L'articolo interesserà non solo i programmatori web, ma anche tutti coloro che sono in qualche modo coinvolti nell'elaborazione programmatica delle immagini, poiché le funzioni per lavorare con la matrice di torsione sono disponibili in molte lingue (sappiamo esattamente di php e flash). Inoltre, l'articolo sarà di interesse per i designer che utilizzano Adobe Photoshop, poiché ha un filtro corrispondente (Filter-Other-Custom).
Gli esempi saranno in PHP usando la libreria GD. Teoria, pratica, esempi (con attenzione, molte immagini!)
Teoria
Parlando in termini non matematici, convoluzioneè la trasformazione di una matrice con l'aiuto di un'altra, che viene chiamata nucleo("kernel"). Durante l'elaborazione delle immagini, le matrici dei canali RGB di pixel in coordinate rettangolari agiscono come iniziali.
Una matrice 3x3 viene solitamente utilizzata come kernel, ma sono possibili quelle più grandi (5x5, 7x7, ecc.). Il kernel contiene gradi di influenza ("valori") i valori circostanti dell'elemento all'elemento stesso.
La trasformazione avviene come segue. Ogni elemento della matrice originale viene moltiplicato per il valore centrale della matrice del kernel. Inoltre, gli elementi circostanti vengono moltiplicati per i valori corrispondenti (con una dimensione del kernel di 3x3 ce ne saranno 8), dopodiché i risultati vengono sommati e accettati come valore convertito.
Ecco un semplice esempio grafico:
Il valore da convertire è evidenziato in rosso, lo scope della matrice del kernel è in verde.
Qual è il risultato della conversione. Il valore di tutti i pixel circostanti, compreso l'autovalore, è zero, ad eccezione di quello centrale superiore, dove è uguale a uno. Quindi il risultato è:
(40*0)+(42*1)+(46*0)+(46*0)+(50*0)+(55*0)+(52*0)+(56*0)+(58*0) = 42
Come puoi vedere, questa trasformazione sposta l'immagine verso il basso di 1 pixel.
Pertanto, la convoluzione in questo caso è la trasformazione dell'immagine, in conseguenza della quale ogni pixel del risultato è influenzato dall'area circostante. Il grado di influenza di quest'area viene specificato utilizzando il "kernel" o la matrice di torsione.
valori div e offset
Quando si elaborano le immagini, non si può procedere con una sola trasformazione, è necessaria anche la normalizzazione. Cosa succede se il valore risultante è maggiore di 255 o minore di 0? Non ci sono tali fiori. Inoltre, oltrepassare i confini del colore è un fenomeno abbastanza frequente.
Per normalizzare il risultato vengono utilizzate variabili aggiuntive: div (divisore) e offset (coefficiente). Funzionano in modo molto semplice: il risultato della trasformazione viene diviso in div e viene aggiunto offset.
Non è difficile indovinare che per default div = 1, offset = 0 (div = 0 non può essere impostato!).
Durante le trasformazioni, il div viene generalmente preso come la somma di tutti gli elementi della matrice di torsione. Questa condizione consente di prevenire le distorsioni del colore se non sono necessarie.
Infatti, se l'area da convertire contiene lo stesso colore, il risultato sarà la somma degli elementi del kernel moltiplicata per questo colore. Di conseguenza, per lasciare inalterato il colore, è necessario dividere il risultato della trasformazione per questa stessa quantità.
Un semplice esempio: il filtro "negativo".
Prenderemo la seguente immagine come fonte:
usandolo come esempio, puoi vedere come cambiano testo, immagini e linee grandi e piccoli. Ora creiamo una matrice di torsione per ottenere l'effetto negativo:
Secondo la matrice, risulta che, a seguito della trasformazione, tutti i colori avranno un valore negativo. Per rendere i colori negativi, devi impostare offset = 256, quindi i colori di tutti i pixel vengono sottratti da 256, che è un'immagine negativa:
Come è fatto in PHP
Nella libreria GD PHP è presente una funzione imageconvolution che contiene 4 parametri. Il primo è l'ID immagine. La seconda è una matrice sotto forma di un array di 3 array con 3 variabili. Il terzo e il quarto sono div e offset.
