Scuola di scienze umane, sociali e del
patrimonio culturale
! !
Metodologie informatiche per
l’organizzazione dei servizi turistici
e
Fondamenti di informatica
(Prof. Nicola Orio)
Rappresentazione dell’informazione
Corsi di laurea in
• Progettazione e gestione del turismo culturale
• Storia e tutela dei beni artistici e musicali
• Lettere
Codifica dell’informazione
L’informazione si presenta in forme diverse
• Il valore numerico di una grandezza fisica
• Il testo di un articolo di giornale
• Il suono prodotto da uno strumento musicale
• L’immagine di una fotografia
• Le sequenze video di una ripresa televisiva
La rappresentazione viene definita codifica
ü Rappresentazione adeguata per ogni forma
ü Tutte basate sulle sequenze finite di bit
Informatica (PGT, STBAM, LET) Nicola Orio 1
Codifica di numeri
I numeri sono stati i primi ad essere codificati
ü I computer facevano solo calcoli ripetitivi
• Il termine “digitale” deriva da digit=cifra,numero
Com’è noto, i numeri si dividono in:
ü Interi, razionali (aperiodici e periodici), irrazionali
• Razionali aperiodici e irrazionali devono essere
approssimati
In questo corso tratteremo solo i numeri naturali
– Lo 0 e gli interi positivi
Informatica (PGT, STBAM, LET) Nicola Orio 2
Rappresentazione in base 10
Caratteristiche del sistema decimale
ü Basato sulla combinazione di 10 simboli (da 0 a 9)
ü Il significato di ogni cifra dipende dalla sua posizione
• Le cifre, partendo da destra, sono moltiplicate per
una potenza crescente di 10 (1, 10, 100, ...)
• I prodotti sono sommati tra loro
migliaia = 103 100000 +
centinaia = 102 80000 +
104 3000 +
decine = 101 500 +
30 +
105 1 8 3 5 3 7 unità = 100 7 = 183537
Informatica (PGT, STBAM, LET) Nicola Orio 3
Rappresentazione in base 2
Simile quella decimale, con 2 al posto di 10
ü Basato sulla combinazione di 2 simboli (0 e 1)
ü Il significato di ogni cifra dipende dalla sua posizione
• Le cifre, partendo da destra, sono moltiplicate per
una potenza crescente di 2 (1, 2, 4, 8, ...)
• I prodotti sono sommati tra loro
23 = 8 1 * 32 +
22 = 4 0 * 16 +
24 = 16 1* 8+
21 = 2
1* 4+
0* 2+
25 = 32 1 0 1 1 0 1 20 = 1 1 * 1 = 45
Informatica (PGT, STBAM, LET) Nicola Orio 4
Rappresentazione in base 16
Stesso principio di base 10 e base 2
ü Si usano 16 simboli diversi
– Cifre da 0 a 9
– Lettere da A a F
ü Usata spesso per rappresentare i colori
• Un byte è codificato con 2 cifre esadecimali
3 * 65536 +
163 = 4096 162 = 256 F * 4096 +
{15 * 4096 +}
164 = 65536 161 = 16 A * 256 +
{10 * 256 +}
0 * 16 +
3 F A 0 8 160 = 1 8 * 1 = 260616
Informatica (PGT, STBAM, LET) Nicola Orio 5
Conversioni tra le basi 2, 10, 16
base 2 base 10 base 16 base 2 base 10 base 16
0 0 0 1111 15 F
1 1 1 10000 16 10
10 2 2 10001 17 11
11 3 3 10010 18 12
100 4 4 11110 30 1E
101 5 5 11111 31 1F
110 6 6 100000 32 20
111 7 7 100001 33 21
1000 8 8 100010 34 22
1001 9 9 111111 63 3F
1010 10 A 1000000 64 40
1011 11 B 1111111 127 4F
1100 12 C 10000000 128 80
1101 13 D 11111111 255 FF
1110 14 E 100000000 256 100
Informatica (PGT, STBAM, LET) Nicola Orio 6
Sequenze di numeri – 1
Normalmente si usa un simbolo separatore
– Le serie 14 7 1789 o 14-7-1789 o 14/7/1789 sono diverse dal
numero 1471789
