto, è stato necessario trovare una corrispondenza tra:

1. il valore del pixel e l’altezza del fluido;

2. il numero dei pixel e l’estensione in mm del raggio della goccia rappresentato dalla riga di pixel estratta dall’immagine.

Per quanto riguarda il primo punto, si è fatto riferimento a dati presenti in letteratura relativamente all’altezza media delle gocce di fluido. Il valore del pixel più chiaro della riga estratta, corrispondente al punto di massima altezza della goccia, si è ipotizzato essere corrispondente ad un’altezza del fluido pari a 1.2mm. E’ stato possibile considerare questa

35 approssimazione, dal momento che sono state condotte delle misurazioni sull’altezza di diverse gocce dello stesso volume di sangue, depositate sul medesimo tipo di substrato. Da una media di tali misure è risultato il valore sopra riportato e assunto come altezza massima tipica della goccia in esame. Per quanto riguarda il secondo punto, è stato necessario acquisire l’immagine di un

target di dimensioni note per risalire alle caratteristiche dimensionali delle acquisizioni delle due

telecamere testate [Figura 37]. In questo modo, nella funzione matematica che meglio fitta i dati sperimentali, la variabile indipendente è rappresentata dalla distanza [mm] dal punto della goccia a massima altezza, mentre la variabile dipendente dall’altezza della goccia in un punto preciso dell’immagine. Dall’analisi dell’immagine del target di dimensioni note sviluppata tramite

software GIMP, è stato possibile risalire alla relazione esistente tra la rappresentazione

dell’oggetto ripreso da telecamera nelle medesime condizioni della goccia di sangue, e le sue dimensioni reali. In particolare, è risultato che 1 pixel dell’immagine corrisponde a 6 µm.

Figura 37 Immagine di un target quadrato di dimensioni 2mmx2mm.

Si è proceduto quindi con il fitting vero e proprio dei dati attraverso l’uso del ‘Curve Fitting

Tool’ di Matlab [Figura 38, Figura 39].

Figura 38 Profilo di spessore della goccia ricavato dalle immagini acquisite da telecamera Misumi con sistema di illuminazione integrato emittente a 850nm.

36

Figura 39 Profilo di spessore della goccia ricavato dalle immagini acquisite da telecamera Misumi con sistema di illuminazione integrato emittente a 940nm.

Tutta la procedura è riportata in Appendice A.

2.3.Conclusioni

Dall’analisi dei risultati ottenuti, si è visto che la strategia adottata e le ipotesi di lavoro assunte non si sono prestate ad una corretta caratterizzazione del profilo di altezze della goccia di sangue. Uno degli aspetti negativi più evidente è l’ottenimento di un valore al disotto dello zero per l’altezza della goccia in corrispondenza della quale è possibile visualizzare il target retrostante, nel caso della telecamera con sistema di illuminazione emittente a 0.940µm [Figura 39]. Gli aspetti a cui può essere attribuita la forte dipendenza dei risultati dall’immagine elaborata sono di seguito riportati:

1. la scelta delle righe da estrarre dall’immagine non è standardizzata, ma anzi si basa su considerazioni definite tramite analisi visiva delle immagini. Non si ha dunque la certezza di considerare effettivamente righe che attraversano tutte le altezze del campione di sangue, a partire esattamente dal punto corrispondente all’altezza massima della goccia;

2. il criterio utilizzato per l’individuazione del pixel di confine tra la regione della riga appartenente al campione di sangue e quella appartenente al target retrostante è molto debole. La non ottima qualità delle immagini acquisite e le lunghezze d’onda di lavoro (non siamo nell’intervallo di lunghezze d’onda del visibile, quindi non è possibile visualizzare i contorni reali della goccia), non consentono di avere una buona approssimazione delle coordinate del punto dell’immagine in corrispondenza del quale è possibile visualizzare il target retrostante;

3. la standardizzazione dell’altezza massima della goccia di sangue, assunta essere in media pari a 1.2 mm, rappresenta un’approssimazione troppo forte delle caratteristiche della goccia. Non si tiene conto della variabilità della forma della goccia e si trascurano eventuali differenze tra i set up sperimentali allestiti per i due differenti sensori testati;

37 4. la modellizzazione matematica del profilo della goccia è fondata su procedure di fitting dei dati basate sulla ricerca della funzione che rende gaussiana la distribuzione dei residui. Sebbene questo criterio sia affidabile da un punto di vista matematico, la funzione scelta rappresenta un’approssimazione dei dati sperimentali molto spesso troppo lontana dal loro andamento reale per poter essere utilizzata in applicazioni pratiche; 5. nonostante il set up sperimentale scelto riproduca le condizioni di lavoro di un sistema di

imaging per la visione attraverso il sangue, data la vicinanza del fluido alla lente del

sensore, non si tiene conto delle specifiche tecniche dei dispositivi in analisi. In particolare, non essendo rispettata la specifica di distanza focale per la goccia di sangue, tutte le immagini acquisite risultano altamente sfocate.

Tutte le precedenti considerazioni hanno indirizzato lo studio verso la ricerca di un nuovo protocollo sperimentale progettato in modo da essere ripetibile e con risultati quanto più possibile indipendenti da analisi di tipo qualitativo. Il suddetto protocollo è trattato nei paragrafi seguenti.