Ecco il codice che rende negativa l'immagine:
$img = imagecreatefromjpeg("images/pattern.jpg" ) ;
$matrice = matrice(
matrice ( 0 , 0 , 0 ) ,
matrice ( 0 , - 1 , 0 ) ,
matrice ( 0 , 0 , 0 )
imageconvolution ($img, $matrice, 1, 256);
imagejpeg ($img , "images/pattern_negative.jpg" , 100 ) ;
Vale la pena menzionare subito una caratteristica molto spiacevole di GD: quando si trasforma con imageconvolution, il canale alfa "collassa". Questo bug è stato descritto per molto tempo, ma per quanto ne so, non è stato risolto. Nel flash non è così, inoltre, ci sono parametri aggiuntivi che sono responsabili dell'elaborazione dei bordi delle immagini quando alcuni pixel cadono. In php, i bordi semplicemente non vengono gestiti.
Sfoca, nitida, goffra
Ecco un set standard di matrici di effetti:
Si noti che per la sfocatura il coefficiente div = 9. Per una tale matrice, solo un tale coefficiente non porta alla distorsione del colore. Devo anche dire che ci sono diverse opzioni per la sfocatura, differiscono leggermente per la forza dell'effetto.
Ed ecco le immagini risultanti:
affilatura:
Effetti "puliti".
Come puoi vedere dall'esempio di sfocatura precedente, l'effetto è sovrapposto all'immagine, ma in modo abbastanza forte. È possibile ridurre l'intensità dell'effetto sull'immagine? Si scopre che puoi. Ma per questo, è necessario modificare non il grado di influenza dei pixel circostanti, come potrebbe sembrare a prima vista, ma il numero di pixel che influenzano:
Quindi otteniamo effetti che sembreranno molto più ordinati:
Sfocatura chiara:
Nitido chiaro:
Rilievo chiaro:
Qui vale la pena porre la domanda, ma come aumentare la forza dell'effetto? Sfortunatamente, solo applicandolo più volte, perché qualunque cosa si possa dire, viene comunque elaborata un'area di 3x3 pixel. Naturalmente, questo è molto dispendioso in termini di risorse, a volte è necessario applicare il filtro 100-200 volte per ottenere una sfocatura dei punti usando la sfocatura gaussiana. Ci vuole molto tempo e molte risorse.
Finalmente
Voglio dire che tu stesso puoi creare un effetto interessante. Per fare ciò, è sufficiente sperimentare la matrice di torsione.
La matrice di torsione può essere applicata con successo quando:
- creare immagini "piccole", ad esempio. generazione di avatar e anteprime (la sfocatura della luce sembra particolarmente buona qui).
- per creare "ombre" (se solo con canale alfa :)
- durante la creazione di un CAPTHCA (testo + forte Sharpen o Emboss)
- e così via. :-)
Creare una bella ombra
* Crea una bella ombra
* Attenzione! L'operazione richiede molte risorse!
* @param res $immagine - immagine originale
* @param int $shadow_width - larghezza dell'ombra (1..10, non consigliato sopra)
* @param int $shadow_deep - profondità del colore dell'ombra (1..20, maggiore è il nero)
* @param string $bg_color - colore di sfondo nel formato #7def34
funzione imageaddshadow (& $image , $shadow_width = 4 , $shadow_deep = 7 , $bg_color = false )
$w = immaginix($immagine);
$h = immagini ($immagine);
$iw = $w + 4 * $larghezza_ombra ;
$ih = $h + 4 * $larghezza_ombra ;
$img = imagecreatetruecolor ($iw , $ih ) ;
$ombra_profondità = 255 - $ombra_profondità * 12 ;
$shadow = imagecolorallocate ($img, $shadow_deep, $shadow_deep, $shadow_deep);
se (! $bg_color ) (
// Colore bianco per impostazione predefinita
$bg = imagecolorallocate ($img, 255, 255, 255);
altro(
list ($r , $g , $b ) = array_map ("hexdec" , str_split (ltrim ($bg_color , "#" ) , 2 ) );
$bg = imagecolorallocate ($img , $r + 1 , $g + 1 , $b + 1 );
// Riempi l'area con il colore di sfondo
imagefilledrettangolo ($img , 0 , 0 , $iw , $ih , $bg );
// Crea un'ombra
imagefilledrectangle ($img ,
1 + $larghezza_ombra ,
1 + $larghezza_ombra ,
Questo articolo non parla solo dei filtri di elaborazione delle immagini più comuni, ma descrive anche in modo comprensibile gli algoritmi per il loro lavoro. L'articolo è rivolto principalmente ai programmatori coinvolti nell'elaborazione delle immagini.