ü Un bit può rappresentare solamente due simboli
• Non si può rappresentare il simbolo separatore
Usare un numero costante di bit per ogni numero
ü Indipendentemente da quanti sono necessari
• Ad esempio la sequenza 100101110101 equivale a
– 100, 101, 110, 101 = 4, 5, 6, 5 utilizzando tre bit per numero
– 1001, 0111, 0101 = 9, 7, 5 utilizzando quattro bit per numero
Informatica (PGT, STBAM, LET) Nicola Orio 7
Sequenze di numeri – 2
Utilizzare sequenze fisse di bit ha degli svantaggi
ü Non si possono rappresentare valori troppo elevati
• Se si sfora il valore finale non è significativo
ü Spesso si usano più bit del necessario
• I bit più a sinistra sono uguali a zero
ü E’ necessario conoscere a priori il numero di bit
Normalmente si utilizzano byte e multipli
– 1 byte = 8 bit = numeri da 0 a 255
– 2 byte = 16 bit = numeri da 0 a 65535
– 4 byte = 32 bit = numeri da 0 a circa 4,3 miliardi
– 8 byte = 64 bit = numeri da 0 a circa 18 miliardi di miliardi
Informatica (PGT, STBAM, LET) Nicola Orio 8
Codifica del testo
Un testo è una sequenza di simboli
ü Organizzato in forma lineare
– Concetto simile alla sequenza finita di bit
L’insieme di simboli è finito e noto a priori
ü I simboli possono essere
• Numeri, segni d’interpunzione, operatori
• Lettere di un alfabeto
– Latino, greco, cirillico, arabo, ebraico
– Differenze nei diacritici (å ç ř ê)
• Ideogrammi
Informatica (PGT, STBAM, LET) Nicola Orio 9
Codifica di caratteri – 1
I caratteri appartengono ad un insieme noto
ü Ad ogni carattere si associa un numero intero
• L’intero è il codice del carattere
ü L’associazione va fatta per tutti i possibili simboli
• I simboli senza un codice non sono rappresentabili
• Bisogna porre attenzione alla scelta dell’alfabeto
ü L’associazione è arbitraria
Un testo diventa una sequenza di numeri
ü Bisogna scegliere quanti bit si usano per ogni numero
Informatica (PGT, STBAM, LET) Nicola Orio 10
Codifica di caratteri – 2
Il numero di bit dipende dall’alfabeto
– 6 bit = 64 caratteri
– 7 bit = 128 caratteri
– 8 bit = 256 caratteri
– 16 bit = 65536 caratteri
Non esiste una codifica naturale
ü Conviene preservare l’ordine alfabetico
– Ordinare un testo diventa come ordinare numeri
ü E’ necessario condividere l’associazione
– Cambiando computer il testo può diventare illeggibile
Informatica (PGT, STBAM, LET) Nicola Orio 11
ASCII a 7 bit – 1
Primo standard per il testo
ü Utilizza 7 bit per carattere
– Può rappresentare 128 caratteri diversi
ü Codifica
• Le lettere dell’alfabeto inglese
– Non sono previsti diacritici
• Tutti i tasti delle tastiere americane
• Codici per il controllo delle stampanti
– Ritorno di carrello, avanzamento di una linea, tabulazioni
ü Vasta diffusione a livello internazionale
Informatica (PGT, STBAM, LET) Nicola Orio 12
ASCII a 7 bit – 2
ü I caratteri dell’ASCII a 7 bit sono gli unici ad essere
universalmente riconosciuti da tutti i sistemi
– I codici evidenziati sono codici di controllo
– Molti sono obsoleti ma mantenuti per compatibilità
0 1 2 3 4 5 6 7 8 9 A B C D E F
0 NUL SOH STX ETX EOT ENQ ACK BEL BS HT LF VT FF CR SO SI
1 DLE DC1 DC2 DC3 DC4 NAK SYN ETB CAN EM SUB ESC FS GS RS US
2 SP ! " # $ % & ' ( ) * + , - . /
3 0 1 2 3 4 5 6 7 8 9 : ; < = > ?
