Fusione adattiva di più caratteristiche per la registrazione visibile-infrarosso e l’enhancement dei caratteri su strisce di bambù

Testi antichi nascosti in bella vista

Per più di due millenni, registri governativi, appunti medici e scritti quotidiani in Cina sono stati stesi su sottili strisce di bambù e legno. Molte di queste fragili strisce sono sopravvissute sotto terra, ma l’inchiostro si è così sbiadito che gran parte della scrittura è quasi invisibile. Questo studio presenta un nuovo metodo di imaging che allinea fotografie visibili con immagini infrarosse delle stesse strisce, per poi ripristinare digitalmente i caratteri perduti—rendendo i testi danneggiati nuovamente leggibili e aprendo una finestra più chiara sulla storia antica.

Perché i vecchi registri di bambù sono così difficili da leggere

Le strisce di bambù e legno recuperate sono documenti storici inestimabili, ma secoli di sepoltura le lasciano incrinate, macchiate e consumate. In luce normale, venature del legno, sporco e scolorimenti spesso sovrastano l’inchiostro tenue, tanto che i caratteri svaniscono nello sfondo o scompaiono del tutto. Le fotocamere a infrarossi possono rivelare tracce d’inchiostro che non appaiono più alla luce visibile, perché inchiostro e legno riflettono diversamente nell’infrarosso. Tuttavia le immagini infrarosse di solito mancano dei ricchi dettagli di colore e superficie di cui curatori e storici hanno bisogno per studiare come sono state realizzate le strisce e per ricomporre frammenti. Oggi i ricercatori spesso passano avanti e indietro tra immagini visibili e infrarosse della stessa striscia, cercando di combinare mentalmente ciò che ciascuna vista mostra—un processo lento e faticoso che lascia comunque molti caratteri incerti.

Portare a fuoco due tipi di visione

Il team affronta questo problema allineando con precisione, o «registrando», le immagini visibili e infrarosse di ciascuna striscia in modo che possano essere fuse in un’unica immagine migliorata. Non è affatto banale: poiché le due fotocamere e le illuminazioni sono diverse, le immagini possono essere traslate, ruotate, leggermente scalate e persino distorte l’una rispetto all’altra. Inoltre le strisce hanno una texture debole—pochi angoli netti o motivi—il che rende difficile per gli strumenti standard di visione artificiale trovare punti corrispondenti tra le due viste. Gli autori progettano una pipeline di registrazione in più fasi che sfrutta una caratteristica che resta stabile attraverso le lunghezze d’onda: la forma esterna di ciascuna striscia.

Da un allineamento grezzo a una corrispondenza pixel-perfetta

Il metodo inizia con una fase di allineamento grossolano che riduce entrambe le immagini per sopprimere dettagli distraenti e poi rileva i lunghi bordi esterni delle strisce insieme a un numero modesto di punti simili ad angoli. Poiché il contorno di una striscia di bambù cambia poco tra immagini visibili e infrarosse, questi bordi sono assegnati a grande importanza nella stima di come un’immagine debba essere ruotata, traslata e scalata per sovrapporsi all’altra. Segue una fase di allineamento fine che lavora a piena risoluzione. Qui l’algoritmo affina ripetutamente la corrispondenza usando sia i contorni dei bordi sia gli angoli dei caratteri, ma con una svolta: nelle fasi iniziali si dà più fiducia ai bordi su larga scala; man mano che la corrispondenza migliora, aumenta gradualmente il peso dei precisi punti angolari tracciati attorno ai singoli tratti. Questo spostamento adattivo da «prima il contorno» a «prima i dettagli» aiuta a evitare soluzioni errate pur raggiungendo un allineamento molto accurato.

Lasciare che il contenuto informativo guidi la rifinitura finale

Anche con un buon accoppiamento geometrico, i modelli di luminosità nelle immagini visibili e infrarosse possono differire notevolmente. Per concludere il lavoro, i ricercatori aggiungono un passaggio di ottimizzazione basato sulla «informazione mutua», una misura statistica di quanto un’immagine predice i livelli di grigio nell’altra. L’algoritmo effettua molte piccole prove di aggiustamento della trasformazione tra le due viste e mantiene la variazione che aumenta maggiormente questa informazione condivisa. Una strategia di ricerca ibrida—che combina un’esplorazione globale nota come simulated annealing con un raffinamento tradizionale basato sul gradiente—permette al sistema di convergere su una trasformazione che è sia geometricamente ragionevole sia ricca di informazione, anche quando le immagini sono rumorose o parzialmente degradate.

Ridare vita ai caratteri scomparsi

Una volta che le immagini visibili e infrarosse sono allineate, la seconda parte del framework si concentra sui caratteri stessi. L’immagine infrarossa viene elaborata per accentuare l’inchiostro rispetto allo sfondo e poi binarizzata per isolare le regioni dei tratti. Dopo aver ripulito rumore e lacune, la scrittura estratta viene convertita in una «maschera d’inchiostro» trasparente. Invece di limitarsi a sovrapporre questa maschera, il metodo usa una forma di fusione basata sulla differenza: sostanzialmente sottrae il motivo dell’inchiostro dallo sfondo, facendo sì che i punti in cui l’immagine visibile mostrava una volta la scrittura—ma ora mostrano solo legno nudo—tornino a scurirsi. Infine le correzioni cromatiche restituiscono le tonalità naturali del bambù nelle aree dove i caratteri visibili originali erano già chiari. Il risultato è un’unica immagine che conserva l’aspetto realistico, il colore e la texture della striscia pur facendo risaltare in modo nitido sia i tratti deboli sia quelli invisibili.

Visioni più nitide per storici e conservatori

I test su oltre 800 coppie di immagini di strisce di bambù, incluse molte con scritture gravemente danneggiate, mostrano che il nuovo metodo supera una serie di tecniche di registrazione esistenti, dal classico feature-matching agli approcci moderni basati su deep learning. I punteggi quantitativi confermano che le immagini allineate condividono più informazione e corrispondono meglio nelle strutture, mentre le sovrapposizioni visive mostrano un allineamento quasi perfetto tra contenuti visibili e infrarossi. Per storici e conservatori, ciò significa poter leggere e interpretare testi difficili da una singola immagine migliorata, accelerando la trascrizione e aiutando a ricomporre frammenti dispersi. Più in generale, il lavoro dimostra come combinare più tipi di imaging con un allineamento e una fusione intelligenti possa salvare scritture fragili dal baratro dell’illeggibilità, rafforzando gli sforzi per preservare e studiare digitalmente il patrimonio documentario mondiale.

Citazione: Wan, T., Qi, F., Yang, Y. et al. Adaptive multi-feature fusion for visible-infrared image registration and character enhancement of bamboo slips. npj Herit. Sci. 14, 96 (2026). https://doi.org/10.1038/s40494-026-02368-z

Parole chiave: strisce di bambù, imaging infrarosso, registrazione di immagini, restauro del testo, beni culturali