Matrice di convoluzione
Esistono molti filtri che utilizzano la matrice di convoluzione, i principali verranno descritti di seguito.
Una matrice di convoluzione è una matrice di coefficienti che viene "moltiplicata" per il valore dei pixel dell'immagine per produrre il risultato desiderato.
Di seguito è l'applicazione della matrice di convoluzione:
Div è il fattore di normalizzazione in modo che l'intensità media rimanga la stessa.
Nell'esempio, la matrice ha una dimensione di 3x3, sebbene la dimensione possa essere maggiore.
filtro sfocatura
Il filtro più comunemente usato basato sulla matrice di convoluzione è il filtro sfocatura.
Di solito la matrice viene riempita secondo la legge normale (gaussiana). Di seguito è riportata una matrice di sfocatura 5x5 riempita secondo la legge della distribuzione gaussiana.
I coefficienti sono già normalizzati, quindi il div per questa matrice è uno.
La forza della sfocatura dipende dalle dimensioni della matrice.
Vale la pena menzionare le condizioni al contorno (questo problema è rilevante per tutti i filtri a matrice). Il pixel in alto a sinistra non ha un "vicino" a destra di esso, quindi non abbiamo nulla per cui moltiplicare il coefficiente della matrice.
Ci sono 2 soluzioni a questo problema:
1. Applicando il filtro solo alla "finestra" dell'immagine, che ha le coordinate dell'angolo in alto a sinistra, e per quello in basso a destra. kernelSize - dimensione della matrice; larghezza, altezza - dimensione dell'immagine.
Questo non è il modo migliore in quanto il filtro non viene applicato all'intera immagine. La qualità soffre parecchio se la dimensione del filtro è grande.
2. Il secondo metodo (addizione) prevede la creazione di un'immagine intermedia. L'idea è quella di creare un'immagine temporanea con dimensioni (larghezza + 2 * kernelSize / 2, altezza + 2 * kernelSize / 2). L'immagine di input viene copiata al centro dell'immagine e i bordi vengono riempiti con i pixel estremi dell'immagine. La sfocatura viene applicata al buffer intermedio e quindi il risultato viene estratto da esso.
Questo metodo non ha inconvenienti in termini di qualità, ma è necessario eseguire calcoli aggiuntivi.
Il filtro sfocatura gaussiana ha una complessità O(hi * wi * n *n), dove hi, wi sono le dimensioni dell'immagine, n è la dimensione della matrice (kernel del filtro). Questo algoritmo può essere ottimizzato con una qualità accettabile.
Il kernel quadrato (matrice) può essere sostituito da due unidimensionali: orizzontale e verticale. Per una dimensione del kernel di 5, appariranno come:
Il filtro viene applicato in 2 passaggi: prima orizzontale e poi verticale al risultato (o viceversa).
La complessità di questo algoritmo sarà O(hi * wi * n) + O(hi * wi * n) = 2 * O(hi * wi * n), che per una dimensione del kernel maggiore di due, è più veloce del tradizionale metodo della matrice quadrata.
Filtro di miglioramento della chiarezza
Per migliorare la chiarezza, è necessario utilizzare la seguente matrice:
Questa matrice aumenta la differenza di valori ai confini. Il div per questa matrice è 1.