4 @ A B C D E F G H I J K L M N O
5 P Q R S T U V W X Y Z [ \ ] ^ _
6 ' a b c d e f g h i j k l m n o
7 p q r s t u v w x y z { | } ~ DEL
Informatica (PGT, STBAM, LET) Nicola Orio 13
ASCII a 8 bit – 1
La codifica ASCII è stata estesa
ü Rappresentazione a 8 bit (1 byte)
• Codifica 256 caratteri (il doppio)
ü Compatibilità con ASCII a 7 bit
• I 256 codici divisi in due gruppi
– I primi 128 codici immutati
– Gli altri 128 codici sono dedicati a nuovi caratteri
ü Mancanza di accordo sui nuovi codici
– Esistono diverse versioni dell’ASCII a 8 bit
ü Gli ideogrammi non sono rappresentati
Informatica (PGT, STBAM, LET) Nicola Orio 14
ASCII a 8 bit – 2
Esistono molte versioni di ASCII a 8-bit
– ISO-8859-1 (Latin 1): per le lingue dell’Europa occidentale
– ISO-8859-2 (Latin 2): per le lingue dell’Europa orientale
– ISO-8859-3/4 (Latin 3/4): per esperanto e maltese / paesi ex URSS
– ISO-8859-5 (Cyrillic): per lingue basate sull’alfabeto cirillico
– ISO-8859-6 (Arabic): per l’arabo
– ISO-8859-7 (Greek): per il greco moderno, senza diacritici
– ISO-8859-8 (Hebrew): per l’ebraico
– ISO-8859-9 (Turkish): per il turco, quasi uguale al Latin 1
– ISO-9959-10/11...16: altre varianti del Latin
ü Ci sono versioni proprietarie (IBM) ancora diverse
Informatica (PGT, STBAM, LET) Nicola Orio 15
ASCII a 8 bit – 3
Possibili problemi di incompatibilità
ISO-8859-1 (Latin1) ISO-8859-2 (Latin2)
ISO-8859-3 (Latin3) ISO-8859-4 (Latin4)
Informatica (PGT, STBAM, LET) Nicola Orio 16
Unicode – 1
Scopo: dare un codice unico per ogni simbolo
ü Indipendentemente dal computer e dal software
– Superare i limiti dell’ASCII
ü Codifica tutte le lingue
– Ideogrammi ma anche simboli di lingue morte
ü Utilizza un sistema per minimizzarne la quantità
• Un testo di solito è scritto in una sola lingua
– Rappresenta solo un sottoinsieme dei caratteri di Unicode
• Utilizza il numero di bit necessari per ogni lingua
ü Esistono implementazioni a 8, 16 o 32 bit
– Punto in comune con l’ASCII sono i primi 256 codici
Informatica (PGT, STBAM, LET) Nicola Orio 17
Unicode – 2
Informatica (PGT, STBAM, LET) Nicola Orio 18
Informazione continua – 1
Numeri e testo
ü Sono rappresentati con simboli
• Finiti noti a priori
• Rappresentati da un’opportuna sequenza di bit
Suoni e immagini
ü Sono di natura continua
ü Infinite variazioni
• Non è possibile una rappresentazione simbolica
• Si deve approssimare la realtà
Informatica (PGT, STBAM, LET) Nicola Orio 19
Informazione continua – 2
Nel mondo reale
ü Le grandezze variano con continuità
– Variazione nel tempo dei suoni
– Variazione nello spazio delle immagini
• Necessario usare sequenze di lunghezza infinita
– Si applica un campionamento
ü Le grandezze assumono qualsiasi valore
– Ampiezza dell’onda sonora o tonalità deli colori
• Necessario usare moltissimi bit
– Si applica una quantizzazione
Informatica (PGT, STBAM, LET) Nicola Orio 20
Campionamento – 1
Es. 1: La temperatura di una stanza
ü Impossibile misurarla ad ogni istante
• La temperatura varia lentamente
– La misura a 12:00 è quasi uguale a 11:59 e 12:01
– La misura a 12:00 simile a 11:45 e 12:15
Es. 2: L’altezza di un terreno
ü Impossibile misurarla in ogni singolo punto
• In molti casi i dislivelli sono minimi
– La misura in un punto è quasi uguale nel centimetro intorno