GIMP ha un filtro Matrice di convoluzione che semplifica la ricerca della trasformazione della matrice di cui hai bisogno.
Puoi trovare maggiori informazioni sui filtri basati sulla matrice di convoluzione nell'articolo.
filtro mediano
Il filtro mediano viene in genere utilizzato per ridurre il rumore o "smussare" l'immagine.
Il filtro funziona con matrici di varie dimensioni, ma a differenza della matrice di convoluzione, la dimensione della matrice influisce solo sul numero di pixel considerati.
L'algoritmo del filtro mediano è il seguente:
Per il pixel corrente, i pixel che "cadono" nella matrice vengono ordinati e il valore medio viene preso dall'array ordinato. Questo valore è l'output per il pixel corrente.
Di seguito è riportato il funzionamento del filtro mediano per una dimensione del kernel di tre.
I filtri di accumulo e di erosione servono rispettivamente ad ottenere espansione o contrazione morfologica. In poche parole, per le immagini, questo significa scegliere un pixel con l'intensità massima o minima dal vicinato.
Come risultato dell'accumulo, gli oggetti luminosi aumentano e l'erosione provoca un aumento degli oggetti scuri.
Il filtro utilizza un'immagine di input e una matrice binaria. La matrice binaria determina la forma del quartiere. Il quartiere è generalmente di forma rotonda.
Il filtro Accumulo può essere utilizzato per aumentare le luci, i riflessi luminosi.
Conclusione
L'articolo descrive alcuni dei filtri di elaborazione delle immagini, i loro algoritmi e le funzionalità dell'applicazione.
Questo articolo non parla solo dei filtri di elaborazione delle immagini più comuni, ma descrive anche in modo comprensibile gli algoritmi per il loro lavoro. L'articolo è rivolto principalmente ai programmatori coinvolti nell'elaborazione delle immagini.
Matrice di convoluzione
Esistono molti filtri che utilizzano la matrice di convoluzione, i principali verranno descritti di seguito.
Una matrice di convoluzione è una matrice di coefficienti che viene "moltiplicata" per il valore dei pixel dell'immagine per produrre il risultato desiderato.
Di seguito è l'applicazione della matrice di convoluzione:
Div è il fattore di normalizzazione in modo che l'intensità media rimanga la stessa.
Nell'esempio, la matrice ha una dimensione di 3x3, sebbene la dimensione possa essere maggiore.
filtro sfocatura
Il filtro più comunemente usato basato sulla matrice di convoluzione è il filtro sfocatura.
Di solito la matrice viene riempita secondo la legge normale (gaussiana). Di seguito è riportata una matrice di sfocatura 5x5 riempita secondo la legge della distribuzione gaussiana.
I coefficienti sono già normalizzati, quindi il div per questa matrice è uno.
La forza della sfocatura dipende dalle dimensioni della matrice.
Vale la pena menzionare le condizioni al contorno (questo problema è rilevante per tutti i filtri a matrice). Il pixel in alto a sinistra non ha un "vicino" a destra di esso, quindi non abbiamo nulla per cui moltiplicare il coefficiente della matrice.
Ci sono 2 soluzioni a questo problema:
1. Applicando il filtro solo alla "finestra" dell'immagine, che ha le coordinate dell'angolo in alto a sinistra, e per quello in basso a destra. kernelSize - dimensione della matrice; larghezza, altezza - dimensione dell'immagine.
Questo non è il modo migliore in quanto il filtro non viene applicato all'intera immagine. La qualità soffre parecchio se la dimensione del filtro è grande.
2. Il secondo metodo (addizione) prevede la creazione di un'immagine intermedia. L'idea è quella di creare un'immagine temporanea con dimensioni (larghezza + 2 * kernelSize / 2, altezza + 2 * kernelSize / 2). L'immagine di input viene copiata al centro dell'immagine e i bordi vengono riempiti con i pixel estremi dell'immagine. La sfocatura viene applicata al buffer intermedio e quindi il risultato viene estratto da esso.
Questo metodo non ha inconvenienti in termini di qualità, ma è necessario eseguire calcoli aggiuntivi.
Il filtro sfocatura gaussiana ha una complessità O(hi * wi * n *n), dove hi, wi sono le dimensioni dell'immagine, n è la dimensione della matrice (kernel del filtro). Questo algoritmo può essere ottimizzato con una qualità accettabile.
Il kernel quadrato (matrice) può essere sostituito da due unidimensionali: orizzontale e verticale. Per una dimensione del kernel di 5, appariranno come:
Il filtro viene applicato in 2 passaggi: prima orizzontale e poi verticale al risultato (o viceversa).
La complessità di questo algoritmo sarà O(hi * wi * n) + O(hi * wi * n) = 2 * O(hi * wi * n), che per una dimensione del kernel maggiore di due, è più veloce del tradizionale metodo della matrice quadrata.
Filtro di miglioramento della chiarezza
Per migliorare la chiarezza, è necessario utilizzare la seguente matrice:
Questa matrice aumenta la differenza di valori ai confini. Il div per questa matrice è 1.
GIMP ha un filtro Matrice di convoluzione che semplifica la ricerca della trasformazione della matrice di cui hai bisogno.
Puoi trovare maggiori informazioni sui filtri basati sulla matrice di convoluzione nell'articolo "Filtri grafici basati sulla matrice di torsione" .
filtro mediano
Il filtro mediano viene in genere utilizzato per ridurre il rumore o "smussare" l'immagine.
Il filtro funziona con matrici di varie dimensioni, ma a differenza della matrice di convoluzione, la dimensione della matrice influisce solo sul numero di pixel considerati.
L'algoritmo del filtro mediano è il seguente:
Per il pixel corrente, i pixel che "cadono" nella matrice vengono ordinati e il valore medio viene preso dall'array ordinato. Questo valore è l'output per il pixel corrente.
Di seguito è riportato il funzionamento del filtro mediano per una dimensione del kernel di tre.
I filtri di accumulo e di erosione servono rispettivamente ad ottenere espansione o contrazione morfologica. In poche parole, per le immagini, questo significa scegliere un pixel con l'intensità massima o minima dal vicinato.
Come risultato dell'accumulo, gli oggetti luminosi aumentano e l'erosione provoca un aumento degli oggetti scuri.
Il filtro utilizza un'immagine di input e una matrice binaria. La matrice binaria determina la forma del quartiere. Il quartiere è generalmente di forma rotonda.
Il filtro Accumulo può essere utilizzato per aumentare le luci, i riflessi luminosi.
Conclusione
L'articolo descrive alcuni dei filtri di elaborazione delle immagini, i loro algoritmi e le funzionalità dell'applicazione.
Il risultato del filtraggio lineare per una data finestra (per un dato pixel centrale) è descritto dalla seguente semplice formula:
$$ \begin(gather) \tag(1) \mbox(Im)" = \sum\limits_(i= -\textrm(hWinX))^(\textrm(hWinX))~\sum\limits_(j= - \textrm(hWinY))^(\textrm(hWinY)) (\mbox(Im)\cdot \mbox(Maschera)), \end(gather) $$
dove $\mbox(hWinX) = [\mbox(WinX)/2]$, $\mbox(hWinY) = [\mbox(WinY)/2]$ sono la metà della larghezza e la metà dell'altezza della finestra di filtraggio, rispettivamente (nel caso della finestra $3\times 3$ entrambe le quantità sono uguali a 1).
Il risultato dell'applicazione dell'operazione (1) a tutti i pixel dell'immagine Im$$ viene chiamato $\it(convoluzione)$ dell'immagine Im con la maschera Maschera.
Media mobile nella finestra.