– La misura in un punto è simile a quella a 10 metri di distanza
Informatica (PGT, STBAM, LET) Nicola Orio 21
Campionamento – 2
Data una grandezza che varia con continuità nel
tempo o nello spazio
ü Si sceglie ogni quanto misurarla
• Si fa in modo che sia rappresentativa
• Misure molto ravvicinate
– Si devono fare tante misurazioni che occupano spazio
• Misure molto distanziate
– Si rischia di perdere variazioni importanti
Le misure si chiamano campioni
Informatica (PGT, STBAM, LET) Nicola Orio 22
Campionamento – 3
In informatica i campioni sono equispaziati
– Non obbligatorio, scelto per semplicità
ü Frequenza di campionamento
• Numero di campioni nell’unità di tempo
– Usato per i suoni
• Numero di campioni nell’unità di lunghezza
– Usato per le immagini
ü L’informazione tra due campioni è persa del tutto
• Campioni molto ravvicinati minimizzano la perdita
– Compromesso tra precisione e costo (misurazione, spazio, ...)
Informatica (PGT, STBAM, LET) Nicola Orio 23
Quantizzazione – 1
Es. 1: La temperatura di una stanza
ü Il termometro è impreciso
– Il valore oltre un certo numero di decimale non è significativo
ü In casa non ha senso misurare i centesimi di grado
– Sono inutili per la particolare applicazione
Es. 2: L’altezza di un terreno
ü L’altimetro è impreciso
– Non ha senso misurare i millimetri di altezza sul livello del mare
ü La precisione dipende dall’applicazione
– Mappa per alpinisti oppure mappa per cartina stradale
Informatica (PGT, STBAM, LET) Nicola Orio 24
Quantizzazione – 2
Data una grandezza che può assumere un qualsiasi
valore continuo
ü Si sceglie quanto approssimarla/arrotondarla
• Si fa in modo che l’errore sia ridotto
• Arrotondamento fine
– Si deve misurare con precisione, si occupa molto spazio
• Arrotondamento grossolano
– Si rappresenta la grandezza in modo approssimativo
– L’utente percepisce questo arrotondamento come un rumore
aggiunto alla grandezza misurata
Informatica (PGT, STBAM, LET) Nicola Orio 25
Quantizzazione – 3
In informatica l’arrotondamento si basa sulla
quantizzazione
ü I valori possibili sono numerati
• Bisogna scegliere con cura cosa rappresentare
– Valori non previsti non sono rappresentabili
ü Ad ogni valore viene associato un numero intero
• Simile alla codifica dei caratteri
ü Una volta approssimato, il valore iniziale è perso
• Quanti molto ravvicinati minimizzano la perdita
– Compromesso tra precisione e costo (spazio)
Informatica (PGT, STBAM, LET) Nicola Orio 26
Suoni – 1
Il suono consiste in oscillazioni nel tempo
ü Il tempo è una dimensione continua
• Campionamento nel tempo
– Misurato in Hertz, ossia numero di campioni al secondo
ü L’oscillazione varia con continuità
• Quantizzazione dello scostamento dallo zero
– Non ha un diretto corrispettivo fisico
– Dipende dal volume massimo del suono rappresentato
ü La scelta di campionamento e quantizzazione incide
sulla qualità del suono
Informatica (PGT, STBAM, LET) Nicola Orio 27
Suoni – 2
Valori tipici
ü Campionamento
– 8-10 kHz : voce per trasmissioni telefoniche
– 44.1 kHz : musica a buona qualità (CD e DVD)
– 96 kHz : musica in sala di registrazione o per conservazione
ü Quantizzazione
– 1 byte : voce a bassa qualità (poco usata)
– 2 byte : musica a buona qualità (CD e DVD)