Il tipo più semplice di filtraggio lineare della finestra nel dominio spaziale è \it(media mobile) sulla finestra. Il risultato di tale filtraggio è il valore dell'aspettativa matematica calcolata su tutti i pixel della finestra. Matematicamente, questo equivale alla convoluzione mascherata, i cui elementi sono tutti uguali a $1/n$, dove $n$ è il numero di elementi della maschera. Ad esempio, la maschera della media mobile $ 3 \ x 3 $ è
$$ \frac(1)(9)\times \begin(vmatrix) 1&1&1\cr 1&1&1\cr 1&1&1 \end(vmatrix). $$
Consideriamo un esempio di filtraggio di un'immagine in scala di grigi rumorosa con un filtro "media mobile". Le immagini sono rumorose con rumore additivo gaussiano (Fig. 2 - 8).
Sulla fig. Le figure 1 - 6 mostrano esempi di filtraggio di un'immagine in scala di grigi con diversi gradi di rumore mediante un filtro medio con una dimensione della finestra di $ 3 \ x 3 $. Come si può vedere dall'esempio, il filtro "media mobile" ha una minore capacità di sopprimere la componente di rumore rispetto al filtro mediano considerato in precedenza $ 3 \ x 3 $.
Considera una media mobile con un'ampia finestra di filtro. Sulla fig. 23-28 mostrano un esempio di filtraggio mediano con diverse dimensioni dell'apertura.
Come si può vedere dalla figura. - 12, all'aumentare della dimensione della finestra, aumenta la capacità del filtro mediano di sopprimere la componente di rumore. Tuttavia, allo stesso tempo, aumenta anche l'effetto dell'apparente "sfocatura" dell'immagine (Fig. 11, 12) a causa della sfocatura dei bordi degli oggetti visibili. Inoltre, non abbiamo osservato questo effetto di sbavatura, che è specifico dei filtri lineari, nel caso del filtraggio di rango non lineare.
Filtraggio gaussiano.
Nella sezione precedente abbiamo considerato il caso "degenerato" del filtraggio lineare con maschera omogenea. Nel frattempo, l'idea stessa di convoluzione dell'immagine con una matrice di peso è simile all'idea precedentemente considerata di introdurre una matrice di peso nei filtri percentili ponderati. È possibile aumentare la stabilità dei risultati del filtraggio ai margini delle regioni dando ai punti più vicini del vicinato una maggiore influenza sul risultato finale rispetto a quelli lontani. Un esempio dell'implementazione di questa idea per una finestra di dimensione $ 3 \ x 3 $ è la maschera
$$ \frac(1)(16)\times \begin(vmatrix) 1&2&1\cr 2&4&2\cr 1&2&1 \end(vmatrix). $$
Tale maschera è chiamata gaussiana; rispettivamente, e il filtro lineare che lo utilizza è anche chiamato $\it(gaussiano)$. Utilizzando approssimazioni discrete della funzione gaussiana bidimensionale, è possibile ottenere anche altri kernel gaussiani più grandi. Si noti che le maschere $\it(smoothing)$ o $\it(filtering)$ dei filtri lineari devono avere la somma di tutti gli elementi uguale a $1$. Questa $\it(condizione di normalizzazione)$ garantisce un'adeguata risposta del filtro a un segnale costante (immagine costante Im$ = \const$).
Sulla fig. 13 - 15 mostra un esempio di filtraggio lineare gaussiano di un'immagine rumorosa.
FILTRAZIONE(dal greco phil "tron - bevanda d'amore; tale era considerata soprattutto proz-b. m. t. xxxsh. Rach wine), uno dei modi per separare la fase liquida da quella solida (precipitazione, torbidità) facendo passare il sistema attraverso materiali porosi, filtraggio di particelle dense.Dal filtraggio F. differisce nell'uso di pori più densiFigura 1. Imbuto a 60° e piegatura della carta da filtro Bercepius.
Il liquido del bagno (filtrato) non deve essere "rilevato ad occhio nudo da particelle visibili. Nella pratica di laboratorio e farmacia, vengono solitamente filtrate attraverso carta da filtro utilizzando imbuti di vetro o porcellana. Utilizzando imbuti con un angolo di 60 °, 
Ryas. 2. Figura 3.
Figura 2. Imbuto con bacchette di vetro per velocizzare la filtrazione. Foto 3. Nucha: a-a Vasos; b-per drenare il filtrato. Per loro sono realizzati filtri Berzelius (Fig. 1), che sono particolarmente convenienti nei casi in cui è desiderabile raccogliere il precipitato. Gli imbuti sfaccettati vengono utilizzati per accelerare F. (vedi Fig. Imbuto, Riso. 8) oppure inserire delle bacchette di vetro tra le pareti dell'imbuto e del filtro (Fig. 2). Sul 
Figura 4
Figura 5. Figura 4. Imbuti in porcellana perforata. Figura 5. Filtro Gay-Lussac plissettato (plissettato). Le corone di Buechner (vedi. Imbuto, fig. 3) e uchach (Fig. 3), agendo quando l'aria è rarefatta nel ricevitore, vengono utilizzati filtri piatti a forma di cerchi di opportuna dimensione. Imbuti di altre forme vengono utilizzati per velocizzare la F. nei casi in cui non sia richiesta la conservazione dei sedimenti (vedi Fig. Imbuto, Riso. 1,2) e imbuti forati (Fig. 4); per tutti questi imbuti, i filtri pieghettati o piegati Gay-Lussac vengono preparati piegando la carta a ventaglio (Fig. 5). Gli imbuti con filtri devono essere utilizzati nei rack per evitare il trabocco del liquido (Figura 6); a F. direttamente in una fiaschetta è necessario mettere un filo, una striscia di carta o un bastoncino di vetro tra un collo di una fiaschetta e un imbuto, creando così una fessura per un'uscita d'aria. Recentemente abbiamo sviluppato filtri in vetro con fondo in vetro poroso, attraverso il quale filtrano senza carta (Fig. 7). Lo stabilimento Schott di Jena è stato il primo a produrre tali filtri.La dimensione dei pori di questi filtri è indicata da numeri: N° 1 passa più particelle con un diametro di circa 100 C№ 2-50 (IO, K" 3-20 /l e n. 4-5 C. Le forme più comunemente utilizzate di questi filtri in vetro (Goslaborreaktivsbyt) sono mostrate in Fig. 7; le forme "e" ed "e" sono utilizzate per aspirare liquidi da sedimenti facilmente agitati. riduzione della viscosità" della fase liquida (filtraggio quando riscaldato, cfr. Imbuto, Riso. 10 e 11) oppure il liquido viene preventivamente chiarificato, provocando in esso la formazione di sedimenti a grana grossa, trascinando (adsorbendo) torbidità fine. A tale scopo, aggiungere ad esempio al liquido chiarificato. albume montato, gelatina, siero di latte (in presenza di tannini), 
Figura 6. Impostazioni del filtro.
/
f=™*3j
Figura 7. Filtri porosi in vetro. latte (a liquidi acidi, ad esempio succhi di bacche) o ritagli di carta da filtro bolliti con acqua, argille chiarificanti (floridin, gumbrin), ecc.; a volte vengono aggiunte proteine e poi cagliate mediante ebollizione. F. attraverso candele porose (Berkefeld, Chamberlain, ecc.) - vedi. Berkefel- gj*da candela, filtri^ in laboratorio. la pratica. - Su scala produttiva si utilizzano i metodi F., che consentono una maggiore produttività; cap. utilizzano le filtropresse - dispositivi inventati dall'ing. Nidge-Figura 8. Dettagli di una filtropressa nel 1828 (Fig. 8). sa e lo schema della sua azione: MA- Per laboratorio liquido; .B-lavaggio; V- /■ ptttrchngh h pyabot cv-sh.1Dkost; Filtro C. ^ farmacia; paoi oh ci sono piccole filtropresse. I filtri continui, a tamburo, a disco e piani (filtri a piano) hanno una maggiore produttività. Per la filtrazione del gas, vedere Maschere antigas.- In analisi a goccia (microanalisi qualitativa secondo Feigl e Tananaev), F. indica il passaggio del liquido attraverso i capillari della carta da filtro; "Filtrato" in questo senso è considerato una macchia di liquido ad una certa distanza da una goccia depositata su un PUNTO di carta. I. Obergard*