– 3-4 byte : musica in sala di registrazione o per conservazione
• La quantizzazione è particolarmente legata alla
percezione della qualità sonora
Informatica (PGT, STBAM, LET) Nicola Orio 28
Immagini – 1
Le immagini sono distribuzioni di colori su un piano
ü La superficie è una dimensione continua
• Campionamento nello spazio
– Misurato in dpi (dot per inch) ossia in punti per pollice
ü Il colore varia con continuità
• Quantizzazione dell’insieme dei colori
– Diverse strategie possibili, in dipendenza dall’originale
– Incide sul numero di diversi colori rappresentabili
ü La scelta di campionamento e quantizzazione incide
sulla qualità dell’immagine
Informatica (PGT, STBAM, LET) Nicola Orio 29
Immagini – 2
Valori tipici
ü Campionamento
– 72-96 dpi : immagini a schermo o per il Web
– 150-300 dpi : stampe su carta normale
– 600 dpi e oltre : stampe su carta patinata
ü Quantizzazione
– 1 bit : bianco e nero
– 4-8 bit : sfumature di grigio (da 16 a 256)
– 1 byte : 256 colori diversi, scelti da una palette (tavolozza)
– 3 byte : 16 milioni di colori, configurazione tipica
– 4 byte : aggiunta di trasparenza o rappresentazione a 4 canali
Informatica (PGT, STBAM, LET) Nicola Orio 30
Compressione
Definizione di compressione
ü Conversione di un file in un secondo di minore
dimensioni che porta la stessa informazione
Applicazioni
ü Riduzione dello spazio occupato in memoria
– Con riduzione dei tempi di caricamento dalla memoria di massa
ü Riduzione dei tempi di trasferimento
ü Possibile riduzione dei tempi di calcolo
– A volte si può manipolare direttamente il file compresso
– Se serve decomprimerlo i tempi di calcolo possono aumentare
Informatica (PGT, STBAM, LET) Nicola Orio 31
Tipologie di compressione
Lossless (senza perdita)
ü Il processo è completamente invertibile
• Usata per testi, programmi, multimedia di qualità
– Basata sulla ridondanza dell’informazione
Esempi: archivi .zip, .rar, .tgz
Lossy (con perdita)
ü Non si riesce a tornare perfettamente al file iniziale
• Usata per immagini, suoni e video
– Basata sulle soglie percettive umane
Esempi: file .jpg, .mp3, .mpg, .avi
Informatica (PGT, STBAM, LET) Nicola Orio 32
Compressione lossless
Considerazioni
ü L’informazione può essere ridondante
– Pixel di una zona monocroma di un’immagine
– Parole ripetute, serie di spazi o a capo
• Si usano meno bit per descrivere le ridondanze
ü Gli elementi hanno diverso contenuto informativo
– Dopo la “q” è molto probabile trovare una “u”
– Fase di attacco di un suono rispetto alla fase di nota tenuta
• Si usa un numero di bit proporzionale all’effettiva
quantità di informazione
Informatica (PGT, STBAM, LET) Nicola Orio 33
Compressione lossy
Considerazioni
ü L’occhio e l’orecchio hanno dei limiti fisici
• Ciò che non è percepito non è rappresentato
– Dipende anche dalle interfacce di output
• Si è effettua un degrado al di sotto della soglia di
percezione (di occhio e/o orecchio)
– Attenzione: compressioni successive portano il degrado ad essere
visibile/udibile (effetto fotocopia di fotocopia)
• Scelta tra fattore di compressione e accettabilità
– Si può accettare di percepire il degrado se è più importante avere
file di piccole dimensioni
Informatica (PGT, STBAM, LET) Nicola Orio 34